arXiv cs.NIは2026年10月9日(現地時間)、Sajjad Baghaeea氏らが執筆した「Goal-Oriented Bundle Management and Flow Control for Deep-Space Communications via Reinforcement Learning」と題する研究論文を公開した。本論文は、断続的な接続性や長い伝播遅延、中継器のストレージ制約といった深宇宙通信が抱える課題に対し、強化学習を用いた中継器側のバンドルおよびフロー管理フレームワークを提案している。従来のスケジューラが抱える非効率性や異質なソース間での不公平性を改善し、月面や火星から地球への情報転送の鮮度と公平性を向上させることを目指す。
深宇宙通信は、断続的な接続性、長い伝播遅延、中継器におけるストレージの制約といった運用環境に直面する。こうしたネットワークでは、Bundle Protocolがストアアンドキャリーフォワード通信を可能にするが、中継ノードには限られたストレージと希少なコンタクト機会を管理することが求められる。中継器側でのスケジューリングやバンドル破棄の決定は、ミッション目標にとって最も価値の高いバンドルに伝送リソースを割り当てる目標指向性が本質的に必要とされる。
従来のFIFO (First-In, First-Out) などのスケジューラは、タスクユーティリティを明示的に最適化せず、異なる惑星からのソース間で不公平なサービスを提供する可能性がある。Sajjad Baghaeea氏らの論文は、月面および火星からの更新情報が共有バッファ中継器を介して地球に転送される接触駆動型深宇宙ネットワークにおいて、中継器側のバンドルおよびフロー管理のための閉ループモデリングおよび学習フレームワークを提示した。
このフレームワークでは、宛先側の情報鮮度をexcess age $\Delta_i^e(t)=[\Delta_i(t)-d_i(t)]^+$で定量化する。この指標に基づき、ミッション関連性に応じた優先順位付けを可能にする目標指向型損失 (goal-oriented loss) を定義している。中継器制御は制約付き半マルコフ決定過程 (constrained semi-Markov decision process, CSMDP) として定式化され、マスク付きラグランジアン近傍方策最適化 (masked Lagrangian Proximal Policy Optimization, PPO) を用いて解決される。Feasibility-aware action maskingにより、残りのコンタクトウィンドウ内で完了可能なバンドルへの伝送が制限される。
DTNSimシミュレーションの結果は、提案されたフレームワークがベースラインのスケジューラと比較して、年齢ベースのユーティリティ (age-based utility) とフロー間の公平性 (inter-flow fairness) の両方で改善を示唆している。このフレームワークは、異質なソース間の公平性を明示的に考慮しながら、接触駆動型ダイナミクスのもとで中継器側のバンドルスケジューリング、バンドル破棄、フロー制御を共同で最適化する。
参考: arXiv cs.NI — 2026年10月10日 02:53 (JST)
原文ハイライト"Goal-Oriented Bundle Management and Flow Control for Deep-Space Communications via Reinforcement Learning"