論文の概要: Interaction and Conflict Management in AI-assisted Operational Control Loops in 6G

• arxiv url: http://arxiv.org/abs/2110.12025v1
• Date: Fri, 22 Oct 2021 19:24:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-01 02:55:06.239416
• Title: Interaction and Conflict Management in AI-assisted Operational Control Loops in 6G
• Title（参考訳）: 6GにおけるAI支援操作制御ループの相互作用と競合管理
• Authors: Saeedeh Parsaeefard, Pooyan Habibi, and Alberto Leon Garcia
• Abstract要約: 自律型およびAI支援型制御ループ間の多様な相互作用とコンフリクト管理について検討する。 我々は,一貫性,一貫性,相互作用を実現するために,ICMモジュールを提案する。 本稿では,ネットワーク内の異なる ACL に対する Pod のスケジューリングと再スケジューリングにおける競合を取り除くための ICM の実装を提案する。
• 参考スコア（独自算出の注目度）: 5.28196766215336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper studies autonomous and AI-assisted control loops (ACLs) in the next generation of wireless networks in the lens of multi-agent environments. We will study the diverse interactions and conflict management among these loops. We propose "interaction and conflict management" (ICM) modules to achieve coherent, consistent and interactions among these ACLs. We introduce three categories of ACLs based on their sizes, their cooperative and competitive behaviors, and their sharing of datasets and models. These categories help to introduce conflict resolution and interaction management mechanisms for ICM. Using Kubernetes, we present an implementation of ICM to remove the conflicts in the scheduling and rescheduling of Pods for different ACLs in networks.
• Abstract（参考訳）: 本稿では,マルチエージェント環境における次世代無線ネットワークにおける自律型およびAI支援制御ループ(ACL)について検討する。 これらのループ間の多様な相互作用と紛争管理について検討する。 我々は,これらのACL間の一貫性,一貫性,相互作用を実現するために,ICMモジュールを提案する。 我々は,ACLのサイズ,協調的かつ競争的な行動,データセットとモデルの共有に基づくACLの3つのカテゴリを紹介する。 これらのカテゴリは、ICMのコンフリクト解決とインタラクション管理メカニズムの導入に役立つ。 Kubernetesを使用して、ネットワーク内の異なるACLに対するPodのスケジューリングと再スケジュールにおける競合を取り除くためのICMの実装を提案する。

関連論文リスト

• Communication-Control Codesign for Large-Scale Wireless Networked Control Systems [80.30532872347668]
  無線ネットワーク制御システム(Wireless Networked Control Systems, WNCS)は、ドローン群や自律ロボットなどのアプリケーションにおいて柔軟な制御を可能にする産業用4.0に必須である。 本稿では,マルチ状態マルコフブロックフェーディングチャネル上で限られた無線リソースを共有するセンサやアクチュエータを用いて,複数の制御ループ間の相関ダイナミクスを捕捉する実用的WNCSモデルを提案する。 本研究では,ハイブリッドな動作空間を効率的に処理し,通信制御の相関関係を捉え,疎域変数や浮動小数点制御の入力に拘わらず堅牢なトレーニングを確実にするDeep Reinforcement Learning (DRL)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-10-15T06:28:21Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Causal Coupled Mechanisms: A Control Method with Cooperation and Competition for Complex System [4.829957501538467]
  新たな制御手法である因果結合機構(Causal Coupled Mechanisms)を提案する。 合成システムと実世界の生物規制システムの両方において、予測不能なランダムノイズであっても、CCM法は頑健で最先端の制御結果が得られる。
  論文  参考訳（メタデータ） (2022-09-15T15:32:16Z)
• How to solve a classification problem using a cooperative tiling Multi-Agent System? [0.0]
  本稿では,分類問題を入力変数空間の協調タイリングに変換する枠組みを提案する。 線形分離性の異なる3種類のベンチマーク玩具問題に対して,オンライン非線形分類に線形分類器を用いることが可能であることを示す。
  論文  参考訳（メタデータ） (2022-09-15T09:35:33Z)
• Multi-view Multi-behavior Contrastive Learning in Recommendation [52.42597422620091]
  マルチビヘイビアレコメンデーション(MBR)は、目標行動のパフォーマンスを改善するために、複数の振る舞いを共同で検討することを目的としている。 本稿では,新しいマルチビヘイビア・マルチビュー・コントラスト学習勧告フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-20T15:13:28Z)
• Balancing Rational and Other-Regarding Preferences in Cooperative-Competitive Environments [4.705291741591329]
  混合環境は利己的で社会的利益の衝突で悪名高い。 個人と社会的インセンティブのバランスをとるBAROCCOを提案します。 メタアルゴリズムは、Qラーニングとアクタークリティカルの両方のフレームワークと互換性があります。
  論文  参考訳（メタデータ） (2021-02-24T14:35:32Z)
• Structured Diversification Emergence via Reinforced Organization Control and Hierarchical Consensus Learning [48.525944995851965]
  組織制御の強化と階層的コンセンサス学習に基づく構造的多様化型MARLフレームワーク scRochico を提案する。 scRochicoは、探索効率と協力強度の観点から、現在のSOTAアルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-02-09T11:46:12Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)
• Deep Implicit Coordination Graphs for Multi-agent Reinforcement Learning [36.844163371495995]
  本稿では,このようなシナリオに対するディープ暗黙協調グラフ(DICG)アーキテクチャを提案する。 DICGは、動的コーディネーショングラフ構造を推論するモジュールで構成されており、グラフニューラルネットワークベースのモジュールによって、ジョイントアクションや値について暗黙的に推論することを学ぶために使用される。 以上の結果から,DICGは捕食・捕食作業における相対的過一般化の問題を解消し,また,課題であるStarCraft II Multi-agent Challenge (SMAC) や交通ジャンクション環境において,様々なMARLベースラインを上回ります。
  論文  参考訳（メタデータ） (2020-06-19T23:41:49Z)
• Multi-Agent Interactions Modeling with Correlated Policies [53.38338964628494]
  本稿では,マルチエージェントインタラクションモデリング問題をマルチエージェント模倣学習フレームワークに実装する。 相関ポリシー(CoDAIL)を用いた分散型適応模倣学習アルゴリズムの開発 様々な実験により、CoDAILはデモレーターに近い複雑な相互作用をより良く再生できることが示されている。
  論文  参考訳（メタデータ） (2020-01-04T17:31:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。