論文の概要: Towards Autonomous Satellite Communications: An AI-based Framework to Address System-level Challenges

• arxiv url: http://arxiv.org/abs/2112.06055v1
• Date: Sat, 11 Dec 2021 19:36:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 08:29:19.367720
• Title: Towards Autonomous Satellite Communications: An AI-based Framework to Address System-level Challenges
• Title（参考訳）: 自律的な衛星通信に向けて - システムレベルの課題に対処するaiベースのフレームワーク
• Authors: Juan Jose Garau-Luis and Skylar Eiskowitz and Nils Pachler and Edward Crawley and Bruce Cameron
• Abstract要約: 次世代の衛星コンステレーションは、我々のコネクテッド・ソサエティの将来的なニーズに対処するために設計されている。 完全に自律的な衛星システムを実現するための明確な道はまだない。 本稿では,衛星の自律性を高めるために必要なシステムレベルのニーズを特徴付けることによって,このギャップを埋めようとしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The next generation of satellite constellations is designed to better address the future needs of our connected society: highly-variable data demand, mobile connectivity, and reaching more under-served regions. Artificial Intelligence (AI) and learning-based methods are expected to become key players in the industry, given the poor scalability and slow reaction time of current resource allocation mechanisms. While AI frameworks have been validated for isolated communication tasks or subproblems, there is still not a clear path to achieve fully-autonomous satellite systems. Part of this issue results from the focus on subproblems when designing models, instead of the necessary system-level perspective. In this paper we try to bridge this gap by characterizing the system-level needs that must be met to increase satellite autonomy, and introduce three AI-based components (Demand Estimator, Offline Planner, and Real Time Engine) that jointly address them. We first do a broad literature review on the different subproblems and identify the missing links to the system-level goals. In response to these gaps, we outline the three necessary components and highlight their interactions. We also discuss how current models can be incorporated into the framework and possible directions of future work.
• Abstract（参考訳）: 次世代の衛星コンステレーションは、当社のコネクテッド・ソサエティの将来的なニーズ、すなわち高度に変化可能なデータ・デマンド、モバイル・コネクティビティ、そして未利用地域への到達に対処するために設計されている。 人工知能(AI)と学習ベースの手法は、現在のリソース割り当て機構のスケーラビリティが低く、反応時間が遅いことを考えると、業界において重要な役割を果たすことが期待されている。 aiフレームワークは独立した通信タスクやサブプロブレムで検証されているが、完全に自律的な衛星システムを実現するための明確な道はまだない。 この問題の一部は、システムレベルの視点ではなく、モデルを設計する際のサブプロブレムに焦点を当てることから生じる。 本稿では,衛星の自律性を高めるために満たされるシステムレベルのニーズを特徴付けることによって,このギャップを埋めるとともに,それらに共同で対処する3つのAIベースコンポーネント(Demand Estimator, Offline Planner, Real Time Engine)を導入する。 まず、さまざまなサブ問題に関する広範な文献レビューを行い、システムレベルの目標に欠けているリンクを特定します。 これらのギャップに対応するために、3つの必要なコンポーネントを概説し、それらの相互作用を強調する。 また,現在のモデルをフレームワークに組み込む方法や今後の作業の方向性についても検討する。

関連論文リスト

• Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
  本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。 SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。 ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
  論文  参考訳（メタデータ） (2024-04-20T11:07:29Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• A Survey of Generative AI for Intelligent Transportation Systems [9.179995408132333]
  我々は、異なる生成AI技術の原則とその潜在的な応用について紹介する。 我々は,知的交通システムにおけるタスクを,交通認識,交通予測,交通シミュレーション,交通意思決定の4つのタイプに分類する。 これらの4種類のタスクにおいて、生成的AI技術が重要な問題にどのように対処するかを説明する。
  論文  参考訳（メタデータ） (2023-12-13T16:13:23Z)
• CSM-H-R: A Context Modeling Framework in Supporting Reasoning Automation for Interoperable Intelligent Systems and Privacy Protection [0.07499722271664144]
  本稿では,大規模システムにおけるハイレベルコンテキスト推論(HLC)の自動化のための新しいフレームワークを提案する。 フレームワークの設計は、インテリジェントシステムとCSMを扱うコンポーネント間の共有と相互コンテキスト、階層、関係、遷移の管理をサポートする。 ベクトルおよび行列計算へのHLC推論に関するフレームワーク実験の実装は、次のレベルの自動化に到達する可能性を示す。
  論文  参考訳（メタデータ） (2023-08-21T22:21:15Z)
• Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
  第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。 本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
  論文  参考訳（メタデータ） (2022-05-27T13:09:29Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• Enabling Cross-Domain Communication: How to Bridge the Gap between AI and HW Engineers [0.17205106391379021]
  システム設計における重要な問題は、ハードウェア、ソフトウェア、ドメインエキスパート間のコミュニケーションの欠如である。 最近の研究は、ニューラルアクセラレータの自動HW/SW共同設計フローの進歩を示しています。 本稿では、(構成可能な)専用加速器を含むシステムの方法論の確立の可能性について論じる。
  論文  参考訳（メタデータ） (2021-04-08T14:05:15Z)
• Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
  この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。 さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
  論文  参考訳（メタデータ） (2021-01-25T13:01:16Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
  エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。 このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。 AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
  論文  参考訳（メタデータ） (2020-02-22T09:27:55Z)

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。