論文の概要: OpenRAN Gym: AI/ML Development, Data Collection, and Testing for O-RAN on PAWR Platforms

• arxiv url: http://arxiv.org/abs/2207.12362v1
• Date: Mon, 25 Jul 2022 17:22:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 16:09:27.046196
• Title: OpenRAN Gym: AI/ML Development, Data Collection, and Testing for O-RAN on PAWR Platforms
• Title（参考訳）: OpenRAN Gym: PAWRプラットフォーム上でのAI/ML開発、データ収集、O-RANのテスト
• Authors: Leonardo Bonati, Michele Polese, Salvatore D'Oro, Stefano Basagni, Tommaso Melodia
• Abstract要約: OpenRAN Gymは、データ収集、設計、プロトタイピング、エンドツーエンドのデータ駆動制御ソリューションのテストのための統一的でオープンで、O-RAN準拠の実験ツールボックスである。 OpenRAN Gymとそのソフトウェアコンポーネントはオープンソースであり、研究コミュニティで公開されている。
• 参考スコア（独自算出の注目度）: 28.37831674645226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open Radio Access Network (RAN) architectures will enable interoperability, openness and programmable data-driven control in next generation cellular networks. However, developing and testing efficient solutions that generalize across heterogeneous cellular deployments and scales, and that optimize network performance in such diverse environments is a complex task that is still largely unexplored. In this paper we present OpenRAN Gym, a unified, open, and O-RAN-compliant experimental toolbox for data collection, design, prototyping and testing of end-to-end data-driven control solutions for next generation Open RAN systems. OpenRAN Gym extends and combines into a unique solution several software frameworks for data collection of RAN statistics and RAN control, and a lightweight O-RAN near-real-time RAN Intelligent Controller (RIC) tailored to run on experimental wireless platforms. We first provide an overview of the various architectural components of OpenRAN Gym and describe how it is used to collect data and design, train and test artificial intelligence and machine learning O-RAN-compliant applications (xApps) at scale. We then describe in detail how to test the developed xApps on softwarized RANs and provide an example of two xApps developed with OpenRAN Gym that are used to control a network with 7 base stations and 42 users deployed on the Colosseum testbed. Finally, we show how solutions developed with OpenRAN Gym on Colosseum can be exported to real-world, heterogeneous wireless platforms, such as the Arena testbed and the POWDER and COSMOS platforms of the PAWR program. OpenRAN Gym and its software components are open-source and publicly-available to the research community.
• Abstract（参考訳）: Open Radio Access Network (RAN)アーキテクチャは、次世代のセルネットワークにおける相互運用性、オープン性、プログラム可能なデータ駆動制御を可能にする。 しかし、ヘテロジニアスなセルのデプロイメントとスケールをまたいで一般化し、そのような多様な環境でネットワークのパフォーマンスを最適化する効率的なソリューションの開発とテストは、まだほとんど研究されていない複雑なタスクである。 本稿では,次世代Open RANシステムのためのエンドツーエンドのデータ駆動制御ソリューションの,データ収集,設計,プロトタイピング,テストを行う,統一的でオープンかつO-RAN準拠の実験ツールボックスであるOpenRAN Gymを提案する。 OpenRAN Gymは、RAN統計とRAN制御のデータ収集のためのいくつかのソフトウェアフレームワークと、実験的な無線プラットフォームで動作するように調整された軽量なO-RAN RAN Intelligent Controller(RIC)に拡張され、統合されている。 まず、OpenRAN Gymのさまざまなアーキテクチャコンポーネントの概要を説明し、それが大規模なデータ収集や設計、人工知能と機械学習O-RAN準拠アプリケーション(xApps)のトレーニング、テストにどのように利用されているかを説明する。 次に、軟弱化したRAN上で開発されたxAppsをテストする方法を詳細に説明し、OpenRAN Gymで開発された2つのxAppsの例を示し、Colosseumテストベッドにデプロイされた7つのベースステーションと42のユーザを持つネットワークを制御する。 最後に,OpenRAN Gym on Colosseumで開発されたソリューションを,PAWRプログラムのArenaテストベッドやPhorWDER,COSMOSプラットフォームといった,実世界の異種無線プラットフォームにエクスポートする方法を示す。 OpenRAN Gymとそのソフトウェアコンポーネントはオープンソースであり、研究コミュニティで公開されている。

関連論文リスト

• Scalable Multi-agent Covering Option Discovery based on Kronecker Graphs [49.71319907864573]
  本稿では,分解が容易なマルチエージェントスキル発見法を提案する。 我々のキーとなる考え方は、合同状態空間をクロネッカーグラフとして近似することであり、そのフィドラーベクトルを直接見積もることができる。 ラプラシアンスペクトルを直接計算することは、無限大の状態空間を持つタスクには難易度が高いことを考慮し、さらに本手法の深層学習拡張を提案する。
  論文  参考訳（メタデータ） (2023-07-21T14:53:12Z)
• Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach [61.74489383629319]
  新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。 閉ループアクセス制御の強化学習(RL)支援方式を提案する。 深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
  論文  参考訳（メタデータ） (2023-03-05T12:25:49Z)
• Programmable and Customized Intelligence for Traffic Steering in 5G Networks Using Open RAN Architectures [16.48682480842328]
  5G以降のモバイルネットワークは、前例のない規模で異質なユースケースをサポートする。 無線アクセスネットワーク(RAN)のこのようなきめ細かい制御は、現在のセルアーキテクチャでは不可能である。 クローズドループ制御を可能とし,ユーザレベルでRANをデータ駆動でインテリジェントに最適化するオープンアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-09-28T15:31:06Z)
• Actor-Critic Network for O-RAN Resource Allocation: xApp Design, Deployment, and Analysis [3.8073142980733]
  Open Radio Access Network (O-RAN)は、オープンネス、インテリジェンス、自動制御を可能にする新しいRANアーキテクチャを導入した。 RAN Intelligent Controller (RIC)は、RANコントローラの設計とデプロイのためのプラットフォームを提供する。 xAppsは、機械学習(ML)アルゴリズムを活用してほぼリアルタイムで動作することで、この責任を負うアプリケーションである。
  論文  参考訳（メタデータ） (2022-09-26T19:12:18Z)
• Intelligent Closed-loop RAN Control with xApps in OpenRAN Gym [28.37831674645226]
  オープンRANのインテリジェント閉ループ制御のためのAI/MLソリューションの設計方法について論じる。 我々は、OpenRAN Gymを通じて、O-RAN RAN Intelligent Controller (RIC)上でインスタンス化されたxAppにこれらのソリューションを組み込む方法を示す。
  論文  参考訳（メタデータ） (2022-08-31T14:09:12Z)
• Composing Complex and Hybrid AI Solutions [52.00820391621739]
  一般的なAIアプリケーションで上記の機能を実現するためのAcumosシステムの拡張について述べる。 当社の拡張機能には、gRPC/Protobufインターフェースによるより汎用的なコンポーネントのサポートが含まれています。 デプロイ可能なソリューションとそのインターフェースの例を提供する。
  論文  参考訳（メタデータ） (2022-02-25T08:57:06Z)
• OrchestRAN: Network Automation through Orchestrated Intelligence in the Open RAN [27.197110488665157]
  ネットワークインテリジェンスのための新しいオーケストレーションフレームワークOrchestRANを提示・試作する。 OrchestRANは、リアルタイムのRAN Intelligent Controller(RIC)で実行するために設計されており、ネットワークオペレータ(NO)が高レベルな制御/推論の目的を指定することができる。 オープンRANにおけるインテリジェンスを編成する問題はNPハードであり、現実のアプリケーションをサポートするために低複雑さのソリューションを設計する。
  論文  参考訳（メタデータ） (2022-01-14T19:20:34Z)
• ColO-RAN: Developing Machine Learning-based xApps for Open RAN Closed-loop Control on Programmable Experimental Platforms [22.260874168813647]
  ColO-RANは、ソフトウェア定義のRadios-in-the-loopを備えた、初めて一般公開された大規模O-RANテストフレームワークである。 ColO-RANは、O-RANコンポーネント、プログラム可能なベースステーション、および"無線データファクトリ"を使用した大規模ML研究を可能にする DRLをベースとした適応制御の利点と課題を明らかにする。
  論文  参考訳（メタデータ） (2021-12-17T15:14:22Z)
• Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
  オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。 今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。 本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
  論文  参考訳（メタデータ） (2021-10-05T10:45:51Z)
• Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
  グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。 当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。 我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
  論文  参考訳（メタデータ） (2021-03-08T21:48:55Z)
• Brainstorming Generative Adversarial Networks (BGANs): Towards Multi-Agent Generative Models with Distributed Private Datasets [70.62568022925971]
  生成的敵ネットワーク(GAN)は、データ空間を適切に表現する大規模なデータセットによって供給されなければならない。 多くのシナリオでは、利用可能なデータセットは制限され、複数のエージェントに分散する可能性がある。 本稿では,BGAN(Breepstorming GAN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-02T02:58:32Z)

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。