論文の概要: Mobile Edge Computing, Metaverse, 6G Wireless Communications, Artificial
Intelligence, and Blockchain: Survey and Their Convergence
- arxiv url: http://arxiv.org/abs/2209.14147v1
- Date: Wed, 28 Sep 2022 14:54:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 16:38:34.573119
- Title: Mobile Edge Computing, Metaverse, 6G Wireless Communications, Artificial
Intelligence, and Blockchain: Survey and Their Convergence
- Title(参考訳): モバイルエッジコンピューティング,メタバース,6g無線通信,人工知能,ブロックチェーン:調査と収束
- Authors: Yitong Wang, Jun Zhao
- Abstract要約: 本稿では,現代の応用の厳密な要件を満たすために使用される計算パラダイムについて検討する。
モバイル拡張現実(MAR)におけるMECの適用シナリオを提供する。
本稿では,MECをベースとしたMetaverseのモチベーションを示し,MetaverseへのMECの適用について紹介する。
- 参考スコア(独自算出の注目度): 14.855306407950058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advances of the Internet of Things (IoT) and 5G/6G wireless
communications, the paradigms of mobile computing have developed dramatically
in recent years, from centralized mobile cloud computing to distributed fog
computing and mobile edge computing (MEC). MEC pushes compute-intensive
assignments to the edge of the network and brings resources as close to the
endpoints as possible, addressing the shortcomings of mobile devices with
regard to storage space, resource optimisation, computational performance and
efficiency. Compared to cloud computing, as the distributed and closer
infrastructure, the convergence of MEC with other emerging technologies,
including the Metaverse, 6G wireless communications, artificial intelligence
(AI), and blockchain, also solves the problems of network resource allocation,
more network load as well as latency requirements. Accordingly, this paper
investigates the computational paradigms used to meet the stringent
requirements of modern applications. The application scenarios of MEC in mobile
augmented reality (MAR) are provided. Furthermore, this survey presents the
motivation of MEC-based Metaverse and introduces the applications of MEC to the
Metaverse. Particular emphasis is given on a set of technical fusions mentioned
above, e.g., 6G with MEC paradigm, MEC strengthened by blockchain, etc.
- Abstract(参考訳): IoT(Internet of Things)と5G/6G無線通信の進歩により、モバイルコンピューティングのパラダイムは、集中型モバイルクラウドコンピューティングから分散フォグコンピューティング、モバイルエッジコンピューティング(MEC)に至るまで、近年劇的に発展してきた。
MECは、計算集約的な割り当てをネットワークのエッジにプッシュし、エンドポイントに可能な限り近いリソースをもたらし、ストレージスペース、リソース最適化、計算性能、効率に関するモバイルデバイスの欠点に対処する。
クラウドコンピューティングと比較して、分散インフラストラクチャとより緊密なインフラストラクチャとして、metaverse、6g wireless communications、artificial intelligence(ai)、ブロックチェーンといった他の新興テクノロジとのmecの収束は、ネットワークリソースの割り当て、ネットワーク負荷の増加、レイテンシ要件といった問題を解決する。
そこで本稿では,近代的応用の厳密な要件を満たすための計算パラダイムについて検討する。
モバイル拡張現実(MAR)におけるMECの適用シナリオを提供する。
さらに、MECベースのMetaverseのモチベーションを示し、MetaverseへのMECの適用について紹介する。
上で述べた一連の技術的融合、例えば、mecパラダイムによる6g、ブロックチェーンによって強化されたmecなど、特に強調されている。
関連論文リスト
- Mobile Edge Computing for the Metaverse [15.738852406775289]
次世代のインターネットとして登場したMetaverseは、人々が生き、学び、働き、相互に対話できる没入的で永続的な仮想空間を提供することを目指している。
既存の技術は、Metaverseプレイヤーにとって、高品質で超低レイテンシなサービスを保証するには不十分である。
モバイルエッジコンピューティング(英語: Mobile Edge Computing、MEC)は、画像処理やビデオ解析のような計算集約的で遅延に敏感なタスクを実行するために、近縁サーバを利用するパラダイムである。
論文 参考訳(メタデータ) (2022-12-19T03:37:32Z) - AI-Empowered Data Offloading in MEC-Enabled IoV Networks [40.75165195026413]
本稿では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主要な問題に基づいて分類された、データオフロードプロセスの一部としてAIを使用する研究を調査する。
MEC対応のIoVネットワークでデータをオフロードするプロセスにおけるさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。
論文 参考訳(メタデータ) (2022-03-31T09:31:53Z) - Reinforcement Learning-Empowered Mobile Edge Computing for 6G Edge
Intelligence [76.96698721128406]
モバイルエッジコンピューティング(MEC)は、第5世代(5G)ネットワークなどにおける計算と遅延に敏感なタスクのための新しいパラダイムであると考えた。
本稿では、フリー対応RLに関する総合的な研究レビューと、開発のための洞察を提供する。
論文 参考訳(メタデータ) (2022-01-27T10:02:54Z) - Multi-Agent Reinforcement Learning Based Coded Computation for Mobile Ad
Hoc Computing [6.94732606123235]
マルチエージェント強化学習(MARL)に基づく新しい符号化計算方式を提案する。
MARLには、ネットワーク変更への適応性、高い効率性、不確実なシステム障害に対する堅牢性など、多くの有望な特徴がある。
包括的シミュレーション研究により,提案手法は最先端分散コンピューティングスキームを上回ることができることが示された。
論文 参考訳(メタデータ) (2021-04-15T15:50:57Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳(メタデータ) (2021-02-12T09:33:00Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳(メタデータ) (2020-12-25T07:08:50Z) - To Talk or to Work: Flexible Communication Compression for Energy
Efficient Federated Learning over Heterogeneous Mobile Edge Devices [78.38046945665538]
巨大なモバイルエッジデバイス上でのフェデレーション学習(FL)は、多数のインテリジェントなモバイルアプリケーションのための新たな地平を開く。
FLは、定期的なグローバル同期と継続的なローカルトレーニングにより、参加するデバイスに膨大な通信と計算負荷を課す。
フレキシブルな通信圧縮を可能にする収束保証FLアルゴリズムを開発。
論文 参考訳(メタデータ) (2020-12-22T02:54:18Z) - To Talk or to Work: Energy Efficient Federated Learning over Mobile
Devices via the Weight Quantization and 5G Transmission Co-Design [49.95746344960136]
Federated Learning (FL) は,モバイルデバイス間での大規模学習タスクのための新たなパラダイムである。
モバイルデバイス上でFLをサポートする効果的な無線ネットワークアーキテクチャを確立する方法は不明です。
我々は、異種5Gモバイル機器上でのエネルギー効率FLのための無線伝送および重み量子化協調設計を開発する。
論文 参考訳(メタデータ) (2020-12-21T01:13:44Z) - Artificial Intelligence at the Edge [25.451110446336276]
5Gモバイル通信ネットワークは通信容量を増やし、伝送遅延とエラーを低減し、省エネする。
将来の6Gテクノロジーは、可視光通信など、より多くの技術を統合します。
多くのアプリケーションは、アプリケーションのエンドポイントに近い計算と分析を必要とします。つまり、中央集権型クラウドではなく、ネットワークの端にあります。
論文 参考訳(メタデータ) (2020-12-10T02:08:47Z) - Communication Efficient Federated Learning with Energy Awareness over
Wireless Networks [51.645564534597625]
フェデレートラーニング(FL)では、パラメータサーバとモバイルデバイスが無線リンク上でトレーニングパラメータを共有する。
我々は、勾配の符号のみを交換するSignSGDという考え方を採用する。
2つの最適化問題を定式化し、学習性能を最適化する。
FLでは非常に不均一な方法でモバイルデバイスに分散される可能性があることを考慮し,手話に基づくアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-04-15T21:25:13Z)
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。