論文の概要: Task-Oriented Integrated Sensing, Computation and Communication for Wireless Edge AI

• arxiv url: http://arxiv.org/abs/2306.06603v1
• Date: Sun, 11 Jun 2023 06:40:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 17:57:41.900011
• Title: Task-Oriented Integrated Sensing, Computation and Communication for Wireless Edge AI
• Title（参考訳）: 無線エッジAIのためのタスク指向統合センシング・計算・通信
• Authors: Hong Xing, Guangxu Zhu, Dongzhu Liu, Haifeng Wen, Kaibin Huang, and Kaishun Wu
• Abstract要約: エッジ人工知能(AI)は、従来のクラウドをネットワークエッジまで高速に計算するために提案されている。 近年,特定のエッジAIタスクに対する無線センシング,計算,通信(SC$2$)の収束が,パラダイムシフトを引き起こしている。 超信頼性で低レイテンシなエッジインテリジェンス獲得を実現するために、完全に統合されたセンシング、計算、通信(I SCC)を進めることが最重要である。
• 参考スコア（独自算出の注目度）: 46.61358701676358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advent of emerging IoT applications such as autonomous driving, digital-twin and metaverse etc. featuring massive data sensing, analyzing and inference as well critical latency in beyond 5G (B5G) networks, edge artificial intelligence (AI) has been proposed to provide high-performance computation of a conventional cloud down to the network edge. Recently, convergence of wireless sensing, computation and communication (SC${}^2$) for specific edge AI tasks, has aroused paradigm shift by enabling (partial) sharing of the radio-frequency (RF) transceivers and information processing pipelines among these three fundamental functionalities of IoT. However, most existing design frameworks separate these designs incurring unnecessary signaling overhead and waste of energy, and it is therefore of paramount importance to advance fully integrated sensing, computation and communication (ISCC) to achieve ultra-reliable and low-latency edge intelligence acquisition. In this article, we provide an overview of principles of enabling ISCC technologies followed by two concrete use cases of edge AI tasks demonstrating the advantage of task-oriented ISCC, and pointed out some practical challenges in edge AI design with advanced ISCC solutions.
• Abstract（参考訳）: 大規模なデータセンシング、分析、推論、および5G(B5G)ネットワークを越えたクリティカルレイテンシを含む、自律運転、デジタルツイン、メタバースなどの新興IoTアプリケーションの出現に伴い、エッジ人工知能(AI)が提案され、従来のクラウドをネットワークエッジまで高速に計算することができる。 近年、特定のエッジAIタスクに対する無線センシング、計算、通信(SC${}^2$)の収束は、これら3つの基本機能のうち、高周波(RF)トランシーバと情報処理パイプラインの(部分的な)共有を可能にし、パラダイムシフトを引き起こしている。 しかし、既存の設計フレームワークの多くは、不要な信号のオーバーヘッドとエネルギーの浪費を伴うこれらの設計を分離しているため、超信頼性と低遅延のエッジインテリジェンス獲得を達成するために、完全に統合されたセンシング、計算、通信(iscc)を進めることが最重要である。 本稿では、タスク指向ISCCの利点を示すエッジAIタスクの2つの具体的なユースケースに続いて、ISCC技術を有効にする原則の概要を説明し、高度なISCCソリューションを用いたエッジAI設計における実践的な課題を指摘した。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• Green Edge AI: A Contemporary Survey [46.11332733210337]
  AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。 ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。 その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
  論文  参考訳（メタデータ） (2023-12-01T04:04:37Z)
• Integrated Sensing-Communication-Computation for Edge Artificial Intelligence [41.611639821262415]
  統合センシング通信計算(I SCC)は,資源利用の向上に最重要課題である。 本稿では、エッジ学習タスクとエッジAI推論タスクをアプリケーション層と物理層の両方で行うための各種のISCCスキームについて述べる。
  論文  参考訳（メタデータ） (2023-06-01T21:35:20Z)
• The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
  インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。 我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
  論文  参考訳（メタデータ） (2022-12-21T03:37:38Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Deep Reinforcement Learning-Aided RAN Slicing Enforcement for B5G Latency Sensitive Services [10.718353079920007]
  本論文では、無線アクセスネットワークスライスと無線リソース管理に対処するために、ネットワークの端でDeep Reinforcement Learningを利用する新しいアーキテクチャを提案する。 提案手法の有効性を,自律走行型ユースケースを考慮したコンピュータシミュレーションにより検討した。
  論文  参考訳（メタデータ） (2021-03-18T14:18:34Z)
• 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)
• Communication-Efficient Edge AI Inference Over Wireless Networks [33.1306043471745]
  我々は、低レイテンシでエネルギー効率のよいAIサービスを提供するために、ネットワークエッジにモデル推論を効率的に配置する原則を提示する。 これには、低遅延デバイス分散モデル推論のための無線分散コンピューティングフレームワークと、エネルギー効率の良いエッジ協調モデル推論のための無線協調送信戦略が含まれる。
  論文  参考訳（メタデータ） (2020-04-28T08:04:06Z)

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。