論文の概要: World Models for Cognitive Agents: Transforming Edge Intelligence in Future Networks

• arxiv url: http://arxiv.org/abs/2506.00417v1
• Date: Sat, 31 May 2025 06:43:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.976696
• Title: World Models for Cognitive Agents: Transforming Edge Intelligence in Future Networks
• Title（参考訳）: 認知エージェントの世界モデル:将来のネットワークにおけるエッジインテリジェンスの変化
• Authors: Changyuan Zhao, Ruichen Zhang, Jiacheng Wang, Gaosheng Zhao, Dusit Niyato, Geng Sun, Shiwen Mao, Dong In Kim,
• Abstract要約: 本稿では,世界モデルを概観し,そのアーキテクチャ,トレーニングパラダイム,予測,生成,計画,因果推論といった応用を概観する。 ワイヤレスエッジインテリジェンス最適化に適した,新しい世界モデルに基づく強化学習フレームワークであるWireless Dreamerを提案する。
• 参考スコア（独自算出の注目度）: 55.90051810762702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models are emerging as a transformative paradigm in artificial intelligence, enabling agents to construct internal representations of their environments for predictive reasoning, planning, and decision-making. By learning latent dynamics, world models provide a sample-efficient framework that is especially valuable in data-constrained or safety-critical scenarios. In this paper, we present a comprehensive overview of world models, highlighting their architecture, training paradigms, and applications across prediction, generation, planning, and causal reasoning. We compare and distinguish world models from related concepts such as digital twins, the metaverse, and foundation models, clarifying their unique role as embedded cognitive engines for autonomous agents. We further propose Wireless Dreamer, a novel world model-based reinforcement learning framework tailored for wireless edge intelligence optimization, particularly in low-altitude wireless networks (LAWNs). Through a weather-aware UAV trajectory planning case study, we demonstrate the effectiveness of our framework in improving learning efficiency and decision quality.
• Abstract（参考訳）: 世界モデルは人工知能における変革的パラダイムとして登場しており、エージェントは予測的推論、計画、意思決定のために環境の内部表現を構築することができる。 潜伏力学を学習することで、ワールドモデルは特にデータ制約や安全クリティカルなシナリオで価値のある、サンプリング効率の良いフレームワークを提供する。 本稿では,世界モデルの概要を概観し,そのアーキテクチャ,トレーニングパラダイム,予測,生成,計画,因果推論などにわたる応用について述べる。 我々は、世界モデルとデジタルツイン、メタバース、ファンデーションモデルといった関連する概念を比較し、区別し、自律エージェントのための組み込み認知エンジンとしての役割を明確にする。 さらに、無線エッジインテリジェンス最適化に適した、新しい世界モデルに基づく強化学習フレームワーク、特に低高度無線ネットワーク(LAWN)について提案する。 気象に敏感なUAV軌道計画ケーススタディを通じて,学習効率と意思決定品質を向上させるための枠組みの有効性を実証した。

関連論文リスト

• AI in a vat: Fundamental limits of efficient world modelling for agent sandboxing and interpretability [84.52205243353761]
  最近の研究は、世界モデルを使用して、AIエージェントをデプロイ前にテストできる制御された仮想環境を生成することを提案する。 評価対象のAIエージェントに非依存な世界モデルを簡単にする方法を検討する。
  論文  参考訳（メタデータ） (2025-04-06T20:35:44Z)
• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
  この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。 スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
  論文  参考訳（メタデータ） (2025-01-17T10:39:09Z)
• Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
  世界モデルとビデオ生成は、自動運転の領域において重要な技術である。 本稿では,この2つの技術の関係について検討する。 映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-11-05T08:58:35Z)

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。