論文の概要: From Turbulence to Tranquility: AI-Driven Low-Altitude Network

• arxiv url: http://arxiv.org/abs/2506.01378v1
• Date: Mon, 02 Jun 2025 07:12:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.283867
• Title: From Turbulence to Tranquility: AI-Driven Low-Altitude Network
• Title（参考訳）: 乱流からトランクオリティ:AI駆動低高度ネットワーク
• Authors: Kürşat Tekbıyık, Amir Hossein Fahim Raouf, İsmail Güvenç, Mingzhe Chen, Güneş Karabulut Kurt, Antoine Lesage-Landry,
• Abstract要約: 低高度経済(LAE)ネットワークは、都市移動、緊急対応、航空ロジスティクスにおいてトランスフォーメーションの可能性を秘めている。 これらのネットワークは、スペクトル管理、干渉緩和、動的およびリソース制約された環境におけるリアルタイム調整において重大な課題に直面している。 本研究では、機械学習に基づくスペクトルセンシングと共存、人工知能(AI)最適化資源割り当てと軌道計画、テストベッド駆動検証と標準化の3つの要素を探索する。
• 参考スコア（独自算出の注目度）: 17.660082508775957
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Low Altitude Economy (LAE) networks own transformative potential in urban mobility, emergency response, and aerial logistics. However, these networks face significant challenges in spectrum management, interference mitigation, and real-time coordination across dynamic and resource-constrained environments. After addressing these challenges, this study explores three core elements for enabling intelligent LAE networks as follows machine learning-based spectrum sensing and coexistence, artificial intelligence (AI)-optimized resource allocation and trajectory planning, and testbed-driven validation and standardization. We highlight how federated and reinforcement learning techniques support decentralized, adaptive decision-making under mobility and energy constraints. In addition, we discuss the role of real-world platforms such as AERPAW in bridging the gap between simulation and deployment and enabling iterative system refinement under realistic conditions. This study aims to provide a forward-looking roadmap toward developing efficient and interoperable AI-driven LAE ecosystems.
• Abstract（参考訳）: 低高度経済(LAE)ネットワークは、都市移動、緊急対応、航空ロジスティクスにおいてトランスフォーメーションの可能性を秘めている。 しかし、これらのネットワークは、スペクトル管理、干渉緩和、動的および資源制約のある環境におけるリアルタイム調整において重大な課題に直面している。 これらの課題に対処した後、機械学習に基づくスペクトルセンシングと共存、人工知能(AI)最適化資源割り当てと軌道計画、テストベッド駆動検証と標準化の3つの要素を探索する。 我々は,モビリティとエネルギー制約下での分散的かつ適応的な意思決定を支援するフェデレーションと強化学習技術を強調した。 さらに,AERPAWのような実世界のプラットフォームがシミュレーションとデプロイメントのギャップを埋めることや,現実的な条件下での反復的なシステム改善を実現する上での役割についても論じる。 この研究は、効率的で相互運用可能なAI駆動型LEEエコシステムを開発するための、先進的なロードマップを提供することを目的としている。

関連論文リスト

• INSIGHT: A Survey of In-Network Systems for Intelligent, High-Efficiency AI and Topology Optimization [43.37351326629751]
  インネットワークAI(In-network AI)は、ネットワークインフラストラクチャにおける人工知能(AI)のエスカレート要求に対処するための、変革的なアプローチである。 本稿では,AIのためのネットワーク内計算の最適化に関する包括的な分析を行う。 リソース制約のあるネットワークデバイスにAIモデルをマッピングするための方法論を調べ、メモリや計算能力の制限といった課題に対処する。
  論文  参考訳（メタデータ） (2025-05-30T06:47:55Z)
• From Connectivity to Autonomy: The Dawn of Self-Evolving Communication Systems [0.37282630026096586]
  本稿では,AIによるインテリジェンスによって静的接続を超えた動的適応が可能となる,自己進化型通信エコシステムとして6Gを想定する。 我々は、再構成可能なインフラ、適応型ネットワーク、インテリジェントネットワーク機能にまたがる自律通信システムの鍵となる実現可能性について検討する。 本研究は, リアルタイム意思決定の改善, 効率の最適化, 制御システムの遅延低減の可能性を強調した。
  論文  参考訳（メタデータ） (2025-05-29T17:45:02Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• AI-Driven Scenarios for Urban Mobility: Quantifying the Role of ODE Models and Scenario Planning in Reducing Traffic Congestion [0.0]
  本稿では,人工知能(AI)駆動技術が交通渋滞動態に与える影響について検討する。 我々は,自動運転車やインテリジェント交通管理といったAIイノベーションが,さまざまな規制枠組みの下での混雑緩和に果たす役割を評価する。
  論文  参考訳（メタデータ） (2024-10-25T18:09:02Z)
• Distributed Autonomous Swarm Formation for Dynamic Network Bridging [40.27919181139919]
  離散化された部分観測可能なマルコフ決定過程(Dec-POMDP)における動的ネットワークブリッジ問題について定式化する。 グラフ畳み込み強化学習(DGN)に基づく問題に対するマルチエージェント強化学習(MARL)アプローチを提案する。 提案手法はシミュレーション環境で評価し,将来性を示す集中型ベースラインと比較した。
  論文  参考訳（メタデータ） (2024-04-02T01:45:03Z)
• RIS-empowered Topology Control for Distributed Learning in Urban Air Mobility [35.04722426910211]
  アーバン・エアモビリティ(UAM)は、輸送システムの革命として想定される、地上から地上に近い空間に車両を拡大する。 この課題を克服するために、リソース制限されたデバイスが協調的に深層学習(DL)を行うことを可能にするために、フェデレーション・ラーニング(FL)や他の協調学習が提案されている。 本稿では,分散学習を支援する再構成可能なインテリジェントサーフェス (RIS) について検討する。
  論文  参考訳（メタデータ） (2024-03-08T08:05:50Z)
• Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [55.08287089554127]
  基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。 本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。 提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
  論文  参考訳（メタデータ） (2023-09-04T17:30:21Z)
• Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
  動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
  論文  参考訳（メタデータ） (2020-01-28T15:10:22Z)

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。