論文の概要: A Survey on the Role of Artificial Intelligence and Machine Learning in 6G-V2X Applications

• arxiv url: http://arxiv.org/abs/2506.09512v1
• Date: Wed, 11 Jun 2025 08:36:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.763093
• Title: A Survey on the Role of Artificial Intelligence and Machine Learning in 6G-V2X Applications
• Title（参考訳）: 6G-V2Xアプリケーションにおける人工知能と機械学習の役割に関する調査
• Authors: Donglin Wang, Anjie Qiu, Qiuheng Zhou, Hans D. Schotten,
• Abstract要約: 6Gネットワークは、コネクテッド・アンド・オートマチック・ビークル(CAV)の超信頼性、低レイテンシ、高容量接続を提供すると期待されている。 人工知能(AI)と機械学習(ML)は、V2X通信を最適化するための重要な実現手段として登場した。 この調査は、6G-V2X通信に適用されたAIとMLモデルの進歩を包括的にレビューする。
• 参考スコア（独自算出の注目度）: 23.80480028319579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid advancement of Vehicle-to-Everything (V2X) communication is transforming Intelligent Transportation Systems (ITS), with 6G networks expected to provide ultra-reliable, low-latency, and high-capacity connectivity for Connected and Autonomous Vehicles (CAVs). Artificial Intelligence (AI) and Machine Learning (ML) have emerged as key enablers in optimizing V2X communication by enhancing network management, predictive analytics, security, and cooperative driving due to their outstanding performance across various domains, such as natural language processing and computer vision. This survey comprehensively reviews recent advances in AI and ML models applied to 6G-V2X communication. It focuses on state-of-the-art techniques, including Deep Learning (DL), Reinforcement Learning (RL), Generative Learning (GL), and Federated Learning (FL), with particular emphasis on developments from the past two years. Notably, AI, especially GL, has shown remarkable progress and emerging potential in enhancing the performance, adaptability, and intelligence of 6G-V2X systems. Despite these advances, a systematic summary of recent research efforts in this area remains lacking, which this survey aims to address. We analyze their roles in 6G-V2X applications, such as intelligent resource allocation, beamforming, intelligent traffic management, and security management. Furthermore, we explore the technical challenges, including computational complexity, data privacy, and real-time decision-making constraints, while identifying future research directions for AI-driven 6G-V2X development. This study aims to provide valuable insights for researchers, engineers, and policymakers working towards realizing intelligent, AI-powered V2X ecosystems in 6G communication.
• Abstract（参考訳）: 車両間通信(V2X)の急速な進歩は、インテリジェントトランスポーテーションシステム(ITS)を変革し、コネクテッド・アンド・オートマチック・ビークル(CAV)のためのウルトラ信頼性、低レイテンシ、高容量接続を提供する6Gネットワークが期待されている。 人工知能(AI)と機械学習(ML)は、自然言語処理やコンピュータビジョンなど、さまざまな領域にわたる優れたパフォーマンスのために、ネットワーク管理、予測分析、セキュリティ、協調運転を強化することで、V2X通信を最適化するための重要な実現手段として登場した。 この調査は、6G-V2X通信に適用されたAIとMLモデルの最近の進歩を包括的にレビューする。 ディープラーニング(DL)、強化学習(RL)、ジェネレーティブラーニング(GL)、フェデレーションラーニング(FL)など、最先端の技術に焦点を当てており、特に過去2年間の開発に重点を置いている。 特に、AI、特にGLは、6G-V2Xシステムの性能、適応性、インテリジェンスの向上において顕著な進歩と新たな可能性を示している。 これらの進歩にもかかわらず、近年の研究成果の体系的な概要はいまだ残っていない。 我々は、インテリジェントリソース割り当て、ビームフォーミング、インテリジェントトラフィック管理、セキュリティ管理などの6G-V2Xアプリケーションにおけるそれらの役割を分析する。 さらに、AI駆動の6G-V2X開発における今後の研究方向を特定しながら、計算複雑性、データプライバシ、リアルタイム意思決定の制約など、技術的な課題についても検討する。 この研究は、研究者、エンジニア、政策立案者に対して、6G通信におけるインテリジェントでAI駆動のV2Xエコシステムの実現に向けた貴重な洞察を提供することを目的としている。

関連論文リスト

• Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities [148.601430677814]
  本稿では,6GネットワークにおけるAIと通信の概要を概観する。 我々はまず、AIを無線通信に組み込むことの背景にある要因と、AIと6Gの収束のビジョンを概観する。 講演はその後、6Gネットワーク内でAIの統合を想定する詳細な説明へと移行する。
  論文  参考訳（メタデータ） (2024-12-19T05:36:34Z)
• Deep Learning and Machine Learning, Advancing Big Data Analytics and Management: Unveiling AI's Potential Through Tools, Techniques, and Applications [17.624263707781655]
  人工知能(AI)、機械学習、ディープラーニングは、ビッグデータ分析と管理において変革の力となっている。 この記事では、これらの分野における基礎概念と最先端の展開について論じる。 理論的基盤を実行可能な戦略でブリッジすることで、ビッグデータ管理に革命をもたらすAIとLLMの可能性を示す。
  論文  参考訳（メタデータ） (2024-10-02T06:24:51Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)

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。