論文の概要: EdgeAgentX-DT: Integrating Digital Twins and Generative AI for Resilient Edge Intelligence in Tactical Networks

• arxiv url: http://arxiv.org/abs/2507.21196v1
• Date: Mon, 28 Jul 2025 01:42:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.064844
• Title: EdgeAgentX-DT: Integrating Digital Twins and Generative AI for Resilient Edge Intelligence in Tactical Networks
• Title（参考訳）: EdgeAgentX-DT: 戦術ネットワークにおけるレジリエントエッジインテリジェンスのためのディジタルツインと生成AIの統合
• Authors: Abir Ray,
• Abstract要約: 我々は、デジタルツインシミュレーションと生成AI駆動シナリオトレーニングを統合するEdgeAgentXフレームワークの高度な拡張であるEdgeAgentX-DTを紹介する。 このシステムは、堅牢なシミュレーションベースのエージェントトレーニングのための多様で敵対的なシナリオを生成する。 実験シミュレーションでは、学習収束の高速化、ネットワークスループットの向上、レイテンシの低減、ジャミングやノード障害に対するレジリエンスの改善など、EdgeAgentXに対する顕著な改善が示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce EdgeAgentX-DT, an advanced extension of the EdgeAgentX framework that integrates digital twin simulations and generative AI-driven scenario training to significantly enhance edge intelligence in military networks. EdgeAgentX-DT utilizes network digital twins, virtual replicas synchronized with real-world edge devices, to provide a secure, realistic environment for training and validation. Leveraging generative AI methods, such as diffusion models and transformers, the system creates diverse and adversarial scenarios for robust simulation-based agent training. Our multi-layer architecture includes: (1) on-device edge intelligence; (2) digital twin synchronization; and (3) generative scenario training. Experimental simulations demonstrate notable improvements over EdgeAgentX, including faster learning convergence, higher network throughput, reduced latency, and improved resilience against jamming and node failures. A case study involving a complex tactical scenario with simultaneous jamming attacks, agent failures, and increased network loads illustrates how EdgeAgentX-DT sustains operational performance, whereas baseline methods fail. These results highlight the potential of digital-twin-enabled generative training to strengthen edge AI deployments in contested environments.
• Abstract（参考訳）: 我々は、軍事ネットワークにおけるエッジインテリジェンスを大幅に向上させるために、デジタルツインシミュレーションと生成AI駆動シナリオトレーニングを統合するEdgeAgentX-DTフレームワークの高度な拡張であるEdgeAgentX-DTを紹介する。 EdgeAgentX-DTは、実際のエッジデバイスと同期した仮想レプリカであるネットワークデジタルツインを使用して、トレーニングと検証のためのセキュアで現実的な環境を提供する。 拡散モデルやトランスフォーマーなどの生成AI手法を活用することで、システムは、堅牢なシミュレーションベースのエージェントトレーニングのための多様で敵対的なシナリオを生成する。 マルチレイヤアーキテクチャは,(1)デバイス上のエッジインテリジェンス,(2)ディジタル双対同期,(3)生成シナリオトレーニングを含む。 実験シミュレーションでは、学習収束の高速化、ネットワークスループットの向上、レイテンシの低減、ジャミングやノード障害に対するレジリエンスの改善など、EdgeAgentXに対する顕著な改善が示されている。 同時ジャミング攻撃、エージェント障害、ネットワーク負荷の増加を伴う複雑な戦術シナリオを含むケーススタディでは、EdgeAgentX-DTが運用パフォーマンスを保っているのに対して、ベースラインメソッドはフェールしている。 これらの結果は、競合する環境におけるエッジAIデプロイメントを強化するために、デジタルツイン対応のジェネレーティブトレーニングの可能性を強調している。

関連論文リスト

• Exploiting Edge Features for Transferable Adversarial Attacks in Distributed Machine Learning [54.26807397329468]
  この研究は、分散ディープラーニングシステムにおいて、これまで見過ごされていた脆弱性を探究する。 中間的特徴をインターセプトする敵は、依然として深刻な脅威となる可能性がある。 本稿では,分散環境に特化して設計されたエクスプロイト戦略を提案する。
  論文  参考訳（メタデータ） (2025-07-09T20:09:00Z)
• EdgeAgentX: A Novel Framework for Agentic AI at the Edge in Military Communication Networks [0.0]
  本稿では,統合学習(FL),マルチエージェント強化学習(MARL),敵防衛機構を統合した新しいフレームワークであるEdgeAgentXを紹介する。 EdgeAgentXは、自律的な意思決定を大幅に改善し、レイテンシを低減し、スループットを向上し、敵の破壊に耐える。
  論文  参考訳（メタデータ） (2025-05-24T01:56:32Z)
• Digital Twin Synchronization: Bridging the Sim-RL Agent to a Real-Time Robotic Additive Manufacturing Control [2.5709786140685633]
  この研究は、産業ロボット工学応用のためのソフトアクター・クライトとデジタルツインの統合を推進している。 システムアーキテクチャはUnityのシミュレーション環境とROS2を組み合わせて、シームレスなデジタル双対同期を実現する。 その結果、シミュレートされた環境と物理的環境の両方において、迅速な政策収束と堅牢なタスク実行が示された。
  論文  参考訳（メタデータ） (2025-01-29T22:06:53Z)
• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Integrating Generative AI with Network Digital Twins for Enhanced Network Operations [0.0]
  本稿では,ネットワークディジタル双生児と生成AIの相乗効果について検討する。 生成AIがネットワークデジタル双生児の精度と運用効率をいかに向上させるかを示す。
  論文  参考訳（メタデータ） (2024-06-24T19:54:58Z)
• Efficient Adversarial Training in LLMs with Continuous Attacks [99.5882845458567]
  大規模言語モデル(LLM)は、安全ガードレールをバイパスできる敵攻撃に対して脆弱である。 本稿では,2つの損失からなる高速対向訓練アルゴリズム(C-AdvUL)を提案する。 C-AdvIPOは、対向的に堅牢なアライメントのためのユーティリティデータを必要としない、対向型のIPOである。
  論文  参考訳（メタデータ） (2024-05-24T14:20:09Z)
• Towards Adversarial Realism and Robust Learning for IoT Intrusion Detection and Classification [0.0]
  IoT(Internet of Things)は、重大なセキュリティ上の課題に直面している。 敵の攻撃による脅威の増大は、信頼できる防衛戦略の必要性を回復させる。 本研究は、敵のサイバー攻撃事例が現実的であるために必要な制約の種類について述べる。
  論文  参考訳（メタデータ） (2023-01-30T18:00:28Z)
• Learn2Perturb: an End-to-end Feature Perturbation Learning to Improve Adversarial Robustness [79.47619798416194]
  Learn2Perturbは、ディープニューラルネットワークの対角的堅牢性を改善するために、エンドツーエンドの機能摂動学習アプローチである。 予測最大化にインスパイアされ、ネットワークと雑音パラメータを連続的にトレーニングするために、交互にバックプロパゲーショントレーニングアルゴリズムが導入された。
  論文  参考訳（メタデータ） (2020-03-02T18:27:35Z)

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。