論文の概要: An Architecture for Spatial Networking

• arxiv url: http://arxiv.org/abs/2507.22687v3
• Date: Fri, 03 Oct 2025 10:10:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 12:05:48.024853
• Title: An Architecture for Spatial Networking
• Title（参考訳）: 空間ネットワークのためのアーキテクチャ
• Authors: Josh Millar, Ryan Gibb, Roy Ang, Hamed Haddadi, Anil Madhavapeddy,
• Abstract要約: グラフを用いた空間ネットワークを実現するプログラミングモデルである $textitBifr"ost を導入する。 Bifr"ostは、コロケーションデバイスが直接通信する空間認識アプリケーションの新しいクラスを可能にする。
• 参考スコア（独自算出の注目度）: 4.736214439794359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical spaces are increasingly dense with networked devices, promising seamless coordination and ambient intelligence. Yet today, cloud-first architectures force all communication through wide-area networks regardless of physical proximity. We lack an abstraction for spatial networking: using physical spaces to create boundaries for private, robust, and low-latency communication. We introduce $\textit{Bifr\"ost}$, a programming model that realizes spatial networking using bigraphs to express both containment and connectivity, enabling policies to be scoped by physical boundaries, devices to be named by location, the instantiation of spatial services, and the composition of spaces while maintaining local autonomy. Bifr\"ost enables a new class of spatially-aware applications, where co-located devices communicate directly, physical barriers require explicit gateways, and local control bridges to global coordination.
• Abstract（参考訳）: 物理空間はますますネットワークデバイスに密接な関係にあり、シームレスな協調と環境知性を約束している。 しかし今日では、クラウドファーストアーキテクチャは、物理的近接に関係なく、すべての通信を広域ネットワークを通じて強制する。 物理空間を使って、プライベートで堅牢で低レイテンシな通信のためのバウンダリを作成する。 我々は,空間的ネットワークを実現するプログラミングモデルである$\textit{Bifr\"ost}$を導入し,空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的空間的 Bifr\"ostは、コロケーションデバイスが直接通信する空間認識アプリケーションの新しいクラスを可能にし、物理的なバリアは明示的なゲートウェイを必要とし、グローバルなコーディネーションのためのローカルコントロールブリッジを必要とする。

関連論文リスト

• CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge [50.42067935605982]
  ローカルメモリの効率とグローバル通信の削減を両立させる新しい圧縮・結合型学習フレームワークを提案する。 CoCo-Fedは、メモリと通信効率の両方において最先端のベースラインを著しく上回り、非IID設定下では堅牢な収束を維持している。
  論文  参考訳（メタデータ） (2026-01-02T03:39:50Z)
• Imagine Beyond! Distributionally Robust Auto-Encoding for State Space Coverage in Online Reinforcement Learning [16.15673339648566]
  GCRL(Goal-Conditioned Reinforcement Learning)は、エージェントが自律的に多様な行動を取得することを可能にする。 エージェントが探索中に表現を学ぶオンライン環境では、潜伏空間はエージェントのポリシーによって進化する。
  論文  参考訳（メタデータ） (2025-05-23T12:43:55Z)
• SG-Reg: Generalizable and Efficient Scene Graph Registration [23.3853919684438]
  セマンティックノードの複数モードを符号化するシーングラフネットワークを設計する。 バックエンドでは、対応に応じて変換を決定するために頑健なポーズ推定器を用いる。 提案手法は,クエリフレーム毎に52KBの通信帯域しか必要とせず,わずかに高い登録リコールを実現する。
  論文  参考訳（メタデータ） (2025-04-20T01:22:40Z)
• EmbodiedVSR: Dynamic Scene Graph-Guided Chain-of-Thought Reasoning for Visual Spatial Tasks [24.41705039390567]
  EmbodiedVSR (Embodied Visual Space Reasoning) は動的シーングラフ誘導型Chain-of-Thought (CoT)推論を統合する新しいフレームワークである。 本手法はタスク固有の微調整なしでゼロショット空間推論を可能にする。 実験により,我々のフレームワークは,既存のMLLM法よりも精度と推論コヒーレンスにおいて優れていることが示された。
  論文  参考訳（メタデータ） (2025-03-14T05:06:07Z)
• Navigating Motion Agents in Dynamic and Cluttered Environments through LLM Reasoning [69.5875073447454]
  本稿では,大規模言語モデル(LLM)によって強化された動作エージェントを,動的・乱雑な環境における自律的なナビゲーションに向けて前進させる。 トレーニング不要なフレームワークは、マルチエージェント調整、クローズドループ計画、動的障害物回避を、リトレーニングや微調整なしでサポートしています。
  論文  参考訳（メタデータ） (2025-03-10T13:39:09Z)
• Space-O-RAN: Enabling Intelligent, Open, and Interoperable Non Terrestrial Networks in 6G [16.472121677010268]
  本稿では,Open RANの原理を階層的な閉ループ制御により衛星コンステレーションに拡張する分散制御アーキテクチャであるSpace-O-RANを紹介する。 軽量のglspldappは衛星をオンボードで運用し、恒久的な地上アクセスに頼ることなく、スケジューリングやビームステアリングなどのリアルタイム機能を実現できる。 鍵となるイネーブルは、O-RANインタフェースを衛星リンクに動的にマッピングし、様々な条件下で適応的なシグナリングをサポートすることである。
  論文  参考訳（メタデータ） (2025-02-21T21:03:37Z)
• Generative AI-driven Cross-layer Covert Communication: Fundamentals, Framework and Case Study [62.5909195375364]
  規制上の課題を軽減する効果的な戦略として、層間被覆通信機構が出現する。 生成人工知能(GenAI)を用いたエンドツーエンドのクロス層通信方式を提案する。 拡散強化学習を用いて, 層間安全な通信のクラウドエッジインターネットを構築するケーススタディを行った。
  論文  参考訳（メタデータ） (2025-01-19T15:05:03Z)
• Dynamic Routing in Space-Ground Integrated Quantum Networks [6.178711568519779]
  衛星と光ファイバーの両方をインフラに組み込んだ地上集積量子ネットワークについて検討する。 この統合されたネットワークは、自由空間リンクのみを使用するか、接地リンクのみを使用するか、自由空間と接地リンクのハイブリッド使用という3つの形態のコミュニケーションを特徴としている。
  論文  参考訳（メタデータ） (2025-01-17T15:37:25Z)
• Distributed satellite information networks: Architecture, enabling technologies, and trends [56.747473208256174]
  分散衛星情報ネットワーク(DSIN)は、多様な衛星システム間での情報ギャップを埋める革新的なアーキテクチャとして登場した。 この調査はまず、DSINの革新的なネットワークアーキテクチャに関する深い議論を提供する。 DSINは、ネットワークの不均一性、予測不可能なチャネルダイナミクス、スパースリソース、分散コラボレーションフレームワークといった課題に直面している。
  論文  参考訳（メタデータ） (2024-12-17T06:44:05Z)
• Entanglement-Based Artificial Topology: Neighboring Remote Network Nodes [7.53305437064932]
  絡み合いは、量子インターネットの鍵となる通信資源として全会一致で認識される。 マルチパーティ・エンタングルメントは局所演算のみを用いてQLAN間人工トポロジーを生成することができることを示す。 我々の貢献は、ネットワークエンジニアリングコミュニティに、人工トポロジと人工地区の概念に関する手持ちのガイドラインを提供することである。
  論文  参考訳（メタデータ） (2024-04-24T20:58:50Z)
• Enhancing Graph Representation of the Environment through Local and Cloud Computation [2.9465623430708905]
  複数の情報源からロボット環境のセマンティックな表現を提供するグラフベースの表現を提案する。 環境から情報を取得するために、このフレームワークは古典的なコンピュータビジョンツールと現代のコンピュータビジョンクラウドサービスを組み合わせる。 提案手法により、小さなオブジェクトも処理し、環境の意味表現に統合することが可能になる。
  論文  参考訳（メタデータ） (2023-09-22T08:05:32Z)
• LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
  LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。 LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-08-13T08:06:18Z)
• Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
  第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。 本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
  論文  参考訳（メタデータ） (2022-05-27T13:09:29Z)
• RICE: Refining Instance Masks in Cluttered Environments with Graph Neural Networks [53.15260967235835]
  本稿では,インスタンスマスクのグラフベース表現を利用して,そのような手法の出力を改良する新しいフレームワークを提案する。 我々は、セグメンテーションにスマートな摂動をサンプリングできるディープネットワークと、オブジェクト間の関係をエンコード可能なグラフニューラルネットワークを訓練し、セグメンテーションを評価する。 本稿では,本手法によって生成された不確実性推定を用いてマニピュレータを誘導し,乱れたシーンを効率的に理解するアプリケーションについて紹介する。
  論文  参考訳（メタデータ） (2021-06-29T20:29:29Z)
• Topological Indoor Mapping through WiFi Signals [0.09668407688201358]
  WiFiアクセスポイントとWiFi信号強度を測定するモバイルデバイスは、ローカライゼーションとマッピングにおける現実の応用を可能にする。 それまでのアプローチは、厳密なマップ構築プロセス、環境の変化、ハードウェアの違いといった問題によって妨げられていた。 トポロジカルマップに焦点をあてたこれらの問題に対処する。 教師なし手法では、WiFi信号強度分布、次元減少、クラスタリングを用いる。
  論文  参考訳（メタデータ） (2021-06-17T20:06:09Z)
• Coordination Among Neural Modules Through a Shared Global Workspace [78.08062292790109]
  認知科学において、機能的に特殊なコンポーネントが情報を共有するグローバルなワークスペースアーキテクチャが提案されている。 キャパシティ制限は、特殊化と構成性を奨励する合理的な基礎を持つことを示す。
  論文  参考訳（メタデータ） (2021-03-01T18:43:48Z)
• 6G in the Sky: On-Demand Intelligence at the Edge of 3D Networks [60.49776988771734]
  6Gは衛星、航空、地上のプラットフォームを共同で利用し、無線アクセス能力を向上する。 通信、計算、キャッシュ(C3)サービスをオンデマンドで、いつでも、そして、どこでも3D空間で提供するアーキテクチャを考えます。
  論文  参考訳（メタデータ） (2020-10-19T13:07:57Z)
• From Spatial Relations to Spatial Configurations [64.21025426604274]
  空間関係言語は、推論に不可欠な、大きく包括的な空間概念の集合を表現することができる。 本稿では,既存の空間表現言語の機能を,セマンティクスのきめ細かい分解によって拡張する方法について述べる。
  論文  参考訳（メタデータ） (2020-07-19T02:11:53Z)
• Trajectory annotation using sequences of spatial perception [0.0]
  近い将来、より多くのマシンが人間の空間の近くでタスクを実行するようになる。 この作業は、この課題に対処するための基盤を構築します。 本稿では,ニューラルオートエンコーディングに基づく教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-11T12:22:27Z)
• Learning to cooperate: Emergent communication in multi-agent navigation [49.11609702016523]
  本稿では,協調ナビゲーションタスクを行うエージェントが,解釈可能な通信プロトコルを学ぶことを示す。 エージェントのポリシーの分析により、創発的信号が状態空間を空間的にクラスタリングすることが明らかになった。 エージェントの集団を用いて,創発的プロトコルは基本構成構造を持つことを示す。
  論文  参考訳（メタデータ） (2020-04-02T16:03:17Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

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。