論文の概要: MX-AI: Agentic Observability and Control Platform for Open and AI-RAN
- arxiv url: http://arxiv.org/abs/2508.09197v1
- Date: Fri, 08 Aug 2025 12:15:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-14 20:42:00.604676
- Title: MX-AI: Agentic Observability and Control Platform for Open and AI-RAN
- Title（参考訳）: MX-AI: オープンおよびAI-RANのためのエージェント可観測性と制御プラットフォーム
- Authors: Ilias Chatzistefanidis, Andrea Leone, Ali Yaghoubian, Mikel Irazabal, Sehad Nassim, Lina Bariah, Merouane Debbah, Navid Nikaein,
- Abstract要約: 我々は,5G Open RANテストベッドを実演する初のエンドツーエンドエージェントシステムMX-AIを紹介する。
50のリアルなオペレーショナルクエリでは、MX-AIの平均回答品質は4.1/5.0で、決定アクションの精度は100%である。
エージェントグラフ、プロンプト、評価ハーネスを公開して、AIネイティブRANのオープンな研究を加速します。
- 参考スコア（独自算出の注目度）: 4.100263510434292
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Future 6G radio access networks (RANs) will be artificial intelligence (AI)-native: observed, reasoned about, and re-configured by autonomous agents cooperating across the cloud-edge continuum. We introduce MX-AI, the first end-to-end agentic system that (i) instruments a live 5G Open RAN testbed based on OpenAirInterface (OAI) and FlexRIC, (ii) deploys a graph of Large-Language-Model (LLM)-powered agents inside the Service Management and Orchestration (SMO) layer, and (iii) exposes both observability and control functions for 6G RAN resources through natural-language intents. On 50 realistic operational queries, MX-AI attains a mean answer quality of 4.1/5.0 and 100 % decision-action accuracy, while incurring only 8.8 seconds end-to-end latency when backed by GPT-4.1. Thus, it matches human-expert performance, validating its practicality in real settings. We publicly release the agent graph, prompts, and evaluation harness to accelerate open research on AI-native RANs. A live demo is presented here: https://www.youtube.com/watch?v=CEIya7988Ug&t=285s&ab_channel=BubbleRAN
- Abstract（参考訳）: 将来の6G無線アクセスネットワーク(RAN)は人工知能(AI)ネイティブで、クラウドエッジ連続体を横断する自律エージェントによって監視、推論、再構成される。
我々は,最初のエンドツーエンドエージェントシステムMX-AIを紹介する。
(i)OpenAirInterface(OAI)とFlexRICに基づくライブ5GオープンRANテストベッド
(ii) Service Management and Orchestration(SMO)レイヤ内にLLM(Large-Language-Model)ベースのエージェントのグラフをデプロイし、
(iii)6G RANリソースの可観測性と制御機能の両方を自然言語で公開する。
50のリアルなオペレーショナルクエリでは、MX-AIの平均回答品質は4.1/5.0と100%で、GPT-4.1でバックアップされた場合、エンドツーエンドのレイテンシはわずか8.8秒である。
このように、実際の環境での実用性を検証し、人間の熟練したパフォーマンスにマッチする。
エージェントグラフ、プロンプト、評価ハーネスを公開して、AIネイティブRANのオープンな研究を加速します。
ライブのデモはここにある: https://www.youtube.com/watch?
v=CEIya7988Ug&t=285s&ab_ channel=BubbleRAN
関連論文リスト
- Interpretable Anomaly-Based DDoS Detection in AI-RAN with XAI and LLMs [19.265893691825234]
次世代無線アクセスネットワーク(RAN)は、インテリジェントコントローラを通じてプログラム可能性、インテリジェンス、およびほぼリアルタイム制御を導入する。
本稿では,Large Language Models (LLMs) による将来のRAN環境に対する XAI 侵入検知(IDS) の機会,課題,研究ギャップを概説する。
論文 参考訳（メタデータ） (2025-07-27T22:16:09Z) - AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている
これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
論文 参考訳（メタデータ） (2025-07-24T16:04:59Z) - OWMM-Agent: Open World Mobile Manipulation With Multi-modal Agentic Data Synthesis [70.39500621448383]
オープンワールドのモバイル操作タスクは、オープンエンドの命令や環境への一般化が必要なため、依然として課題である。
本稿では,多視点のシーンフレームとエージェント状態を維持した新しいマルチモーダルエージェントアーキテクチャを提案する。
我々は,グローバルなシーン理解,ロボットの状態追跡,マルチモーダルアクション生成を統一モデルで実現した,モバイルマニピュレータのための基礎モデルであるOWMM-VLMについて紹介する。
論文 参考訳（メタデータ） (2025-06-04T17:57:44Z) - End-to-End Edge AI Service Provisioning Framework in 6G ORAN [7.6934511825411045]
本稿では,O-RAN rAppsとしてデプロイされたLarge Language Model (LLM)エージェントを活用する,新しいエッジAIおよびネットワークサービスオーケストレーションフレームワークを提案する。
提案システムでは,ユーザのユースケース記述をデプロイ可能なAIサービスと対応するネットワーク構成に変換することで,インタラクティブかつ直感的なオーケストレーションを可能にする。
論文 参考訳（メタデータ） (2025-03-15T00:48:50Z) - AutoGLM: Autonomous Foundation Agents for GUIs [51.276965515952]
我々は、グラフィカルユーザインタフェース(GUI)を介してデジタルデバイスを自律的に制御するための基礎エージェントとして設計された、ChatGLMファミリーの新しいシリーズであるAutoGLMを紹介する。
実世界のGUIインタラクションのための実践的基礎エージェントシステムとしてAutoGLMを開発した。
評価では、AutoGLMが複数のドメインにまたがって有効であることを示す。
論文 参考訳（メタデータ） (2024-10-28T17:05:10Z) - xLAM: A Family of Large Action Models to Empower AI Agent Systems [111.5719694445345]
AIエージェントタスク用に設計された大規模なアクションモデルであるxLAMをリリースする。
xLAMは、複数のエージェント能力ベンチマークで例外的なパフォーマンスを提供する。
論文 参考訳（メタデータ） (2024-09-05T03:22:22Z) - Toward 6G Native-AI Network: Foundation Model based Cloud-Edge-End Collaboration Framework [55.73948386625618]
データ、AIモデル、運用パラダイムの観点から、6GネイティブAIを達成する上での課題を分析します。
基礎モデルに基づく6GネイティブAIフレームワークを提案し、専門家の知識の統合方法を提供し、2種類のPFMのカスタマイズを提示し、ネイティブAIフレームワークの新たな運用パラダイムを概説する。
論文 参考訳（メタデータ） (2023-10-26T15:19:40Z) - Actor-Critic Network for O-RAN Resource Allocation: xApp Design,
Deployment, and Analysis [3.8073142980733]
Open Radio Access Network (O-RAN)は、オープンネス、インテリジェンス、自動制御を可能にする新しいRANアーキテクチャを導入した。
RAN Intelligent Controller (RIC)は、RANコントローラの設計とデプロイのためのプラットフォームを提供する。
xAppsは、機械学習(ML)アルゴリズムを活用してほぼリアルタイムで動作することで、この責任を負うアプリケーションである。
論文 参考訳（メタデータ） (2022-09-26T19:12:18Z)
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。