論文の概要: LLM Assisted Alpha Fairness for 6 GHz WiFi and NR_U Coexistence: An Agentic Orchestrator for Throughput, Energy, and SLA

• arxiv url: http://arxiv.org/abs/2510.17814v1
• Date: Fri, 26 Sep 2025 15:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-26 16:57:26.483339
• Title: LLM Assisted Alpha Fairness for 6 GHz WiFi and NR_U Coexistence: An Agentic Orchestrator for Throughput, Energy, and SLA
• Title（参考訳）: LLM Assisted Alpha Fairness for 6 GHz WiFi and NR_U Coexistence: an Agentic Orchestrator for throughput, Energy, and SLA
• Authors: Qun Wang, Yingzhou Lu, Guiran Liu, Binrong Zhu, Yang Liu,
• Abstract要約: Wi-Fiと5G NR-Uはリス・バイ・トーク(LBT)ルールの下で同じチャンネルで競合する。 ポリシーと実行を分離するエージェントコントローラを提案する。 2つの160MHzチャネルと混合Wi-Fi/NR-Uユーザーを持つ6GHzシミュレータでは、LDMアシストポリシーは強力なルールベースラインとのスループットを保ちながら、エネルギー効率を一貫して改善する。
• 参考スコア（独自算出の注目度）: 6.508485899860138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unlicensed 6GHz is becoming a primary workhorse for high-capacity access, with Wi-Fi and 5G NR-U competing for the same channels under listen-before-talk (LBT) rules. Operating in this regime requires decisions that jointly trade throughput, energy, and service-level objectives while remaining safe and auditable. We present an agentic controller that separates {policy} from {execution}. At the start of each scheduling epoch the agent summarizes telemetry (per-channel busy and baseline LBT failure; per-user CQI, backlog, latency, battery, priority, and power mode) and invokes a large language model (LLM) to propose a small set of interpretable knobs: a fairness index \alpha, per-channel duty-cycle caps for Wi-Fi/NR-U, and class weights. A deterministic optimizer then enforces feasibility and computes an \alpha-fair allocation that internalizes LBT losses and energy cost; malformed or unsafe policies are clamped and fall back to a rule baseline. In a 6GHz simulator with two 160MHz channels and mixed Wi-Fi/NR-U users, LLM-assisted policies consistently improve energy efficiency while keeping throughput competitive with a strong rule baseline. One LLM lowers total energy by 35.3% at modest throughput loss, and another attains the best overall trade-off, finishing with higher total bits (+3.5%) and higher bits/J (+12.2%) than the baseline. We release code, per-epoch logs, and plotting utilities to reproduce all figures and numbers, illustrating how transparent, policy-level LLM guidance can safely improve wireless coexistence.
• Abstract（参考訳）: Wi-Fiと5G NR-Uはリス・バイ・トーク(LBT)ルールの下で同じチャンネルで競合する。 この体制で運用するには、安全で監査可能なまま、共同でスループット、エネルギー、サービスレベルの目標を取引する必要がある。 本稿では, {policy} と {execution} を分離するエージェントコントローラを提案する。 各スケジューリングエポックの開始時に、エージェントはテレメトリ(チャネルごとの多忙かつベースラインのLBT障害、ユーザ毎のCQI、バックログ、レイテンシ、バッテリー、優先度、パワーモード)を要約し、大きな言語モデル(LLM)を呼び出し、小さな解釈可能なノブのセット(フェアネスインデックス \alpha、Wi-Fi/NR-U用チャネルごとのデューティサイクルキャップ、クラスウェイト)を提案する。 決定論的オプティマイザは、実現可能性を実行し、LBTの損失とエネルギーコストを内包する \alpha-fair 割り当てを計算する。 2つの160MHzチャネルと混合Wi-Fi/NR-Uユーザーを持つ6GHzシミュレータでは、LDMアシストポリシーは強力なルールベースラインとのスループットを保ちながら、エネルギー効率を一貫して改善する。 1つのLCMは、低速のスループット損失で総エネルギーを35.3%削減し、もう1つは、ベースラインよりも高いトータルビット(+3.5%)と高いビット/J(+12.2%)で、最高のトレードオフを達成する。 我々は、すべての数字と数字を再現するためのコード、エポックログ、プロットユーティリティをリリースし、ポリシーレベルのLCMガイダンスがワイヤレス共存を安全に改善できることを示す。

関連論文リスト

• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• Communication-Efficient Orchestrations for URLLC Service via Hierarchical Reinforcement Learning [14.604814002402588]
  制御ループの時間スケールが異なるマルチレベルポリシーの実装を可能にするマルチエージェント階層型RL(HRL)フレームワークを提案する。 従来技術のユースケースでは、HRLフレームワークを用いて、産業機器の最大送電量と送電電力を最適化した。
  論文  参考訳（メタデータ） (2023-07-25T11:23:38Z)
• Over-The-Air Clustered Wireless Federated Learning [2.2530496464901106]
  クライアントがパラメータ更新を同時にサーバに送信できるので、Over-the-air (OTA) FLが好ましい。 強力なサーバがなければ、クライアントが隣人と通信してコンセンサスMLモデルを取得する分散戦略が採用される。 本稿では,OTA半分散クラスタリング無線FL(CWFL)とCWFL-Proxアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-07T08:34:35Z)
• DRL Enabled Coverage and Capacity Optimization in STAR-RIS Assisted Networks [55.0821435415241]
  無線通信における新たなパラダイムとして,STAR-RISのカバレッジとキャパシティ性能の分析が不可欠だが難しい。 STAR-RIS支援ネットワークにおけるカバレッジとキャパシティ最適化の問題を解決するために,多目的ポリシー最適化(MO-PPO)アルゴリズムを提案する。 MO-PPOアルゴリズムの性能向上のために、アクション値ベースの更新戦略(AVUS)と損失関数ベースの更新戦略(LFUS)の2つの更新戦略を検討した。
  論文  参考訳（メタデータ） (2022-09-01T14:54:36Z)
• Learning Resilient Radio Resource Management Policies with Graph Neural Networks [124.89036526192268]
  我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。 有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。 このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-03-07T19:40:39Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• Deep Reinforcement Learning Based Multidimensional Resource Management for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
  エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。 本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
  論文  参考訳（メタデータ） (2021-09-17T08:55:48Z)
• Bayesian Nonparametric Modelling for Model-Free Reinforcement Learning in LTE-LAA and Wi-Fi Coexistence [2.8427946758947304]
  この研究は、Wi-FiとLTEライセンスアクセス(LTE-LAA)エージェントの5GHz帯の共存に対処する非パラメトリックベイズ強化学習アルゴリズムを特徴とする。 報酬関数に公正度尺度を導入し、エージェント間の公平な共有を促進する。
  論文  参考訳（メタデータ） (2021-07-06T07:11:34Z)
• Bayesian Nonparametric Reinforcement Learning in LTE and Wi-Fi Coexistence [0.0]
  5GHz帯でWi-FiとLTEエージェントの共存に対処する強化学習アルゴリズムを提案する。 報酬関数に公正度尺度を導入し、エージェント間の公平な共有を奨励した。
  論文  参考訳（メタデータ） (2021-05-25T22:40:44Z)
• Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
  無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。 これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
  論文  参考訳（メタデータ） (2020-07-03T16:31:15Z)

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。