論文の概要: AI-Open-RAN for Non-Terrestrial Networks
- arxiv url: http://arxiv.org/abs/2511.11947v1
- Date: Fri, 14 Nov 2025 23:41:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:23.416037
- Title: AI-Open-RAN for Non-Terrestrial Networks
- Title（参考訳）: 非地球ネットワークのためのAI-Open-RAN
- Authors: Tri Nhu Do,
- Abstract要約: 非地上ネットワーク(NTN)のためのオールインワン無線アクセスネットワーク(RAN)であるAIO-RAN-NTNの概念を提案する。
このアプローチは、次世代通信における相互運用性、柔軟性、インテリジェンスを向上させる。
- 参考スコア（独自算出の注目度）: 2.558515208305258
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we propose the concept of AIO-RAN-NTN, a unified all-in-one Radio Access Network (RAN) for Non-Terrestrial Networks (NTNs), built on an open architecture that leverages open interfaces and artificial intelligence (AI)-based functionalities. This approach advances interoperability, flexibility, and intelligence in next-generation telecommunications. First, we provide a concise overview of the state-of-the-art architectures for Open-RAN and AI-RAN, highlighting key network functions and infrastructure elements. Next, we introduce our integrated AIO-RAN-NTN blueprint, emphasizing how internal and air interfaces from AIO-RAN and the 3rd Generation Partnership Project (3GPP) can be applied to emerging environments such as NTNs. To examine the impact of mobility on AIO-RAN, we implement a testbed transmission using the OpenAirInterface platform for a standalone (SA) New Radio (NR) 5G system. We then train an AI model on realistic data to forecast key performance indicators (KPIs). Our experiments demonstrate that the AIO-based SA architecture is sensitive to mobility, even at low speeds, but this limitation can be mitigated through AI-driven KPI forecasting.
- Abstract（参考訳）: 本稿では,非地球ネットワーク(NTN)のためのオールインワン無線アクセスネットワーク(RAN)であるAIO-RAN-NTNの概念を提案する。
このアプローチは、次世代通信における相互運用性、柔軟性、インテリジェンスを向上させる。
まず、Open-RANとAI-RANの最先端アーキテクチャの概要を説明し、主要なネットワーク機能とインフラストラクチャ要素を強調します。
次に,AIO-RANと第3世代パートナーシッププロジェクト(3GPP)の内部および空気界面をNTNなどの新興環境に適用する方法について述べる。
AIO-RANにおける移動性の影響を調べるため,独立系(SA)ニューラジオ(NR)5GシステムのためのOpenAirInterfaceプラットフォームを用いたテストベッドトランスミッションを実装した。
次に、AIモデルをリアルなデータでトレーニングし、キーパフォーマンス指標(KPI)を予測する。
実験の結果,AIOベースのSAアーキテクチャは低速でも移動に敏感であるが,この制限はAI駆動のKPI予測によって緩和できることがわかった。
関連論文リスト
- Pinching Antennas Meet AI in Next-Generation Wireless Networks [95.7524555556776]
次世代(NG)無線ネットワークは、新興アプリケーションをサポートするために、本質的にインテリジェンスを受け入れる必要がある。
本稿では,AIとピンチアンテナ(PA)の「冬」連携について考察する。
論文 参考訳（メタデータ） (2025-11-03T21:32:00Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - 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) - Agentic Satellite-Augmented Low-Altitude Economy and Terrestrial Networks: A Survey on Generative Approaches [76.12691010182802]
本調査は,衛星搭載低高度経済と地上ネットワーク(SLAETN)におけるエージェント人工知能(AI)の実現に焦点をあてる。
SLAETNのアーキテクチャと特徴を紹介するとともに,衛星,空中,地上コンポーネントの統合において生じる課題を分析する。
これらのモデルが,コミュニケーション強化,セキュリティとプライバシ保護,インテリジェントな衛星タスクという,3つの領域にわたるエージェント機能をどのように強化するかを検討する。
論文 参考訳（メタデータ） (2025-07-19T14:07:05Z) - Native-AI Empowered Scalable Architectures and Solutions for Future Non-Terrestrial Networks: An Overview [43.83346235227403]
非地上ネットワーク(NTN)とオープン無線アクセスネットワーク(ORAN)は、学術と産業の両方から関心を集めている。
開発と運用(DevOps)ライフサイクルにおける新たな課題の高度と移動性。
我々はORANベースのフレームワークを提案し、その機能とアーキテクチャを詳細に議論する。
論文 参考訳（メタデータ） (2025-07-16T05:58:45Z) - Beyond Connectivity: An Open Architecture for AI-RAN Convergence in 6G [20.07205081315289]
本稿では、共有インフラストラクチャ上での通信およびAIワークロードのオーケストレーションと管理を統一する、新しい収束型O-RANおよびAI-RANアーキテクチャを提案する。
i) O-RAN Service Management and Orchestration(SMO)を拡張してRANおよびAIワークロード間の統合リソースとアロケーションを可能にするAI-RAN Orchestrator、(ii)分散エッジAIプラットフォームにリアルタイム処理機能を提供するAI-RANサイト。
論文 参考訳（メタデータ） (2025-07-09T14:49:11Z) - AI-RAN: Transforming RAN with AI-driven Computing Infrastructure [1.3970999841029235]
この記事では、同じインフラストラクチャ上でRANとAI(AI)ワークロードを統合するAI-RANを紹介します。
これにより、AI-RANは将来のネットワークの性能要求を満たすだけでなく、資産利用も改善する。
論文 参考訳（メタデータ） (2025-01-15T18:47:05Z) - 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) - Olive Branch Learning: A Topology-Aware Federated Learning Framework for
Space-Air-Ground Integrated Network [19.059950250921926]
SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。
まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。
我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
論文 参考訳（メタデータ） (2022-12-02T14:51:42Z) - 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。