論文の概要: Agentic AI-Empowered Conversational Embodied Intelligence Networks in 6G

• arxiv url: http://arxiv.org/abs/2511.19865v1
• Date: Tue, 25 Nov 2025 03:16:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.250102
• Title: Agentic AI-Empowered Conversational Embodied Intelligence Networks in 6G
• Title（参考訳）: 6GにおけるエージェントAIを活用した会話型身体情報ネットワーク
• Authors: Mingkai Chen, Zijie Feng, Lei Wang, Yaser Khamayseh,
• Abstract要約: 6G時代に入ると、複雑なタスク実行には、複数の組込みインテリジェントデバイス(MEID)間のセマンティックコラボレーションが不可欠である。 本稿では,マルチモーダルな特徴融合,適応型セマンティックコミュニケーション,タスクコーディネート,解釈可能性を統合した協調型会話型身体情報ネットワーク(CC-EIN)を提案する。
• 参考スコア（独自算出の注目度）: 3.4165481435667266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the 6G era, semantic collaboration among multiple embodied intelligent devices (MEIDs) becomes crucial for complex task execution. However, existing systems face challenges in multimodal information fusion, adaptive communication, and decision interpretability. To address these limitations, we propose a collaborative Conversational Embodied Intelligence Network (CC-EIN) integrating multimodal feature fusion, adaptive semantic communication, task coordination, and interpretability. PerceptiNet performs cross-modal fusion of image and radar data to generate unified semantic representations. An adaptive semantic communication strategy dynamically adjusts coding schemes and transmission power according to task urgency and channel quality. A semantic-driven collaboration mechanism further supports task decomposition and conflict-free coordination among heterogeneous devices. Finally, the InDec module enhances decision transparency through Grad-CAM visualization. Simulation results in post-earthquake rescue scenarios demonstrate that CC-EIN achieves 95.4% task completion rate and 95% transmission efficiency while maintaining strong semantic consistency and energy efficiency.
• Abstract（参考訳）: 6G時代に入ると、複雑なタスク実行には、複数の組込みインテリジェントデバイス(MEID)間のセマンティックコラボレーションが不可欠である。 しかし,既存のシステムでは,マルチモーダル情報融合,適応通信,意思決定可能性といった課題に直面している。 これらの制約に対処するため,マルチモーダルな特徴融合,適応的セマンティック通信,タスクコーディネート,解釈可能性を統合した協調型対話型エンボディード・インテリジェンス・ネットワーク(CC-EIN)を提案する。 PerceptiNetは画像とレーダデータの相互統合を行い、統一された意味表現を生成する。 適応的なセマンティック通信戦略は、タスク緊急度とチャネル品質に応じて、符号化方式と送信電力を動的に調整する。 意味駆動型協調機構は、異種デバイス間のタスク分解とコンフリクトフリー調整をさらにサポートする。 最後に、InDecモジュールはGrad-CAMビジュアライゼーションを通じて意思決定の透明性を高める。 地震後の救助シナリオのシミュレーションの結果、CC-EINは強いセマンティック一貫性とエネルギー効率を維持しつつ、95.4%のタスク完了率と95%の送信効率を達成した。

関連論文リスト

• Semantic-Driven AI Agent Communications: Challenges and Solutions [25.74271088658268]
  本稿では,意味駆動型AIエージェント通信フレームワークを提案する。 第一に、意味適応伝達は、様々な環境にモデルを効率的に適応させるために、実または生成サンプルと微調整を適用する。 第二に、セマンティック・ライトウェイト・トランスミッションはプルーニング、量子化、知覚対応サンプリングを取り入れ、モデルの複雑さを低減し、エッジエージェントの計算負担を軽減する。 第三に、セマンティックな自己進化制御では、分散階層的な意思決定を用いて多次元資源を最適化し、動的環境における堅牢なマルチエージェント協調を可能にする。
  論文  参考訳（メタデータ） (2025-10-01T00:52:37Z)
• Latent Space Alignment for AI-Native MIMO Semantic Communications [11.185200213307208]
  本稿では,意味コミュニケーションにおける意味的ミスマッチに対処する新しい手法を提案する。 ニューラルネットワークベースのモデルは、電力予算と複雑さの制約の下でセマンティックプリコーダ/デコーダを学ぶ。 目的指向のセマンティックコミュニケーションシナリオにおいて,提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-07-22T15:16:18Z)
• Take What You Need: Flexible Multi-Task Semantic Communications with Channel Adaptation [51.53221300103261]
  本稿では,マスク付きオートエンコーダアーキテクチャに基づく,チャネル適応型・マルチタスク対応のセマンティックコミュニケーションフレームワークについて紹介する。 チャネル認識抽出器を用いて、リアルタイムのチャネル条件に応じて、関連情報を動的に選択する。 画像再構成や物体検出などのタスクにおける従来の手法と比較して,本手法の優れた性能を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2025-02-12T09:01:25Z)
• Trustworthy Image Semantic Communication with GenAI: Explainablity, Controllability, and Efficiency [59.15544887307901]
  画像意味コミュニケーション(ISC)は,高効率な映像コンテンツ伝送を実現する可能性に注目されている。 既存のISCシステムは、解釈可能性、操作性、互換性の課題に直面している。 我々は、複数の下流推論タスクにGenerative Artificial Intelligence(GenAI)を利用する新しい信頼できるISCフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-07T14:32:36Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts [89.04751776308656]
  本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
  論文  参考訳（メタデータ） (2023-09-05T23:24:56Z)

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。