論文の概要: Learning Multi-Access Point Coordination in Agentic AI Wi-Fi with Large Language Models

• arxiv url: http://arxiv.org/abs/2511.20719v1
• Date: Tue, 25 Nov 2025 06:29:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.785975
• Title: Learning Multi-Access Point Coordination in Agentic AI Wi-Fi with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いたエージェントAI Wi-Fiにおける多点協調学習
• Authors: Yifan Fan, Le Liang, Peng Liu, Xiao Li, Ziyang Guo, Qiao Lan, Shi Jin, Wen Tong,
• Abstract要約: マルチアクセスポイントコーディネート(MAPC)は、重なり合う基本サービスセット内の次世代Wi-Fiのスループットを向上させるための重要な技術である。 本稿では,自律型大規模言語モデルエージェントとしてモデル化された各アクセスポイントをネットワーク状態に関する協調的な理由と,適応的調整戦略をリアルタイムで交渉する,エージェント型AI Wi-Fiフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 40.933385950790246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-access point coordination (MAPC) is a key technology for enhancing throughput in next-generation Wi-Fi within dense overlapping basic service sets. However, existing MAPC protocols rely on static, protocol-defined rules, which limits their ability to adapt to dynamic network conditions such as varying interference levels and topologies. To address this limitation, we propose a novel Agentic AI Wi-Fi framework where each access point, modeled as an autonomous large language model agent, collaboratively reasons about the network state and negotiates adaptive coordination strategies in real time. This dynamic collaboration is achieved through a cognitive workflow that enables the agents to engage in natural language dialogue, leveraging integrated memory, reflection, and tool use to ground their decisions in past experience and environmental feedback. Comprehensive simulation results demonstrate that our agentic framework successfully learns to adapt to diverse and dynamic network environments, significantly outperforming the state-of-the-art spatial reuse baseline and validating its potential as a robust and intelligent solution for future wireless networks.
• Abstract（参考訳）: マルチアクセスポイントコーディネート(MAPC)は、重なり合う基本サービスセット内の次世代Wi-Fiのスループットを向上させるための重要な技術である。 しかし、既存のMAPCプロトコルは、様々な干渉レベルやトポロジなどの動的ネットワーク条件に適応する能力を制限する静的なプロトコル定義ルールに依存している。 この制限に対処するため、我々は、自律型大規模言語モデルエージェントとしてモデル化された各アクセスポイントを協調的にネットワーク状態に理由付けし、適応協調戦略をリアルタイムで交渉する新しいエージェントAI Wi-Fiフレームワークを提案する。 この動的なコラボレーションは、エージェントが自然言語対話に従事し、統合されたメモリ、リフレクション、ツールの使用を活用して、過去の経験と環境フィードバックで決定を下すための認知ワークフローを通じて達成される。 総合シミュレーションの結果、エージェントフレームワークは多様な動的ネットワーク環境に適応し、最先端の空間再利用ベースラインを著しく上回り、将来的な無線ネットワークの堅牢でインテリジェントなソリューションとしての可能性を実証した。

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)
• Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey [11.537225726120495]
  ファンデーションモデルは、断片化されたアーキテクチャをマルチモーダル推論とコンテキスト適応を備えたスケーラブルなバックボーンに統一することで、AIを再構築した。 FMを認知のコアとして、エージェントは自律性、一般化、自己回帰を達成するためにルールベースの振る舞いを超越する。 この調査は、適応的でリソース効率の良いエージェントAIシステムの、最初の体系的な特徴を提供する。
  論文  参考訳（メタデータ） (2025-09-30T02:37:52Z)
• Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
  異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。 我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
  論文  参考訳（メタデータ） (2025-05-12T02:04:37Z)
• LLM-mediated Dynamic Plan Generation with a Multi-Agent Approach [1.0124625066746595]
  動的環境に適応可能なネットワークを生成する手法を提案する。 提案手法は, 条件や目標を表す「統計」を収集し, エージェントの生成に利用する。 これらのエージェントは特定の条件に基づいて相互接続され、結果として柔軟性と一般性を組み合わせたネットワークとなる。
  論文  参考訳（メタデータ） (2025-04-02T11:42:49Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• Distributed Autonomous Swarm Formation for Dynamic Network Bridging [40.27919181139919]
  離散化された部分観測可能なマルコフ決定過程(Dec-POMDP)における動的ネットワークブリッジ問題について定式化する。 グラフ畳み込み強化学習(DGN)に基づく問題に対するマルチエージェント強化学習(MARL)アプローチを提案する。 提案手法はシミュレーション環境で評価し,将来性を示す集中型ベースラインと比較した。
  論文  参考訳（メタデータ） (2024-04-02T01:45:03Z)
• Emergent Communication in Multi-Agent Reinforcement Learning for Future Wireless Networks [30.678152524314225]
  創発的コミュニケーションを用いたマルチエージェント強化学習(EC-MARL)は,高次元連続制御問題に対処するための有望な解である。 本稿では,将来の6G無線ネットワークにおけるEC-MARLの重要性を述べる。
  論文  参考訳（メタデータ） (2023-09-12T07:40:53Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)

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。