論文の概要: HERMES: Heterogeneous Application-Enabled Routing Middleware for Edge-IoT Systems

• arxiv url: http://arxiv.org/abs/2512.01824v1
• Date: Mon, 01 Dec 2025 16:04:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.946415
• Title: HERMES: Heterogeneous Application-Enabled Routing Middleware for Edge-IoT Systems
• Title（参考訳）: HERMES:エッジIoTシステムのための異種アプリケーション拡張型ルーティングミドルウェア
• Authors: Jéssica Consciência, António Grilo,
• Abstract要約: 本研究は,アプリケーション認識決定を動的に取り入れることで,ルーティングの柔軟性を向上させるソフトウェアフレームワークを提案する。 この研究の核となるのは、異種デバイス、特にESP8266、ESP32、Raspberry Pi 3BのマルチホップWi-Fiネットワークを確立することである。 このフレームワークは、ニューラルネットワークの推論計算の分散を含むエッジインテリジェンスのユースケースを通じて、物理的なテストベッド上で検証された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growth of the Internet of Things has enabled a new generation of applications, pushing computation and intelligence toward the network edge. This trend, however, exposes challenges, as the heterogeneity of devices and the complex requirements of applications are often misaligned with the assumptions of traditional routing protocols, which lack the flexibility to accommodate application-layer metrics and policies. This work addresses this gap by proposing a software framework that enhances routing flexibility by dynamically incorporating application-aware decisions. The core of the work establishes a multi-hop Wi-Fi network of heterogeneous devices, specifically ESP8266, ESP32, and Raspberry Pi 3B. The routing layer follows a proactive approach, while the network is fault-tolerant, maintaining operation despite both node loss and message loss. On top of this, a middleware layer introduces three strategies for influencing routing behavior: two adapt the path a message traverses until arriving at the destination, while the third allows applications to shape the network topology. This layer offers a flexible interface for diverse applications. The framework was validated on a physical testbed through edge intelligence use cases, including distributing neural network inference computations across multiple devices and offloading the entire workload to the most capable node. Distributed inference is useful in scenarios requiring low latency, energy efficiency, privacy, and autonomy. Experimental results indicated that device heterogeneity significantly impacts network performance. Throughput and inference duration analysis showed the influence of the strategies on application behaviour, revealed that topology critically affects decentralized performance, and demonstrated the suitability of the framework for complex tasks.
• Abstract（参考訳）: モノのインターネット(Internet of Things)の成長は、新しい世代のアプリケーションを可能にし、計算とインテリジェンスをネットワークエッジにプッシュした。 しかしながら、この傾向は、デバイスの不均一性とアプリケーションの複雑な要件が、アプリケーション層メトリクスやポリシーに対応する柔軟性に欠ける従来のルーティングプロトコルの仮定と不一致である、という課題を浮き彫りにする。 この作業は、アプリケーション認識の決定を動的に取り入れることでルーティングの柔軟性を向上させるソフトウェアフレームワークを提案することで、このギャップに対処する。 この研究の核となるのは、異種デバイス、特にESP8266、ESP32、Raspberry Pi 3BのマルチホップWi-Fiネットワークを確立することである。 ルーティング層はプロアクティブなアプローチに従うが、ネットワークはフォールトトレラントであり、ノード損失とメッセージ損失の両方にもかかわらず動作を維持する。 これに加えて、ミドルウェア層はルーティングの動作に影響を与える3つの戦略を導入している。2つはメッセージが目的地に到着するまで経路に適応し、もう1つはアプリケーションがネットワークトポロジを形作ることを可能にする。 このレイヤは多様なアプリケーションに対してフレキシブルなインターフェースを提供する。 このフレームワークは、エッジインテリジェンスのユースケースを通じて物理的なテストベッド上で検証され、ニューラルネットワークの推論計算を複数のデバイスに分散し、ワークロード全体を最も有能なノードにオフロードする。 分散推論は、低レイテンシ、エネルギー効率、プライバシ、自律性を必要とするシナリオで有用である。 実験の結果,デバイスの不均一性はネットワーク性能に著しく影響を及ぼすことがわかった。 スループットと推測期間の分析は, アプリケーションの動作に対する戦略の影響を示し, トポロジが分散性能に重大な影響を与え, 複雑なタスクに対するフレームワークの適合性を実証した。

関連論文リスト

• Graph Neural Network-Based Multicast Routing for On-Demand Streaming Services in 6G Networks [43.88530200050682]
  本稿では,GNNベースのマルチキャストルーティングフレームワークを提案する。 提案手法は、計算複雑性を著しく低減しつつ、最適な動的プログラムベースの解を近似する。 また,大規模および動的ネットワークトポロジへの強力な一般化も確認し,6Gマルチメディア配信シナリオにおけるリアルタイム展開の可能性を強調した。
  論文  参考訳（メタデータ） (2025-10-13T08:00:45Z)
• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• NetworkGym: Reinforcement Learning Environments for Multi-Access Traffic Management in Network Simulation [27.353473477645576]
  本稿では,高忠実度ネットワーク環境シミュレータであるtextitNetworkGymを紹介する。 マルチアクセストラフィック分割問題に対する異なるRLベースのソリューションのトレーニングと評価を容易にする。 また、Pessimistic TD3 (PTD3) と呼ばれるTD3+BCアルゴリズムの拡張を提案し、最先端のオフラインRLアルゴリズムよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-10-30T01:14:33Z)
• GFN: A graph feedforward network for resolution-invariant reduced operator learning in multifidelity applications [0.0]
  本研究は,多忠実度アプリケーションのための新しい分解能不変モデルオーダー削減戦略を提案する。 我々はこの研究で開発された新しいニューラルネットワーク層、グラフフィードフォワードネットワークに基づいてアーキテクチャを構築した。 パラメトリックな偏微分方程式に対する自己エンコーダに基づく還元戦略において,異なるメッシュサイズでのトレーニングとテストの能力を利用する。
  論文  参考訳（メタデータ） (2024-06-05T18:31:37Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• A Multi-Domain VNE Algorithm based on Load Balancing in the IoT networks [22.63148849159129]
  本稿では,ハイブリッド遺伝的アルゴリズムに基づく仮想ネットワークマッピング戦略を提案する。 アルゴリズムの柔軟性を向上させるために、クロス確率とフェロモンベースの突然変異遺伝子選択戦略を使用する。 平均見積もりのマッピング、リンクロードバランシング、マッピングコスト-ベネフィット比、受け入れ率、実行時間など、多くのパフォーマンス指標でうまく機能する。
  論文  参考訳（メタデータ） (2022-02-07T01:01:21Z)
• Packet Routing with Graph Attention Multi-agent Reinforcement Learning [4.78921052969006]
  我々は強化学習(RL)を利用したモデルフリーでデータ駆動型ルーティング戦略を開発する。 ネットワークトポロジのグラフ特性を考慮すると、グラフニューラルネットワーク(GNN)と組み合わせたマルチエージェントRLフレームワークを設計する。
  論文  参考訳（メタデータ） (2021-07-28T06:20:34Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)

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。