論文の概要: Monaas: Mobile Node as a Service for TSCH-based Industrial IoT Networks
- arxiv url: http://arxiv.org/abs/2601.03917v1
- Date: Wed, 07 Jan 2026 13:33:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-09 02:15:23.568676
- Title: Monaas: Mobile Node as a Service for TSCH-based Industrial IoT Networks
- Title（参考訳）: Monaas: TSCHベースの産業用IoTネットワークのためのサービスとしてモバイルノード
- Authors: Jinting Liu, Jingwei Li, Tengfei Chang,
- Abstract要約: 我々はMobile Node as a Service (Monaas)という名前の新しい、サービス指向、階層型IoTネットワークアーキテクチャを提案する。
Monaasは、新しいアーキテクチャ設計とプロトコルメカニズムを通じて、モバイルノードをオンデマンドでエラスティックなリソースとして体系的に管理し、スケジュールすることを目指している。
その中核的な機能は、グローバルなコーディネーションとローカルな自律性とのバランスをとる階層アーキテクチャ、プロアクティブなリソース割り当てのためのタスク駆動スケジューリング、オンデマンドのモバイルリソース統合メカニズムである。
- 参考スコア（独自算出の注目度）: 3.553628244445836
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The Time-Slotted Channel Hopping (TSCH) mode of IEEE802.15.4 standard provides ultra high end-to-end reliability and low-power consumption for application in field of Industrial Internet of Things (IIoT). With the evolving of Industrial 4.0, dynamic and bursty tasks with varied Quality of Service (QoS); effective management and utilization of growing number of mobile equipments become two major challenges for network solutions. The existing TSCH-based networks lack of a system framework design to handle these challenges. In this paper, we propose a novel, service-oriented, and hierarchical IoT network architecture named Mobile Node as a Service (Monaas). Monaas aims to systematically manage and schedule mobile nodes as on-demand, elastic resources through a new architectural design and protocol mechanisms. Its core features include a hierarchical architecture to balance global coordination with local autonomy, task-driven scheduling for proactive resource allocation, and an on-demand mobile resource integration mechanism. The feasibility and potential of the Monaas link layer mechanisms are validated through implementation and performance evaluation on an nRF52840 hardware testbed, demonstrating its potential advantages in specific scenarios. On a physical nRF52840 testbed, Monaas consistently achieved a Task Completion Rate (TCR) above 98% for high-priority tasks under bursty traffic and link degradation, whereas all representative baselines (Static TSCH, 6TiSCH Minimal, OST, FTS-SDN) remained below 40%.Moreover, its on-demand mobile resource integration activated services in 1.2 s, at least 65% faster than SDN (3.5 s) and OST/6TiSCH (> 5.8 s).
- Abstract（参考訳）: IEEE802.15.4標準のTSCH(Time-Slotted Channel Hopping)モードは、産業用モノのインターネット(Industrial Internet of Things, IIoT)分野のアプリケーションに対して、非常に高いエンドツーエンドの信頼性と低消費電力を提供する。
産業用4.0の進化に伴い、QoS(Quality of Service)の変動を伴う動的・バースト的なタスクが増加し、モバイル機器の効率的な管理と利用がネットワークソリューションの2つの大きな課題となっている。
既存のTSCHベースのネットワークは、これらの課題に対処するためのシステムフレームワーク設計を欠いている。
本稿では,Mobile Node as a Service (Monaas) という新しい,サービス指向の階層型IoTネットワークアーキテクチャを提案する。
Monaasは、新しいアーキテクチャ設計とプロトコルメカニズムを通じて、モバイルノードをオンデマンドでエラスティックなリソースとして体系的に管理し、スケジュールすることを目指している。
その中核的な機能は、グローバルなコーディネーションとローカルな自律性とのバランスをとる階層アーキテクチャ、プロアクティブなリソース割り当てのためのタスク駆動スケジューリング、オンデマンドのモバイルリソース統合メカニズムである。
Monaasのリンク層機構の実現可能性とポテンシャルは、nRF52840ハードウェアテストベッドの実装と性能評価を通じて検証され、その潜在的な利点を特定のシナリオで示す。
物理的nRF52840テストベッドでは、モナアスはバーストトラフィックとリンク劣化下での高優先度タスクに対して98%以上のタスク完了率(TCR)を継続的に達成したが、全ての代表ベースライン(Static TSCH, 6TiSCH Minimal, OST, FTS-SDN)は40%以下にとどまった。
さらに、オンデマンドのモバイルリソース統合は1.2秒で起動され、SDN(3.5秒)とOST/6TiSCH(>5.8秒)より少なくとも65%高速である。
関連論文リスト
- Leveraging AI Agents for Autonomous Networks: A Reference Architecture and Empirical Studies [18.534083337294188]
この研究は、ジョゼフ・シファキス(Joseph Sifakis)のAN Agent参照アーキテクチャを機能認知システムに実装することで、アーキテクチャ理論と運用現実のギャップを埋める。
5G NR sub-6 GHz において,サブ10ms のリアルタイム制御を実演し,外ループリンク適応 (OLLA) アルゴリズムよりも6% 高いダウンリンクスループットを実現した。
これらの改善により、従来の自律的障壁を克服し、次世代の目標に向けて重要なL4エナリング能力を推し進めるアーキテクチャの生存性が確認される。
論文 参考訳（メタデータ） (2025-09-10T06:24:57Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文 参考訳（メタデータ） (2024-10-16T16:13:19Z) - Zero-touch realization of Pervasive Artificial Intelligence-as-a-service
in 6G networks [8.500820283596774]
ブロックチェーンベースのスマートシステムをサポートする6Gネットワークに,ゼロタッチPAI-as-a-Service(PAI)をデプロイするための,新たなプラットフォームアーキテクチャを導入する。
本稿では,提案システムによる6Gネットワークの動的特性の自己最適化と自己適応性を評価する概念実証について述べる。
論文 参考訳（メタデータ） (2023-07-21T10:02:24Z) - Reclaimer: A Reinforcement Learning Approach to Dynamic Resource
Allocation for Cloud Microservices [4.397680391942813]
要件を満たしながらCPUコアの割り当てを最小限に抑えるため,実行時の変更数や動作の変化に適応するディープラーニングモデルであるReclaimerを導入する。
2つのマイクロサービスベースのアプリケーションで評価すると、Reclaimerは業界標準のスケーリングソリューションと比較してCPUコアの割り当てを38.4%から74.4%に削減する。
論文 参考訳（メタデータ） (2023-04-17T01:44:05Z) - Evaluation of a blockchain-enabled resource management mechanism for
NGNs [0.0]
本稿では,ネットワークプロバイダ間の資源管理と交渉におけるブロックチェーン技術の利用について検討する。
リソース管理機構の実装はスマートコントラクト(SC)で記述され、テストベッドはそれぞれRaftとIBFTのコンセンサス機構を使用している。
論文 参考訳（メタデータ） (2022-11-01T13:40:26Z) - Federated Meta-Learning for Traffic Steering in O-RAN [1.400970992993106]
フェデレーション・メタラーニング(FML)に基づくRATアロケーションのアルゴリズムを提案する。
LTEおよび5G NRサービス技術を含むシミュレーション環境を設計した。
論文 参考訳（メタデータ） (2022-09-13T10:39:41Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Resource Allocation in Multicore Elastic Optical Networks: A Deep
Reinforcement Learning Approach [47.187609203210705]
新しい環境はOpenAIのGymと互換性がある。
ネットワーク状態と物理層関連の側面を考慮してエージェントアクションを処理する。
ベストパフォーマンス剤は、ブロッキング確率の4倍の低下を達成する。
論文 参考訳（メタデータ） (2022-07-05T14:24:21Z) - Computational Intelligence and Deep Learning for Next-Generation
Edge-Enabled Industrial IoT [51.68933585002123]
エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。
本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。
特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
論文 参考訳（メタデータ） (2021-10-28T08:14:57Z) - NPAS: A Compiler-aware Framework of Unified Network Pruning and
Architecture Search for Beyond Real-Time Mobile Acceleration [48.25487285358816]
異なるDNNと異なるプルーニングスキームをサポートするコンパイラ自動コード生成フレームワークを提案する。
また,NPAS,コンパイラ対応統合ネットワークプルーニング,アーキテクチャ検索を提案する。
我々のフレームワークは,市販携帯電話でそれぞれ78.2%,75%(MobileNet-V3レベル),71%(MobileNet-V2レベル)のTop-1精度で6.7ms,5.9ms,3.9msのImageNet推論時間を実現している。
論文 参考訳（メタデータ） (2020-12-01T16:03:40Z)
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。