Fugu-MT 論文翻訳(概要): Agentic AI Meets Edge Computing in Autonomous UAV Swarms

論文の概要: Agentic AI Meets Edge Computing in Autonomous UAV Swarms

arxiv url: http://arxiv.org/abs/2601.14437v1
Date: Tue, 20 Jan 2026 19:45:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-22 21:27:50.138904
Title: Agentic AI Meets Edge Computing in Autonomous UAV Swarms
Title（参考訳）: Agentic AI - 自律型UAVスワーミングにおけるエッジコンピューティング
Authors: Thuan Minh Nguyen, Vu Tuan Truong, Long Bao Le,
Abstract要約: エージェントAIは、大規模言語モデル(LLM)をベースとして、自律的な推論、計画、実行によって、新たな運用可能性を開く。しかし、インフラ制約、動的環境、マルチエージェント調整の計算要求は、現実世界の展開を制限する。本稿では,LLMベースのエージェントAIとエッジコンピューティングを統合し,UAV群におけるスケーラブルでレジリエンスな自律性を実現する。
参考スコア（独自算出の注目度）: 3.9444299467643025
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The integration of agentic AI, powered by large language models (LLMs) with autonomous reasoning, planning, and execution, into unmanned aerial vehicle (UAV) swarms opens new operational possibilities and brings the vision of the Internet of Drones closer to reality. However, infrastructure constraints, dynamic environments, and the computational demands of multi-agent coordination limit real-world deployment in high-risk scenarios such as wildfires and disaster response. This paper investigates the integration of LLM-based agentic AI and edge computing to realize scalable and resilient autonomy in UAV swarms. We first discuss three architectures for supporting UAV swarms - standalone, edge-enabled, and edge-cloud hybrid deployment - each optimized for varying autonomy and connectivity levels. Then, a use case for wildfire search and rescue (SAR) is designed to demonstrate the efficiency of the edge-enabled architecture, enabling high SAR coverage, reduced mission completion times, and a higher level of autonomy compared to traditional approaches. Finally, we highlight open challenges in integrating LLMs and edge computing for mission-critical UAV-swarm applications.
Abstract（参考訳）: 大規模言語モデル(LLM)と自律推論、計画、実行を駆使したエージェントAIを無人航空機(UAV)群に統合することで、新たな運用可能性が開かれ、ドローンのインターネット(Internet of Drones)のビジョンが現実に近づく。しかし、インフラの制約、動的環境、マルチエージェント調整の計算要求は、山火事や災害対応のようなリスクの高いシナリオにおける現実の展開を制限する。本稿では,LLMベースのエージェントAIとエッジコンピューティングを統合し,UAV群におけるスケーラブルでレジリエンスな自律性を実現する。まず最初に,UAVスワムをサポートする3つのアーキテクチャ – スタンドアロン,エッジ対応,エッジクラウドハイブリッドデプロイメント – について論じます。次に,山火事救助(SAR)のユースケースとして,エッジ対応アーキテクチャの効率性を実証し,高いSARカバレッジ,ミッション完了時間の短縮,従来のアプローチよりも高い自律性を実現する。最後に、ミッションクリティカルなUAV-swarmアプリケーションのためのLLMとエッジコンピューティングを統合する際のオープンな課題を強調します。

関連論文リスト

Next Generation Intelligent Low-Altitude Economy Deployments: The O-RAN Perspective [2.3920356798957436]
本稿では,オープン無線アクセスネットワーク(O-RAN)を利用した低高度経済(LAE)フレームワークを提案する。ランドスケープインタプリタとして機能する意味認識型 rApp を用いて,提案アーキテクチャの有効性と性能を評価する。 LAE研究に活用できるUAVテストベッドの能力を調査し、重要な研究課題と標準化ニーズを提示する。
論文参考訳（メタデータ） (2026-01-01T08:22:38Z)
Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL [37.79695337425523]
低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
論文参考訳（メタデータ） (2025-12-05T08:14:45Z)
AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
論文参考訳（メタデータ） (2025-11-26T04:44:27Z)
When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
論文参考訳（メタデータ） (2025-10-25T02:02:14Z)
LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
論文参考訳（メタデータ） (2025-07-23T04:22:57Z)
Hierarchical Task Offloading for UAV-Assisted Vehicular Edge Computing via Deep Reinforcement Learning [11.695622067301128]
部分オフロードに基づく2層UAV支援エッジコンピューティングアーキテクチャを提案する。提案アーキテクチャは異種資源の効率的な統合と調整を可能にする。提案手法は,タスク完了率,システム効率,収束速度において,いくつかのベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2025-07-08T07:10:52Z)
Task Assignment and Exploration Optimization for Low Altitude UAV Rescue via Generative AI Enhanced Multi-agent Reinforcement Learning [44.02103029265148]
本稿では,UAV,GER,飛行船の連携フレームワークを提案する。このフレームワークは、UAV-to-GER(U2G)とUAV-to-Airship(U2A)のリンクを通じてリソースプーリングを可能にし、オフロードされたタスクのコンピューティングサービスを提供する。
論文参考訳（メタデータ） (2025-04-18T08:44:06Z)
Generative AI-Enhanced Cooperative MEC of UAVs and Ground Stations for Unmanned Surface Vehicles [36.3157805511305]
無人地上機(USV)は低コストで柔軟な航空サービスを提供している。地上局(GS)は、複雑なシナリオでUSVを支援するために協力する強力な支援を提供することができる。本稿では,UAVとGSをベースとした堅牢なマルチアクセスエッジコンピューティングフレームワークを提案する。
論文参考訳（メタデータ） (2025-02-12T04:42:59Z)
Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文参考訳（メタデータ） (2024-10-02T02:20:42Z)
Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
論文参考訳（メタデータ） (2020-01-28T15:10:22Z)

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。