論文の概要: Agentic AI for Embodied-enhanced Beam Prediction in Low-Altitude Economy Networks

• arxiv url: http://arxiv.org/abs/2603.11392v1
• Date: Thu, 12 Mar 2026 00:11:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.72343
• Title: Agentic AI for Embodied-enhanced Beam Prediction in Low-Altitude Economy Networks
• Title（参考訳）: 低高度経済ネットワークにおける電子ビーム予測のためのエージェントAI
• Authors: Min Hao, Zhizhuo Li, Zirui Zhang, Maoqiang Wu, Han Zhang, Rong Yu,
• Abstract要約: 無線チャネルの高周波特性は、激しい伝搬損失と強いビーム指向性をもたらす。 我々はエージェントAIを用いて、mWave基地局をエンボディインテリジェンスへ変換する。
• 参考スコア（独自算出の注目度）: 5.595643939878137
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Millimeter-wave or terahertz communications can meet demands of low-altitude economy networks for high-throughput sensing and real-time decision making. However, high-frequency characteristics of wireless channels result in severe propagation loss and strong beam directivity, which make beam prediction challenging in highly mobile uncrewed aerial vehicles (UAV) scenarios. In this paper, we employ agentic AI to enable the transformation of mmWave base stations toward embodied intelligence. We innovatively design a multi-agent collaborative reasoning architecture for UAV-to-ground mmWave communications and propose a hybrid beam prediction model system based on bimodal data. The multi-agent architecture is designed to overcome the limited context window and weak controllability of large language model (LLM)-based reasoning by decomposing beam prediction into task analysis, solution planning, and completeness assessment. To align with the agentic reasoning process, a hybrid beam prediction model system is developed to process multimodal UAV data, including numeric mobility information and visual observations. The proposed hybrid model system integrates Mamba-based temporal modelling, convolutional visual encoding, and cross-attention-based multimodal fusion, and dynamically switches data-flow strategies under multi-agent guidance. Extensive simulations on a real UAV mmWave communication dataset demonstrate that proposed architecture and system achieve high prediction accuracy and robustness under diverse data conditions, with maximum top-1 accuracy reaching 96.57%.
• Abstract（参考訳）: ミリ波やテラヘルツ通信は、高スループットセンシングとリアルタイム意思決定のための低高度経済ネットワークの要求を満たすことができる。 しかし、無線チャネルの高周波特性は、大きな伝搬損失と強いビーム指向性をもたらすため、高度に移動可能な無人航空機(UAV)のシナリオではビーム予測が困難である。 本稿ではエージェントAIを用いて,mWave基地局のエンボディインテリジェンスへの変換を実現する。 我々は,UAV-to-ground mmWave通信のためのマルチエージェント協調推論アーキテクチャを革新的に設計し,バイモーダルデータに基づくハイブリッドビーム予測モデルシステムを提案する。 マルチエージェントアーキテクチャは、ビーム予測をタスク分析、ソリューション計画、完全性評価に分解することで、大きな言語モデル(LLM)に基づく推論の限られたコンテキストウインドウと弱い制御性を克服するように設計されている。 エージェント推論プロセスに合わせて,数値移動情報や視覚観測を含むマルチモーダルUAVデータを処理するハイブリッドビーム予測モデルシステムを開発した。 提案したハイブリッドモデルシステムは,マンバをベースとした時間的モデリング,畳み込み視覚符号化,マルチモーダル融合を統合し,マルチエージェント誘導によるデータフロー戦略を動的に切り替える。 実際のUAVmmWave通信データセットの大規模なシミュレーションでは、提案されたアーキテクチャとシステムは様々なデータ条件下で高い予測精度と堅牢性を達成し、最大トップ1の精度は96.57%に達した。

関連論文リスト

• Efficient UAV trajectory prediction: A multi-modal deep diffusion framework [26.678930486634602]
  LiDARとミリ波レーダ情報の融合に基づくマルチモーダルUAV軌道予測法を提案する。 提案手法は, マルチモーダルデータを有効利用し, 低高度経済における無人UAV軌道予測のための効率的な解を提供する。
  論文  参考訳（メタデータ） (2026-01-26T13:14:52Z)
• Future Optical Flow Prediction Improves Robot Control & Video Generation [100.87884718953099]
  本稿では,VLM(Vision-Language Model)と拡散アーキテクチャを組み合わせた新しい光フロー予測モデルFOFPredを紹介する。 我々のモデルは、高度にスケーラブルだが非構造化のソースである、Webスケールの人間活動データに基づいて訓練されている。 言語駆動設定下でのロボット操作とビデオ生成による評価は、FOFPredのクロスドメインの汎用性を確立する。
  論文  参考訳（メタデータ） (2026-01-15T18:49:48Z)
• Empower Low-Altitude Economy: A Reliability-Aware Dynamic Weighting Allocation for Multi-modal UAV Beam Prediction [57.04985443535312]
  低高度経済(LAE)は、都市空気移動、ロジスティクスドローン、空中センシングによって急速に拡大している。 現在の研究は、シングルシグナルからマルチモーダルコラボレーティブアプローチにシフトしている。 セマンティック・アウェアなマルチモーダルビーム予測フレームワークSaM2Bに,信頼性を考慮した動的重み付け手法を提案する。
  論文  参考訳（メタデータ） (2025-12-30T16:24:34Z)
• M2BeamLLM: Multimodal Sensing-empowered mmWave Beam Prediction with Large Language Models [22.009889991924453]
  M2BeamLLMは、画像、レーダー、LiDAR、GPSを含むマルチモーダルセンサーデータを統合している。 その予測性能は、知覚モダリティの多様性の向上とともに一貫して改善される。 本研究は車両間通信(V2I)mmWaveにおける効率よくインテリジェントなビーム予測ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-06-17T13:58:36Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission [74.10928850232717]
  本稿では、モデル定式化のための生成人工知能(AI)エージェントを開発し、送信戦略の設計に専門家(MoE)の混合を適用した。 具体的には,大規模言語モデル(LLM)を活用して対話型モデリングパラダイムを構築する。 定式化問題の解法として, MoE-proximal Policy Optimization (PPO) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-14T03:44:54Z)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• Interpretable AI-based Large-scale 3D Pathloss Prediction Model for enabling Emerging Self-Driving Networks [3.710841042000923]
  本稿では,新しい鍵予測器を応用した機械学習モデルを提案する。 予測,一般化,計算性能の観点から各種MLアルゴリズムの性能を定量的に評価することにより,光グラディエントブースティングマシン(LightGBM)アルゴリズムが全体として他のアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-30T19:50:16Z)

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。