論文の概要: Toward Experimentation-as-a-Service in 5G/6G: The Plaza6G Prototype for AI-Assisted Trials

• arxiv url: http://arxiv.org/abs/2603.16356v1
• Date: Tue, 17 Mar 2026 10:37:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.224604
• Title: Toward Experimentation-as-a-Service in 5G/6G: The Plaza6G Prototype for AI-Assisted Trials
• Title（参考訳）: 5G/6Gの実験・アズ・ア・サービスに向けて:AI支援試験のためのPlaza6Gプロトタイプ
• Authors: Sergio Barrachina-Muñoz, Marc Carrascosa-Zamacois, Horacio Bleda, Umair Riaz, Yasir Maqsood, Xavier Calle, Selva Vía, Miquel Payaró, Josep Mangues-Bafalluy,
• Abstract要約: Plaza6Gは、クラウドリソースを次世代の無線インフラと統合する最初の運用用アズ・ア・サービスプラットフォームである。 GPUアクセラレーションされた計算クラスタ、複数の5Gコア、オープンソース(Free5GCなど)と商用(Cumucoreなど)を統合している。 トライアルでは、4チャンネルのアネコニック設備と、サブ-6GHz帯とmmWave帯で動作する2つの屋外5Gネットワークを利用する。
• 参考スコア（独自算出の注目度）: 1.9450695520682464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents Plaza6G, the first operational Experiment-as-a-Service (ExaS) platform unifying cloud resources with next-generation wireless infrastructure. Developed at CTTC in Barcelona, Plaza6G integrates GPU-accelerated compute clusters, multiple 5G cores, both open-source (e.g., Free5GC) and commercial (e.g., Cumucore), programmable RANs, and physical or emulated user equipment under unified orchestration. In Plaza6G, the experiment design requires minimal expertise as it is expressed in natural language via a web portal or a REST API. The web portal and REST API are enhanced with a Large Language Model (LLM)-based assistant, which employs retrieval-augmented generation (RAG) for up-to-date experiment knowledge and Low-Rank Adaptation (LoRA) for continuous domain fine-tuning. Over-the-air (OTA) trials leverage a four-chamber anechoic facility and a dual-site outdoor 5G network operating in sub-6~GHz and mmWave bands. Demonstrations include automated CI/CD integration with sub-ten-minute setup and interactive OTA testing under programmable propagation conditions. Machine-readable experiment descriptors ensure reproducibility, while future work targets policy-aware orchestration, safety validation, and federated testbed integration toward open, reproducible wireless experimentation.
• Abstract（参考訳）: 本稿では,クラウドリソースを次世代無線インフラと統合する最初の運用型Experiment-as-a-Service(ExaS)プラットフォームであるPlaza6Gを提案する。 バルセロナのCTTCで開発されたPlaza6Gは、GPUアクセラレーションされた計算クラスタ、複数の5Gコア、オープンソース(例:Free5GC)と商用(例:Cumucore)、プログラマブルRAN、統合オーケストレーションの下で物理またはエミュレートされたユーザ機器を統合している。 Plaza6Gでは、WebポータルやREST APIを通じて自然言語で表現されるため、実験設計は最小限の専門知識を必要とします。 WebポータルとREST APIはLarge Language Model(LLM)ベースのアシスタントで拡張されており、最新の実験知識に検索拡張世代(RAG)、継続的ドメインの微調整にLoRA(low-Rank Adaptation)を採用している。 オーバー・ザ・エア(OTA)の試験では、サブ-6〜GHz帯とmmWave帯で稼働する4室のアネコニック設備と2箇所の屋外5Gネットワークを利用する。 デモには、プログラム可能な伝搬条件下での10分以下のセットアップとインタラクティブなOTAテストによるCI/CD自動統合が含まれている。 マシン可読な実験記述子は再現性を保証し、将来の作業はポリシー対応のオーケストレーション、安全性検証、オープンで再現可能なワイヤレス実験へのフェデレーション付きテストベッド統合を目標としている。

関連論文リスト

• AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
  人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
  論文  参考訳（メタデータ） (2025-07-24T16:04:59Z)
• LLM-Based Emulation of the Radio Resource Control Layer: Towards AI-Native RAN Protocols [28.04609776570199]
  大型AIモデル(LAM)はAI-Native Air Interface(AI-AI)の重要な実現要因である 本稿では,デコーダのみのLAMを用いた無線リソース制御層の最初の標準準拠エミュレーションを提案する。 その結果,LSMをプロトコル対応推論で拡張すると,制御プレーンの手順を直接オーケストレーションできることがわかった。
  論文  参考訳（メタデータ） (2025-05-22T15:55:56Z)
• The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
  BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。 本稿では,Webエージェント研究のためのBrowserGymベースの拡張エコシステムを提案する。 大規模なマルチベンチマークWebエージェント実験を初めて実施し、6つのWebエージェントベンチマークで6つの最先端LCMの性能を比較した。
  論文  参考訳（メタデータ） (2024-12-06T23:43:59Z)
• Peer-to-Peer Deep Learning for Beyond-5G IoT [10.425510512462628]
  P2PLは、エッジサーバやクラウドからの調整を必要としないマルチデバイスピアツーピアディープラーニングアルゴリズムである。 これにより、P2PLはスマートシティのような5G以上のコンピューティング環境に適している。
  論文  参考訳（メタデータ） (2023-10-29T01:18:45Z)
• Toward 6G Native-AI Network: Foundation Model based Cloud-Edge-End Collaboration Framework [55.73948386625618]
  データ、AIモデル、運用パラダイムの観点から、6GネイティブAIを達成する上での課題を分析します。 基礎モデルに基づく6GネイティブAIフレームワークを提案し、専門家の知識の統合方法を提供し、2種類のPFMのカスタマイズを提示し、ネイティブAIフレームワークの新たな運用パラダイムを概説する。
  論文  参考訳（メタデータ） (2023-10-26T15:19:40Z)
• In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile Networks [61.416494781759326]
  In-situモデルダウンロードは、ネットワーク内のAIライブラリからダウンロードすることで、デバイス上のAIモデルを透過的でリアルタイムに置き換えることを目的としている。 提示されたフレームワークの重要なコンポーネントは、ダウンロードされたモデルを深さレベル、パラメータレベル、ビットレベルで動的に圧縮する一連のテクニックである。 我々は,3層(エッジ,ローカル,中央)AIライブラリのキー機能を備えた,インサイトモデルダウンロードのデプロイ用にカスタマイズされた6Gネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-07T13:41:15Z)

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。