論文の概要: AI Lifecycle-Aware Feasibility Framework for Split-RIC Orchestration in NTN O-RAN

• arxiv url: http://arxiv.org/abs/2603.23252v1
• Date: Tue, 24 Mar 2026 14:18:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.529262
• Title: AI Lifecycle-Aware Feasibility Framework for Split-RIC Orchestration in NTN O-RAN
• Title（参考訳）: NTN O-RANにおける分割RICオーケストレーションのためのAIライフサイクル対応ファシビリティフレームワーク
• Authors: Daniele Tarchi,
• Abstract要約: スプリット-RICアーキテクチャを用いて,O-RAN制御階層をグラウンド,LEO,GEOセグメントに分散する可能性を検討した。 我々は、トレーニングデータ転送、モデル拡散、ほぼリアルタイム推論を考慮に入れた、ライフサイクルエネルギーとライフサイクル遅延のためのクローズドフォーム式を導出する。
• 参考スコア（独自算出の注目度）: 3.1304584228602685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Integrating Artificial Intelligence (AI) into Non-Terrestrial Networks (NTN) is constrained by the joint limits of satellite SWaP and feeder-link capacity, which directly impact O-RAN closed-loop control and model lifecycle management. This paper studies the feasibility of distributing the O-RAN control hierarchy across Ground, LEO, and GEO segments through a Split-RIC architecture. We compare three deployment scenarios: (i) ground-centric control with telemetry streaming, (ii) ground--LEO Split-RIC with on-board inference and store-and-forward learning, and (iii) GEO--LEO multi-layer control enabled by inter-satellite links. For each scenario, we derive closed-form expressions for lifecycle energy and lifecycle latency that account for training-data transfer, model dissemination, and near-real-time inference. Numerical sensitivity analysis over feeder-link conditions, model complexity, and orbital intermittency yields operator-relevant feasibility regions that delineate when on-board inference and non-terrestrial learning loops are physically preferable to terrestrial offloading.
• Abstract（参考訳）: 人工知能(AI)を非地球ネットワーク(NTN)に統合することは、衛星SWaPの接続限界と、O-RAN閉ループ制御とモデルライフサイクル管理に直接影響を与えるフィードリンク容量に制約される。 本稿では,Slit-RICアーキテクチャを用いて,O-RAN制御階層をグラウンド,LEO,GEOの各セグメントに分散する可能性について検討する。 デプロイシナリオを3つ比較します。 (i)テレメトリストリーミングによる地上中心制御 (ii)-オンボード推論とストア・アンド・フォワード学習によるLEO Split-RIC 三 サーテライト間リンクによるGEO-LEO多層制御 それぞれのシナリオに対して、トレーニングデータ転送、モデル拡散、ほぼリアルタイム推論を考慮に入れた、ライフサイクルエネルギーとライフサイクルレイテンシのクローズドフォーム表現を導出します。 フィードラーリンク条件、モデル複雑度、軌道間欠性に関する数値感度解析は、地上での推論と非地上での学習ループが地上でのオフロードよりも物理的に好まれる演算子関連可能性領域を導出する。

関連論文リスト

• Wireless Federated Multi-Task LLM Fine-Tuning via Sparse-and-Orthogonal LoRA [61.12136997430116]
  低ランク適応(LoRA)に基づく分散連合学習(DFL)により、マルチタスクデータセットを持つモバイルデバイスは、ローカルに更新されたパラメータを、無線接続を介して近隣デバイスのサブセットと交換することで、大きな言語モデル(LLM)を協調的に微調整することができる。 不均一データセットに微調整されたパラメータを直接集約すると、DFLライフサイクルの3つの主要な問題が発生する: (i) 微調整プロセス中に忘れる破滅的な知識、(ii) データの異種性に起因する更新方向の矛盾に起因する。
  論文  参考訳（メタデータ） (2026-02-24T02:45:32Z)
• 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)
• OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers [68.73273027298625]
  メガコンステレーションは、宇宙データセンター(SDC)の長期的なビジョンを推進している AirCompはフリースペース(FSO)を学習するためのネットワーク内集約フレームワーク AirVoteは符号勾配(SGD)と多数符号変調(PPM)を統合し、各衛星はPPMタイムスロットを活性化することで局所勾配を伝達する。 OptiVoteは位相依存性電場重ね合わせを位相非依存光強度結合に緩和する。
  論文  参考訳（メタデータ） (2025-12-30T16:40:02Z)
• Explainable Neural Inverse Kinematics for Obstacle-Aware Robotic Manipulation: A Comparative Analysis of IKNet Variants [0.28544513613730205]
  ディープニューラルネットワークは、低コストのマニピュレータが複雑な軌道をリアルタイムで実行できる地点まで、逆運動学(IK)推論を加速させた。 本研究では,Shapley値属性と物理に基づく障害物回避評価を統合した説明可能性中心ワークフローを提案する。
  論文  参考訳（メタデータ） (2025-12-29T09:02:02Z)
• ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
  ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。 我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2025-09-16T08:52:13Z)
• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• From Turbulence to Tranquility: AI-Driven Low-Altitude Network [17.660082508775957]
  低高度経済(LAE)ネットワークは、都市移動、緊急対応、航空ロジスティクスにおいてトランスフォーメーションの可能性を秘めている。 これらのネットワークは、スペクトル管理、干渉緩和、動的およびリソース制約された環境におけるリアルタイム調整において重大な課題に直面している。 本研究では、機械学習に基づくスペクトルセンシングと共存、人工知能(AI)最適化資源割り当てと軌道計画、テストベッド駆動検証と標準化の3つの要素を探索する。
  論文  参考訳（メタデータ） (2025-06-02T07:12:44Z)
• Space-O-RAN: Enabling Intelligent, Open, and Interoperable Non Terrestrial Networks in 6G [16.472121677010268]
  本稿では,Open RANの原理を階層的な閉ループ制御により衛星コンステレーションに拡張する分散制御アーキテクチャであるSpace-O-RANを紹介する。 軽量のglspldappは衛星をオンボードで運用し、恒久的な地上アクセスに頼ることなく、スケジューリングやビームステアリングなどのリアルタイム機能を実現できる。 鍵となるイネーブルは、O-RANインタフェースを衛星リンクに動的にマッピングし、様々な条件下で適応的なシグナリングをサポートすることである。
  論文  参考訳（メタデータ） (2025-02-21T21:03:37Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)

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。