論文の概要: ML-Enabled Open RAN: A Comprehensive Survey of Architectures, Challenges, and Opportunities

• arxiv url: http://arxiv.org/abs/2604.01239v1
• Date: Fri, 27 Mar 2026 23:30:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.568921
• Title: ML-Enabled Open RAN: A Comprehensive Survey of Architectures, Challenges, and Opportunities
• Title（参考訳）: ML-Enabled Open RAN: アーキテクチャ、課題、機会に関する総合的な調査
• Authors: Mira Chandra Kirana, Patatchona Keyela, Fatemeh Rostamian, Deemah H. Tashman, Soumaya Cherkaoui,
• Abstract要約: Open Radio Access Networks (O-RAN) は相互運用性と費用対効果を促進する重要なフレームワークである。 RANアーキテクチャの進歩とO-RANの基本原則の検証は、さまざまな課題に対処する上での機械学習(ML)の重要性を明らかにしている。 本調査は,O-RANにおけるMLアプリケーションの現状について述べるとともに,今後の研究の方向性を示すことを目的とする。
• 参考スコア（独自算出の注目度）: 5.407061742549338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As wireless communication systems become more advanced, Open Radio Access Networks (O-RAN) stand out as a notable framework that promotes interoperability and cost-effectiveness. An examination of the progression of RAN architectures, as well as O-RAN's underlying principles, reveals the importance of machine learning (ML) in addressing various challenges, including spectrum management, resource allocation, and security. Hence, this survey provides a comprehensive overview of the integration of ML within O-RAN, highlighting its transformative potential in enhancing network performance and efficiency. This survey aims to describe the current status of ML applications in O-RAN while indicating possible directions for future research by analyzing existing literature. The findings aim to assist researchers and stakeholders in formulating optimal service strategies and advancing the understanding of intelligent wireless networks.
• Abstract（参考訳）: 無線通信の高度化に伴い、Open Radio Access Networks (O-RAN) は相互運用性と費用対効果を促進する重要なフレームワークとして注目されている。 RANアーキテクチャの進歩とO-RANの基本原則の検証は、スペクトル管理、リソース割り当て、セキュリティなど、さまざまな課題に対処する上で、マシンラーニング(ML)の重要性を明らかにしている。 したがって、この調査はO-RAN内でのMLの統合に関する総合的な概要を提供し、ネットワーク性能と効率を向上させるための変革的な可能性を強調している。 本調査は,O-RANにおけるMLアプリケーションの現状について述べるとともに,既存の文献を解析して今後の研究の方向性を示すことを目的とする。 本研究の目的は、研究者やステークホルダーが最適なサービス戦略を策定し、インテリジェント無線ネットワークの理解を深めることである。

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)
• Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
  6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。 エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
  論文  参考訳（メタデータ） (2025-12-04T03:09:33Z)
• The LLM as a Network Operator: A Vision for Generative AI in the 6G Radio Access Network [0.0]
  本稿では,Large Language Model (LLM)-RAN Operatorの概念を提案する。 LLMはRAN制御ループに埋め込まれ、高レベルの人間の意図を最適なネットワークアクションに変換する。 本稿では,NextG時代のAI理論と無線システム工学のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2025-08-27T20:47:45Z)
• LLM-hRIC: LLM-empowered Hierarchical RAN Intelligent Control for O-RAN [56.94324843095396]
  本稿では、無線アクセスネットワーク(O-RAN)におけるRCC間の協調性を改善するため、LLM-hRIC(LLM-hRIC)フレームワークを紹介する。 このフレームワークは,グローバルネットワーク情報を用いたリアルタイムRIC(non-RT RIC)の戦略的ガイダンスを提供する。 RL搭載の近RT RICは実装者として機能し、このガイダンスとローカルリアルタイムデータを組み合わせて近RT決定を行う。
  論文  参考訳（メタデータ） (2025-04-25T04:18:23Z)
• DeepSeek-Inspired Exploration of RL-based LLMs and Synergy with Wireless Networks: A Survey [68.74626395093496]
  強化学習(RL)に基づく大規模言語モデル(LLM)は,マルチモーダルデータ理解においてその能力に注目が集まっている。 オープンソースのDeepSeekモデルは、大規模な純粋なRLやコスト効率のトレーニングといった革新的な設計で有名である。 本調査では,無線ネットワークの文脈において,RLをベースとしたLLMを包括的に探索する。
  論文  参考訳（メタデータ） (2025-03-13T01:59:11Z)
• Leveraging Large Language Models for Integrated Satellite-Aerial-Terrestrial Networks: Recent Advances and Future Directions [47.791246017237]
  統合衛星、航空、地上ネットワーク(ISATN)は多様な通信技術の洗練された収束を表現している。 本稿では,Large Language Models (LLM) を ISATN に統合するトランスフォーメーションの可能性について検討する。
  論文  参考訳（メタデータ） (2024-07-05T15:23:43Z)
• Intelligent Control in 6G Open RAN: Security Risk or Opportunity? [16.153508949084614]
  Open Radio Access Network (Open RAN)フレームワークは、人工知能(AI)対応の6Gモバイルネットワークの基盤として登場し、無線アクセスネットワークアーキテクチャの変革的なシフトを告げている。 RAN Intelligent Controller(RIC)は、ネットワーク効率と柔軟性を向上させることで、Open RANにおいて中心的な役割を果たす。 この調査は、RANセキュリティの包括的な分析と、2Gから5Gへの進化の追跡と、RICセキュリティの詳細な調査を組み合わせたものだ。
  論文  参考訳（メタデータ） (2024-05-14T13:18:28Z)
• A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
  大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。 Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。 RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
  論文  参考訳（メタデータ） (2024-05-10T02:48:45Z)
• Towards Intelligent RAN Slicing for B5G: Opportunities and Challenges [30.145634771445735]
  5Gネットワークおよびそれ以上(B5G)は、物理インフラの仮想インスタンス(スライス)を鍛造することでネットワークスライシングの概念を取り入れている。 本稿ではRANスライシング(RAN-S)設計を強調する。 スライスアイソレーションを確保しながらフレキシブルに(re)構成できるオンデマンドRAN-Sの形成は難しい。
  論文  参考訳（メタデータ） (2021-02-27T14:24:09Z)

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。