論文の概要: Towards Resilient and Autonomous Networks: A BlueSky Vision on AI-Native 6G

• arxiv url: http://arxiv.org/abs/2605.21395v1
• Date: Wed, 20 May 2026 16:53:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.793536
• Title: Towards Resilient and Autonomous Networks: A BlueSky Vision on AI-Native 6G
• Title（参考訳）: レジリエントで自律的なネットワークを目指す - AI-Native 6GのBlueSkyビジョン
• Authors: Liang Wu, Kelly Wan, Mayank Darbari, Liangjie Hong,
• Abstract要約: 6G時代のネイティブAIは、ファンデーションモデルによって固定され、協調的なマルチエージェントシステムを介してオーケストレーションされます。 1つ目は、6Gファウンデーションモデルを統一されたバックボーンとして開発することであり、タスク固有の知識を様々なエッジ展開に適したコンパクトなモデルに抽出する。 第2の進歩は、人間の介入を最小限に抑え、ネットワークを自律的に診断し、維持し、回復するように設計されたマルチエージェントシステムである。
• 参考スコア（独自算出の注目度）: 4.5227293682646845
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The proliferation of emerging applications, such as autonomous driving and immersive experiences, demands cellular networks that are not only faster, but fundamentally more resilient and autonomous. This paper presents a BlueSky vision on how Artificial Intelligence will be natively integrated into 6G, shifting the paradigm from \underline{Network for AI} to \underline{AI for Network}. We envision that, unlike 5G's reliance on scattered, ad-hoc models each trained for a single task, native AI in the 6G era will be anchored by a foundation model and and orchestrated via collaborative multi-agent systems, framing network management as a unified, multi-modal, multi-task optimization problem. Built on this vision, we outline two transformative directions. The first focuses on developing a 6G foundation model as a unified backbone, with task-specific knowledge distilled into compact models suited for diverse edge deployments. The second advances multi-agent systems designed to autonomously diagnose, maintain, and recover networks with minimal human intervention. These directions chart a roadmap for 6G to evolve into an intelligent, self-sustaining communication infrastructure.
• Abstract（参考訳）: 自動運転や没入型体験などの新興アプリケーションの普及は、高速であるだけでなく、より回復力があり自律的なセルネットワークを必要としている。 本稿では,人工知能を6Gにネイティブに統合する,というBlueSkyのビジョンを紹介し,そのパラダイムを‘underline{Network for AI}’から‘underline{AI for Network}’にシフトさせる。 単一のタスクのためにトレーニングされた5Gの分散アドホックモデルへの依存とは異なり、6G時代のネイティブAIはファンデーションモデルによって固定され、協調的なマルチエージェントシステムを介してオーケストレーションされ、統一されたマルチモーダルなマルチタスク最適化問題としてネットワーク管理をフレーミングする。 このビジョンに基づいて構築された2つの変換方向を概説する。 1つ目は、6Gファンデーションモデルを統一されたバックボーンとして開発することであり、タスク固有の知識を様々なエッジ展開に適したコンパクトなモデルに抽出する。 第2の進歩は、人間の介入を最小限に抑え、ネットワークを自律的に診断し、維持し、回復するように設計されたマルチエージェントシステムである。 これらの方向は、6Gがインテリジェントで自己維持的な通信インフラに進化するためのロードマップを示す。

関連論文リスト

• Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities [148.601430677814]
  本稿では,6GネットワークにおけるAIと通信の概要を概観する。 我々はまず、AIを無線通信に組み込むことの背景にある要因と、AIと6Gの収束のビジョンを概観する。 講演はその後、6Gネットワーク内でAIの統合を想定する詳細な説明へと移行する。
  論文  参考訳（メタデータ） (2024-12-19T05:36:34Z)
• Decentralized Multi-Party Multi-Network AI for Global Deployment of 6G Wireless Systems [31.754166695074353]
  本稿では、大規模にデプロイされた6GネットワークにAIを統合するための分散マルチパーティ・マルチネットワークAI(DMMAI)フレームワークを紹介する。 DMMAIは、さまざまなネットワークプラットフォームにわたるAI駆動コントロールを調和させ、自らを自律的に構成、監視、修復するネットワークを促進する。 弊社のアプローチでは、マルチネットワークオーケストレーションとAIコントロールの統合について検討し、6GネットワークにおけるAI駆動のコーディネーションのための標準フレームワークにおける重要なギャップを埋める。
  論文  参考訳（メタデータ） (2024-04-15T15:21:25Z)
• AI-native Interconnect Framework for Integration of Large Language Model Technologies in 6G Systems [3.5370806221677245]
  本稿では,Large Language Models (LLM) とGeneralized Pretrained Transformer (GPT) のシームレスな統合を6Gシステムで検討する。 LLMとGPTは、従来の前世代のAIと機械学習(ML)アルゴリズムとともに、共同で中心的なステージに立つ。
  論文  参考訳（メタデータ） (2023-11-10T02:59:16Z)
• 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)
• Toward a 6G AI-Native Air Interface [18.29093977252384]
  6Gは大規模分散学習システムのニーズに応える必要がある。 AIが6G自体の設計において決定的な役割を果たすかどうかは定かではない。 この記事の目的は、部分的にAIによって設計された新しいエアインターフェースのビジョンを描くことです。
  論文  参考訳（メタデータ） (2020-12-15T13:46:04Z)

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。