論文の概要: Advanced AI Service Provisioning in O-RAN through LLM Engine Integration

• arxiv url: http://arxiv.org/abs/2605.23809v1
• Date: Fri, 22 May 2026 16:12:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.425574
• Title: Advanced AI Service Provisioning in O-RAN through LLM Engine Integration
• Title（参考訳）: LLMエンジンの統合によるO-RANの高度なAIサービスプロビジョニング
• Authors: Seyed Bagher Hashemi Natanzi, Pranshav Gajja, Bo Tang, Vijay K. Shah,
• Abstract要約: Open Radio Access Network (O-RAN)は、モジュール型のxAppsとrAppsを通じて、AIを直接RANに組み込むことを可能にする。 LLMベースのオーケストレータ演算子をデータ収集ポリシやデプロイメントコードに意図した,概念実証のDual-Brainアーキテクチャを提案する。 アーキテクチャとプロビジョニングのワークフローを説明し、コンテナ化されたO-RAN 5GSAテストベッドから実践的な洞察を共有し、オープンな研究の方向性について議論する。
• 参考スコア（独自算出の注目度）: 7.186017194297505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Open Radio Access Network (O-RAN) architecture allows AI to be embedded directly into the RAN through modular xApps and rApps, yet creating these applications collecting data, training models, writing code, and deploying them safely remains slow and largely manual. Large Language Models (LLMs) offer strong reasoning and code-generation capabilities but are unsuited for the fast, deterministic inference required in real-time RAN control. We present a proof-of-concept Dual-Brain architecture that combines both strengths: an LLM-based orchestrator translates operator intents into data-collection policies and deployment code, while an automated ML engine, NeuralSmith, trains lightweight classifiers on demand via an API. We describe the architecture and provisioning workflow, share practical insights from a containerized O-RAN 5G~SA testbed, and discuss open research directions.
• Abstract（参考訳）: Open Radio Access Network(O-RAN)アーキテクチャにより、モジュール型のxAppsとrAppsを通じてAIを直接RANに組み込むことができる。 大規模言語モデル(LLM)は強力な推論とコード生成機能を提供するが、リアルタイムRAN制御に必要な高速で決定論的推論には適していない。 LLMベースのオーケストレータは,演算子の意図をデータ収集ポリシやデプロイメントコードに変換すると同時に,自動MLエンジンであるNeuralSmithは,API経由でオンデマンドで軽量な分類器をトレーニングする。 アーキテクチャとプロビジョニングのワークフローを説明し、コンテナ化されたO-RAN 5G~SAテストベッドから実践的な洞察を共有し、オープンな研究の方向性について議論する。

関連論文リスト

• Toward Autonomous O-RAN: A Multi-Scale Agentic AI Framework for Real-Time Network Control and Management [39.17062930275755]
  本稿では,オープン無線アクセスネットワーク(O-RAN)のためのマルチスケールエージェントAIフレームワークを提案する。 RANインテリジェンスは、Non-Real-Time (Non-RT), Near-Real-Time (Near-RT), Real-Time (RT)コントロールループにまたがるコーディネート階層として編成される。 これらのエージェントは,標準化されたO-RANインタフェースとテレメトリによってどのように協調するかを示す。
  論文  参考訳（メタデータ） (2026-02-15T12:34:01Z)
• On AI Verification in Open RAN [22.005711879375173]
  我々は,Open RANにおける深層強化学習(DRL)エージェントの動作を検証するために,解釈可能なモデルに基づく軽量な検証手法を提案する。 具体的には、Decision Tree(DT)ベースの検証器を使用して、実行時にほぼリアルタイムの一貫性チェックを実行します。 また、Open RANにおける信頼できるAIの採用を保証するための今後の課題についても概説する。
  論文  参考訳（メタデータ） (2025-10-21T08:48:26Z)
• Beyond Connectivity: An Open Architecture for AI-RAN Convergence in 6G [20.07205081315289]
  本稿では、共有インフラストラクチャ上での通信およびAIワークロードのオーケストレーションと管理を統一する、新しい収束型O-RANおよびAI-RANアーキテクチャを提案する。 i) O-RAN Service Management and Orchestration(SMO)を拡張してRANおよびAIワークロード間の統合リソースとアロケーションを可能にするAI-RAN Orchestrator、(ii)分散エッジAIプラットフォームにリアルタイム処理機能を提供するAI-RANサイト。
  論文  参考訳（メタデータ） (2025-07-09T14:49:11Z)
• ORAN-GUIDE: RAG-Driven Prompt Learning for LLM-Augmented Reinforcement Learning in O-RAN Network Slicing [5.62872273155603]
  マルチエージェント(MARL)をタスク関連で意味的にリッチな状態表現で拡張するデュアルLLMフレームワークである textitORAN-GUIDE を提案する。 その結果、ORAN-GUIDEは標準MARLおよび単一LLMベースライン上でのサンプル効率、ポリシー収束、性能一般化を改善することが示された。
  論文  参考訳（メタデータ） (2025-05-31T14:21:19Z)
• Large Action Models: From Inception to Implementation [51.81485642442344]
  大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。 LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。 創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-13T11:19:56Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
  我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。 我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
  論文  参考訳（メタデータ） (2023-05-31T05:24:48Z)
• Actor-Critic Network for O-RAN Resource Allocation: xApp Design, Deployment, and Analysis [3.8073142980733]
  Open Radio Access Network (O-RAN)は、オープンネス、インテリジェンス、自動制御を可能にする新しいRANアーキテクチャを導入した。 RAN Intelligent Controller (RIC)は、RANコントローラの設計とデプロイのためのプラットフォームを提供する。 xAppsは、機械学習(ML)アルゴリズムを活用してほぼリアルタイムで動作することで、この責任を負うアプリケーションである。
  論文  参考訳（メタデータ） (2022-09-26T19:12:18Z)

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。