論文の概要: AgentxGCore: Agentic AI for Next-Generation Mobile Core Network
- arxiv url: http://arxiv.org/abs/2606.00417v1
- Date: Fri, 29 May 2026 23:13:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.393084
- Title: AgentxGCore: Agentic AI for Next-Generation Mobile Core Network
- Title（参考訳）: AgentxGCore: 次世代モバイルコアネットワークのためのエージェントAI
- Abstract要約: 次世代モバイルネットワーク(NextG)は、Core Network(CN)上にAIネイティブアーキテクチャを採用する。
ネットワークオーケストレーションと管理の新しい時代が始まり、Intent-based Networking(IBN)パラダイムを活用、強化する。
提案では、リアルタイム情報に基づく継続的最適化のためのAI駆動クローズドループを確立する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To meet the stringent requirements of emerging applications and the increasingly complex network management and operation, the Next Generation Mobile Networks (NextG), or 6G, will adopt an AI-native architecture on the Core Network (CN). In this movement, the Third Generation Partnership Project (3GPP) has extended the cellular CN with new function as a first step toward integrating analytics, Artificial Intelligence (AI), and machine learning. However, those new functionalities are constrained by a centralized approach and managerial complexity. Furthermore, with the rise of Large Language Models (LLMs), a new era in network orchestration and management begins, leveraging and empowering the Intent-based Networking (IBN) paradigm. In addition, AI agents and Agentic AI integrate Reasoning and Acting (ReAct), enabling the usage of such intents to continuously interact with the network. Unlike state-of-the-art approaches that primarily employ Agentic AI to mitigate deployment and configuration complexity in the CN, this paper introduces AgentxGCore, which leverages an Agentic AI-Native layer to extend the 3GPP architecture and enable a system based on the existing APIs across the Beyond Next Generation Core (xGC) domain. This proposal establishes an AI-driven closed-loop for continuous optimization based on real-time information, enabling self-organization and self-adaptation. Our approach involves a multi-agent specialized system, divided into a network planner agent, capable of visualizing the network state and developing a plan to meet the intents, and a network executor, responsible for criticizing and executing the plan. To validate the proposed solution, an environment was built using an open-source CN, heterogeneous datasets, and different LLMs were employed to demonstrate its effectiveness.
- Abstract（参考訳）: 新興アプリケーションとますます複雑なネットワーク管理と運用の厳しい要件を満たすため、次世代モバイルネットワーク(NextG)または6Gは、コアネットワーク(CN)上にAIネイティブアーキテクチャを採用する。
この動きの中で、第3世代パートナーシッププロジェクト(3GPP)は、分析、人工知能(AI)、機械学習を統合するための第一歩として、新たな機能を備えたセルCNを拡張した。
しかし、これらの新機能は中央集権的なアプローチと管理上の複雑さによって制約される。
さらに、LLM(Large Language Models)の台頭により、ネットワークオーケストレーションと管理の新しい時代が始まり、Intent-based Networking(IBN)パラダイムを活用および強化する。
さらに、AIエージェントとエージェントAIは、Reasoning and Acting(ReAct)を統合し、そのようなインテントの使用によって、ネットワークとの継続的なインタラクションを可能にする。
本稿では、エージェントAI-Nativeレイヤを活用して3GPPアーキテクチャを拡張し、Beyond Next Generation Core(xGC)ドメインにまたがる既存のAPIに基づいたシステムを実現する。
この提案は、リアルタイム情報に基づく継続的最適化のためのAI駆動クローズドループを確立し、自己組織化と自己適応を可能にする。
提案手法は,ネットワークの状態を可視化し,目的を満たす計画を作成するネットワークプランナーエージェントと,その計画を批判し実行するネットワークエグゼクタとに分割したマルチエージェント専門システムである。
提案手法を検証するために,オープンソースのCN,異種データセット,異なるLLMを用いて環境を構築し,その有効性を実証した。
関連論文リスト
- Networking-Aware Energy Efficiency in Agentic AI Inference: A Survey [64.20429885919701]
本稿では,知覚・推論・行動サイクル全体にわたる計算・通信コストを同定するエネルギー会計フレームワークを提案する。
我々は、単純化、計算制御、インプット・アンド・アテンション最適化、ハードウェア・アウェア・推論にまたがる統一的な分類法を確立する。
我々は,第6世代移動通信(6G)ネイティブエージェントAI,自己維持システムといったグリーンラーニングのオープンな課題を特定した。
論文 参考訳（メタデータ） (2026-04-09T06:13:59Z) - Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning [12.904732640630014]
本稿では,AIネイティブなxGネットワークのための統合エージェントNetGPTフレームワークを提案する。
NetGPTコアは、自律的な推論を行うか、エージェント通信を介してドメイン特化エージェントにサブタスクを委譲することができる。
このフレームワークは、ネットワーク全体でスケーラブルで分散インテリジェンスを可能にする、明確な責任と相互運用性を確立する。
論文 参考訳（メタデータ） (2026-01-31T15:07:11Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - Agentic AI Empowered Intent-Based Networking for 6G [16.51908698615755]
本稿では,Large Language Model (LLM) をベースとしたエージェントが自然言語の意図を自律的に分解する階層型マルチエージェントフレームワークを提案する。
提案アーキテクチャでは、Radio Access Network(RAN)とCore Networkエージェントという2つの専門エージェントをReActスタイルの推論によって調整するオーケストレータエージェントを採用している。
論文 参考訳（メタデータ） (2026-01-10T17:49:40Z) - 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) - AgentRAN: An Agentic AI Architecture for Autonomous Control of Open 6G Networks [14.358601770321235]
我々は、自然言語(NL)の意図に基づいて分散AIエージェントのファブリックを生成し、オーケストレーションする、AIネイティブなオープンRAN対応フレームワークであるAgenRANを紹介する。
明示的なプログラミングを必要とする従来のアプローチとは異なり、AgentRANのLLMエージェントは自然言語の意図を解釈し、構造化された会話を通じて戦略を交渉し、ネットワーク全体の制御ループを編成する。
AI-RAN Factoryは、エージェントのインタラクションを観察し、改善された制御アルゴリズムを埋め込んだ新しいエージェントを継続的に生成する自動パイプラインである。
論文 参考訳（メタデータ） (2025-08-25T08:18:10Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - 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) - Towards Agentic AI Networking in 6G: A Generative Foundation Model-as-Agent Approach [35.05793485239977]
本稿では,AIエージェント間のインタラクション,協調学習,知識伝達を支援する新しいフレームワークであるAgentNetを提案する。
本稿では,デジタルツイン方式の産業自動化とメタバース方式のインフォテインメントシステムという,2つの応用シナリオについて考察する。
論文 参考訳（メタデータ） (2025-03-20T00:48:44Z) - Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳（メタデータ） (2025-02-17T03:05:20Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z)
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。