論文の概要: A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks

• arxiv url: http://arxiv.org/abs/2606.01312v1
• Date: Sun, 31 May 2026 16:00:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.573847
• Title: A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks
• Title（参考訳）: スケーラブルな戦術自律車両ネットワークのための通信中心型6G-LLMアーキテクチャ
• Authors: Kiran Khurshid, Shumaila Javaid, Nasir Saeed,
• Abstract要約: 本稿では,TADVN(Tactical Self Defense Vehicle Networks)のための通信中心型階層アーキテクチャを提案する。 このフレームワークは、調整効率の向上、通信オーバヘッドの低減、およびフリートスケールの運用の増加によるレイテンシの回復性の向上を目的としている。 競合するネットワーク条件下での5～30台の車両におけるモンテカルロシミュレーションによる通信・協調性能の評価を行った。
• 参考スコア（独自算出の注目度）: 5.425161484130288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of Artificial Intelligence (AI) and emerging 6G networks introduces new opportunities for scalable coordination in tactical autonomous vehicle systems. This paper proposes a communication-centric hierarchical architecture for Tactical Autonomous Defense Vehicle Networks (TADVNs) that models the integration of edge-assisted Large Language Model (LLM) reasoning with 6G-enabled connectivity and semantic communication. The framework is designed to improve coordination efficiency, reduce communication overhead, and enhance latency resilience under increasing fleet-scale operation. Unlike conventional task-specific AI pipelines that rely on structured feature processing and rule-based coordination, the proposed approach incorporates semantic abstraction and context-aware decision support within a layered edge-cloud communication architecture. We evaluate communication and coordination performance via Monte Carlo simulations across fleet sizes of 5-30 vehicles under contested network conditions. Results indicate that at a 30-vehicle scale, the 6G-LLM configuration achieves 75.2% latency reduction (29.1 ms vs. 117.5 ms), a 68.7 percentage point increase in mission success rate (82.9% vs. 14.2%), and an 88.6% reduction in communication overhead compared to a 5G-based conventional AI baseline. These findings demonstrate measurable benefits in coordination and communication when semantic reasoning is combined with low-latency 6G connectivity.
• Abstract（参考訳）: 人工知能(AI)と新興6Gネットワークの統合は、戦術的な自動運転車システムにおけるスケーラブルな調整の新たな機会をもたらす。 本稿では、6G接続とセマンティック通信を併用したエッジ支援大規模言語モデル(LLM)の統合をモデル化した,戦術自律防衛車両ネットワーク(TADVN)のための通信中心階層アーキテクチャを提案する。 このフレームワークは、調整効率の向上、通信オーバヘッドの低減、およびフリートスケールの運用の増加によるレイテンシの回復性の向上を目的としている。 構造化された特徴処理とルールベースのコーディネートに依存する従来のタスク固有のAIパイプラインとは異なり、提案手法では、階層化されたエッジクラウド通信アーキテクチャ内にセマンティック抽象化とコンテキスト認識による意思決定サポートが組み込まれている。 競合するネットワーク条件下での5～30台の車両におけるモンテカルロシミュレーションによる通信・協調性能の評価を行った。 その結果、6G-LLM構成は30サイクルスケールで75.2%のレイテンシ削減(29.1ms対117.5ms)、68.7%のミッション成功率(82.9%対14.2%)、従来の5GベースのAIベースラインと比較して88.6%の通信オーバーヘッド削減を実現している。 これらの結果から,セマンティック推論と低遅延6G接続を併用した場合の協調とコミュニケーションの利点が示唆された。

関連論文リスト

• Hierarchical GNN-Based Multi-Agent Learning for Dynamic Queue-Jump Lane and Emergency Vehicle Corridor Formation [0.685316573653194]
  緊急回廊形成のための連結車両の協調のための,新しい階層型グラフニューラルネットワーク(GNN)に基づくマルチエージェント強化学習フレームワークを提案する。 このシステムは、ベースラインと比較して緊急車両の走行時間を28.3%削減し、シミュレーションでは非コーディネートトラフィックと比較して44.6%削減する。
  論文  参考訳（メタデータ） (2026-01-07T18:43:18Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Agentic AI-Empowered Conversational Embodied Intelligence Networks in 6G [3.4165481435667266]
  6G時代に入ると、複雑なタスク実行には、複数の組込みインテリジェントデバイス(MEID)間のセマンティックコラボレーションが不可欠である。 本稿では,マルチモーダルな特徴融合,適応型セマンティックコミュニケーション,タスクコーディネート,解釈可能性を統合した協調型会話型身体情報ネットワーク(CC-EIN)を提案する。
  論文  参考訳（メタデータ） (2025-11-25T03:16:30Z)
• Leveraging AI Agents for Autonomous Networks: A Reference Architecture and Empirical Studies [18.534083337294188]
  この研究は、ジョゼフ・シファキス(Joseph Sifakis)のAN Agent参照アーキテクチャを機能認知システムに実装することで、アーキテクチャ理論と運用現実のギャップを埋める。 5G NR sub-6 GHz において,サブ10ms のリアルタイム制御を実演し,外ループリンク適応 (OLLA) アルゴリズムよりも6% 高いダウンリンクスループットを実現した。 これらの改善により、従来の自律的障壁を克服し、次世代の目標に向けて重要なL4エナリング能力を推し進めるアーキテクチャの生存性が確認される。
  論文  参考訳（メタデータ） (2025-09-10T06:24:57Z)
• Distributionally Robust Wireless Semantic Communication with Large AI Models [111.47794569742206]
  現在のSemComシステムは、様々なノイズ条件、敵攻撃、アウト・オブ・ディストリビューション・データにまたがる一般化に失敗している。 Wassersteinは、意味的誤解釈やチャネル摂動に対するレジリエンスを提供するために、分布的に堅牢な最適化を採用している。 画像とテキストの伝送実験の結果、WaSeComは雑音や逆方向の摂動下で頑健性の向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-05-28T04:03:57Z)
• Understanding 6G through Language Models: A Case Study on LLM-aided Structured Entity Extraction in Telecom Domain [55.627646392044824]
  本研究では,テレコムの文脈から構造化されたエンティティを抽出することを目的とした,新しい言語モデルに基づく情報抽出手法を提案する。 提案するテレコム構造化エンティティ抽出(TeleSEE)技術は,エンティティタイプと属性キーの予測にトークン効率のよい表現手法を適用し,出力トークンの数を削減し,予測精度を向上させることを目的とする。
  論文  参考訳（メタデータ） (2025-05-20T21:00:08Z)
• Aligning Task- and Reconstruction-Oriented Communications for Edge Intelligence [13.863202685618058]
  本稿では,エッジインテリジェンスのための再構築指向とタスク指向のコミュニケーションを連携させる新しいコミュニケーションフレームワークを提案する。 提案フレームワークはエッジベースの自動運転シナリオにおいて特に有効である。
  論文  参考訳（メタデータ） (2025-02-21T13:55:41Z)
• AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence [65.29835430845893]
  本稿では,AI-in-the-loopジョイントセンシングと通信によるエッジインテリジェンス向上のためのフレームワークを提案する。 私たちの研究の重要な貢献は、バリデーション損失とシステムのチューニング可能なパラメータとの間に明確な関係を確立することです。 提案手法は, 通信エネルギー消費を最大77%削減し, 試料数で測定した検知コストを最大52%削減する。
  論文  参考訳（メタデータ） (2025-02-14T14:56:58Z)
• 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)
• Deep Learning Based Intelligent Inter-Vehicle Distance Control for 6G Enabled Cooperative Autonomous Driving [7.599093591763697]
  コネクテッド・自律運転(CAV)は、6Gにとって重要な垂直方向であり、道路の安全性、道路、エネルギー効率を改善する大きな可能性を秘めている。 6g対応cavには,新たなチャネルアクセスアルゴリズムとコネクテッドカーのインテリジェント制御スキームが必要である。 リアルタイム操作における遅延境界の高速計算のために,ディープラーニングニューラルネットワークを開発し,学習する。
  論文  参考訳（メタデータ） (2020-12-26T21:38:16Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)

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。