論文の概要: Toward Proactive RF Charging Scheduling: Generative AI for Decision Support

• arxiv url: http://arxiv.org/abs/2606.10600v1
• Date: Tue, 09 Jun 2026 09:04:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.407168
• Title: Toward Proactive RF Charging Scheduling: Generative AI for Decision Support
• Title（参考訳）: プロアクティブRF充電スケジューリングに向けて - 意思決定支援のための生成AI
• Authors: Amirhossein Azarbahram, Osmel M. Rosabal, David Ernesto Ruiz-Guirola, Melike Erol-Kantarci, Kaibin Huang, Onel L. A. López,
• Abstract要約: RF-WPT(Radio frequency Wireless Power Transfer)は、モノのインターネットを実現する技術である。 主な課題の1つは、スケジューラレベルのリソース割り当てである。 本稿では、この設定のための有望なツールとして、生成人工知能(GenAI)を位置づける。
• 参考スコア（独自算出の注目度）: 26.52060526387912
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio frequency wireless power transfer (RF-WPT) is an enabling technology for supporting uninterrupted communications in future Internet of Things systems by reducing the need for battery replacement and mitigating battery-waste-related issues. For large-scale RF-WPT deployment, one of the main challenges is the scheduler-level resource allocation. Specifically, the transmitter must decide how much energy to deliver, when, and to whom, under limited charging resources, incomplete receiver-side information, and uncertain near-future charging conditions. This article positions generative artificial intelligence (GenAI) as a promising tool for this setting because it can foresee multiple plausible charging scenarios conditioned on coarse operational context and receiver-side information. We propose GenAI to act as an uncertainty-aware support layer for the RF-WPT scheduler rather than as a standalone forecasting or decision-making tool. To this end, we first revisit the main challenges of RF-WPT scheduling, and discuss how major GenAI families can support uncertainty-aware charging decisions by generating scenario-based inputs for downstream tasks. We then present a warehouse-style case study showing that preserving uncertainty through the sampling capability of generative models can improve robust charging decisions compared with deterministic prediction and simple non-learning baselines, especially under risk-sensitive objectives. Finally, we identify key open challenges and present some directions for future research.
• Abstract（参考訳）: RF-WPT(Radio frequency Wireless Power Transfer)は、将来のIoTシステムにおいて、電池交換の必要性を低減し、バッテリーの無駄を軽減し、未断の通信をサポートするための技術である。 大規模RF-WPTデプロイメントでは、スケジューラレベルのリソース割り当てが主な課題である。 具体的には、送信機は、限られた充電資源、不完全な受信側情報、そしてほぼ将来の充電条件の下で、いつ、誰が、いつ、どのエネルギーを供給すべきかを決定する必要がある。 本稿では、粗い運用状況と受信側情報に基づいて複数の有望な充電シナリオを予測できるため、生成人工知能(GenAI)をこの設定のための有望なツールとして位置付ける。 我々は,独立した予測や意思決定ツールではなく,RF-WPTスケジューラのための不確実性を考慮したサポート層として機能するGenAIを提案する。 この目的のために、まずRF-WPTスケジューリングの主な課題を再考し、下流タスクのシナリオベースの入力を生成することにより、主要なGenAIファミリーが不確実性を考慮した充電決定をどのようにサポートできるかについて議論する。 次に, 生成モデルのサンプリング能力による不確実性の保存は, 決定論的予測や単純な非学習ベースラインと比較して, 堅牢な充電決定を改善することができることを示す, 倉庫型ケーススタディを提案する。 最後に、重要なオープン課題を特定し、今後の研究の方向性を示す。

関連論文リスト

• xApp Empowered Resource Management for Non-Terrestrial Users in 5G O-RAN Networks [0.0]
  本稿では,オープン無線アクセスネットワーク(O-RAN)のためのアクティブ無人航空機(UAV)モビリティ管理xAppを紹介する。 提案フレームワークはネットワーク条件を予測し、予測最適化により停止確率とハンドオーバ頻度を最小化する。
  論文  参考訳（メタデータ） (2026-05-11T15:18:23Z)
• 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)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Enhancing Disaster Resilience with UAV-Assisted Edge Computing: A Reinforcement Learning Approach to Managing Heterogeneous Edge Devices [3.858859576352153]
  無人航空機(UAV)の形でのモバイルエッジコンピューティングは、これらのデバイスからのオフロードを提供してバッテリーを節約するために提案されている。 本稿では、ネットワークの寿命を延ばすために、電力と接続性にさらなる制約を課したUAVの使用について考察する。 強化学習は、様々なレベルの電力と通信障害のシナリオを調査するために用いられる。
  論文  参考訳（メタデータ） (2025-01-25T19:03:05Z)
• ORIENT: A Priority-Aware Energy-Efficient Approach for Latency-Sensitive Applications in 6G [15.753216159980434]
  コンピューティングとネットワークにおけるエネルギー消費の増加に関する懸念が高まっている。 接続デバイスとリソース需要アプリケーションの増加は、エネルギー資源に対する前例のない課題を呈している。 PIRAと呼ばれるサービスインスタンス配置・割り当て・経路選択・要求優先順位付けの連立問題について検討する。
  論文  参考訳（メタデータ） (2024-02-10T12:05:52Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Deep Reinforcement Learning-Aided RAN Slicing Enforcement for B5G Latency Sensitive Services [10.718353079920007]
  本論文では、無線アクセスネットワークスライスと無線リソース管理に対処するために、ネットワークの端でDeep Reinforcement Learningを利用する新しいアーキテクチャを提案する。 提案手法の有効性を,自律走行型ユースケースを考慮したコンピュータシミュレーションにより検討した。
  論文  参考訳（メタデータ） (2021-03-18T14:18:34Z)

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。