論文の概要: AI-Native Network Controller: A Modular Framework for Safe Agentic Control of Multi-Domain Network Infrastructure
- arxiv url: http://arxiv.org/abs/2606.20565v1
- Date: Mon, 20 Apr 2026 21:09:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:43:13.899947
- Title: AI-Native Network Controller: A Modular Framework for Safe Agentic Control of Multi-Domain Network Infrastructure
- Title（参考訳）: AI-Native Network Controller:マルチドメインネットワークインフラストラクチャの安全なエージェント制御のためのモジュールフレームワーク
- Abstract要約: 本稿では,AI-Native Network Controller(AI-NNC)について紹介する。
このフレームワークはプロトコルに依存しないアーキテクチャに基づいて設計されており、各物理デバイスは軽量のPythonアダプタを通じて統合される。
- 参考スコア（独自算出の注目度）: 0.4061135251278187
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The convergence of multiple network domains, including radio access, optical transport, and core networks, under unified intelligent control is a fundamental requirement for future 6G systems. This is important because existing network controllers remain largely domain-specific, such as the O-RAN RIC for radio, or they lack native support for AI-driven automation across heterogeneous infrastructure. As a result, safe and coordinated agentic control of multi-domain networks is still an open challenge. In this paper, we present the AI-Native Network Controller (AI-NNC), an open-source and modular framework that enables agentic AI control across diverse network domains. The framework is designed around a protocol-agnostic architecture in which each physical device is integrated through a lightweight Python adapter, while control logic is implemented through domain-specific control applications. Beyond closed-loop control, the framework also supports dataset collection, agentic AI experimentation, and coordinated testbed operation using the same validated control and measurement interfaces. This design enables a safer paradigm for autonomous network management, where AI agents operate through validated applications rather than issuing commands directly to network equipment.
- Abstract（参考訳）: 無線アクセス、光トランスポート、コアネットワークを含む複数のネットワークドメインが統合されたインテリジェント制御の下で収束することは、将来の6Gシステムの基本要件である。
既存のネットワークコントローラは、無線用のO-RAN RICや、異種インフラストラクチャ全体にわたるAI駆動自動化のネイティブサポートが欠如しているなど、ドメイン固有の部分が多いため、これは重要だ。
結果として、マルチドメインネットワークの安全で協調的なエージェント制御は、依然としてオープンな課題である。
本稿では,AI-Native Network Controller(AI-NNC)について述べる。
このフレームワークはプロトコルに依存しないアーキテクチャに基づいて設計されており、各物理デバイスは軽量のPythonアダプタを介して統合され、制御ロジックはドメイン固有の制御アプリケーションによって実装されている。
クローズドループコントロール以外にも、データセットの収集、エージェントAIの実験、同じ検証済みのコントロールと測定インターフェースを使用した協調テストベッド操作もサポートする。
この設計は、AIエージェントがネットワーク機器に直接コマンドを発行するのではなく、検証済みのアプリケーションを介して運用する、自律的なネットワーク管理のためのより安全なパラダイムを可能にする。
関連論文リスト
- Toward a Modular Architecture for Embedded AI Agent Systems at the Edge [0.0]
本稿では,組み込みエージェントシステムのためのモジュール型参照アーキテクチャを提案する。
On-Device AgentsとCloud-Augmented Agentsを分離するタイレッドデザインを導入する。
重要な貢献は、横断的なガバナンス層の統合である。
論文 参考訳（メタデータ） (2026-06-01T20:24:18Z) - 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) - 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) - An Agentic AI Control Plane for 6G Network Slice Orchestration, Monitoring, and Trading [4.494648341572566]
6GネットワークはAIネイティブで、意図駆動で、経済的にプログラム可能であることが期待されている。
既存のスライシングフレームワークは、主に5G用に設計されており、静的ポリシーと手動コントロールに依存している。
6GネットワークスライスオーケストレーションのためのエージェントAI制御プレーンアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-01-27T09:50:57Z) - Pinching Antennas Meet AI in Next-Generation Wireless Networks [95.7524555556776]
次世代(NG)無線ネットワークは、新興アプリケーションをサポートするために、本質的にインテリジェンスを受け入れる必要がある。
本稿では,AIとピンチアンテナ(PA)の「冬」連携について考察する。
論文 参考訳（メタデータ） (2025-11-03T21:32:00Z) - AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている
これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
論文 参考訳（メタデータ） (2025-07-24T16:04:59Z) - Modular and Integrated AI Control Framework across Fiber and Wireless Networks for 6G [4.32403467508203]
本稿では,光ファイバーネットワークと無線ネットワークの両方で使用するために,高度に柔軟で適応可能なAIコントローラの包括的なフレームワークを提案する。
当社のアプローチでは,さまざまなネットワークトランスポート技術やドメインにまたがる統合AIコントロールフレームワークの必要性に対処し,インテリジェントで自動化された,スケーラブルな6Gネットワークの開発を可能にする。
論文 参考訳（メタデータ） (2025-02-03T23:12:44Z) - Communication-Control Codesign for Large-Scale Wireless Networked Control Systems [80.30532872347668]
無線ネットワーク制御システム(Wireless Networked Control Systems, WNCS)は、ドローン群や自律ロボットなどのアプリケーションにおいて柔軟な制御を可能にする産業用4.0に必須である。
本稿では,マルチ状態マルコフブロックフェーディングチャネル上で限られた無線リソースを共有するセンサやアクチュエータを用いて,複数の制御ループ間の相関ダイナミクスを捕捉する実用的WNCSモデルを提案する。
本研究では,ハイブリッドな動作空間を効率的に処理し,通信制御の相関関係を捉え,疎域変数や浮動小数点制御の入力に拘わらず堅牢なトレーニングを確実にするDeep Reinforcement Learning (DRL)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-10-15T06:28:21Z) - 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) - Decentralized Control with Graph Neural Networks [147.84766857793247]
分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。
GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。
分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
論文 参考訳（メタデータ） (2020-12-29T18:59:14Z) - Graph Neural Networks for Decentralized Controllers [171.6642679604005]
自律エージェントで構成される動的システムは、ロボット工学、スマートグリッド、スマートシティなど、多くの関連する問題に現れる。
最適な集中型コントローラは容易に利用できるが、スケーラビリティと実用的な実装の面で制限に直面している。
グラフニューラルネットワーク(GNN)を用いて,データから分散制御系を学習するフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-23T13:51:18Z)
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。