論文の概要: Empowering Embodied AI in 6G Networks: Architecture, Enablers, and Open Challenges

• arxiv url: http://arxiv.org/abs/2606.20592v1
• Date: Sun, 17 May 2026 09:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 17:26:10.121317
• Title: Empowering Embodied AI in 6G Networks: Architecture, Enablers, and Open Challenges
• Title（参考訳）: 6GネットワークにおけるエンボディードAIの活用 - アーキテクチャ、エンバータ、オープンチャレンジ
• Abstract要約: エンボディード人工知能(AI)は、第6世代(6G)無線ネットワークのキードライバーとして登場しつつある。 我々は,コミュニケーション,センシング,計算,制御を統合クローズドループ基盤として共同で設計する,AIネイティブな6Gシステムのための総合的なフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 29.55746814021036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embodied artificial intelligence (AI) is emerging as a key driver of the sixth-generation (6G) wireless networks by enabling agents that continuously perceive, communicate, and act in dynamic physical environments. Unlike conventional AI systems that process disembodied data, embodied agents such as robots, autonomous vehicles, and extended reality (XR) devices operate through closed-loop perception-communication-action (PCA) interactions, where communication performance directly affects physical behavior, control stability, and task success. However, existing AI-native wireless architectures remain largely connectivity-centric and are not designed to support task-driven embodied intelligence at large scale. Therefore, we present a holistic framework for embodied AI-native 6G systems, in which communication, sensing, computation, and control are jointly designed as a unified closed-loop infrastructure. We introduce a system-level PCA architecture, discuss key enabling technologies and representative applications, and highlight major open challenges in multimodal intelligence, edge-aware deployment, evaluation, trustworthiness, and practical implementation. Our central argument is that future 6G systems must evolve from intelligent communication platforms into active enablers of embodied physical intelligence.
• Abstract（参考訳）: Embodied AI(AI)は、6世代(6G)無線ネットワークのキードライバーとして登場し、ダイナミックな物理的環境で継続的に知覚し、コミュニケーションし、行動するエージェントを可能にしている。 非身体的データを処理している従来のAIシステムとは異なり、ロボット、自動運転車、拡張現実(XR)デバイスといったエンボディエージェントは、クローズドループ認識通信(PCA)インタラクションを介して動作し、通信性能は物理的挙動、制御安定性、タスク成功に直接影響を及ぼす。 しかし、既存のAIネイティブなワイヤレスアーキテクチャは、主にコネクティビティ中心であり、タスク駆動型インテリジェンスを大規模にサポートするように設計されていない。 そこで我々は,コミュニケーション,センシング,計算,制御を統合クローズドループ基盤として共同で設計する,AIネイティブな6Gシステムの総合的な枠組みを提案する。 システムレベルのPCAアーキテクチャを導入し、重要な実現技術と代表的アプリケーションについて議論し、マルチモーダルインテリジェンス、エッジ対応デプロイメント、評価、信頼性、実用的な実装における大きなオープンな課題を強調します。 我々の中心的な主張は、将来の6Gシステムは、インテリジェントなコミュニケーションプラットフォームから、具体化された物理的知能のアクティブな有効化へと進化しなければなりません。

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)
• Agentic Wireless Communication for 6G: Intent-Aware and Continuously Evolving Physical-Layer Intelligence [22.740040535858327]
  大規模言語モデル(LLM)は、意図認識型ネットワークエージェントのための有望な基盤を提供する。 本稿では,6G物理層とその実現経路のエージェントAIについて検討する。 本稿では,多種多様なユーザ好みのコミュニケーションリンクを適応的に構築する,意図駆動型リンク決定エージェントAgenComのケーススタディを提案する。
  論文  参考訳（メタデータ） (2026-02-19T05:36:27Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
  異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。 我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
  論文  参考訳（メタデータ） (2025-05-12T02:04:37Z)
• Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities [148.601430677814]
  本稿では,6GネットワークにおけるAIと通信の概要を概観する。 我々はまず、AIを無線通信に組み込むことの背景にある要因と、AIと6Gの収束のビジョンを概観する。 講演はその後、6Gネットワーク内でAIの統合を想定する詳細な説明へと移行する。
  論文  参考訳（メタデータ） (2024-12-19T05:36:34Z)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)

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。