論文の概要: LLM-Powered Agentic AI for 5G/6G Networks: A Tutorial and Survey on Architectures, Protocols, and Standardization
- arxiv url: http://arxiv.org/abs/2607.16066v1
- Date: Fri, 17 Jul 2026 15:47:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.892897
- Title: LLM-Powered Agentic AI for 5G/6G Networks: A Tutorial and Survey on Architectures, Protocols, and Standardization
- Title（参考訳）: LLMを利用した5G/6GネットワークエージェントAI:アーキテクチャ,プロトコル,標準化に関するチュートリアルと調査
- Abstract要約: エージェント人工知能(AI)はルールベースの自動化から次世代ネットワーク(NGN)の自律的目標駆動制御への移行を示す
既存の調査では2つのドメインを分離して扱い、プロトコルの統合、評価、標準化の調整が過小評価されている。
第1部は5Gと6Gの制御、管理、AIネイティブプレーンを定式化している。
パートIIはエージェント機能を5G/6Gコントロールサーフェス、標準化、主要な6Gイニシアチブにマップする。
- 参考スコア（独自算出の注目度）: 9.882856242107469
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic Artificial Intelligence (AI), enabled by Large Language Models, marks a shift from rule-based automation toward autonomous, goal-driven control of Next-Generation Networks (NGNs). Existing surveys treat the two domains in isolation, leaving protocol integration, evaluation, and standardization alignment underexplored. To address this gap, a two-part tutorial-and-survey is presented. Part I formalises the control, management, and AI-native planes of 5G and 6G. It then covers the foundations of agentic systems: reasoning, planning, tool use, multi-agent coordination, and evaluation. Part II maps agentic capabilities onto 5G/6G control surfaces, standardization, and major 6G initiatives. Finally, it identifies open challenges shaping autonomous telecommunications.
- Abstract（参考訳）: 大規模言語モデルによって実現されたエージェント人工知能(AI)は、ルールベースの自動化から、次世代ネットワーク(NGN)の自律的目標駆動制御へのシフトを示す。
既存の調査では2つのドメインを分離して扱い、プロトコルの統合、評価、標準化の調整が過小評価されている。
このギャップに対処するため、2部構成のチュートリアルとサーベイが紹介されている。
第1部は5Gと6Gの制御、管理、AIネイティブプレーンを定式化している。
その後、推論、計画、ツールの使用、マルチエージェント調整、評価といったエージェントシステムの基盤をカバーします。
パートIIはエージェント機能を5G/6Gコントロールサーフェス、標準化、主要な6Gイニシアチブにマップする。
最後に、自律的な通信を形作るオープンな課題を特定する。
関連論文リスト
- Towards Resilient and Autonomous Networks: A BlueSky Vision on AI-Native 6G [4.5227293682646845]
6G時代のネイティブAIは、ファンデーションモデルによって固定され、協調的なマルチエージェントシステムを介してオーケストレーションされます。
1つ目は、6Gファウンデーションモデルを統一されたバックボーンとして開発することであり、タスク固有の知識を様々なエッジ展開に適したコンパクトなモデルに抽出する。
第2の進歩は、人間の介入を最小限に抑え、ネットワークを自律的に診断し、維持し、回復するように設計されたマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-05-20T16:53:06Z) - 6G Needs Agents: Toward Agentic AI-Native Networks for Autonomous Intelligence [3.099103925863002]
6Gネットワークは、コミュニケーション、センシング、コンピューティングを統一されたファブリックに統合するAIネイティブインフラストラクチャとして想定されている。
我々は,Large Language Model (LLM) をベースとしたエージェントが有界な政策支配的推論エンティティとして機能するエージェントAI-Native 6Gへのパラダイムシフトを論じる。
本稿では,決定論的ネットワーク基盤,意図と文脈の意味的抽象化,階層的推論,分散マルチエージェント・ファブリックを統合した4層アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-05-02T17:24:12Z) - 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) - 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) - 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) - 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) - Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。
まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。
我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文 参考訳（メタデータ） (2025-05-13T17:59:20Z) - 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) - 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) - 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)
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。