論文の概要: FM4WiFi: Flow Matching for Multi-AP Coordination in Dense Deployments of Beyond Wi-Fi 8 Networks

• arxiv url: http://arxiv.org/abs/2608.04050v1
• Date: Tue, 04 Aug 2026 09:23:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.456042
• Title: FM4WiFi: Flow Matching for Multi-AP Coordination in Dense Deployments of Beyond Wi-Fi 8 Networks
• Title（参考訳）: FM4WiFi:Wi-Fi 8ネットワークを越えた高密度展開におけるマルチAPコーディネートのためのフローマッチング
• Abstract要約: 我々は、単一の推論ステップで高品質なCo-SR構成を生成する生成MLパイプラインであるFM4WiFiを紹介する。 我々はFM4WiFiが中規模から大規模の最先端のベースラインとどのように一致しているかを示し、サブ秒の推論で30以上のAPにスケールする。
• 参考スコア（独自算出の注目度）: 1.3038961588016973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wi-Fi networks are moving beyond random channel access toward tightly coordinated operation across access points (APs), a shift reflected in Wi-Fi 8's multi-AP coordination (MAPC). However, the current MAPC specification restricts cooperation to AP pairs, fundamentally limiting the gains achievable in dense deployments and calling for scalable, network-wide coordination in beyond Wi-Fi 8 systems. We target coordinated spatial reuse (Co-SR), where APs transmit concurrently at reduced power. Effective Co-SR demands joint selection and configuration of AP-station transmissions, yet existing approaches simply do not scale: they rely on heavy signaling, slow convergence, unrealistic assumptions, and often require computation time that explodes with network size. We introduce FM4WiFi, a generative ML pipeline that addresses these limitations by producing high-quality Co-SR configurations in a single inference step. FM4WiFi integrates (i) an autoencoder that learns compact latent representations of network states, (ii) a flow-matching generative model that synthesizes feasible Co-SR configurations (including rate control, absent from prior work), and (iii) a surrogate rate predictor that allows rapid, large-scale Co-SR candidate evaluation without dependence on a live system or digital twin. Across extensive evaluations (including experimental validation), FM4WiFi matches or exceeds state-of-the-art baselines at medium-to-large scales and scales to 30+ APs with sub-second inference. Extensive ablation studies validate each modeling and optimization choice.
• Abstract（参考訳）: Wi-Fiネットワークは、ランダムなチャネルアクセスを超えて、アクセスポイント(AP)をまたいだ厳密な協調操作(MAPC)へと移行している。 しかし、現在のMAPC仕様はAPペアとの協力を制限し、密集したデプロイメントで達成可能な利益を基本的に制限し、Wi-Fi 8システムを超えてスケーラブルでネットワーク全体の調整を要求する。 我々は,コグニティブ空間再利用(Co-SR)を目標とし,APが低消費電力で同時送信する。 効果的なCo-SRはAP-stationトランスミッションの同時選択と構成を要求するが、既存のアプローチは単にスケールしない:それらは重信号、緩やかな収束、非現実的な仮定に依存し、ネットワークサイズで爆発する計算時間を必要とする。 単一推論ステップで高品質なCo-SR構成を生成することにより、これらの制限に対処する生成MLパイプラインであるFM4WiFiを導入する。 FM4WiFiが統合 (i)ネットワーク状態のコンパクト潜在表現を学習するオートエンコーダ。 二 実現可能なCo-SR構成を合成するフローマッチング生成モデル(利率制御を含む。)及び 三 ライブシステム又はデジタル双生児に依存しない高速かつ大規模なCo-SR候補評価を可能にする代理レート予測器。 FM4WiFiは、広範囲な評価(実験検証を含む)を通じて、中～大規模で最先端のベースラインと一致し、サブ秒の推論で30以上のAPにスケールする。 大規模なアブレーション研究は、それぞれのモデリングと最適化の選択を検証する。

関連論文リスト

• A Token/KV-Cache Communication Media Selection and Resource Allocation Strategy for Multi-Agent Collaboration [9.576234748631647]
  通信媒体選択と無線リソース割り当てを統合した共同設計を提案する。 トークンベースの伝送もキー値(KV)キャッシュベースの伝送も,オペレーティングシステム間で均一に最適であることを示す。 数値的な結果から、異種リンク上での相互作用媒体と帯域割り当てを適応的に調整することにより、提案方式はE2E遅延を著しく低減することを確認した。
  論文  参考訳（メタデータ） (2026-05-25T04:50:45Z)
• CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge [50.42067935605982]
  ローカルメモリの効率とグローバル通信の削減を両立させる新しい圧縮・結合型学習フレームワークを提案する。 CoCo-Fedは、メモリと通信効率の両方において最先端のベースラインを著しく上回り、非IID設定下では堅牢な収束を維持している。
  論文  参考訳（メタデータ） (2026-01-02T03:39:50Z)
• Adaptive End-to-End Transceiver Design for NextG Pilot-Free and CP-Free Wireless Systems [18.330923801141886]
  パイロットフリーでCPフリーな無線システムに適した適応型エンドツーエンド(E2E)トランシーバアーキテクチャを提案する。 このアーキテクチャは、AI駆動の星座形成と、ジョイントトレーニングによるニューラルレシーバーを組み合わせる。 提案するフレームワークは,様々なチャネルシナリオに対して,より優れたビットエラー率(BER),スループット,レジリエンスを提供する。
  論文  参考訳（メタデータ） (2025-10-29T11:34:09Z)
• Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
  フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。 既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。 本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
  論文  参考訳（メタデータ） (2025-01-20T04:26:21Z)
• Coordinated Multi-Armed Bandits for Improved Spatial Reuse in Wi-Fi [2.143751226500554]
  空間再利用(SR)の最適化を推進するためのオンライン学習に基づく協調型ソリューションについて検討する。 特に、複数の意思決定エージェントが既存のネットワークからSRパラメータを同時に設定するマルチエージェントマルチアーマッドバンド(MA-MAB)の設定に着目する。 協調MABによって実現されたAIネイティブSRは、現在のWi-Fi操作よりもネットワーク性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-12-04T06:53:59Z)
• Online-Score-Aided Federated Learning: Taming the Resource Constraints in Wireless Networks [24.42462088925642]
  我々は,無線アプリケーションに関連するタスクを学習するためのオンラインスコア支援フェデレーション学習(OSAFL)アルゴリズムを提案する。 オンラインスコアやローカルデータ配信のシフトといった新しい要因が収束境界にどのように影響し、サブ線形収束率に必要な条件を導出するかを示す。
  論文  参考訳（メタデータ） (2024-08-12T01:27:06Z)
• Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
  テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。 いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。 本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-17T03:00:24Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Limited-Fronthaul Cell-Free Hybrid Beamforming with Distributed Deep Neural Network [0.0]
  近接最適解は、アクセスポイント(AP)とネットワークコントローラ(NC)の間で大量の信号交換を必要とする。 本稿では,AP と NC 間の通信オーバーヘッドをゼロあるいは限定して協調ハイブリッドビームフォーミングを行うことができる2つの非教師なしディープニューラルネットワーク(DNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-06-30T16:42:32Z)
• Optimizing Unlicensed Band Spectrum Sharing With Subspace-Based Pareto Tracing [3.379748084011544]
  LTE-LAA(Long-Term Evolution License-Assisted Access)のような新しい無線技術は、共有および未ライセンスのバンドで動作する。 LAAネットワークは既存のIEEE 802.11 Wi-Fiシステムと共存しなければならない。 複数のLAAリンクとWi-Fiリンクが無ライセンスバンドを共有する共存シナリオを検討します。
  論文  参考訳（メタデータ） (2021-02-02T21:25:12Z)
• Cognitive Radio Network Throughput Maximization with Deep Reinforcement Learning [58.44609538048923]
  RF-CRN(Radio Frequency powered Cognitive Radio Networks)は、IoT(Internet of Things)などの最新のネットワークの目と耳である可能性が高い。 自律的と考えるには、RF駆動のネットワークエンティティは、ネットワーク環境の不確実性の下でネットワークスループットを最大化するために、ローカルで決定する必要がある。 本稿では,この欠点を克服し,無線ゲートウェイがネットワークスループットを最大化するための最適なポリシーを導出できるように,深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-07-07T01:49:07Z)

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。