論文の概要: From Passive Mirrors to Active Agents: Holonic Digital Twins for Physical AI over Networks
- arxiv url: http://arxiv.org/abs/2608.06227v1
- Date: Thu, 06 Aug 2026 16:17:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.959901
- Title: From Passive Mirrors to Active Agents: Holonic Digital Twins for Physical AI over Networks
- Title（参考訳）: パッシブミラーからアクティブエージェント:ネットワーク上の物理AIのためのホロニックデジタルツイン
- Abstract要約: 本稿では,ホロニックエージェントによるリアルタイムAI推論を実現するための,ホロニックデジタルツイン(HDT-Nets)フレームワークを提案する。
それぞれのHDTは、物理的エージェントとネットワークエッジにまたがる階層構造として実現され、局所レベルで自律的に推論される。
HDT-Netでは、検知、通信、制御にまたがる因果推論は、どのエージェントが協調し、反実的推論を可能にするかを決定する。
- 参考スコア（独自算出の注目度）: 43.44240813258429
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite advances in artificial intelligence (AI) across multiple sectors, today's AI tools, including deep learning and generative AI, still fail when embedded into physical systems, such as robots and vehicles operating under real-world physical laws. This stems from their inability to maintain reliable world models for long-horizon planning under uncertainty and generalize to unseen scenarios. In this context, wireless networks, through pervasive sensing and communication, can orchestrate physical intelligence. However, current architectures optimize throughput, latency, and reliability and cannot support real-time physical AI coordination, requiring agents to maintain shared spatiotemporal context. To address these challenges, a network of holonic digital twins (HDT-Nets) framework is proposed to deliver real-time physical AI inference through holonic agents that actively reason about their environment rather than passively mirror physical assets. Each HDT is realized as a hierarchical structure spanning the physical agent and network edge, reasoning autonomously at the local level while cooperating with neighboring HDTs to form collectively intelligent units. In HDT-Net, causal Markov blankets spanning sensing, communication, and control determine which agents must coordinate and enable counterfactual reasoning over multi-domain interventions. Active inference within these boundaries unifies perception, action, and learning by minimizing expected free energy while deciding which beliefs to transmit based on their cognitive value to the receiver. Category theory ensures that transmitted beliefs preserve semantic structure across heterogeneous agents with incompatible representations. Finally, integrated information theory quantifies when collective intelligence exceeds independent operation and how network intelligence evolves through coordinated learning and information exchange.
- Abstract（参考訳）: 複数の分野にわたる人工知能(AI)の進歩にもかかわらず、ディープラーニングや生成AIを含む今日のAIツールは、現実世界の物理法の下で動作しているロボットや車両のような物理的なシステムに組み込まれても失敗する。
これは、不確実性の下で長期計画のための信頼性のある世界モデルを維持することができず、目に見えないシナリオに一般化できないことに起因する。
この文脈では、広汎なセンシングと通信を通じて、無線ネットワークは物理的な知性を編成することができる。
しかし、現在のアーキテクチャはスループット、レイテンシ、信頼性を最適化し、リアルタイムな物理AI調整をサポートできないため、エージェントは共有時空間の共有を維持する必要がある。
これらの課題に対処するために、ホロニックデジタルツイン(HDT-Nets)フレームワークのネットワークが提案され、物理資産を受動的にミラーするのではなく、彼らの環境を積極的に推論するホロニックエージェントを通じてリアルタイムな物理AI推論を提供する。
それぞれのHDTは、物理的エージェントとネットワークエッジにまたがる階層構造として実現され、近隣のHDTと協調しながら局所レベルで自律的に推論し、一括してインテリジェントなユニットを形成する。
HDT-Netでは、因果マルコフは、センサー、通信、制御にまたがる毛布で、どのエージェントが協調し、マルチドメインの介入に対して反実的推論を行なわなければならないかを判断する。
これらの境界内での活発な推論は、期待される自由エネルギーを最小化し、認識値に基づいてどの信念を伝達すべきかを判断し、認識、行動、学習を統一する。
カテゴリー理論は、伝達された信念が不整合表現を持つ異種エージェントのセマンティック構造を保存することを保証している。
最後に、統合情報理論は、集団知能が独立した操作を超えるときと、協調学習と情報交換を通じてネットワーク知能がどのように進化するかを定量化する。
関連論文リスト
- Heterogeneity-Aware Belief Synchronization for Semantic Communication in AI-Native 6G Networks [19.957323858362148]
6Gネットワークは通信インフラとしてのみ機能するのではなく、インテリジェントなシステムへと進化することが期待されている。
本稿では,6GのAIネイティブネットワークのための不均一な信念同期フレームワークを提案する。
我々は,多層地球/非地球ネットワークのケーススタディを通じて,その枠組みを検証した。
論文 参考訳（メタデータ） (2026-08-13T15:53:15Z) - When Agentic AI Meets Integrated Sensing and Communication [23.084474668808912]
エージェント人工知能(AI)は、統合センシングとコミュニケーション(ISAC)を目標駆動のクローズドループインテリジェントシステムに変換する。
この調査は、文献を6段階のクローズドループフレームワークにまとめる。
物理層プリミティブから完全な閉ループISACまでの5段階のエージェント成熟を導入する。
論文 参考訳（メタデータ） (2026-08-06T09:26:49Z) - AI-IoT-Robotics Integration: Survey of Frameworks, Emerging Trends, and the Path Toward Connected Robotics [1.4337588659482519]
人工知能、モノのインターネット、ロボティクスの融合は、もはや未来的なビジョンではない。
AIoTとInternet of Robotic Things (IoRT)のようなペアワイズの組み合わせは進歩しているが、これら3つを完全に統合した統一設計フレームワークはいまだに存在しない。
この調査は、これらの領域における最先端の最先端におけるSLM(Small Language Models)と、クラウドにおけるLLM(Large Language Models)の出現する役割を強調し、最先端の最先端における最先端の最先端技術について要約する。
論文 参考訳（メタデータ） (2026-05-31T05:10:34Z) - Bridging the Cognitive Gap: A Unified Memory Paradigm for 6G Agentic AI-RAN [62.429669462281645]
6Gは、知覚、推論、進化が可能なエージェントAIを受け入れるために、従来の自動化を超越しなければならない。
この記事では、インターフェースバウンドからメモリ中心アーキテクチャへのシフトを想定します。
メッセージパッシングをゼロコピーオブザーバビリティに置き換えることで、AIエージェントがリアルタイムの応答性と長時間のコンテキストの間のギャップを埋めることができます。
論文 参考訳（メタデータ） (2026-05-11T06:04:10Z) - 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) - The Internet of Physical AI Agents: Interoperability, Longevity, and the Cost of Getting It Wrong [0.8880611506199766]
エッジハードウェア、センサー、接続性、人工知能の進歩は、物理AIエージェントのインターネットを可能にする。
物理的なAIエージェントは、安全クリティカルなドメインを越えて自律的に運用する、リアルタイムで認識、理性、行動する。
この記事では、IoTとインターネットの進化からの教訓を再考し、レジリエントで進化可能で信頼性の高いエージェントシステムを構築するための設計原則を明確に述べます。
論文 参考訳（メタデータ） (2026-03-16T20:44:26Z) - 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) - Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey [11.537225726120495]
ファンデーションモデルは、断片化されたアーキテクチャをマルチモーダル推論とコンテキスト適応を備えたスケーラブルなバックボーンに統一することで、AIを再構築した。
FMを認知のコアとして、エージェントは自律性、一般化、自己回帰を達成するためにルールベースの振る舞いを超越する。
この調査は、適応的でリソース効率の良いエージェントAIシステムの、最初の体系的な特徴を提供する。
論文 参考訳（メタデータ） (2025-09-30T02:37:52Z) - 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) - Assured Autonomy with Neuro-Symbolic Perception [11.246557832016238]
サイバー物理システム(CPS)にデプロイされる最先端AIモデルの多くは、パターンマッチングである。
セキュリティの保証が限られているため、安全クリティカルなドメインと競合するドメインの信頼性が懸念される。
本稿では,データ駆動型知覚モデルにシンボル構造を付与するパラダイムシフトを提案する。
論文 参考訳（メタデータ） (2025-05-27T15:21:06Z) - 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)
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。