論文の概要: The OCUDU dApp Platform: An Open Runtime and E3 Interface for Real-Time AI-RAN
- arxiv url: http://arxiv.org/abs/2609.07843v1
- Date: Mon, 07 Sep 2026 18:03:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.497995
- Title: The OCUDU dApp Platform: An Open Runtime and E3 Interface for Real-Time AI-RAN
- Title（参考訳）: OCUDU dApp Platform: リアルタイムAI-RANのためのオープンランタイムとE3インターフェース
- Abstract要約: 本稿では,OCUDU dAppプラットフォームについて紹介する。OCUDU dAppプラットフォームはオープンランタイムとE3インターフェースで,署名付きAI-RANアプリケーションが本番DU内で実行される。
従来のパスは置き換えられず、すべての権限は型付けされ、検証され、オペレータにバウンドされている。
接続されたGB10 gNBでは、ツリー外の神経等化剤を含む3つのクラスのdAppが、単一のフォールバックなしでライブセルで動作した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning has shown its largest gains in the band below 10 ms inside a 3GPP new radio (NR) 5G distributed unit (DU): link adaptation, per-slot scheduling, channel estimation, and the receiver itself. No open platform has let independently built software run there. Prior dApp frameworks reached the band only as external observers of an export stream. This paper is a guided introduction to the OCUDU dApp platform, an open runtime and E3 interface under which signed AI-RAN applications execute inside a production DU under three timing contracts: resident on the GPU receive chain (Class A), inside the scheduler's 100 us admitted deadline (Class B), or as never-blocking observers whose results the scheduler consumes (Class C). The conventional path is never displaced, and every authority is typed, validated, and operator-bounded. The paper explains how the runtime, the embedded E3 agent, and the three public repositories fit together; shows a dApp's source, its signed package, and its lifecycle state machine; defines the contracts a module is written against; and shows how one management surface serves a Python script, an operator's console, and an LLM agent. On a GB10 gNB with attached handsets, dApps of all three classes, including an out-of-tree neural equalizer, ran together on a live cell without a single fallback, and equalizer variants were compared over the air by lifecycle operations alone. Every measured checkpoint is reported with its conditions and its gaps. Platform, SDK, and a zero-hardware quickstart are public under BSD-3-Clause-Clear as a preview release of the OCUDU AI-RAN Working Group 2, inviting feedback, new use cases, and independent vetting ahead of upstreaming into the OCUDU mainline.
- Abstract（参考訳）: 機械学習は、3GPPの新無線(NR)5G分散ユニット(DU:link adaptation)、スロットごとのスケジューリング、チャネル推定、受信機自体において、バンド内で10ミリ秒以下で最大の利得を示している。
オープンプラットフォームは、独立して構築されたソフトウェアをそこで実行させません。
以前のdAppフレームワークは、エクスポートストリームの外部オブザーバとしてのみ、バンドに到達した。
本稿では,GPU受信チェーン(クラスA)の常駐,スケジューラの100us許容期限(クラスB)内の常駐,スケジューラが消費する結果をブロックしないオブザーバ(クラスC)の3つのタイミング契約の下で,署名付きAI-RANアプリケーションが本番環境で実行されるオープンランタイムおよびE3インターフェースであるOCUDU dAppプラットフォームについて紹介する。
従来のパスは置き換えられず、すべての権限は型付けされ、検証され、オペレータにバウンドされている。
ランタイム、組み込みE3エージェント、および3つのパブリックリポジトリがどのように適合するかを説明し、dAppのソース、署名されたパッケージ、ライフサイクル状態マシンを示し、モジュールが記述されているコントラクトを定義し、一方の管理サーフェスはPythonスクリプト、オペレータのコンソール、LLMエージェントを提供するかを示す。
携帯を搭載したGB10 gNBでは、ツリー外の神経イコライザーを含む3つのクラスのdAppが、単一のフォールバックなしでライブセル上で動作し、ライフサイクル操作のみで、イコライザーの変種を比較した。
測定されたチェックポイントはすべて、その条件とそのギャップによって報告される。
プラットフォーム、SDK、ゼロハードウェアのクイックスタートは、OCUDU AI-RAN Working Group 2のプレビューリリースとしてBSD-3-Clause-Clearの下で公開されている。フィードバックの招待、新しいユースケース、OCUDUのメインラインへのアップストリームに先立って独立した審査を行う。
関連論文リスト
- Numbat: Building and Verifying a Self-Contained Machine-Learning Stack [0.0]
numbatは1つの汎用言語(Zig)で書かれた機械学習スタックで、サードパーティの依存関係はない。
我々はナムバットの構築と検証について報告する。
論文 参考訳（メタデータ） (2026-09-09T08:36:12Z) - FRAMEWORKERS: A Dynamic Multi-Agent Framework for AI-Generated Video Production [55.71860113185132]
本稿では,タスク中心のマルチエージェントフレームワークであるFRAMEWORKERSを紹介した。
Central Directorは、ビデオ生成を動的タスク管理として定式化し、タスクスタックを継続的に編集して、次にどのサブタスクを実行するか、どのサブエージェントを呼び出すかを決定する。
アシスタントは実行層として機能し、選択した各タスクを共有ワークスペースに接地し、必要なアセットとコンテキストを検索し、割り当てられたサブエージェントを呼び出し、結果のアーティファクトを永続化する。
FRAMEWORKERSは、ルーティング精度において強いプランナーよりも優れ、実行時の障害から確実に回復し、目に見えないサブに一般化することを示した。
論文 参考訳（メタデータ） (2026-08-30T14:28:50Z) - OpenForgeRL: Train Harness-native Agents in Any Environment [60.23309689179493]
多様な環境でハーネスベースのエージェントをエンドツーエンドにトレーニングするためのオープンソースのフレームワークであるOpenForgeRLを紹介します。
推論を分離することで、OpenForgeRLは研究者がデプロイする実際のハーネスや環境において、エージェントを直接訓練、研究、改善することができる。
論文 参考訳（メタデータ） (2026-07-23T17:38:30Z) - PairCoder++: Pair Programming as a Universal Paradigm for Verified Code-Driven Multimodal and Structured-Artifact Generation [51.92442051257354]
PairCoderは、実行のみではなく、完全な公式メトリックスイート上で、アーティファクトが検証可能なすべてのベンチマークを本質的に改善する。
TikZのコンパイルレートは、各モデルで10から30ポイント、シングルモデルの2.9から9.2倍である。
論文 参考訳（メタデータ） (2026-07-02T08:36:02Z) - vla.cpp: A Unified Inference Runtime for Vision-Language-Action Models [1.8512656289778031]
llama上に構築されたポータブルなC++推論ランタイムであるvlaを紹介します。
これは、フローマッチングと拡散VLA推論パターンを提供する最初のggmlクラスエンジンである。
LIBERO-Objectでは、エンジンは200回中1回で最先端のチェックポイントと一致し、1.3GBBのメモリで100%成功してBitVLAを実行する。
論文 参考訳（メタデータ） (2026-06-06T10:45:40Z) - Agent libOS: A Library-OS-Inspired Runtime for Long-Running, Capability-Controlled LLM Agents [0.6345523830122165]
大規模言語モデル(LLM)エージェントは、要求応答アシスタントから長期実行中のソフトウェアアクターへと進化している。
本稿では,LLMエージェントのためのライブラリOSをベースとしたランタイム基板であるAgens libOSを提案する。
論文 参考訳（メタデータ） (2026-06-02T16:53:24Z) - Multi-Agent Computer Use [72.79887808312706]
我々はマルチエージェント・コンピュータ・ユース(MACU)システムの評価・構築に向けて進むべきであると論じる。
本稿では、マネージャモデルがコンピュータ使用タスクを有向非巡回グラフ(DAG)として分解する汎用マルチエージェント構成を提案する。
各イテレーションで、マネージャは並列CUAサブエージェントをディスパッチし、DAGの準備ができているフロンティアでノードを実行する。
論文 参考訳（メタデータ） (2026-06-01T01:29:36Z) - Deterministic Replay for AI Agent Systems [0.0]
大規模な言語モデルを外部ツールやAPIと組み合わせるAIエージェントシステムは本質的に非決定論的である。
既存の可観測性プラットフォームは実行ログをキャプチャするが、独立して実行を再現することはできない。
エージェント実行の決定論的リプレイのための開発者ファーストのCLIフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-30T12:00:45Z) - OpenClaw-RL: Train Any Agent Simply by Talking [54.06773485601523]
次状態信号は普遍的であり、ポリシーはそれらすべてから同時に学習することができる。
個人的な会話、端末の実行、GUIインタラクション、SWEタスク、ツールコールトレースは、別個のトレーニング問題ではない。
OpenClaw-RLは、エージェントを単に使用することで改善し、ユーザのリクエリ、修正、明示的なフィードバックから会話信号を復元する。
論文 参考訳（メタデータ） (2026-03-10T18:59:01Z) - VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents [42.56489784841984]
実装の変更が生成され、エージェントが提案する差分として適用される。
アーキテクチャを説明し、システムの生成と検証に使用するワークフローを要約し、アーティファクトを評価する。
論文 参考訳（メタデータ） (2026-01-21T19:29:00Z) - UniVA: Universal Video Agent towards Open-Source Next-Generation Video Generalist [107.04196084992907]
次世代ビデオジェネラリストのためのオールニ対応マルチエージェントフレームワークUniVAを紹介する。
UniVAはPlan-and-Actのデュアルエージェントアーキテクチャを採用しており、高度に自動化されプロアクティブなワークフローを駆動している。
また、理解、編集、セグメンテーション、生成にまたがるマルチステップビデオタスクのベンチマークスイートUniVA-Benchについても紹介する。
論文 参考訳（メタデータ） (2025-11-11T17:58:13Z) - Deploying Machine Learning Models to Ahead-of-Time Runtime on Edge Using
MicroTVM [2.144835105990896]
我々は,学習済みモデルをバックエンド用のCソースライブラリに解析するエンドツーエンドのコードジェネレータを開発した。
特定の計算集約演算子は、専用アクセラレータに容易にオフロードできる。
ARM Cortex M4Fコア上で手動ジェスチャー認識実験を行う。
論文 参考訳（メタデータ） (2023-04-10T19:56:48Z)
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。