論文の概要: Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks
- arxiv url: http://arxiv.org/abs/2609.19538v1
- Date: Thu, 17 Sep 2026 01:04:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.056463
- Title: Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks
- Title（参考訳）: 低高度無線ネットワークにおける異種無人航空システムのためのエージェントAIネットワーク
- Abstract要約: 低高度無線ネットワーク(LAWN)は、異種無人航空システムの鍵となる基盤として浮上している。
本稿では,マルチエージェント強化学習(MARL)アーキテクチャを二重ループ構造として,階層型ハイブリッド型大規模言語モデル(LLM)を提案する。
具体的には、外部適応ループはLLMによるゲームオーケストレーションを使用して、サービス要件とオペレータの意図を解釈し、目的とリソースの優先順位を再設定する。
物流監視ケーススタディは、提案したフレームワークが異種サービス間の協調共存をどのように促進するかを示す。
- 参考スコア（独自算出の注目度）: 51.122913904076505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-altitude wireless networks (LAWNs) are emerging as a key infrastructure for heterogeneous unmanned aerial systems that support concurrent services within a shared three-dimensional airspace. Their coexistence creates strong coupling among mobility, connectivity, and shared network resources, while heterogeneous services impose distinct and time-varying requirements. These interactions naturally form a dynamic non-cooperative game in which both operating conditions and coordination objectives evolve over time. Conventional optimization and learning-based controllers typically rely on predefined objectives, limiting their ability to adapt autonomously to changing service requirements and resource priorities. To address this challenge, we propose a hierarchical hybrid large language model (LLM)- multi-agent reinforcement learning (MARL) architecture organized as a dual-loop structure. Specifically, an outer adaptation loop employs LLM-assisted game orchestration to interpret service requirements and operator intent, and reconfigure objectives and resource priorities, while an inner loop executes decentralized, parameter-conditioned MARL policies under the configured game. A logistics-monitoring case study illustrates how the proposed framework facilitates coordinated coexistence among heterogeneous services, adapting to evolving operating conditions without retraining the underlying MARL policies. Finally, we discuss key challenges and research directions toward scalable, trustworthy, and adaptive agentic LAWNs.
- Abstract（参考訳）: 低高度無線ネットワーク(LAWN)は、共有された3次元空域内での同時サービスをサポートする異種無人航空システムの重要な基盤として出現している。
それらの共存は、モビリティ、接続性、共有ネットワークリソースの間に強い結合を生じさせ、異種サービスには明確な時間的要求が課せられる。
これらの相互作用は自然に動的で非協調的なゲームを形成し、操作条件と協調目的の両方が時間とともに進化する。
従来の最適化と学習ベースのコントローラは、通常、事前に定義された目的に依存しており、サービス要件やリソース優先順位の変更に自律的に適応する能力を制限する。
この課題に対処するために,マルチエージェント強化学習(MARL)アーキテクチャを二重ループ構造として,階層型ハイブリッド型大規模言語モデル(LLM)を提案する。
具体的には、外部適応ループは、LCM支援ゲームオーケストレーションを使用して、サービス要件とオペレータの意図を解釈し、目的とリソースの優先順位を再設定し、内部ループは、設定されたゲームの下で、分散化されたパラメータ条件のMARLポリシーを実行する。
物流モニタリングケーススタディでは、提案するフレームワークが異種サービス間の協調的共存を促進し、基礎となるMARLポリシーを再訓練することなく、動作条件の進化に適応することを示す。
最後に、拡張性、信頼性、適応性のあるエージェントLAWNに対する重要な課題と研究の方向性について論じる。
関連論文リスト
- Optimization-as-a-Service via Multi-Agent Large Language Model for Radio Access Networks [33.1158889975007]
第6世代(6G)RAN環境は、前例のないサービスの多様性と指数力学に直面する。
手動モデルと標準的なAIアルゴリズムは基本的に厳格であり、適応と自己進化の柔軟性が欠如している。
本稿では,PRB割り当て問題を最適化リフレクション・アズ・ア・サービス(O)システムとして扱うことを提案する。
これは、エージェントを利用して最適化問題を動的に構築し、リアルタイムシナリオに適した目的を自動的に決定することで、RANリソース割り当てを根本的に改善する。
論文 参考訳（メタデータ） (2026-05-15T14:14:29Z) - Large Language Models over Networks: Collaborative Intelligence under Resource Constraints [64.76676115046651]
大規模言語モデル(LLMs)は、スマートフォンアシスタントから自律運転まで、アプリケーションを動かす社会を変えつつある。
しかし、クラウドベースのLLMサービスだけでは、成長するアプリケーションのクラスには役に立たない。
本稿では、複数の独立したLLMがタスクレベルで協調するパラダイムである協調インテリジェンスに焦点を当てる。
論文 参考訳（メタデータ） (2026-05-09T02:42:39Z) - Replacing Parameters with Preferences: Federated Alignment of Heterogeneous Vision-Language Models [63.70401095689976]
VLM(Vision-Language Models)は、医療や金融といったプライバシに敏感な分野において大きな可能性を秘めている。
ヘテロジニアスVLMのためのGRPOとMixture-of-Rewardsを組み合わせた協調アライメントフレームワークであるMoRを提案する。
MoRは、一般化とクロスクライアント適応性において、フェデレートされたアライメントベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-05T07:02:50Z) - Multi-AUV Ad-hoc Networks-Based Multi-Target Tracking Based on Scene-Adaptive Embodied Intelligence [17.13365683218245]
本稿では,マルチAUVアドホックネットワークのためのシーン適応型エンボディインテリジェンス(EI)アーキテクチャを提案する。
EIは、知覚、意思決定、身体的実行を統一された認知ループに統合することで、AUVを具現化された実体として再考する。
論文 参考訳（メタデータ） (2026-03-28T08:48:22Z) - From Intents to Actions: Agentic AI in Autonomous Networks [2.442771585706931]
この研究は、意図駆動型自律ネットワークのためのエージェントAIシステムを導入し、3つの専門エージェントで構成されている。
言語モデルを利用したインタプリタエージェントは、フィードバック、制約実現可能性、ネットワーク条件の進化に基づく意図の語彙解析を行う。
エージェントはこれらの認知テンプレートをトラクタブルな最適化問題に変換し、トレードオフを分析し、目的物間での好みを導出する。
論文 参考訳（メタデータ） (2026-02-01T15:01:57Z) - Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning [12.904732640630014]
本稿では,AIネイティブなxGネットワークのための統合エージェントNetGPTフレームワークを提案する。
NetGPTコアは、自律的な推論を行うか、エージェント通信を介してドメイン特化エージェントにサブタスクを委譲することができる。
このフレームワークは、ネットワーク全体でスケーラブルで分散インテリジェンスを可能にする、明確な責任と相互運用性を確立する。
論文 参考訳（メタデータ） (2026-01-31T15:07:11Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - Learning Multi-Access Point Coordination in Agentic AI Wi-Fi with Large Language Models [40.933385950790246]
マルチアクセスポイントコーディネート(MAPC)は、重なり合う基本サービスセット内の次世代Wi-Fiのスループットを向上させるための重要な技術である。
本稿では,自律型大規模言語モデルエージェントとしてモデル化された各アクセスポイントをネットワーク状態に関する協調的な理由と,適応的調整戦略をリアルタイムで交渉する,エージェント型AI Wi-Fiフレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-25T06:29:25Z) - Agentic Services Computing [51.50424046053763]
本稿では,自律的,適応的,協調的なエージェントとしてサービスを再定義するパラダイムであるエージェントサービスコンピューティングを提案する。
ASCは、設計、デプロイ、運用、進化という4段階のライフサイクルを包含しています。
論文 参考訳（メタデータ） (2025-09-29T07:29:18Z) - 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)
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。