論文の概要: Towards a Cloud Fog Edge System for Smart Building
- arxiv url: http://arxiv.org/abs/2610.01647v1
- Date: Thu, 01 Oct 2026 13:13:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.145604
- Title: Towards a Cloud Fog Edge System for Smart Building
- Title（参考訳）: スマートビルディングのためのクラウドフォッグエッジシステムを目指して
- Abstract要約: 我々は,建物内のリアルタイムデータから学習し,持続的かつプライバシ保護の可能なスマート環境を支援する分散型システムに向けたビジョンを提示する。
当社のアプローチでは,アーキテクチャ自体をデータセンタとして概念化して,エッジコンピューティングの原則に従って,機密性の保護と外部クラウドインフラストラクチャへの依存の低減を実現しています。
このような環境でAIサービスをデプロイするための軽量な"Kubernetesライクな"オーケストレーションフレームワークについて詳述するとともに、Arduinoエコシステムのような低消費電力でコスト効率のマイクロコントローラ上でのAIアルゴリズムの実装の進歩を実演しています。
- 参考スコア（独自算出の注目度）: 2.599882743586164
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this article, we present our vision and recent advancements toward creating a decentralized system capable of learning from real-time data within buildings to support sustainable and privacy-preserving smart environments. Our approach promotes the concept of the building itself as the data center, aligning with the principles of edge computing to safeguard confidentiality and reduce reliance on external cloud infrastructure. This is particularly valuable in humanitarian contexts, where data sovereignty, energy efficiency, and infrastructure constraints are critical. We detail a lightweight, "Kubernetes-like" orchestration framework for deploying AI services within such environments and demonstrate our progress in implementing AI algorithms on low-power, cost-effective microcontrollers such as those in the Arduino ecosystem. By enabling in-situ learning directly on sensors or microcontrollers, our work aims to bring intelligent services to resource-limited settings, fostering autonomy, resilience, and sustainable development in vulnerable or underserved communities. The contributions in this article are related, firstly, to our project "Online Machine Learning Algorithms for Embedded Systems" and the evaluation of two new online algorithms. Secondly, we envision a cloud-fog-edge architecture based on the KOptim and FIWARE components, and we propose a methodology for coupling them. Experimental results of the online algorithms are also presented, showcasing real-world traces.
- Abstract（参考訳）: 本稿では,建物内のリアルタイムデータから学習し,持続的かつプライバシ保護型スマート環境を支援する分散型システムの構築に向けた,私たちのビジョンと最近の進歩を紹介する。
当社のアプローチでは,アーキテクチャ自体をデータセンタとして概念化し,エッジコンピューティングの原則に従って,機密性の保護と外部クラウドインフラストラクチャへの依存の低減を実現しています。
これは、データの主権、エネルギー効率、インフラの制約が重要である人道的な文脈で特に有用である。
このような環境でAIサービスをデプロイするための軽量で"Kubernetesライクな"オーケストレーションフレームワークについて詳述するとともに、Arduinoエコシステムのような低消費電力でコスト効率のマイクロコントローラ上でのAIアルゴリズムの実装の進歩を実演しています。
我々の研究は、センサーやマイクロコントローラで直接その場で学習できるようにすることで、知的サービスをリソース制限された環境に導入し、自律性、レジリエンスを育み、脆弱なコミュニティや保守されていないコミュニティで持続可能な開発を促進することを目的としています。
この記事のコントリビューションは、まず、プロジェクト “Online Machine Learning Algorithms for Embedded Systems” と、2つの新しいオンラインアルゴリズムの評価に関連している。
次に,KOptim と FIWARE のコンポーネントをベースとしたクラウドファグエッジアーキテクチャを提案し,それらを結合する手法を提案する。
オンラインアルゴリズムの実験結果も提示され、現実世界の痕跡が示されている。
関連論文リスト
- Infrastructure-based Autonomous Mobile Robots for Internal Logistics -- Challenges and Future Perspectives [7.090184152982336]
本稿では,インフラ型自律移動ロボット(AMR)の概要を概観する。
インフラベースのセンシング,オンプレミスのクラウドコンピューティング,オンボードの自律性を組み合わせたリファレンスアーキテクチャを導入する。
重自動車製造環境における実環境展開におけるアプローチを実証する。
論文 参考訳（メタデータ） (2025-12-17T09:10:43Z) - Governed By Agents: A Survey On The Role Of Agentic AI In Future Computing Environments [0.0]
Agentic AIは、非常に大規模な(パブリックな)クラウド環境への依存を減らす可能性がある。
これらの移行の多くは、オンプレミスの処理ニーズ、データ消費のフットプリントの減少、コスト削減といった要因によって引き起こされるだろう。
本研究では,AIの自律性を実現するためのソリューションが,システムの再設計にどのように影響するかを検討する。
論文 参考訳（メタデータ） (2025-09-20T13:03:11Z) - UrbanInsight: A Distributed Edge Computing Framework with LLM-Powered Data Filtering for Smart City Digital Twins [5.477477311297089]
都市は、センサー、カメラ、そして接続されたインフラから膨大な量のデータストリームを生成します。
既存のシステムのほとんどは、スケールやレイテンシ、断片的な洞察に苦慮しています。
この研究は、物理インフォームド機械学習、マルチモーダルデータ融合、知識グラフ表現をブレンドするフレームワークを導入している。
論文 参考訳（メタデータ） (2025-08-31T17:10:31Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Collectionless Artificial Intelligence [24.17437378498419]
本稿は,新しい学習プロトコルを考える上で,その時が来たという立場を維持している。
機械は、環境相互作用を中心とした真に人間的な文脈で認知スキルを征服する。
論文 参考訳（メタデータ） (2023-09-13T13:20:17Z) - Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。
我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文 参考訳（メタデータ） (2023-07-14T04:13:11Z) - Scalable, Distributed AI Frameworks: Leveraging Cloud Computing for
Enhanced Deep Learning Performance and Efficiency [0.0]
近年、人工知能(AI)とクラウドコンピューティングの統合は、AIアプリケーションの計算要求の増加に対処するための有望な道として現れている。
本稿では,クラウドコンピューティングを活用したスケーラブルな分散AIフレームワークの総合的研究を行い,ディープラーニングの性能向上と効率化について述べる。
論文 参考訳（メタデータ） (2023-04-26T15:38:00Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。