Fugu-MT 論文翻訳(概要): The Role of Generative Artificial Intelligence in Testing and Automation of Open RAN Systems: GNG-OTA Framework

論文の概要: The Role of Generative Artificial Intelligence in Testing and Automation of Open RAN Systems: GNG-OTA Framework

arxiv url: http://arxiv.org/abs/2610.15872v1
Date: Sun, 11 Oct 2026 19:44:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-19 15:32:49.508134
Title: The Role of Generative Artificial Intelligence in Testing and Automation of Open RAN Systems: GNG-OTA Framework
Title（参考訳）: オープンRANシステムのテストと自動化における生成人工知能の役割:GNG-OTAフレームワーク
Abstract要約: 本稿では、生成AIとグラフニューラルネットワークに基づくOpen RAN Testing and Automation(GNG-OTA)フレームワークを提案する。 GNG-OTAは、生成AI、自然言語処理、グラフニューラルネットワークなど、最先端のAI技術を使用して、正確で信頼性が高く、効率的で、自動O-RAN相互運用性とパフォーマンステストを可能にする。
参考スコア（独自算出の注目度）: 2.3920356798957436
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Open Radio Access Networks (O-RAN) empower operators with choice and customization through their disaggregated and interoperable architecture. However, ensuring interoperability in O-RAN presents challenges due to complex testing environments and evolving specifications. This paper addresses these challenges by proposing the Generative AI and Graph Neural Network-based Open RAN Testing and Automation (GNG-OTA) framework. GNG-OTA utilizes state-of-the-art AI techniques including generative AI, natural language processing, and graph neural networks to enable accurate, reliable, efficient, and automatic O-RAN interoperability and performance testing.
Abstract（参考訳）: Open Radio Access Networks (O-RAN) は、分離された相互運用可能なアーキテクチャを通じて、オペレータに選択とカスタマイズの権限を与える。しかし、O-RANの相互運用性を確保することは、複雑なテスト環境と仕様の進化による課題を提起する。本稿では、生成AIとグラフニューラルネットワークに基づくOpen RAN Testing and Automation(GNG-OTA)フレームワークを提案することで、これらの課題に対処する。 GNG-OTAは、生成AI、自然言語処理、グラフニューラルネットワークなど、最先端のAI技術を使用して、正確で信頼性が高く、効率的で、自動O-RAN相互運用性とパフォーマンステストを可能にする。

関連論文リスト

From RAN Control to Agentic Intelligence: Architecture and Vision for Energy Efficient AI-RAN [3.5434399133151744]
6Gネットワークは高度に分散されたAIネイティブ無線アクセスネットワーク(RAN)に依存している本稿では,O-RANの構造制御をAI-RANの統一ビジョンにブリッジするエージェント型AIネイティブRANアーキテクチャを提案する。このような調整によって資源効率が向上し、運用エネルギー消費が減少することを示す。
論文参考訳（メタデータ） (2026-06-20T09:04:57Z)
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)
AI-Open-RAN for Non-Terrestrial Networks [2.558515208305258]
非地上ネットワーク(NTN)のためのオールインワン無線アクセスネットワーク(RAN)であるAIO-RAN-NTNの概念を提案する。このアプローチは、次世代通信における相互運用性、柔軟性、インテリジェンスを向上させる。
論文参考訳（メタデータ） (2025-11-14T23:41:52Z)
On AI Verification in Open RAN [22.005711879375173]
我々は,Open RANにおける深層強化学習(DRL)エージェントの動作を検証するために,解釈可能なモデルに基づく軽量な検証手法を提案する。具体的には、Decision Tree(DT)ベースの検証器を使用して、実行時にほぼリアルタイムの一貫性チェックを実行します。また、Open RANにおける信頼できるAIの採用を保証するための今後の課題についても概説する。
論文参考訳（メタデータ） (2025-10-21T08:48:26Z)
The LLM as a Network Operator: A Vision for Generative AI in the 6G Radio Access Network [0.0]
本稿では,Large Language Model (LLM)-RAN Operatorの概念を提案する。 LLMはRAN制御ループに埋め込まれ、高レベルの人間の意図を最適なネットワークアクションに変換する。本稿では,NextG時代のAI理論と無線システム工学のギャップを埋めることを目的としている。
論文参考訳（メタデータ） (2025-08-27T20:47:45Z)
AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させているこれらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
論文参考訳（メタデータ） (2025-07-24T16:04:59Z)
Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文参考訳（メタデータ） (2025-05-13T17:59:20Z)
Task-Oriented Connectivity for Networked Robotics with Generative AI and Semantic Communications [2.54886412206415]
本稿では,汎用AI(GenAI)エージェントと目標指向のセマンティックコミュニケーション(SemCom)をセマンティック・アウェア・ネットワークの下で統合する,ロボットのための新しいコワーキング・フレームワークを提案する。このエージェント駆動のパラダイムは、新たなレベルの自律性とインテリジェンスを可能にし、ネットワーク化されたロボットの複雑なタスクを、人間の介入を最小限に抑えて実行可能にする。
論文参考訳（メタデータ） (2025-03-09T20:56:04Z)
Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
論文参考訳（メタデータ） (2023-07-06T05:16:55Z)
Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks [68.00382171900975]
無線エッジネットワークでは、不正に生成されたコンテンツの送信はネットワークリソースを不要に消費する可能性がある。我々は、AIGC-as-a-serviceの概念を示し、エッジネットワークにAをデプロイする際の課題について議論する。最適なASP選択のための深層強化学習可能なアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-01-09T09:30:23Z)

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。