論文の概要: State-Augmented Learning for Post-Deployment Adaptation of Coexisting O-RAN Applications

• arxiv url: http://arxiv.org/abs/2611.01376v1
• Date: Sun, 01 Nov 2026 00:26:06 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:55:31.360432
• Title: State-Augmented Learning for Post-Deployment Adaptation of Coexisting O-RAN Applications
• Title（参考訳）: 既存O-RANアプリケーションのデプロイ後適応のための状態拡張学習
• Abstract要約: Open RANの修正されたコントロールポリシでは、サービス要件やトラフィックの負荷、インタラクションアプリケーションの変更時に、再トレーニングが必要になる可能性がある。 本稿では,学習モビリティ負荷分散アプリケーションと共存する省エネアプリケーションのための,状態拡張学習手法ATTUNEを提案する。 ターゲット、負荷、パートナーアプリケーションの変更に再トレーニングすることなく適応し、軽量負荷時の省エネを強化し、個別にトレーニングされたアプリケーションペアに対するターゲットトラッキングを維持する。
• 参考スコア（独自算出の注目度）: 13.744968328223912
• License:
• Abstract: Fixed control policies in Open RAN can require retraining when service requirements, traffic loads, or interacting applications change. We propose ATTUNE, a state-augmented learning method for an energy saving application that coexists with a learned mobility load balancing application under a service constraint. ATTUNE conditions the energy saving policy on a Lagrange multiplier and updates this scalar during operation using measured service degradation, while keeping both applications' network parameters fixed. To train a single policy across service requirements, ATTUNE samples target service levels uniformly and maps them to multipliers through an adaptive table. This procedure accounts for policy-dependent multiplier responses and improves energy savings compared with training over a widened fixed multiplier range. We characterize the induced distribution of service levels and the convergence and fluctuations of the online update. An exact finite-window identity establishes convergence of average measured degradation to the target when the projection corrections vanish on average. Simulations show that a single ATTUNE policy achieves energy savings comparable to policies trained separately for each service requirement. It adapts to changes in the target, load, and partner application without retraining, increases energy savings at light load, and maintains target tracking for separately trained application pairs. No statistically significant increase in cell switching is detected in the evaluated comparisons.
• Abstract（参考訳）: Open RANの修正されたコントロールポリシでは、サービス要件やトラフィックの負荷、インタラクションアプリケーションの変更時に、再トレーニングが必要になる可能性がある。 本稿では,サービス制約下で学習したモビリティ負荷分散アプリケーションと共存する省エネアプリケーションのための,状態拡張学習手法ATTUNEを提案する。 ATTUNEは、ラグランジュ乗算器の省エネポリシーを条件にし、両方のアプリケーションのネットワークパラメータを固定しつつ、測定されたサービス劣化を使用して操作中にこのスカラーを更新する。 サービス要件を越えた単一のポリシをトレーニングするために、ATTUNEは、サービスレベルを均一にサンプリングし、それを適応テーブルを通じて乗算器にマップする。 この手順は、ポリシーに依存した乗算器応答を考慮し、拡張された固定乗算器範囲でのトレーニングと比較して省エネ性を向上させる。 サービスレベルの誘導的分布とオンライン更新の収束と変動を特徴付ける。 正確な有限ウィンドウの恒等性は、投影補正が平均でなくなると、目標に対して測定された平均劣化の収束を確立する。 シミュレーションにより、単一のATTUNEポリシーが各サービス要件に対して個別に訓練されたポリシーに匹敵する省エネを達成することが示された。 ターゲット、負荷、パートナーアプリケーションの変更に再トレーニングすることなく適応し、軽量負荷時の省エネを強化し、個別にトレーニングされたアプリケーションペアに対するターゲットトラッキングを維持する。 評価実験では, セルスイッチングの統計的に有意な増加は認められなかった。

関連論文リスト

• ResMerge: Residual Policy Learning and Merging for Continual Adaptation of Pre-trained Robot Policies [23.3361506697962]
  新しいタスクへの継続的な適応は、現実世界に展開されるロボットにとって不可欠である。 PECFT(Continuous Fine-Tuning)はタスク固有の更新を分離するが、アダプタ・パー・タスクの設計ではデモを必要とし、タスクセットで成長する。 ResMergeは凍結した事前訓練されたポリシーの上にマージ可能な残留ポリシーを学習する2段階のフレームワークである。
  論文  参考訳（メタデータ） (2026-10-30T12:33:47Z)
• Reward-Adaptive Co-Evolution of Policy and Rubric [3.3504892038235496]
  本稿では,Reward-collapse Co-EvolutionフレームワークであるRASを紹介する。 グループレベルでは、ロールアウトグループごとの訓練信号ルーティングは、グループを情報的、多様性に富んだ、オリミド、または失敗に分類する。 RACEは高い平均性能を達成し、8つのタスクにおいて最強の固定交替ベースラインを上回り、ルーリック識別を改善している。
  論文  参考訳（メタデータ） (2026-10-29T14:00:07Z)
• Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks [51.122913904076505]
  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。
  論文  参考訳（メタデータ） (2026-09-17T01:04:27Z)
• Constraint-Aware Aggregation for Federated Reinforcement Learning in Microgrid Energy Coordination [1.675857332621569]
  フェデレート強化学習(Federated Reinforcement Learning, FedRL)は、生のローカルデータを共有せずに、分散エネルギー資源の調整を可能にする。 FedAvgのような標準的なアグリゲーションメソッドは、システムレベルの制約を考慮せず、多くの場合、安全でないグローバルな振る舞いを引き起こす。 ローカル性能と推定制約違反の両方をサーバ側の更新に組み込んだアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2026-07-14T13:33:25Z)
• Warp RL: Reshaping Base Policy Distributions for Dynamics Adaptation [3.3656696418661975]
  残留強化学習は、その動作に付加的な補正を学習することにより、事前訓練されたロボットポリシーに適応する。 基底分布が幾何的に変化した系と一致していない場合、残差補正は未適応のポリシーでさえも過小評価可能であることを示す。 基本方針の行動分布の可逆的状態条件変換を付加残差に置き換える政策適応手法であるWarp RLを提案する。
  論文  参考訳（メタデータ） (2026-06-30T02:25:51Z)
• Trust the Batch, On- or Off-Policy: Adaptive Policy Optimization for RL Post-Training [50.86545293331458]
  強化学習は、教師付き学習よりも構造的に難しい。 本稿では,固定クリッピングを政策比率の正規化された有効サンプルサイズに置き換える,単純かつ効果的なバッチ適応目的を提案する。
  論文  参考訳（メタデータ） (2026-05-12T16:44:47Z)
• A Production-Ready RL Framework for Personalized Utility Tuning with Pareto Sweeping in Pinterest Recommender Systems [7.4144229390766005]
  大規模レコメンデータは、複数の予測結果を1つのユーティリティスコアに組み合わせることで、多目的トレードオフを符号化する。 PRL-PUTS(PRL-PUTS)を提案する。
  論文  参考訳（メタデータ） (2026-05-08T01:48:49Z)
• Actor-Critic with Active Importance Sampling [61.41272490044518]
  本稿では,Active-Importance-Sampling Actor-Critic (AISAC)アルゴリズムを提案する。 AISACはActor-Criticフレームワークの拡張であり、ポリシー勾配推定のばらつきを低減する。 実験では、標準的なアクター・クライブ法と比較して学習速度、サンプル効率、トレーニングが改善された。
  論文  参考訳（メタデータ） (2026-05-08T01:21:32Z)
• SOPE: Stabilizing Off-Policy Evaluation for Online RL with Prior Data [49.370849653460716]
  本稿では,アクタに整列したオフポリシー評価信号を用いたSOPEを,自動早期停止機構として提案する。 Minariベンチマークスイートから25の継続的制御タスクを評価した。 SOPEはベースライン性能を最大45.6%改善し、必要なTFLOPを最大22倍改善した。
  論文  参考訳（メタデータ） (2026-05-07T08:32:09Z)
• Coverage Improvement and Fast Convergence of On-policy Preference Learning [67.36750525893514]
  言語モデルアライメントのためのオンラインのオンラインプライオリティ学習アルゴリズムは、オフラインのアルゴリズムよりも大幅に優れている。 我々は,サンプリング政策の包括的範囲が政治訓練を通じてどのように進展するかを分析する。 一般機能クラス設定における報奨蒸留のための原則的オンライン方式を開発した。
  論文  参考訳（メタデータ） (2026-01-13T10:46:06Z)
• Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
  本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。 我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
  論文  参考訳（メタデータ） (2021-12-03T19:23:48Z)

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。