連合型マルチエージェント深層学習とニューラルネットワークを用いたワイヤレスネットワークの高度な分散センシング

arXiv:2603.16881v1 公表タイプ: 新規 概要: マルチエージェント深層学習（MADL）には、マルチエージェント深層強化学習（MADRL）、分散/フェデレーテッド学習、グラフ構造ニューラルネットワークが含まれており、センシング、通信、計算が密接に結合する無線システムにおける意思決定と推論の統一的な枠組みとなっています。近年の5G-Advancedおよび6Gのビジョンは、統合されたセンシングと通信、エッジ知能、オープン・プログラム可能なRAN、非地球表面/UAVネットワー Networking を通じてこの結合を強化し、それによって分散型、部分観測、時変、資源制約を伴う制御問題を生み出します。本調査は、2021-2025年の研究を重視してMADLによる分散センシングと無線通信の最先端を総合します。我々は、(i) 学習定式化（マルコフゲーム、Dec-POMDP、CTDE）、(ii) ニューラルアーキテクチャ（GNNベースの無線資源管理、アテンション基づくポリシー、階層的学習、オーバー・ザ・エア集約）、(iii) 先進技術（フェデレーテッド強化学習、通信効率の高いフェデレーテッドディープRL、サーバーレスエッジ学習オーケストレーション）、(iv) 応用領域（スライシングを用いたMECオフロード、UAV対応の電力ドメインNOMAを備えたヘテロジニアスネットワーク、センサーネットワークにおける侵入検知、ISAC駆動の知覚モバイルネットワーク）にわたるタスク指向の分類を提示します。私たちはまた、アルゴリズム、訓練トポロジー、および遅延、スペクトル効率、エネルギー、プライバシー、堅牢性に関するシステムレベルのトレードオフの比較表も提供します。最後に、スケーラビリティ、非定常性、ポイズニングとバックドアに対するセキュリティ、通信オーバーヘッド、リアルタイムの安全性を含む未解決の課題を特定し、6Gネイティブな sense-communicate-compute-learn 系を目指す研究の方向性を概説します。返却形式: {"translated": "翻訳済みHTML"}