CARGO：スマート輸送におけるカーボンを意識したゴシップ・オーケストレーション
arXiv cs.AI / 2026/3/31
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文では、通信が断続的で、船舶間で参加状況が不均一であるようなスマート輸送における協調的AIを改善することを目的とした、カーボンを意識したゴシップ・オーケストレーション・フレームワークであるCARGOを提案する。
- CARGOは学習を、データプレーン（圧縮したゴシップ交換によるローカル学習）と、コントロールプレーンに分離する。コントロールプレーンは、参加する船舶を動的に選択し、通信エッジを有効化し、圧縮の攻撃性を調整し、各ラウンドごとに復旧アクションを発動する。
- 本アプローチは、通信のオーバーヘッド削減にのみ焦点を当てるのではなく、カーボンコスト、信頼性、長期的な参加バランスを組み込むことで、通信を共同で管理されるリソースとして明示的に扱う。
- 動作保全（予知保全）のシナリオを用いた実験では、運用中のバルクキャリアのエンジンデータとトレース駆動の海上ネットワークモデリングにより、精度競争力のある分散型ベースラインと比べて、CARGOが高い精度を維持しつつ、カーボンフットプリントと通信オーバーヘッドを削減できることを示す。
