Самообучающиеся сети 6G: Ответственный AI для надежных SLA

В рамках многопоставщиковой сети 6G разработана система мониторинга - «Плоскость аудита с учетом ответственности» (RAAP) - непрерывно регистрирующая трассы принятия решений [latex] \{x\_t, a\_t, s\_t, z\_t\} [/latex] и формирующая как дашборд соответствия SLA для конечных пользователей с рекомендациями по устранению неполадок, так и отчёт об ответственности для операторов, включающий среднюю точность (AvgAcc), наихудшую точность по группам (WGAcc) и атрибуцию ответственности по каждому поставщику/агенту, что позволяет реализовать гибридную модель RAI - стохастическую модель, обеспечивающую понятную, справедливую и аудируемую проверку соответствия SLA.

В новой статье рассматривается гибридный подход, объединяющий возможности искусственного интеллекта и стохастического обучения для обеспечения соблюдения соглашений об уровне обслуживания (SLA) в гетерогенных сетях шестого поколения.

Обучение роботов-манипуляторов: новый подход к эффективному освоению сложных задач

Политика управления, первоначально обученная в масштабной симуляции и затем доработанная в реальном времени посредством SOFT-FLOW - с накоплением приблизительно 15 минут данных за каждые 1000 шагов градиентного спуска, после 3000 шагов разминки критика - демонстрирует временное снижение производительности на начальном этапе доработки актора, вызванное увеличением исследования, за которым следует значительное улучшение скорости вращения ([latex]RPM[/latex]) и кумулятивного вращения по траектории, что подтверждает эффективность онлайн-обучения с переносом знаний.

Исследователи предлагают инновационный метод, позволяющий значительно сократить время и ресурсы, необходимые для обучения роботов выполнению деликатных манипуляций в реальном мире.