ns-3
PulseAugur coverage of ns-3 — every cluster mentioning ns-3 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的GPU批处理5G仿真器可大规模增强机器人学习
研究人员开发了Isaac-Net，这是一个新颖的GPU批处理5G新空口（NR）模块，旨在将网络仿真集成到大规模机器人学习环境中。该系统允许同时仿真数千个机器人环境，精确地模拟私有5G网络引入的延迟和信息年龄（AoI）。Isaac-Net旨在弥合快速GPU机器人仿真器与详细数据包级网络仿真器之间的差距，从而实现多机器人系统更真实的训练。
-
Jev 决策模型在 6G Open RAN 意图解释方面优于 LLM
一篇新论文将 Jev 决策模型与大型语言模型 (LLM) 在 6G Open RAN 系统中的意图解释进行了比较。研究发现，Jev 决策模型在满足近乎实时控制预算方面显著优于 LLM，Jev 在 99.8% 的呼叫中满足了 1 秒的预算，而两个托管的 LLM 仅在 17.9% 和 0% 的时间内满足。这种性能差异对于维持无线网络性能和服务水平协议至关重要，因为较慢的 LLM 解释器可能会错过控制截止日期并导致队列饱和。
-
预测无线网络中联邦学习的通信时间成本
研究人员开发了一种方法来预测 IEEE 802.11 无线网络中联邦学习场景下的通信时间成本。通过使用 ns-3 模拟来测量不同客户端密度和负载下的帧传递率和饱和吞吐量，他们创建了更新录取概率的代理。该代理与一个方程结合，用于估算通信时间，结果表明，虽然达到目标精度所需的回合数保持稳定，但通信时间随着客户端密度的增加而显著增加。一个基于 Bianchi 的估计器在未见过的情况下实现了 2.3% 到 10.2% 的平均绝对百分比误差，尽…
-
用于 5G/6G 网络中具有截止时间意识的 V2X 调度的微型 LLM 代理
研究人员开发了 Agentic-V2X，这是一种利用微型语言模型进行 5G/6G 网络中具有截止时间意识的车辆到一切 (V2X) 调度的创新架构。该系统采用本地部署的微型语言模型来创建周期性策略，然后由轻量级控制器进行验证和执行。该框架旨在通过确保策略的有效性和安全性来解决大型语言模型在实时网络调度中的局限性，在关键可靠性指标方面表现具有竞争力，但总体上并未超越最强的静态策略。
-
提出使用轻量级 LLM 代理进行 5G/6G 网络中具有截止时间意识的 V2X 调度
本文介绍了 Agentic-V2X，一个旨在利用轻量级语言模型为 5G/6G 网络中的具有截止时间意识的车辆到一切 (V2X) 调度设计的架构。该系统采用一个小型本地语言模型来生成策略，然后由一个轻量级控制器进行验证和执行。使用 ns-3/ns3-ai 进行的评估表明，Agentic-V2X 可以生成有效的策略并在关键可靠性场景中保持有竞争力的性能，尽管它并不总是优于最强的静态策略。