计算机科学 > 网络与互联网架构
[提交于 2024年12月28日
(v1)
,最后修订 2025年2月23日 (此版本, v2)]
标题: 利用边缘智能和大语言模型推动6G赋能的自动驾驶防御车辆互联网的发展
标题: Leveraging Edge Intelligence and LLMs to Advance 6G-Enabled Internet of Automated Defense Vehicles
摘要: 人工智能(AI)及其子集深度学习(DL)的发展,对众多领域产生了深远影响,包括自动驾驶。在军事环境中整合自动驾驶技术可以减少人员伤亡,并在危险环境中实现精确且安全的任务执行,同时允许可靠的后勤支持,而不会出现与疲劳相关的错误风险。然而,仅依赖自动驾驶需要一个在任何情况下都适应性强且最优的决策模型。考虑到在关键任务场景中存在大量相互连接的自动驾驶车辆,超可靠低延迟通信(URLLC)对于确保无缝协调、实时数据交换以及对动态驾驶环境的即时响应至关重要。6G的出现通过实现强大的连接性,加强了军事防御事物互联网(IoMDT)领域内自动化防御车辆互联网(IoADV)的概念,这对于实时数据交换、高级导航和通过IoADV交互增强的安全功能至关重要。另一方面,这一领域的一个关键进展是使用预训练的生成式大语言模型(LLMs)进行自动驾驶的决策和通信优化。因此,本文探讨了实现这些技术在关键国防应用中的全部潜力的机会和挑战,特别是通过IoADV的进步及其在增强自主军事行动中的作用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.