Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SemAgent: Semantic-Driven Agentic AI Empowered Trajectory Prediction in Vehicular Networks

Created by
  • Haebom
Category
Empty

저자

Lin Zhu, Kezhi Wang, Luping Xiang, Kun Yang

개요

본 논문은 차량 환경에서의 예측 성능 향상을 위해 의미 기반 통신과 Agentic AI를 통합한 궤적 예측 프레임워크를 제시한다. 차량-인프라(V2I) 통신에서, 노변 장치(RSU)는 차량 궤적에서 압축된 특징 표현을 추출하고, 의미 분석 에이전트를 통해 의미적 추론을 수행한다. RSU는 특징 표현과 의미 정보를 대상 차량에 전송하여 차량이 수신된 의미론과 자체 과거 데이터를 결합하여 미래 궤적을 예측하도록 돕는다. 차량-차량(V2V) 통신에서는 각 차량이 로컬 특징 추출 및 의미 분석을 수행하며, 이웃 차량으로부터 예측된 궤적을 수신하여 궤적 예측에 활용한다. 다양한 통신 조건에서 실험을 통해 제안된 방법이 기존 방식보다 최대 47.5% 향상된 예측 정확도를 보였다.

시사점, 한계점

•
시사점:
◦
의미 기반 통신과 Agentic AI의 결합을 통해 차량 환경에서 궤적 예측 성능을 향상시킴.
◦
V2I 및 V2V 통신 모두에서 적용 가능한 프레임워크 제시.
◦
낮은 신호 대 잡음비(SNR) 조건에서도 예측 정확도 향상.
•
한계점:
◦
구체적인 Agentic AI 구현 방식 및 의미론적 추론 과정에 대한 상세 정보 부족.
◦
복잡한 환경에서의 확장성 및 실시간 처리 능력에 대한 추가 연구 필요.
◦
특정 통신 조건(예: 도시 환경, 고밀도 교통)에서의 성능 평가 부족 가능성.
👍
Made with Slashpage