ALMOND、6G衛星網の自律制御を目指す
Semantic Scholar2026年10月28日 (水)
- •研究論文が、6G低軌道衛星網を自律制御する枠組みALMONDを発表
- •350機のデジタルツインで、極域の衛星切り替え成功率が55％から95％超に上昇
- •ポリシーは5万パラメーター未満、推論は15ミリ秒未満で、衛星上に大規模言語モデルは不要
研究論文が、6G低軌道衛星網を自律制御する枠組みALMONDを発表しました。「北極圏の映像を途切れさせない」といった人間の要求を強化学習の報酬に置き換える作業では、従来、手作業の試行錯誤に数日かかることがありました。既存の大規模言語モデルによる変換手法は、生成したポリシーの失敗から学習できません。
ALMONDは自然言語の要求を複数の目的を持つ報酬関数に変換し、強化学習の失敗経路を分析して運用上の制約を推定します。反事実的な検証で推定内容を確かめます。さらに、大規模言語モデルを使ってグラフ上のニューロエボリューションを導き、ポリシーの構造を作成・評価します。地上で動く計算負荷の小さいシステムが、5万パラメーター未満に蒸留したポリシーを衛星へ送ります。推論は15ミリ秒未満で、衛星上では大規模言語モデルを動かしません。
実際の軌道暦データを用いた350機の衛星のデジタルツインでは、ALMONDによって極域での衛星切り替え成功率が55％から95％超に上がりました。標準的な強化学習より収束が約3倍速く、報酬設計にかかる時間は48時間から4.5時間に短縮されました。