LyndHub
Jadwal Sholat

Memuat jadwal sholat…

← Semua jurnalIndeks pencarian

Editorial Ilmu Komputer & AI

Open AccessOA2026

Sensing, Komunikasi, Komputasi, Penyimpanan, dan Kecerdasan Kolaboratif Udara-Darat untuk Ekonomi Altitud Rendah

Kerangka orkestrasi multi-sumber daya yang digerakkan tugas, loop tertutup, untuk penerapan ekonomi altitud rendah yang skalabel dan tepercaya
Yiqin Deng; Junhui Gao; Zihan Fang; Yanan Ma; Xianhao Chen; Yuguang Fang· 2026· DOI 10.48550/arXiv.2605.18503

Masalah inti

Ekonomi altitud rendah (LAE) mengubah ruang udara altitud rendah menjadi infrastruktur siber-fisik baru, yang memungkinkan beragam misi seperti pengiriman, pengawasan, dan mobilitas udara perkotaan. Berbeda dari komunikasi udara-darat tradisional, LAE pada dasarnya berpusat pada misi, dengan batasan keselamatan dan kepatuhan yang ketat yang tidak dapat ditangani secara efektif hanya oleh desain yang berpusat pada komunikasi. Hal ini menuntut kolaborasi udara-darat, tempat infrastruktur dan sumber daya dikoordinasikan untuk memenuhi misi LAE. Makalah ini berargumen bahwa LAE memerlukan orkestrasi multi-sumber daya yang digerakkan tugas dan loop tertutup untuk Sensing, Communication, Computing, Storage, dan Intelligence (SCCSI), dengan keputusan kunci dirancang bersama di bawah mobilitas dan ketidakpastian. Untuk mengatasi hal ini, penulis mengusulkan kerangka baru yang menghubungkan skenario LAE dan matriks kopling kebutuhan-sumber daya, arsitektur kolaboratif udara-darat, serta kotak perkakas metodologis untuk ko-optimasi SCCSI dan pengambilan keputusan daring. Makalah ini secara sistematis meninjau teknologi pemungkin, dengan menekankan kopling dan tradeoff ujung-ke-ujungnya, sert

Inovasi

Makalah ini meninjau teknologi pemungkin untuk sumber daya dan kapabilitas SCCSI kolaboratif, dengan menyoroti kopling dan tradeoff ujung-ke-ujungnya. Temuan kunci meliputi:

- **Sensing**: Sensing kolaboratif melalui platform udara dan darat meningkatkan cakupan dan akurasi, tetapi memunculkan tantangan fusi data dan overhead komunikasi.
- **Komunikasi**: Tautan udara-darat harus mendukung keandalan tinggi dan latensi rendah, tetapi mobilitas dan interferensi memerlukan alokasi sumber daya yang adaptif.
- **Komputasi**: Offloading komputasi ke edge server atau platform udara dapat mengurangi latensi, tetapi bergantung pada energi dan konektivitas.
- **Penyimpanan**: Penyimpanan terdistribusi di udara dan darat menjamin ketersediaan data, tetapi menimbulkan masalah konsistensi dan keamanan.
- **Kecerdasan**: Orkestrasi yang digerakkan AI memungkinkan keputusan prediktif dan adaptif, tetapi menuntut data pelatihan dan sumber daya komputasi yang signifikan.

Makalah ini juga merangkum testbed, dataset, dan metrik evaluasi, seperti latensi, efisiensi energi, tingkat keberhasilan tugas, dan kepatuhan keselamatan. Kasus penggunaan representatif (misalnya, pengiriman drone, respons darur

Ekonomi altitud rendah (LAE) mengubah ruang udara altitud rendah menjadi infrastruktur siber-fisik baru, yang memungkinkan beragam misi seperti pengiriman, pengawasan, dan mobilitas udara perkotaan. Berbeda dari komunikasi udara-darat tradisional, LAE pada dasarnya berpusat pada misi, dengan batasan keselamatan dan kepatuhan yang ketat yang tidak dapat ditangani secara efektif hanya oleh desain yang berpusat pada komunikasi. Hal ini menuntut kolaborasi udara-darat, tempat infrastruktur dan sumber daya dikoordinasikan untuk memenuhi misi LAE. Makalah ini berargumen bahwa LAE memerlukan orkestrasi multi-sumber daya yang digerakkan tugas dan loop tertutup untuk Sensing, Communication, Computing, Storage, dan Intelligence (SCCSI), dengan keputusan kunci dirancang bersama di bawah mobilitas dan ketidakpastian. Untuk mengatasi hal ini, penulis mengusulkan kerangka baru yang menghubungkan skenario LAE dan matriks kopling kebutuhan-sumber daya, arsitektur kolaboratif udara-darat, serta kotak perkakas metodologis untuk ko-optimasi SCCSI dan pengambilan keputusan daring. Makalah ini secara sistematis meninjau teknologi pemungkin, dengan menekankan kopling dan tradeoff ujung-ke-ujungnya, serta merangkum testbed, dataset, dan metrik evaluasi. Kasus penggunaan representatif menggambarkan bagaimana kerangka ini menerjemahkan kebutuhan aplikasi menjadi desain optimasi yang digerakkan tugas secara praktis, bersama tantangan terbuka dan peta jalan menuju penerapan LAE yang skalabel dan tepercaya.
Kerangka yang diusulkan terdiri atas tiga komponen yang saling terhubung: (i) skenario LAE dan matriks kopling kebutuhan-sumber daya, (ii) arsitektur kolaboratif udara-darat, dan (iii) kotak perkakas metodologis untuk ko-optimasi SCCSI dan pengambilan keputusan daring. Matriks kopling kebutuhan-sumber daya memetakan kebutuhan misi (misalnya, latensi, keandalan, keselamatan) ke sumber daya SCCSI, sehingga memungkinkan identifikasi tradeoff secara sistematis. Arsitektur kolaboratif udara-darat mengintegrasikan platform udara (misalnya, UAV, eVTOL) dengan infrastruktur darat (misalnya, edge server, base station) untuk memungkinkan berbagi sumber daya secara mulus. Kotak perkakas metodologis mencakup teknik optimasi untuk alokasi multi-sumber daya, seperti optimasi konveks, pembelajaran penguatan, dan teori permainan, yang disesuaikan untuk menangani mobilitas dan ketidakpastian. Sebagai contoh, optimasi bersama sensing, komunikasi, dan komputasi dapat dirumuskan sebagai:

Mengapa penting

Makalah ini membahas tantangan terbuka dan peta jalan menuju penerapan LAE yang skalabel dan tepercaya. Tantangan kunci meliputi:

- **Skalabilitas**: Mengoordinasikan ribuan kendaraan udara dan node darat memerlukan algoritma dan arsitektur yang skalabel.
- **Ketepercayaan**: Menjamin keselamatan, keamanan, dan privasi di lingkungan yang dinamis dan adversarial.
- **Heterogenitas**: Mengintegrasikan beragam platform, protokol, dan format data.
- **Regulasi**: Mematuhi regulasi penerbangan dan privasi yang terus berkembang.

Untuk mengatasi hal ini, penulis mengusulkan peta jalan yang meliputi:

1. Mengembangkan antarmuka dan protokol terstandar untuk kolaborasi udara-darat.
2. Memanfaatkan AI untuk orkestrasi prediktif dan deteksi anomali.
3. Membangun digital twin untuk pengujian dan validasi.
4. Menetapkan kerangka kepercayaan dengan blockchain dan federated learning.
5. Melakukan uji coba skala besar bersama para pemangku kepentingan.

Makalah ini menyimpulkan bahwa SCCSI kolaboratif sangat penting bagi LAE dan menyerukan penelitian interdisipliner untuk mewujudkan potensinya secara penuh. Kerangka yang diusulkan memberikan fondasi untuk optimasi yang digerakkan tugas, tetapi diperlukan kerja lebih lanjut pada implementasi waktu nyata, ketangguhan, dan pertimbangan etis.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…