A Review on Failure Node Recovery Algorithms in Wireless Sensor Actor Networks
在无线传感器-执行器网络中,传感器探测其周围环境并将其数据转发给执行器节点。参与者收集传感器数据并执行某些任务以响应各种事件。由于演员在恶劣的环境中工作,他们很容易受到损害或失败。失败的行动者节点可以将网络划分成不相交的子集。为了重新建立连接性,可以将节点重新定位到新的位置。本文重点介绍了三种节点恢复算法(LeDir,RIM,DARA),并从网络开销和路径长度验证指标分析了它们的性能。
2014-06-30 cs.NI
Proof of Concept of Wireless TERS Monitoring
临时挡土结构(TERS)有助于防止施工开挖期间的坍塌。为了确保这些结构在设计规范内运行,必须监测支撑上的载荷力。目前的监测方法是昂贵的,稀疏的,离线的,因此难以集成到预测模型。这项工作的目的是表明无线连接的电池供电的传感器是可行的,实用的,并具有类似的精度,现有的传感器系统。我们提出的设计和验证的重组,一个端到端的原型无线传感器网络的应变数据的收集,通信和聚合。ReStructure通过在真实挖掘现场部署六个月进行了验证,除了一个节点之外,所有节点都能以比现有节点更高的频率产生有效和准确的应变测量。这些结果和吸取的教训为今后广泛的无线TERS监测提供了基础,这种监测增加了测量密度,并与预测模型密切结合,以及时提供损坏或潜在故障的警报。
2017-05-10 cs.NI
A new approach to services differentiation between mobile terminals of a wireless LAN
本研究旨在找出无线局域网中移动终端区分服务的几种机制的优缺点,以建立一个更好更优化的机制。本文在分析现有IEEE 802.11标准服务质量方法的基础上,提出了一种新的服务质量控制方法--DF-DCF差分帧DCF。建议的方法在网络仿真器(NS)环境中的性能允许其通过一组测试和仿真场景的验证。仿真结果表明,DF-DCF方法更适合于无线通信网络中的移动节点。
2009-08-09 cs.NI
Efficient Data Compression with Error Bound Guarantee in Wireless Sensor Networks
我们提出了一个数据压缩和降维方案的数据融合和聚合应用,以防止数据拥塞,减少能源消耗在网络连接点,如簇头和网关。我们的网络方法可以很容易地调整,分析数据的时间或空间相关性,使用无监督的神经网络计划,即自动编码器。特别是,我们的算法从以前收集的历史样本中提取固有的数据特征,将原始数据转换为低维表示。此外,所提出的框架提供了一个错误约束保证机制。我们评估所提出的解决方案,使用真实世界的数据集,并将其与传统的方法进行时间和空间的数据压缩。实验结果表明,该方法在压缩效率和信号重构方面优于现有的几种无线传感器网络的数据压缩方法。
2014-08-13 cs.NI
Rate-distortion Balanced Data Compression for Wireless Sensor Networks
提出了一种基于压缩神经网络的无线传感器网络(WSNs)数据压缩数据压缩算法。该算法通过探索数据样本之间的时空相关性,最大限度地减少数据拥塞,降低能耗。自适应率失真特征平衡压缩数据大小(数据率)与所需的误差界限保证(失真水平)。这种压缩缓解了能源和带宽资源的压力,同时收集无线传感器网络数据在可容忍的误差范围内,从而增加了无线传感器网络的规模。该算法使用真实世界的数据集进行评估,并与传统的时间和空间数据压缩的方法进行比较。实验结果表明,该算法在压缩效率和信号重构方面优于现有的几种无线传感器网络数据压缩方法。此外,能量分析表明,压缩数据可以减少能量消耗,从而将服务寿命延长数倍。
2016-04-04 cs.NI
Effective Capacity of a Rayleigh Fading Channel in the Presence of Interference
近年来,有效容量的概念在无线网络研究界获得了很大的吸引力,它将无线信道的物理层特性与数据链路层联系起来。有效容量是基于Gärtner-Ellis的大偏差定理,它被用来提供统计的无线网络中的QoS供应。有效容量还有助于分析各种无线系统中的资源分配或调度策略,所述无线系统诸如中继网络、多用户系统和服从统计QoS要求的多载波系统。在最近的工作中,噪声限制的无线网络的有效容量已经被研究。针对干扰受限的无线信道,本文提出了一种基于Laplace方法的非相关瑞利衰落信道在存在非相关瑞利衰落干扰时的有效容量的解析方法。通过数值模拟验证了有效容量分析模型的准确性。给出了延迟尾概率和最大可持续率的估计。验证结果表明,所提出的有效容量的数学方法可以打开路径,进一步研究在干扰受限的无线网络中的统计QoS提供。
2012-07-12 cs.NI
Comparative Analysis of Routing Protocols for Under Water Wireless Sensor Networks
水下无线传感器网络具有低带宽、高延迟、能量有限、节点浮动移动和高误码率等特点,与陆地传感器网络有很大的不同。这些特点给水下传感器网络的网络协议设计带来了挑战。近年来,已经为这些网络开发了几种路由协议。在比较和验证这些建议的性能方面的主要困难之一是缺乏一个共同的标准来模拟恶劣水下环境中的声传播。在本文中,我们分析了某些水下路由协议,如VBF,DBR,H2-DAB,QELAR等的演变,在他们的本地化技术,能量最小化特性和保持时间计算。每个协议的设计遵循一定的目标,即减少能源消耗,改善通信延迟,实现的鲁棒性和可扩展性等。本文探讨了水下传感器网络的设计和实现的主要方法和挑战。通过对所选协议的详细描述,了解了当前无线传感器网络路由层的研究方向。
2013-06-05 cs.NI
On the Reproduction of Real Wireless Channel Occupancy in ns-3
在无线网络研发中,我们通常依赖仿真和实验来评估和验证新的网络解决方案。虽然模拟允许完全控制场景条件,但真实世界的实验受外部随机现象的影响,可能会产生难以重复和再现的结果,从而影响评估中解决方案的验证。以前,我们已经提出了基于跟踪的仿真(TS)的方法来解决这个问题。TS使用无线电链路质量和节点位置的痕迹,以准确地再现过去的实验在ns-3。然而,在其当前版本中,TS方法与无线电频谱与并发网络共享的场景不兼容,因为它不再现它们的信道占用。在本文中,我们介绍了InterferenceEnhancationLossModel和修改后的MacLow允许再现在过去的实验中经历的信道占用。为了验证所提出的模型,在w-iLab.t测试平台中进行的不同实验中测量网络吞吐量,控制并发网络引入的信道占用。然后将实验结果与使用改进的TS方法、传统TS方法和纯模拟实现的网络吞吐量进行比较,验证新提出的模型并确认其与再现先前在真实环境中执行的实验的相关性。
2020-03-11 cs.NI
Modeling Network Coded TCP Throughput: A Simple Model and its Validation
我们分析了TCP和TCP与网络编码(TCP/NC)在有损无线网络中的性能。我们以Padhye等人介绍的简单框架为基础,将经典TCP和TCP/NC的吞吐量行为描述为擦除率、往返时间、最大窗口大小和连接持续时间的函数。我们的分析结果表明,网络编码掩盖了TCP的擦除和丢失,从而防止TCP的性能下降,在有损网络,如无线网络。还可以看出,TCP/NC相比TCP具有显著的吞吐量增益。此外,我们模拟TCP和TCP/NC验证我们的分析的平均吞吐量和窗口的演变。我们的分析和模拟结果显示非常密切的一致性和支持,TCP/NC是强大的对擦除。TCP/NC不仅能够更快地增加其窗口大小,而且能够在网络内丢失的情况下保持较大的窗口大小,而TCP经历窗口关闭基本上是因为错误地将丢失归因于拥塞。
2010-08-02 cs.IT cs.NI math.IT
Machine Learning Based Propagation Loss Module for Enabling Digital Twins of Wireless Networks in ns-3
实验测试平台的数字孪生的创建允许验证新颖的无线网络解决方案并在现实条件下评估其性能,而无需实验测试平台的成本、复杂性和有限的可用性。目前基于示踪的ns-3模拟方法可以重复和再现过去实验中观察到的相同条件。然而,它们受到这样一个事实的限制,即仿真设置必须完全匹配原始实验设置,包括网络拓扑结构,移动模式和网络节点的数量。在本文中,我们提出了基于机器学习的传播损失(MLPL)模块的ns-3。基于在实验测试床中收集的网络迹线,MLPL模块将传播损耗估计为确定性路径损耗和随机快衰落损耗的总和。MLPL模块通过单元测试进行确认。此外,我们测试MLPL模块与真实的网络痕迹,并与现有的传播损耗模型在ns-3和真实的实验结果得到的结果进行比较。所获得的结果表明,MLPL模块可以准确地预测在真实环境中观察到的传播损耗,并再现给定测试平台的实验条件,从而在ns-3中创建无线网络环境的数字孪生。
2022-05-09 cs.NI
Wireless Scheduling Algorithms in Complex Environments
在无线传感器网络中,通过空间复用来有效地使用频谱需要在存在干扰的情况下在物理层处的分组接收的有效模型。尽管最近在分析和模拟研究干扰效应的最坏情况下的行为取得了进展,这些努力通常假设几何路径损耗和各向同性传输,这些假设尚未在实验中得到证实。我们的论文旨在提供一种将理论结果接地到实验现实中的无线干扰的方法。我们开发了一个新的无线算法框架,其中基于距离的路径损耗被替换为任意的增益矩阵,通常通过测量接收信号强度(RSS)。增益矩阵允许对复杂环境进行建模,例如,有障碍物和墙壁。我们实验评估的框架在两个室内试验台与20和60个微尘,并确认优越的预测性能的数据包接收率的增益矩阵模型在基于几何距离的模型。在我们的方法的核心是一个新的参数$ζ$称为度量,它表明如何接近增益矩阵的距离度量,有效地衡量环境的复杂性。该参数的一个强大的理论特征是,在一般度量空间中工作的所有已知SINR调度算法结转到任意增益矩阵,并且在$ζ$方面实现与先前在路径损耗常数方面获得的等效性能保证。我们的实验证实了$ζ$对环境性质的敏感性。最后,我们分析和经验表明,如何利用多个渠道来提高度量,从而提高性能。我们相信,我们的贡献将有助于实验验证物理无线干扰模型的算法的最新进展。
2014-05-16 cs.NI
An Extended Weighted Partitioning Around Cluster Head Mechanism for Ad Hoc Network
无线网络在当今的通信场景中扮演着至关重要的角色。无线通信的自组织性质增加了适合各种现实世界应用的风味。这极大地提高了网络的性能,而集群机制被添加到ad hoc网络。研究发现,现有的WCA在形成有效集群方面存在不足。因此,这项工作提出了一个扩展的加权分区周围的簇头机制,考虑W-PAC作为基础,形成集群。集群成员配置有IPv6地址。通过W-PAC形成的IPv6集群将被进一步验证,以确定集群的完善性。簇的形成和维护已经用C++作为程序设计语言实现。使用OMNET++模拟器进行了集群验证。
2013-01-12 cs.DC cs.NI
Abstractions for Network Intelligence: A Reference Architecture for AI at the Wireless Edge
The Ohio State University(俄亥俄州立大学);MITRE Labs(MITRE实验室);Purdue University(普渡大学);University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校)
该研究提出了AI-EDGE参考架构,通过信息腰实现智能应用与智能网络的协同交互,适配O-RAN等平台,可提升网络与AI应用的协同性能。
2026-08-11 cs.NI
Wireless Traffic Prediction with Scalable Gaussian Process: Framework, Algorithms, and Verification
Beijing University of Posts and Telecommunications(北京邮电大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));University of California, Davis(加州大学戴维斯分校)
云无线接入网络(C-RAN)是满足第五代(5G)无线系统的严格要求的有前景的范例。同时,无线流量预测是C-RAN通过负载感知网络管理来提高频谱效率和能量效率的关键使能器。本文提出了一个可扩展的高斯过程(GP)框架作为一个有前途的解决方案,以实现大规模的无线流量预测的成本效益的方式。我们的贡献是三方面的。首先,据我们所知,本文是第一个在训练阶段使用交替方向乘法器(ADMM)进行并行超参数优化的GP回归,其中这种可扩展的训练框架很好地平衡了基带单元(BBU)中的局部估计和大规模执行中的原则性信息一致性。其次,在预测阶段,我们通过基于交叉验证的最优策略融合从BBU获得的局部预测,这表明它对于一般回归任务是可靠和鲁棒的。此外,这种基于交叉验证的最优融合策略是建立在一个公认的概率模型,以保留有价值的封闭形式的GP推理属性。第三,我们提出了一种基于C-RAN的可扩展无线预测架构,其中可以通过根据实时系统需求调整BBU的数量来平衡预测精度和时间消耗。实验结果表明,我们提出的可扩展GP模型可以大大优于国家的最先进的方法,在无线流量预测性能。
2019-02-13 cs.LG cs.NI eess.SP
A Robust Machine Learning Approach for Path Loss Prediction in 5G Networks with Nested Cross Validation
Türk Telekom R&D Department(土耳其电信研发部门);Faculty of Electrical Engineering Czech Technical University in Prague(布拉格捷克技术大学电气工程学院)
针对5G网络路径损耗精准预测需求,提出结合嵌套交叉验证的机器学习方法,基于北京城市宏蜂窝公开数据集测试多模型,发现XGBR预测性能最优,可助力网络规划与优化。
2023-10-02 cs.LG cs.NI
Hyper-parameter Optimization for Wireless Network Traffic Prediction Models with A Novel Meta-Learning Framework
本文提出一种融合KNN、GA和GRN的元学习超参数优化框架,通过积累优化经验快速确定无线网络流量预测模型的最优超参数,显著提升了优化效率与预测精度。
2025-05-03 cs.NI
A UAV-assisted Wireless Localization Challenge on AERPAW
School of Electrical and Computer Engineering, University of Georgia(佐治亚大学电气与计算机工程学院);University of North Texas(北得克萨斯大学);NYU Tandon School of Engineering(纽约大学坦登工程学院);Delmont Systems LLC(德尔蒙特系统有限责任公司);North Carolina State University(北卡罗来纳州立大学)
本文介绍AERPAW平台上的无人机辅助无线定位挑战,通过真实测试平台场景验证平台能力,并总结前三名团队自动定位窄带信号的方法与经验。
2024-07-16 cs.NI cs.RO
Enhancing Information Dissemination in Dynamic Wireless Network using Stability and Beamforming
移动性导致网络结构发生变化。在PSNs的基础网络结构正在迅速变化,我们有兴趣研究如何在稀疏断开的网络中,节点缺乏对网络的全局知识的信息传播可以得到增强。我们使用波束形成来研究信息传播过程中的增强。为了识别潜在的波束形成器和波束应该指向的节点,我们使用稳定性的概念。我们首先预测一个节点的稳定性在动态网络中使用截断levy步行性质的跳跃长度的人的流动性,然后使用此措施来识别波束形成节点和节点的波束被定向。我们还开发了我们的算法,使它不需要任何关于网络的全局知识,并以分布式方式工作。我们还显示了各种参数,如源的数量,数据包的数量,移动性参数,天线参数,使用的稳定性和网络的密度在网络中的信息传播的类型的影响。我们用三种验证模型来验证我们的发现,没有波束形成,使用不同稳定性度量的波束形成,以及当没有稳定性度量相关联但节点波束形成数量相同且波束形成节点的选择是随机的时。我们的仿真结果表明,信息传播可以使用我们的算法比其他模型得到增强。
2012-10-19 cs.NI
An efficient genetic algorithm for large-scale transmit power control of dense industrial wireless networks
工业无线局域网(IWLAN)的密度越来越大,这不仅是因为无线应用已渗透到工厂和仓库,还因为对冗余的需求不断增加,以实现强大的无线覆盖。代替以最大发射功率对所有节点通电,大规模地控制所有无线节点的发射功率成为不可避免的挑战,以便减少干扰并使覆盖适应环境中的最新阴影效应。因此,本文提出了一种有效的遗传算法(GA)来解决这个发射功率控制(TPC)问题的密集的无线局域网,命名为GATPC。有效的人口初始化,交叉和变异,并行计算,以及专门的加速措施,以定制GATPC的大规模优化,这是内在的参与这个问题。与大多数覆盖相关的优化算法无法处理恶劣的工业室内环境中普遍存在的阴影效应相比,GATPC使用考虑三维障碍物阴影效应的经验单斜率路径损耗模型,以实现准确而简单的覆盖预测。在实际工业案例中的实验验证和数值实验表明,GATPC在超大规模的可扩展性,分辨率运行时高达37倍的加速,以及实现自适应覆盖和最小化干扰的解决方案质量方面具有良好的性能。
2017-08-12 cs.NE cs.NI
SDL based validation of a node monitoring protocol
移动自组织网络是一种由移动节点组成的无线、自配置、无基础设施的网络。节点的高度移动性使得运行在其上的应用程序面临着节点故障、链路故障、网络级断开、资源稀缺、缓冲区退化、间歇性断开等网络相关问题。需要通过监控网络状态来持续监测节点故障和网络故障。节点监控协议是关键,因此需要对协议进行详尽的测试,以验证和确认所设计协议的功能性和准确性。本文提出了一种基于规范和描述语言(SDL)的节点监控协议的验证模型,该模型使用了静态代理(SA)和移动代理(MA)。我们已经验证了基于全局状态的节点监控协议(NMP)的属性,没有出口,死锁状态和适当的终止状态使用可达图。消息序列图(MSC)给出了一个直观的理解所描述的系统行为与变化的节点密度和复杂的行为等。
2015-08-31 cs.DC cs.NI
TrustSense: An energy efficient trust scheme for clustered wireless sensor networks
由于无线传感器网络的计算资源相对较低,因此设计安全系统是一个挑战。这使得许多基于密码学的传统防御机制无法在此类网络上部署。声誉和异常检测系统已被实现为可行的替代方案,但现有的实现仍然难以在不对能耗产生重大影响的情况下提供有效的安全性。为了解决这种资源消耗和弹性之间的权衡,我们设计了TrustSense,一个信誉管理协议的集群无线传感器网络。它是一个半集中式的算法家族,在簇头的层次结构中结合定期的信任更新,空间相关性和分组序列验证,以减轻传感器节点不必要的意见查询和信任评估计算。我们比较了TrustSense与传统信誉系统(如EigenTrust)的效率,模拟结果显示,在可靠性和能量使用方面有显着改善,同时在不同数量的恶意节点下保持可接受的路径长度。我们相信,结合不同类别的入侵检测系统的不同技术的方法解锁了几种可能性,实现更好的结果,这些技术的更复杂和灵活的组合。
2020-11-19 cs.CR cs.NI
DualPI2 Active Queue Management in ns-3: Implementation And Validation
Universidade Federal de Pernambuco (UFPE)(伯南布哥联邦大学)
本文在ns-3中实现了镜像Linux内核架构的DualPI2 AQM模型,纳入WRR调度等缺失机制,经25种BDP场景验证可复现真实行为,为L4S研究提供了可靠工具。
2026-08-14 cs.NI
Modified SI Epidemic Model for Combating Virus Spread in Spatially Correlated Wireless Sensor Networks
在无线传感器网络(WSNs)中,每个传感器节点的主要任务是感测物理活动(即,目标或灾害状况),然后将其报告给控制中心以供进一步处理。为此,传感器节点被附接有许多具有测量环境信息的能力的传感器。基于共同感知覆盖的无线传感器网络存在节点间的空间相关性,从而导致数据通信冗余。为了研究在这种情况下的病毒传播动力学,一个修改后的SI流行病模型的数学推导,通过将无线传感器网络的参数,如空间相关性,节点密度,传感范围,传输范围,总传感器节点等建议SI模型的解决方案也确定研究随时间的动态。最初,少数节点被病毒攻击,然后病毒感染通过正常的数据通信通过其相邻节点传播。由于相关传感器区域存在冗余节点,不同的传感器覆盖范围会导致病毒传播过程的不同。所提出的SI模型捕获的空间和时间动态比现有的全球。感染过程导致网络故障。通过利用节点之间的空间相关性,传播控制方案的发展,以限制在网络中的进一步感染。数值结果分析与比较验证。
2018-01-15 cs.NI eess.SP
Cross-Layer Optimization and System-Level Design of Next-Generation Wireless Networks via Intelligent RAN Control
Northeastern University(东北大学)
本研究针对下一代无线网络,结合开放RAN与AI技术,提出DRL方案、PandORA框架等多项核心成果,完成RIS相关设计与系统级验证,满足6G无线研究的产业与学术需求。
2026-08-07 cs.NI
WARA: Toward Automated Wireless Optimization Research with Closed-Loop LLM Agents
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));City University of Hong Kong(香港城市大学);Sun Yat-Sen University(中山大学)
该研究提出首个面向无线领域的端到端闭环LLM自动研究框架WARA,通过工件介导控制实现自动化无线优化研究,其性能优于单次LLM生成,接近同行评审论文质量。
2026-08-18 cs.AI cs.NI
Geo-Network Coding Function Virtualization for Reliable Communication over Satellite
在本文中,我们提出了一个设计解决方案,实现虚拟化网络编码功能(VNCF)的服务覆盖区域。网络功能虚拟化(NFV)和网络编码(NC)架构设计被集成为NC设计域的工具箱,使得NC可以在包括卫星或混合网络的不同底层物理网络上实现。该设计包括确定理论上的限制NC在无线网络中的可实现的速率区域和优化编码速率的节点,实现VNCF。总体设计目标是在接收端实现给定的组播传输目标可靠性。此外,优化问题针对某些计算复杂性/能量约束使用具有地理标记的链路统计和部署区域中的网络节点的地理位置信息的数据库。数值结果验证了我们的设计解决方案,网络条件和系统约束如何影响NC的设计和实现,以及VNCF如何允许通过无线网络进行可靠的通信,其可靠性和连通性达到理论极限。
2018-03-12 cs.NI
Network-Aware Forecasting on Wireless Access Points
Cisco Systems(思科系统公司)
该研究针对无线接入点的资源竞争问题,定义网络感知可部署性标准,通过基准测试揭示模型在AP与Raspberry Pi 5上的性能差异,为AP同时承载网络与ML workload提供部署依据。
2026-09-03 cs.LG cs.NI
Design and Evaluation of Next-Generation Cellular Networks through Digital and Physical Open and Programmable Platforms
Northeastern University(东北大学)
本研究通过数字和物理开放可编程平台设计和评估下一代蜂窝网络,提出CaST框架和X5G测试平台,实现智能RAN应用和实时推理。
2026-01-26 cs.NI
A Reinforcement Learning Framework for Mobility Control of gNBs in Dynamic Radio Access Networks
本文提出一种强化学习框架,利用CC-SIM模拟器和DQN智能体动态控制gNB移动,以减少视距阻塞时间,实验显示最多可降低42%。
2025-08-04 cs.NI
Learning Wireless Data Knowledge Graph for Green Intelligent Communications: Methodology and Experiments
针对6G绿色通信中原生AI的实时与资源效率需求,本文提出PML原生AI架构,利用无线数据知识图谱和STREAM生成按需特征数据集,并通过实验验证其有效性。
2024-04-16 cs.LG cs.NI eess.SP
Machine Learning Epidemic Predictions Using Agent-based Wireless Sensor Network Models
Ontario Tech University(安大略理工大学);ABM College(ABM 学院);Federal College of Education(联邦教育学院)
本研究利用基于代理的SEIRV模型,通过机器学习算法预测无线传感器网络中的流行病传播,发现随机森林、XGBoost等算法在预测效果上表现最佳。
2025-11-20 cs.LG cs.NI
The Ambient Networks Heterogeneous Access Selection Architecture
即将到来的无线通信将以多址接入的普遍性为特征。尽管复杂性固有地增加,最终用户应该能够利用最合适的接入网络。因此,在具有不同重叠无线电技术的环境中的接入选择是中心兴趣,并且需要在单运营商和多运营商场景上同样良好地执行、考虑若干参数并且尊重分层原理的架构。在本文中,我们介绍了环境网络异构接入选择架构,解释它如何满足这些要求。我们提出了基本的架构组件,并解释它们的相互作用。我们说明了所提出的架构在实践中是如何工作的,并讨论了最近的结果,我们的原型为基础的验证。
2011-05-08 cs.NI
Digital Twin for Pre-Deployment Validation of AI-Driven Safety-Critical Industrial Edge Control Loops
National Laboratory of Wireless Communications of CNIT(CNIT无线通信国家实验室);University of Bologna(博洛尼亚大学);Fibercop
本文提出一种集成物理过程、通信与应用逻辑的模块化数字孪生框架,经BI-REX中试线的5G自主移动机器人实验验证,可用于AI驱动工业控制回路的预部署设计与验证。
2026-10-09 cs.NI cs.RO