Autonomous intent-driven optimization of PONs : A vendor-agnostic DRL demonstration
Resumen:
We demonstrate a Deep Reinforcement Learning application for autonomous T-CONT configuration in passive optical networks. Using DDQN, we achieve vendor-agnostic dynamic upstream-latency optimization in a fixed–mobile convergence use case.
| 2026 | |
| Este trabajo fue financiado y apoyado por el proyecto DGE IPCEI ME/CT Orange, así como por la CAP uruguaya (Comisión Académica de Posgrados). También se realizó en el marco de Lab’Optic, una iniciativa conjunta de investigación entre el UMR-6285 Lab-STICC, el Instituto Foton UMR 6082 y Orange Innovation. | |
|
Passive optical networks Optimization Printing Timing |
|
| Inglés | |
| Universidad de la República | |
| COLIBRI | |
| https://hdl.handle.net/20.500.12008/55910 | |
| Acceso abierto | |
| Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
