The concept of fixed infrastructures capable of fulfilling the requirements of moving devices in terms of connectivity and reliability has been the optimal solution for the past few decades. Today, such a solution is no longer feasible in the Internet of Things (IoT) era. All things are now connected, and a significant number of them are mobile, hence leading to connectivity and reliability issues. Connected and autonomous vehicles, in addition to more contemporary flying and moving devices such as unmanned aerial vehicles (UAVs) and IoT devices, will play a significant role in next-generation networks (NGNs). Node-to-node communication will also play a key role in NGNs and will provide alternative solutions toward connectivity in many complex environments for applications such as smart transportation. With that said, today's wide availability of smart moving devices provides a wider set of alternatives to autonomy for NGNs. In this article, we discuss some of the existing solutions that use connected vehicles, UAVs, and other moving intelligent devices to not only provide connectivity support, but also perform on-location data collection, anal-ysis, and decision making to enable the management of moving NGNs for intelligent services and applications. We envision a solution that is capa-ble of adapting generalized and decentralized learning on mobile devices, such as federated learning, with the advances in deep learning to support the autonomy and configurability aspects of moving NGNs.

中文翻译：

---

智能移动设备支持下一代网络管理

能够满足移动设备在连接性和可靠性方面的要求的固定基础设施的概念一直是过去几十年的最佳解决方案。如今，这样的解决方案在物联网 (IoT) 时代已不再可行。现在所有的东西都是连接的，其中很大一部分是移动的，因此导致了连接性和可靠性问题。除了无人驾驶飞行器 (UAV) 和物联网设备等更现代的飞行和移动设备外，联网和自动驾驶汽车将在下一代网络 (NGN) 中发挥重要作用。节点到节点的通信也将在 NGN 中发挥关键作用，并将为智能交通等应用的许多复杂环境中的连接提供替代解决方案。话虽如此，今天' 智能移动设备的广泛可用性为 NGN 的自治提供了更广泛的替代方案。在本文中，我们讨论了一些现有的解决方案，这些解决方案使用联网车辆、无人机和其他移动智能设备，不仅提供连接支持，还执行现场数据收集、分析和决策，以实现管理为智能服务和应用移动 NGN。我们设想了一种能够适应移动设备上的广义和分散学习的解决方案，例如联邦学习，以及深度学习的进步，以支持移动 NGN 的自主性和可配置性方面。和其他移动智能设备，不仅提供连接支持，还执行现场数据收集、分析和决策，以实现智能服务和应用的移动 NGN 管理。我们设想了一种能够适应移动设备上的广义和分散学习的解决方案，例如联邦学习，以及深度学习的进步，以支持移动 NGN 的自主性和可配置性方面。和其他移动智能设备，不仅提供连接支持，还执行现场数据收集、分析和决策，以实现智能服务和应用的移动 NGN 管理。我们设想了一种能够适应移动设备上的广义和分散学习的解决方案，例如联邦学习，以及深度学习的进步，以支持移动 NGN 的自主性和可配置性方面。