Computer Networks and Distributed Systems LABORAtory

This work proposes a Reinforcement Learning based radio resource scheduler for Federated Learning in 5G NR that jointly performs device selection, adaptive radio resource scheduling, and heterogeneity aware aggregation, improving both FL convergence and network performance while supporting the AI native vision of future 6G networks.

This repository contains the implementation associated with the research paper: "Enabling Real-Time Programmability for RAN Functions: A Wasm-Based Approach for Robust and High-Performance dApps"

MAPPO-FL LoRaSat Autoconfig: Auto-configuração de Redes IoT LoRa Direct-to-Satellite por Aprendizado por Reforço Multiagente e Aprendizado Federado

QoE-CAC: Attention- and Communication-Aware Quality of Experience Metric for Immersive Communication Systems over 5G Mobile Networks

Modelo de Recomendação de Rotas para Jogos baseados em Localização com Realidade Aumentada

A Modular Gateway for Translating CAMARA APIs to 3GPP NEF

Este trabalho propõe um algoritmo de escalonamento para tarefas de Aprendizado Federado em redes 5G considerando tráfego de fundo concorrente não prioritário e limitações dos recursos de comunicação. A implementação é integrada ao módulo 5G-LENA do ns-3 e demonstra melhorias na convergência e nos indicadores de desempenho da rede 5G.

Reproducible artifact for SBRC 2026 – GlobalAmBC-DRL framework for batteryless IoT networks