Comunicazione e computazione per le tecnologie di edge mobile
COMET
COMET è un gruppo riconosciuto a livello internazionale, la cui ricerca riguarda il progetto, la modellizzazione, e l’ottimizzazione delle reti di comunicazione mobili avanzate. L’attività comprende inoltre la creazione e la validazione sperimentale di soluzioni algoritmiche avanzate per applicazioni mobili. Guidato dalla Prof.ssa Carla Fabiana Chiasserini, Fellow IEEE e ACM, il gruppo opera all’intersezione tra comunicazioni wireless, edge computing e Intelligenza Artificiale (IA), con l’obiettivo di realizzare servizi di rete affidabili, efficienti e ad alte prestazioni. In questa visione, l’IA non è solo un fattore abilitante per le applicazioni emergenti, ma anche uno strumento chiave per l’ottimizzazione e il controllo adattivo delle reti, dei servizi e delle applicazioni mobili.
Intelligenza all’edge: COMET conduce attività di ricerca nell’ambito dell’edge intelligence, progettando architetture di IA avanzate e sostenibili, così come soluzioni di orchestrazione efficienti per task distribuiti di IA e Machine Learning, in ambienti caratterizzati da risorse limitate ed eterogenee. Ciò include soluzioni per la gestione di applicazioni multi-servizio e la gestione di memoria condivisa, garantendo continuità del servizio agli utenti e un utilizzo ottimale delle risorse senza compromettere le prestazioni.
Comunicazione e computazione semantica: Il gruppo esplora anche tecniche innovative per la trasmissione e l’elaborazione dei dati basate su comunicazione semantica. Usando tecniche per la sola trasmissione di informazioni rilevanti per i task da eseguire e strategie collaborative, il gruppo mira a ridurre drasticamente l’overhead di comunicazione mantenendo elevata accuratezza e un’elevata tutela della privacy.
Mobilità cooperativa, connessa e autonoma: Le soluzione sviluppate trovano anche applicazione nel dominio della Cooperative, Connected, and Automated Mobility (CCAM). In questo ambito, COMET sviluppa soluzioni di rete veicolare aperte e conformi agli standard ETSI, validate tramite simulazione, testbed reali Hardware/Software-in-the-Loop e test sul campo. Tali architetture includono utenti stradali vulnerabili (VRUs), contribuendo a un ecosistema cooperativo in linea con l’obiettivo europeo “Vision Zero” di azzerare le vittime di incidenti stradali entro il 2050.
Reti di accesso radio aperte: Per supportare servizi complessi e dinamici, COMET studia paradigmi emergenti come le Open Radio Access Networks (O-RAN), consentendo una gestione di rete flessibile e intelligente. L’integrazione di Explainable AI e network slicing semantico consente di migliorare la trasparenza, mitigare conflitti di policy e abilitare un’allocazione dinamica delle risorse radio.
Reti di comunicazione non-terrestri: La visione di COMET si estende inoltre alle Non-Terrestrial Networks (NTN), integrando UAV e satelliti (LEO, MEO, GEO) con infrastrutture di rete di terrestri per garantire connettività ubiqua e affidabile anche in contesti critici, a supporto dei servizi di comunicazione nuova generazione e di applicazioni edge distribuite su scala globale.
L’eccellenza scientifica del gruppo è testimoniata da una solida rete di collaborazioni internazionali e riconoscimenti accademici. Il gruppo collabora inoltre con istituzioni e partner industriali di primo piano, contribuendo attivamente alla comunità scientifica attraverso ruoli editoriali, organizzazione di conferenze e pubblicazioni di elevato impatto. Il gruppo beneficia di finanziamenti competitivi di rilievo, nazionali (PNRR RESTART, MOST, ToMove), europei (Horizon Europe PREDICT-6G, ADROIT-6G, 6G-INTENSE, MultiX, 6G-NTN2 Nexus), e opera in consorzi pubblico-privati per trasformare la ricerca in tecnologie scalabili con un forte impatto sul futuro delle telecomunicazioni.
Intelligenza all’edge: COMET conduce attività di ricerca nell’ambito dell’edge intelligence, progettando architetture di IA avanzate e sostenibili, così come soluzioni di orchestrazione efficienti per task distribuiti di IA e Machine Learning, in ambienti caratterizzati da risorse limitate ed eterogenee. Ciò include soluzioni per la gestione di applicazioni multi-servizio e la gestione di memoria condivisa, garantendo continuità del servizio agli utenti e un utilizzo ottimale delle risorse senza compromettere le prestazioni.
Comunicazione e computazione semantica: Il gruppo esplora anche tecniche innovative per la trasmissione e l’elaborazione dei dati basate su comunicazione semantica. Usando tecniche per la sola trasmissione di informazioni rilevanti per i task da eseguire e strategie collaborative, il gruppo mira a ridurre drasticamente l’overhead di comunicazione mantenendo elevata accuratezza e un’elevata tutela della privacy.
Mobilità cooperativa, connessa e autonoma: Le soluzione sviluppate trovano anche applicazione nel dominio della Cooperative, Connected, and Automated Mobility (CCAM). In questo ambito, COMET sviluppa soluzioni di rete veicolare aperte e conformi agli standard ETSI, validate tramite simulazione, testbed reali Hardware/Software-in-the-Loop e test sul campo. Tali architetture includono utenti stradali vulnerabili (VRUs), contribuendo a un ecosistema cooperativo in linea con l’obiettivo europeo “Vision Zero” di azzerare le vittime di incidenti stradali entro il 2050.
Reti di accesso radio aperte: Per supportare servizi complessi e dinamici, COMET studia paradigmi emergenti come le Open Radio Access Networks (O-RAN), consentendo una gestione di rete flessibile e intelligente. L’integrazione di Explainable AI e network slicing semantico consente di migliorare la trasparenza, mitigare conflitti di policy e abilitare un’allocazione dinamica delle risorse radio.
Reti di comunicazione non-terrestri: La visione di COMET si estende inoltre alle Non-Terrestrial Networks (NTN), integrando UAV e satelliti (LEO, MEO, GEO) con infrastrutture di rete di terrestri per garantire connettività ubiqua e affidabile anche in contesti critici, a supporto dei servizi di comunicazione nuova generazione e di applicazioni edge distribuite su scala globale.
L’eccellenza scientifica del gruppo è testimoniata da una solida rete di collaborazioni internazionali e riconoscimenti accademici. Il gruppo collabora inoltre con istituzioni e partner industriali di primo piano, contribuendo attivamente alla comunità scientifica attraverso ruoli editoriali, organizzazione di conferenze e pubblicazioni di elevato impatto. Il gruppo beneficia di finanziamenti competitivi di rilievo, nazionali (PNRR RESTART, MOST, ToMove), europei (Horizon Europe PREDICT-6G, ADROIT-6G, 6G-INTENSE, MultiX, 6G-NTN2 Nexus), e opera in consorzi pubblico-privati per trasformare la ricerca in tecnologie scalabili con un forte impatto sul futuro delle telecomunicazioni.
-
Responsabile scientifico
-
Team di ricerca
Area di ricerca
Linee di ricerca
- Reti mobili per connettività ad alte prestazioni, efficiente ed affidabile
- Architetture di reti neurali avanzate per allenamento ed inferenza distribuiti e sostenibili
- Reti veicolari e task offloading per veicoli connessi ed autonomi
- Orchestrazione di task IA/Machine Learning distribuiti all’edge della rete di comunicazione
- Gestione di applicazioni multi-servizio e spazi di memoria condivisa in ambienti edge e distribuiti
- Comunicazione e computazione semantica in reti eterogenee
Competenze
Settori ERC
SDG
Keywords
Collaborazioni con altri gruppi di ricerca
Pubblicazioni da archivio istituzionale
Pubblicazioni da archivio istituzionale
-
Mohammed Seid, Abegaz; Erbad, Aiman; Nahom Abishu, Hayla; Owusu Boateng, Gordon; Khan, ... (2026)
A Hierarchical MAFDRL-based Resource Allocation and Incentive Mechanism for TN-NTN in 6G Networks. In: IEEE TRANSACTIONS ON MOBILE COMPUTING, vol. 25, pp. 2426-2443. ISSN 1536-1233 -
Compagnoni, A.; Tuninato, R.; Chiasserini, C. F.; Garello, R.; Nordio, A.; Viterbo, E. (2026)
A Highway Vehicular Channel Model for OTFS Performance Evaluation. In: IEEE TRANSACTIONS ON COMMUNICATIONS, vol. 74, pp. 5074-5088. ISSN 0090-6778 -
Malandrino, Francesco; Di Giacomo, Giuseppe; Levorato, Marco; Chiasserini, Carla Fabiana (2026)
Achieving Machine Learning Dependability Through Model Switching and Compression. In: IEEE TRANSACTIONS ON MOBILE COMPUTING, pp. 3889-3904. ISSN 1536-1233 -
Zhao, Z.; Brevi, D.; Pastrone, C.; Levorato, M.; Malandrino, F.; Chiasserini, C. F. (2026)
ADEx: Adaptive Early Exit DNNs for Inference Robustness to Popularity Drift. In: 2026 IFIP Networking Conference (IFIP Networking), Lugano (Swi), 24 - 27 May 2026 -
Perlo, Alessandro; Chiasserini, Carla Fabiana; De Veciana, Gustavo; Malandrino, Francesco (2026)
Characterizing the performance of classification models through conformal correlation matrices. In: COMPUTER COMMUNICATIONS, vol. 247. ISSN 0140-3664 -
Singhal, C.; Mendula, M.; Malandrino, F.; Levorato, M.; Chiasserini, C. F. (2026)
CLEAR: Scheduling of Multi-model Mobile Workloads on Chiplet Edge Platforms. In: IEEE WoWMoM 2026, Bologna (Ita), 16-19June 2026 -
Chiasserini, C. F.; Malandrino, F.; Molner, N.; Zhao, Z. (2026)
Combining Relevance and Magnitude for Resource-saving DNN Pruning. In: IEEE NETWORK, vol. 40, pp. 247-253. ISSN 0890-8044 -
Palena, Marco; Selvaraj, Dinesh Cyril; Chiasserini, Carla Fabiana; Cerquitelli, Tania (2026)
Descriptor: Context-Aware Collaborative Perception in Autonomous Driving Dataset (ConVeX). In: IEEE DATA DESCRIPTIONS. ISSN 2995-4274 -
Cohen, Itamar; Calagna, Antonio; Giaccone, Paolo; Chiasserini, Carla Fabiana (2026)
Distributed Asynchronous Service Provisioning in Edge-Cloud Multi-Tier Networks. In: IEEE TRANSACTIONS ON MOBILE COMPUTING, vol. 25, pp. 644-659. ISSN 1536-1233 -
Yu, YEN-CHIA; Mendula, Matteo; Levorato, Marco; Papatriantafilou, Marina; Chiasserini, ... (2026)
Efficient Tensor Compression and Reconstruction in Split DNNs for Edge-Based Object Detection. In: IEEE INTERNET OF THINGS JOURNAL, vol. 13, pp. 16085-16101. ISSN 2327-4662 -
Chukhno, Olga; Malandrino, Francesco; Catania, Alessandro; Molinaro, Antonella; ... (2026)
Enabling Wearables Towards the Metaverse: Trade-offs involving Blockage and Heat. In: IEEE COMMUNICATIONS MAGAZINE, vol. 64, pp. 87-92. ISSN 0163-6804 -
Varshney, N.; Puligheddu, C.; Casetti, C.; De, S.; Chiasserini, C. F. (2026)
Intelligent UAV Surveillance Networks with Edge-Assisted Execution of Computer Vision Tasks. In: IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY. ISSN 1939-9359 -
Wang, Zhengmiao; Chi, Ming; Liu, Zhi-Wei; Ye, Lintao; Chiasserini, Carla Fabiana (2026)
Learning to Sparsify Stochastic Linear Bandits. In: 35th International Joint Conference on Artificial Intelligence - 29th European Conference on Artificial Intelligence (IJCAI-ECAI), Bremen (Ger), 15 - 21 August 2026 -
Cabodi, Gianpiero; Camurati, Paolo Enrico; Palena, Marco; Pasini, Paolo (2026)
Manipulating Proof Certificate Invariants in the Presence of Model Transformations. In: IEEE ACCESS, vol. 14, pp. 65572-65585. ISSN 2169-3536 -
Ma, Lianbo; Zhou, Yuee; Wang, Xingwei; Chiasserini, Carla Fabiana; Han, Guangjie (2026)
Near Optimal Locality-Aware Task Allocation towards Stable Blockchain-Based MEC System: A Potential Game Approach. In: IEEE TRANSACTIONS ON MOBILE COMPUTING, vol. 25, pp. 6673-6687. ISSN 1536-1233 -
Qin, Langtian; Andrew Harshbarger, Ian; Nasraoui, Leila; Chiasserini, Carla Fabiana; ... (2026)
OMNIS: Semantic RAN Slicing via Dynamic Split Neural Networks. In: IEEE INFOCOM 2026, Tokyo (Jap), 18 - 21 May 2026 -
Hina, Amber; Brevi, Daniele; Chiasserini, Carla Fabiana; Nordio, Alessandro; Pastrone, ... (2026)
Optimizing Resource Allocation for Resilient Networks: A Beam Management and Network Slicing Approach. In: European Wireless (EW) 2025, Sophia-Antipolis (Fra), October 27-29, 2025 -
Calagna, Antonio; Ravera, Stefano; Chiasserini, Carla Fabiana (2026)
Orchestrating Composite Applications at the Edge. In: IEEE/IFIP Network Operations and Management Symposium 2026 (NOMS 2026), Rome (Ita), May 2026 -
Hina, Amber; Brevi, Daniele; Chiasserini, Carla Fabiana; Nordio, Alessandro; Pastrone, ... (2026)
QoS-Aware Resource Management with Network Slicing and Beam Management. In: Wireless On-demand Network systems and Services Conference (WONS) 2026, Les Roches (Swi), March 2026 -
Wang, Mingyi; Peng, Yizhou; Ma, Ruofei; Liu, Gongliang; Meng, Weixiao; Chiasserini, ... (2026)
Spatiotemporal-Attention Based Channel Prediction for UAV-RIS-Assisted LEO Satellite MIMO Communications. In: IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS, vol. 25, pp. 7252-7267. ISSN 1536-1276