隨著電信行業向更智能、更高效的系統邁進,將 AI 集成到 RAN 中已不再是可有可無,而是至關重要。
隨著 6G 時代的到來,人工智能 (AI) 有望降低運營成本,并帶來更大的盈利機會。AI-RAN 正處于這一變革的前沿,在 RAN 環境中引領 AI/ML 算法的測試和基準測試。
RAN性能優化:
示例包括:
- 適用于超大 MIMO (X-MIMO,即256 – 1024 個天線元件)和400MHz 及以上占用帶寬(OBW) (例如FR3 )的新型信號處理技術
- 減少RAN延遲,特別是對于大量設備同時進行信道接入,以實現大規模mMTC部署。
- 分布式 MIMO (D-MIMO)的聯合調度和mMIMO系統的MIMO層到用戶映射。
- 通過 AI/ML 增強上行鏈路性能。
- 超可靠無線接入(uRLLC )的移動性管理
- 實現高頻譜效率的波束成形轉向
- 高精度UE定位?
- 更高安全級別和更低延遲的準入控制
- 創新的 C通道編碼和解碼
- 使用 AI/ML 學習的站點特定調制技術
- 信道隨機接入的改進
用戶體驗增強:
利用人工智能優化和個性化用戶體驗,并預測用戶行為,從而更好地為現有和新應用提供服務。提案旨在展示新穎的人工智能/機器學習技術,以便在現有5G RAN上為這些應用提供更佳的用戶體驗,同時展現即將到來的 6G RAN 中增強體驗的未來發展方向。以下是一些示例:
- 通過分割計算實現 AI 支持的 XR
- 人工智能助力醫療保健的關鍵應用
- 人工智能安全應用程序,用于空中或地面入侵檢測
- 人工智能支持工業無人機/無人駕駛飛機/AGV 的遠程控制
- 人工智能驅動的自動駕駛汽車
- 人工智能賦能沉浸式通信和游戲
- AI 和GenAI實現跨團隊協作
- AI/ GenAI賦能觸覺互聯網應用
- 人工智能全息通信??
使用AI或GenAI進行超越香農通信:
- 目標導向的溝通:傳達意義而不僅僅是準確地傳遞符號或數據。
- 語義溝通:通過溝通實現特定目標。
感知輔助通信:
利用人工智能和射頻感知(例如 ISAC)以及多模態感知(混合射頻和非射頻感知模式,例如激光雷達、雷達、攝像頭)執行射頻資源管理任務,從而顯著提高頻譜效率。
預測性維護和網絡自動化:
利用機器學習算法預測潛在的網絡中斷和維護需求。這可以基于實時網絡數字孿生以及任何 SON/OSS/RIC 平臺。
安全與隱私:
支持人工智能的解決方案,用于保護 RAN 免受網絡威脅并確保數據隱私。
人工智能和 RAN 工作流的聯合編排:
針對人工智能-RAN 環境中高級工作流平衡和編排機制的提案。特別令人感興趣的是人工智能驅動的解決方案,這些解決方案能夠動態、實時地分配計算和通信資源,最大限度地提高基礎設施利用率,并通過統一的編排平臺支持多租戶、并發的 RAN 和人工智能工作負載。
無線接口增強:
旨在開發新的無線接口或增強現有無線接口的提案,以便在消費者、企業、政府部門以及其他潛在垂直領域部署人工智能和生成式人工智能 (GenAI) 應用。這些增強功能可能包括需要在第三方人工智能應用和 RAN 之間共享的新信息元素,以實現實時或近實時推理。例如,如果某個應用依賴于實時訪問無線環境信息來實現聯合感知和通信類型的應用,則提案可以研究該應用需要接收哪些類型的信息,以及所需的相關無線接口??增強功能。API
和集成推動因素:
公開或使用與 AI-RAN 用例相關的 API 的貢獻。這包括(但不限于)設計新的 API 原型、演示 API 驅動的工作流程、啟用即插即用組件(例如推理模塊、RAN 功能、編排)、使用 API 將第三方模型集成到模擬器中、使數字孿生環境可通過 API 訪問,或展示跨生態系統參與者的集成。重點應放在開放的界面、易于實驗以及實現更快的創新。