5G Advanced

eefocus_3952551

随着网络设计的日益复杂，例如，许多不同的部署和使用选项，在很多情况下传统的方法将无法提供快速的解决方案。众所周知，手动重新配置蜂窝通信系统工作低效，代价昂贵。人工智能 (AI)和机器学习(ML)能够利用从无线网络收集的大量数据来解决复杂和非结构化的网络问题。因此，业界最近有日益增多的关注聚焦在利用基于AI/ML的解决方案来提高网络性能，从而为在网络运行中植入智能提供有效途径。


AI模型设计、优化和生命周期管理在很大程度上依赖于数据。作为正常运行的一部分，无线网络可以收集大量数据。这为设计智能网络解决方案提供了良好的基础。5G Advanced致力于如何优化用于数据收集的标准化接口，同时将自动化功能（例如，训练和推理)留给私有实现，以支持网络自动化的充分灵活性。


在Release 17中，选择了三个用例来对使用AI/ML技术进行RAN性能增强进行预先性研究。这三个用例是∶1)网络节能，2)负载均衡，3）移动性优化;它们在Release 18中将正式被纳入规范。所选用例可以通过对当前NR接口的增强来支持，在保持当前的5G NR架构不变的同时，在 RAN侧使用AI/ML功能来提高性能。目标之一是通过保持可以私有实施AI模型，以激励供应商保持创新和竞争力。对于涉及RAN-OAM交互的用例，可以采用基于意图的管理方法。RAN接收意图，并需要理解意图及最终触发某些功能。


一般预期AI/ML功能可以用于提高无线性能和/或减少空口的复杂度/开销。在5G Advanced，3GPP中针对RAN的技术规范组选择了三个用例来研究AI/ML技术对空口性能的潜在改进，这三个用例是波束管理增强、信道状态信息反馈增强和不同场景的定位精度增强。基于AI/ML的方法可能会比传统方法提供更好的空口性能;但是，我们面临的挑战是:基于gNB和UE之间不同程度的协作，充分地刻画和描绘AI/ML模型的特征，从而为空口定义一个统一的AI/ML框架。


5G Advanced将进一步增强分析架构和AI/ML模型生命周期管理，例如提高模型的正确性。分析和数据收集架构的发展为不同网络功能(NFs）开发基于AI/ML的用例奠定了良好的基础。在5G Advanced中将研究的一些应用案例中，网络功能（(NFs）利用分析功能来支持其决策，例如网络数据分析功能(NWDAF)协助的UE网络切片策略生成。


5G所拥有的“可以把通信时延限定在某个给定范围”的能力使得不少新的应用场景可以被支持，这其中就包括扩展现实(XR)业务;具体地，XR是虚拟现实(VR)、增强现实(AR）和混合现实(MR)的总称。在AR中，通过使用相应的设备（通常是智能手机或AR眼镜上的摄像头)，把虚拟信息（包括数据、图像等数字化元素）叠加在现实世界的图景里。而VR是指使用者沉浸式地去体验脱离开现实世界的完全虚拟的世界。新的MR技术则考虑了现实世界和虚拟世界的交互。在XR和云游戏(CG）业务中，人机交互或者人与人之间的通信将在手持和可穿戴设备的帮助下来完成。

阅读全文