[論文レビュー] Embracing AI in 5G-Advanced Towards 6G: A Joint 3GPP and O-RAN Perspective

Xingqin Lin, Lopamudra Kundu+2 more|arXiv (Cornell University)|Sep 12, 2022

Advanced Wireless Communication Technologies被引用数 6

ひとこと要約

本論文は、3GPP および O-RAN アライアンスの標準化活動を統合することで、5G-Advancedおよび将来の6Gネットワークへの人工知能（AI）統合を統一されたフレームワークで提示する。ネットワークアーキテクチャにおけるAI駆動の強化、特に知能的なトラフィックステアリングを概説し、スケーラブルで相互運用可能なAIの展開に向けた主な課題と研究方向性を特定する。

ABSTRACT

Artificial intelligence (AI) has emerged as a powerful technology that improves system performance and enables new features in 5G and beyond. Standardization, defining functionality and interfaces, is essential for driving the industry alignment required to deliver the mass adoption of AI in 5G-Advanced and 6G. However, fragmented efforts in different standards bodies, such as the third generation partnership project (3GPP) and the open radio access network (O-RAN) Alliance, can lead to confusion and uncertainty about which standards to follow and which aspects of the standards to embrace. This article provides a joint 3GPP and O-RAN perspective on the state of the art in AI adoption in mobile communication systems, including the fundamentals of 5G architecture and its evolution towards openness and intelligence, AI for 5G-Advanced evolution, and a case study on AI-enabled traffic steering. We also identify several areas for future exploration to accelerate AI adoption on the path towards 6G.

研究の動機と目的

• 3GPP および O-RAN アライアンス間のAI標準化の分断を解消するため、統一された技術的視点を提供すること。
• オープンで仮想化された5G-Advancedネットワーク関数におけるAI統合ポイントに焦点を当て、5Gアーキテクチャの進化を分析すること。
• 実際のネットワーク機能（例：トラフィックステアリング）におけるAIの実現可能性と利点を事例研究を通じて示すこと。
• 6GシステムにおけるAIの採用を加速させるために、重要な研究ギャップと標準化のニーズを特定すること。
• 次世代モバイルネットワークにおける相互運用可能でスケーラブルかつ標準化されたAIソリューションの開発を、産業界および研究者に導くこと。

提案手法

• 3GPP および O-RAN の規格比較を通じて、5G-AdvancedネットワークにおけるAI導入の現状を分析する。
• 標準化ロードマップを基に、無線アクセス、コアネットワーク、トランスポート層を含むネットワーク機能全体におけるAIユースケースをマッピングする。
• 3GPP および O-RAN準拠のコンponents間でのAIモデル共有と調整を可能にする共同アーキテクチャを提言する。
• リアルタイムの無線およびユーザーデータを活用したAIを用いたトラフィックステアリングの事例研究を提示し、負荷バランス最適化とQoE向上を実証する。
• 異種のネットワーク機能間での相互運用可能なAI展開に不可欠なインターフェースおよびデータモデルを同定する。
• モデルの移植性、セキュリティ、分散環境における低遅延推論といった技術的および標準化上の課題を評価する。

実験結果

リサーチクエスチョン

• RQ1 5G-Advancedおよび6Gシステムにおいて、3GPP および O-RAN アライアンス間でAIを標準化・調和化する方法は何か？
• RQ2 オープンで仮想化された5G-Advancedネットワーク関数にAIを展開するための主なアーキテクチャ的要因は何か？
• RQ3 マルチベンダ環境において、AIをリアルタイムのネットワーク最適化（例：トラフィックステアリング）に効果的に適用する方法は何か？
• RQ4 3GPP および O-RAN準拠システム間で相互運用可能なAIを実現するために必要な主要なインターフェースおよびデータモデルは何か？
• RQ5 6Gネットワークにおけるスケーラブルで安全なAI展開を確保するため、解決すべき研究および標準化のギャップは何か？

主な発見

• 3GPP および O-RAN の共同アプローチにより、5G-Advancedおよび6Gネットワーク全体に一貫したAI統合が可能となり、ベンダーロックインの低減とイノベーションの促進が可能になる。
• AI駆動のトラフィックステアリングは、リアルタイムの状態に基づく動的なトラフィックオフロードにより、ネットワークリソースの利用効率とユーザーのQoEを向上させることができる。
• AIインターフェースおよびデータモデルの標準化は、ネットワーク機能間でのAIモデルの相互運用性と移植性を確保するために不可欠である。
• 3GPP および O-RAN フレームワークの統合により、トレーニングから展開までのAIライフサイクル管理の統一が可能になる。
• モデルセキュリティ、低遅延推論、クロスドメイン連携といった複数の未解決の課題が残っており、今後の研究が求められる。
• 本論文は、3GPP および O-RAN エコシステムにおける既存および新規の標準と整合させたAI開発を進めることで、6Gへの明確な道筋を示している。