[논문 리뷰] Next Generation Intelligent Low-Altitude Economy Deployments: The O-RAN Perspective

Aly Sabri Abdalla, Vuk Marojevic|arXiv (Cornell University)|2026. 01. 01.

UAV Applications and Optimization인용 수 0

한 줄 요약

본 논문은 시맨틱 가이드와 강화 학습을 활용하여 실시간 UAV 스웜 궤적 계획을 구현하는 O-RAN-지원 저고도 경제 프레임워크를 제안하고, 테스팅베드 및 표준화 필요성을 조사한다.

ABSTRACT

Despite the growing interest in low-altitude economy (LAE) applications, including UAV-based logistics and emergency response, fundamental challenges remain in orchestrating such missions over complex, signal-constrained environments. These include the absence of real-time, resilient, and context-aware orchestration of aerial nodes with limited integration of artificial intelligence (AI) specialized for LAE missions. This paper introduces an open radio access network (O-RAN)-enabled LAE framework that leverages seamless coordination between the disaggregated RAN architecture, open interfaces, and RAN intelligent controllers (RICs) to facilitate closed-loop, AI-optimized, and mission-critical LAE operations. We evaluate the feasibility and performance of the proposed architecture via a semantic-aware rApp that acts as a terrain interpreter, offering semantic guidance to a reinforcement learning-enabled xApp, which performs real-time trajectory planning for LAE swarm nodes. We survey the capabilities of UAV testbeds that can be leveraged for LAE research, and present critical research challenges and standardization needs.

연구 동기 및 목표

• 저고도 애플리케이션에서 실시간이며 탄력적인 공중 노드의 오케스트레이션 필요성을 고취한다.
• 분리된 RAN, 개방형 인터페이스 및 RIC를 활용한 Open RAN 기반 LAE 프레임워크를 제안하여 AI 지원 운영을 제공한다.
• 시맨틱 인식 컴포넌트 및 RL 에이전트를 통해 폐루프, AI 최적화 미션 크리티컬 LAE 배치를 가능하게 한다.
• LAE 연구에 적합한 UAV 테스트베드를 평가하고 주요 도전 과제 및 표준화 격차를 식별한다.

제안 방법

• 시맨틱 인터페이스와 RIC 기반 제어를 갖춘 O-RAN-활용 LAE 프레임워크를 도입한다.
• 지형을 해석하고 강화학습 xApp에 지침을 제공하는 시맨틱 인식 rApp를 개발한다.
• 폐루프 제어 설정에서 RL-활성화 xApp를 통해 UAV 스웜 노드의 실시간 궤적 계획을 구현한다.
• 시맨틱 구동 제어 루프를 통해 아키텍처의 실행 가능성과 성능을 입증한다.
• UAV 테스트베드를 조사하고 연구 과제 및 표준화 필요성을 명확히 제시한다.

실험 결과

연구 질문

• RQ1 O-RAN이 LAE 미션의 실시간이고 탄력적이며 맥락 인식 오케스트레이션을 어떻게 가능하게 할 수 있는가?
• RQ2 시맨틱 인식 rApp가 UAV 궤적 계획을 위한 RL 기반 xApp의 지침을 효과적으로 제공할 수 있는가?
• RQ3 O-RAN 환경에서 AI-지원 폐루프 LAE 운영의 실행 가능성과 성능은 어떠한가?
• RQ4 어떤 UAV 테스트베드가 존재하며 LAE 연구를 위한 표준화 필요성은 무엇인가?

주요 결과

• 제안된 O-RAN-활용 LAE 아키텍처는 AI 주도 폐루프 LAE 운영을 가능하게 하는 것으로 입증된다.
• 시맨틱 인식 지형 해석기(rApp)가 RL 기반 xApp의 궤적 계획에 지침을 제공할 수 있다.
• 본 프레임워크는 분리된 RAN 맥락에서 LAE 스웜 임무에 대해 실시간이고 AI 최적화된 제어를 지원한다.
• UAV 테스트베드에 대한 조사는 LAE 연구에 활용 가능한 자원을 강조하고 표준화 필요성을 알린다.
• 본 논문은 O-RAN과 함께 LAE를 발전시키는 데 필요한 주요 연구 과제와 표준화 격차를 확인한다.