[논문 리뷰] OpenRAN Gym: AI/ML Development, Data Collection, and Testing for O-RAN on PAWR Platforms

Leonardo Bonati, Michele Polese외 3명|arXiv (Cornell University)|2022. 07. 25.

Energy Harvesting in Wireless Networks인용 수 4

한 줄 요약

OpenRAN Gym은 PAWR 플랫폼에서 차세대 이동통신 네트워크를 위한 엔드투엔드 AI/ML 개발, 데이터 수집 및 테스트를 가능하게 하는 오픈소스이며 O-RAN 표준을 준수하는 실험용 도구상자입니다. 이 도구상자는 RAN 통계 수집, 경량 near-RT RIC, 그리고 Colosseum, Arena, POWDER, COSMOS 등의 테스트베드에서의 xApp 배포를 통합하여 확장성 있고 재현 가능한 실험을 가능하게 하며, 시뮬레이션에서 실제 구현으로의 원활한 AI/ML 솔루션 이식을 지원합니다.

ABSTRACT

Open Radio Access Network (RAN) architectures will enable interoperability, openness and programmable data-driven control in next generation cellular networks. However, developing and testing efficient solutions that generalize across heterogeneous cellular deployments and scales, and that optimize network performance in such diverse environments is a complex task that is still largely unexplored. In this paper we present OpenRAN Gym, a unified, open, and O-RAN-compliant experimental toolbox for data collection, design, prototyping and testing of end-to-end data-driven control solutions for next generation Open RAN systems. OpenRAN Gym extends and combines into a unique solution several software frameworks for data collection of RAN statistics and RAN control, and a lightweight O-RAN near-real-time RAN Intelligent Controller (RIC) tailored to run on experimental wireless platforms. We first provide an overview of the various architectural components of OpenRAN Gym and describe how it is used to collect data and design, train and test artificial intelligence and machine learning O-RAN-compliant applications (xApps) at scale. We then describe in detail how to test the developed xApps on softwarized RANs and provide an example of two xApps developed with OpenRAN Gym that are used to control a network with 7 base stations and 42 users deployed on the Colosseum testbed. Finally, we show how solutions developed with OpenRAN Gym on Colosseum can be exported to real-world, heterogeneous wireless platforms, such as the Arena testbed and the POWDER and COSMOS platforms of the PAWR program. OpenRAN Gym and its software components are open-source and publicly-available to the research community. By guiding the readers through running experiments with OpenRAN Gym, we aim at providing a key reference for researchers and practitioners working on experimental Open RAN systems.

연구 동기 및 목표

• 다양한 이종 Open RAN 환경에서 AI/ML 기반 제어 솔루션을 개발하고 테스트하기 위한 통합적이고 개방적이며 확장 가능한 플랫폼의 부족을 해결하기 위해.
• 다양한 무선 테스트베드에서 데이터 수집, 모델 훈련, 배포 및 런타임 테스트까지를 포함한 O-RAN 표준을 준수하는 xApp에 대한 엔드투엔드 실험을 가능하게 하기 위해.
• 에뮬레이션 플랫폼(예: Colosseum)에서 개발된 AI/ML 솔루션을 실제 이종 테스트베드인 Arena, POWDER, COSMOS로의 이식을 촉진하기 위해.
• 차세대 이동통신 네트워크에서 상호운용성, 프로그래머블성, 데이터 기반 제어를 지원하는 표준화된 오픈소스 프레임워크를 제공하기 위해.
• 연구자들이 O-RAN 실험을 위해 완전하고 문서화되며 확장 가능한 도구상자를 쉽게 이용할 수 있도록 접근 장벽을 낮추기 위해.

제안 방법

• 프레임워크는 RAN 통계 수집 및 RAN 제어를 위한 기존 소프트웨어 스택을 통합하여 O-RAN 표준을 준수하는 통합 도구상자로 구성합니다.
• 실험 플랫폼에서 xApp의 배포 및 실행을 지원하는 경량의 컨테이너 기반 near-RT RAN 지능형 컨트롤러(RIC)를 포함합니다.
• 표준화된 E2 인터페이스를 통해 소프트웨어 기반 RAN에서 데이터를 수집하여 실시간 네트워크 모니터링 및 텔레메트리 지원을 가능하게 합니다.
• 플랫폼 간 이식이 가능한 모듈식이고 확장 가능한 아키텍처를 통해 AI/ML 기반 xApp의 개발, 훈련 및 테스트를 지원합니다.
• 표준화된 LXC 이미지 및 컨테이너화를 통해 Colosseum 테스트베드에서의 실험을 실제 PAWR 플랫폼(Arena, POWDER, COSMOS)으로의 이식을 가능하게 합니다.
• RIC 및 E2 종료를 위한 사전 구축된 이미지와 소스에서 빌드하는 이미지를 제공하여 다양한 테스트베드 간 이식성과 재현 가능성을 확보합니다.

실험 결과

연구 질문

• RQ1 다양한 무선 테스트베드에서 O-RAN 표준을 준수하는 시스템에 대한 엔드투엔드 AI/ML 개발 및 테스트를 지원할 수 있는 통합적이고 오픈소스 플랫폼을 어떻게 설계할 수 있는가?
• RQ2 Colosseum에서 Arena, POWDER, COSMOS와 같은 실제 PAWR 플랫폼으로 LXC 이미지 및 컨테이너화된 RIC을 이식할 때의 성능 특성과 전송 오버헤드는 어떠한가?
• RQ3 다양한 컴퓨팅 능력을 지닌 테스트베드 인fra에서 컨테이너 인스턴스화 및 RIC 빌드 프로세스의 성능은 어떻게 달라지는가?
• RQ4 에뮬레이션 플랫폼에서 개발된 AI/ML xApp이 실제 이종 무선 테스트베드에서 성공적으로 배포되고 테스트될 수 있는 정도는 어느 정도인가?
• RQ5 표준화된 오픈소스 실험 프레임워크를 사용할 경우 O-RAN 환경에서 AI/ML 워크플로의 확장성과 재현 가능성은 어떻게 되는가?

주요 결과

• Colosseum에서 다른 테스트베드로의 LXC 이미지 전송 시간은 이미지 크기와 플랫폼 성능에 따라 약 1.5분에서 거의 6분 사이로 변동했습니다.
• Arena에서의 컨테이너 인스턴스화는 COSMOS 및 POWDER보다 훨씬 빠르게 이루어졌으며, SCOPE 이미지는 1초 이내, 사전 구축된 RIC 이미지는 1분 이내에 완료되었습니다. 이는 직접 바이오메탈 액세스 덕분이었습니다.
• Arena에서 ColO-RAN RIC 도커 컨테이너를 소스에서 빌드하는 데는 46분이 걸렸지만, POWDER에서는 21분, COSMOS에서는 26분이 소요되어, Arena의 6코어 CPU 대비 다른 플랫폼의 24코어 및 16코어 서버의 성능 차이가 원인으로 나타났습니다.
• 사전 구축된 ColO-RAN LXC 이미지를 사용할 경우 POWDER 및 COSMOS에서는 RIC 인스턴스화가 3분 이내, Arena에서는 2분 이내로 완료되어 초도 빌드 이후 효율적인 배포가 가능함을 입증했습니다.
• 프레임워크는 Colosseum에서 7개 기지국, 42명의 사용자 네트워크에 대해 두 개의 xApp을 성공적으로 배포하고 테스트하여 대규모 실험의 가능성을 검증했습니다.
• Colosseum에서 개발된 솔루션들이 Arena, POWDER, COSMOS 테스트베드로 성공적으로 내보내지고 실행되어 플랫폼 간 호환성과 이식성의 타당성을 확인했습니다.