[論文レビュー] An Overview of the 3GPP Study on Artificial Intelligence for 5G New Radio

Xingqin Lin|arXiv (Cornell University)|Aug 10, 2023

Satellite Communication Systems被引用数 12

ひとこと要約

3GPP Release-18のNR無線インターフェースにおけるAI/ML研究の包括的な概要を提供し、フレームワーク、ユースケース（CSIフィードバック、ビーム管理、位置推定）、およびRelease-19の展望をカバーします。

ABSTRACT

Air interface is a fundamental component within any wireless communication system. In Release 18, the 3rd Generation Partnership Project (3GPP) delves into the possibilities of leveraging artificial intelligence (AI)/machine learning (ML) to improve the performance of the fifth-generation (5G) New Radio (NR) air interface. This endeavor marks a pioneering stride within 3GPP's journey in shaping wireless communication standards. This article offers a comprehensive overview of the pivotal themes explored by 3GPP in this domain. Encompassing a general framework for AI/ML and specific use cases such as channel state information feedback, beam management, and positioning, it provides a holistic perspective. Moreover, we highlight the potential trajectory of AI/ML for the NR air interface in 3GPP Release 19, a pathway that paves the journey towards the sixth generation (6G) wireless communication systems that will feature integrated AI and communication as a key usage scenario.

研究の動機と目的

• NR無線インタフェース運用のための一般的なAI/MLフレームワークと用語を確立する。
• Release-18におけるCSIフィードバック、ビーム管理、位置推定のAI/MLユースケースを調査する。
• AI/MLモデルライフサイクル管理とネットワークとUE間の協調レベルについて論じる。
• 両側CSIモデルの訓練アプローチとUE-/gNB-/ネットワーク側の位置推定オプションを分析する。
• 標準化の策定と今後のリリースに情報提供するための相互運用性、テスト、一般化の課題を概説する。

提案手法

• データ収集、訓練、推論、モデルストレージのための統一された3GPP AI/ML機能フレームワークを定義する。
• 機能ベースとモデルIDベースのLCMの2つのAI/MLモデルライフサイクル管理アプローチを説明する。
• デプロイメント戦略としてのモデルの一般化、モデル切替、およびモデル更新を検討する。
• AI/ML運用のためのネットワークとUE間の3つの協調レベルを詳述する：協力なし、モデル転送なしのシグナリングベース、モデル転送を伴うシグナリングベース。
• CSIフィードバック、ビーム管理、位置推定のユースケースに基づく議論を提示し、訓練/推論の構成と相互運用性の考慮事項を含む。
• AI/MLベースのNR機能の相互運用性/テスト性要件および参照テストアーキテクチャについて論じる。

実験結果

リサーチクエスチョン

• RQ1 Release-18におけるNR無線インタフェースの提案された一般的なAI/MLフレームワークと用語は何か？
• RQ2 研究対象のAI/MLユースケース（CSIフィードバック、ビーム管理、位置推定）は何か、提案されたアプローチは何か？
• RQ3 AI/MLモデルライフサイクル管理オプションとネットワークとUEの協調レベルは何か？
• RQ4 NRにおけるAI/ML機能の訓練、一般化、相互運用性、テストの課題は何か？
• RQ5 Release-19の見通しと6G対応AI/通信統合への影響は何か？

主な発見

• NR無線インターフェースのためにデータ収集、訓練、推論、モデルストレージを含む統一されたAI/MLフレームワークが提案されている。
• UEでAI機能を展開するための2つの異なるAI/ML LCMアプローチ（機能ベースとモデルIDベース）が分析されている。
• 協調レベルは3つ識別され、協力なしからモデル転送を伴うシグナリングベースの協調までの範囲である。
• CSIフィードバックは様々な訓練タイプを持つ両側AI/MLモデルを使用できる可能性がある；CSIの一般化とマルチベンダー間の相互運用性が主要な課題として強調されている。
• ビーム管理と位置推定のユースケースは、UE側またはgNB側の推論と、予測、データ要件、モデルの一般化に関する考慮事項とともに検討されている。
• 遅延、データ生成、一般化の検証、進化するテスト手法を含む相互運用性とテスト性の懸念が識別されている。