[논문 리뷰] System Intelligence for UAV-Based Mission Critical with Challenging 5G/B5G Connectivity

Cristiano Bonato Both, Joao Gustavo Gazolla Borges외 5명|arXiv (Cornell University)|2021. 02. 03.

UAV Applications and Optimization참고 문헌 18인용 수 7

한 줄 요약

이 논문은 재난 대응과 같은 임무 핵심 시나리오에서 드론(UAV)을 능동적인 네트워크 및 컴퓨팅 구성요소로 활용하여 5G/B5G 네트워크를 조율하기 위해 AI/ML을 통합한 시스템 지능(SI) 아키텍처를 제안한다. 지능형 자원 슬라이싱, 드론과 엣지/클라우드 간의 신경망 오프로딩, 표준 준수 조율을 통해 SI는 최대 29.87%의 지연 감소를 이끌어내고 도전적인 재난 대응 환경에서 QoS를 향상시킨다.

ABSTRACT

Unmanned aerial vehicles (UAVs) and communication systems are fundamental elements in Mission Critical services, such as search and rescue. In this article, we introduce an architecture for managing and orchestrating 5G and beyond networks that operate over a heterogeneous infrastructure with UAVs' aid. UAVs are used for collecting and processing data, as well as improving communications. The proposed System Intelligence (SI) architecture was designed to comply with recent standardization works, especially the ETSI Experiential Networked Intelligence specifications. Another contribution of this article is an evaluation using a testbed based on a virtualized non-standalone 5G core and a 4G Radio Access Network (RAN) implemented with open-source software. The experimental results indicate, for instance, that SI can substantially improve the latency of UAV-based services by splitting deep neural networks between UAV and edge or cloud equipment. Other experiments explore the slicing of RAN resources and efficient placement of virtual network functions to assess the benefits of incorporating intelligence in UAV-based mission-critical services.

연구 동기 및 목표

• 인프라의 유연성 부족과 인간 간섭으로 인해 성능이 저하되는 현재의 5G/B5G 및 드론 시스템이 임무 핵심(MC) 시나리오에서 겪는 한계를 해결한다.
• 이질적인 네트워크 간 AI/ML 통합의 격차를 해소하기 위해 드론을 단순한 사용자가 아니라 능동적인 네트워크 및 컴퓨팅 구성요소로 간주하는 통합된 시스템 지능(SI) 아키텍처를 도입한다.
• 인프라가 손상되거나 존재하지 않는 재난 대응 시나리오(예: 구조 및 구출(SAR))에서 드론 기반 통신 및 컴퓨팅의 자율성, 낮은 지연, 높은 신뢰성을 보장한다.
• ETSI ENI 표준에 부합하는 가상화된 비표준 5G 코어와 4G RAN을 사용한 테스트베드를 통해 AI/ML 기반 조율의 실현 가능성과 이점을 입증한다.
• 6G 및 향후 지능형 네트워크 시스템을 위한 기반을 마련하기 위해 5GC, RAN, MEC 구성요소에서 AI/ML 인식 능력을 향상시킨다.

제안 방법

• ETSI 경험 기반 네트워크 지능(ENI) 사양을 준수하는 시스템 지능(SI) 아키텍처를 설계하여 5GC, RAN, MEC 간 AI/ML 제어를 통합한다.
• 실제 임무 핵심 조건을 시뮬레이션하기 위해 오픈소스 소프트웨어를 사용해 가상화된 비표준 5G 코어와 4G RAN을 기반으로 한 테스트베드를 구현한다.
• 딥 강화 학습(DRL) 및 네트워크 슬라이싱과 같은 AI/ML 기법을 적용하여 드론 지원 네트워크에서 자원을 동적으로 할당하고 QoS를 최적화한다.
• 딥 신경망(DNN) 추론을 드론과 엣지/클라우드 서버 간에 분할하여 엔드 투 엔드 지연을 감소시킨다.
• ITU-T Y.3172 ML 파이프라인 개념을 활용해 MEC 및 5GC에서 AI/ML 인식 능력을 향상시켜 적응형, 자기 최적화 네트워크 행동을 가능하게 한다.
• 지연 감소, 자원 슬라이싱 효율성, 드론-엣지 협업을 중심으로 한 제어 실험을 통해 시스템 성능을 평가한다.

실험 결과

연구 질문

• RQ1 이질적인 5G/B5G 네트워크 구성요소—드론, RAN, MEC, 5GC—간에 AI/ML을 효과적으로 조율할 수 있는 방법은 무엇인가? 이는 임무 핵심 서비스 성능 향상에 어떻게 기여하는가?
• RQ2 드론과 엣지/클라우드 인프라 간의 지능형 DNN 오프로딩은 드론 기반 MC 서비스에서 엔드 투 엔드 지연을 얼마나 줄일 수 있는가?
• RQ3 RAN 자원의 네트워크 슬라이싱은 드론 지원 임무 핵심 시나리오에서 지연과 신뢰성에 어떤 영향을 미치는가?
• RQ4 인프라 파손 상태에서의 도전적인 조건에서 시스템 지능(SI)을 사용할 경우 드론 기반 통신 및 컴퓨팅 시스템의 성능 향상은 어떠한가?
• RQ5 AI/ML 인식 능력을 5GC 및 엣지 컴퓨팅 기능에 체계적으로 향상시키면 자율적이고 낮은 지연의 임무 핵심 운영을 어떻게 지원할 수 있는가?

주요 결과

• SI는 드론과 엣지/클라우드 컴퓨팅 자원 간에 지능형 DNN 추론 오프로딩을 통해 엔드 투 엔드 지연을 29.87% 감소시켰다.
• RAN 자원의 네트워크 슬라이싱으로 평균 지연이 66 ms에서 34 ms로 감소하여 임무 핵심 응용 프로그램에서 실시간 반응성 향상이 뚜렷하게 향상되었다.
• 테스트베드는 AI/ML 기반 조율이 드론이 인프라 파손 환경에서 능동적인 네트워크 및 컴퓨팅 노드로 기능하도록 해, 연결성과 서비스 신뢰성을 향상시켰음을 입증했다.
• ETSI ENI 준수 SI 아키텍처의 통합은 5GC, RAN, MEC 간의 교차 계층 지능을 가능하게 하여 동적 시나리오에서 최적의 QoS를 달성하는 데 기여했다.
• 결과는 전통적 인프라가 없는 재난 대응에서 드론이 자율적이고 지능적인 네트워크 연장자로 기능할 수 있음을 검증하였으며, 특히 이러한 환경에서 매우 유망하다.
• 본 연구는 MEC 및 5GC의 AI/ML 인식 능력 향상이 필수적임을 밝히며, 향후 시스템 인식을 위한 유망한 프레임워크로 ITU-T Y.3172 ML 파이프라인 개념이 부각되었다.