[论文解读] Toward Next Generation Open Radio Access Network--What O-RAN Can and Cannot Do!

Aly Sabri Abdalla, Pratheek S. Upadhyaya+2 more|arXiv (Cornell University)|Nov 26, 2021

Advanced Wireless Communication Technologies被引用 8

一句话总结

本文识别了当前 O-RAN 规范中的关键局限性——具体包括端到端安全、确定性延迟、实时物理层控制以及基于人工智能的 RAN 测试——并提出通过引入实时 RIC（RT RIC）来扩展 O-RAN，以实现亚毫秒级控制、轻量化人工智能模型、硬件加速以及集成的人工智能验证框架，从而支持稳健的 6G RAN 运营。

ABSTRACT

The open radio access network (O-RAN) describes an industry-driven open architecture and interfaces for building next generation RANs with artificial intelligence (AI) controllers. We circulated a survey among researchers, developers, and practitioners to gather their perspectives on O-RAN as a framework for 6G wireless research and development (R&D). The majority responded in favor of O-RAN and identified R&D of interest to them. Motivated by these responses, this paper identifies the limitations of the current O-RAN specifications and the technologies for overcoming them. We recognize end-to-end security, deterministic latency, physical layer real-time control, and testing of AI-based RAN control applications as the critical features to enable and discuss R&D opportunities for extending the architectural capabilities of O-RAN as a platform for 6G wireless.

研究动机与目标

• 识别当前 O-RAN 规范中的关键缺口，这些缺口阻碍其作为 6G 无线网络基础的采用。
• 解决 O-RAN 架构中缺乏端到端安全、确定性延迟和实时物理层控制支持的问题。
• 研究在开放且动态的网络环境中测试和验证基于人工智能的 RAN 控制应用（xApps、rApps、zApps）所面临的挑战。
• 提出扩展 O-RAN 能力的研究方向，以支持原生人工智能、低延迟和安全的 6G 网络运营。

提出的方法

• 提出将实时控制器（RT RIC）集成到 O-RAN 架构中，部署于 O-CU、O-DU 或 O-RU，以实现对 RAN 功能的亚毫秒级控制。
• 引入 zApps——运行在 RT RIC 上的第三方控制应用——以实现基于人工智能的物理层控制和动态资源分配。
• 倡导使用轻量化、低复杂度的人工智能模型（例如回声状态网络）以满足严格的亚毫秒响应时间约束。
• 建议采用硬件加速（例如 FPGA、GPU）以提升 O-CU/O-DU 平台的计算性能，支持实时人工智能推理。
• 提出在 O-RAN 控制器中集成人工智能测试框架，以验证模型的鲁棒性、可解释性以及对噪声或不完整数据的抗性。
• 强调需要对人工智能模型进行在线监控和认证，以检测闭环系统中的概念漂移、对抗性输入或目标冲突。

实验结果

研究问题

• RQ1 当前 O-RAN 规范的关键架构局限性是什么？这些局限性为何阻碍其作为 6G 无线网络基础的使用？
• RQ2 O-RAN 如何支持对物理层功能的确定性、亚毫秒级实时控制，以满足 6G 延迟要求？
• RQ3 为确保 O-RAN 控制平面中低延迟、高精度的决策，需要哪些人工智能模型特性与部署策略？
• RQ4 如何测试和验证基于人工智能的 RAN 控制应用（xApps、rApps、zApps），以确保其稳定性、安全性和互操作性？
• RQ5 可解释性、可说明性以及数据完整性在确保 O-RAN 环境中可信人工智能部署方面发挥什么作用？

主要发现

• 来自 65 家机构的大多数受访研究人员和从业者认为，O-RAN 是 6G 无线研发的基础性框架。
• 38% 的受访者希望可灵活地通过功能切分访问时频域的 I/Q 数据，另有 16% 希望实现动态功能切分。
• 最受期待的 O-RAN 能力包括可编程的物理层/MAC 层、多用户 MIMO 以及智能调度与资源分配。
• 提出引入实时 RIC（RT RIC）作为实现对 RAN 功能亚毫秒级控制的关键，尤其适用于基于人工智能的 zApps。
• 轻量化人工智能模型（如回声状态网络）被识别为减少实时控制中计算负载和延迟的有前景解决方案。
• 集成的、在线的测试与验证框架对于确保人工智能模型在动态和对抗性网络条件下具备鲁棒性、可解释性和抗性至关重要。