[论文解读] A Vision-based Framework for Intelligent gNodeB Mobility Control

Pedro Arthur Pinheiro Rosa Duarte, André Coelho+4 more|arXiv (Cornell University)|Mar 18, 2026

Software-Defined Networks and 5G被引用 0

一句话总结

论文提出 VisionRAN——一个具视觉感知能力的O-RAN框架，包含 POS 与 VIS 服务模型、VisionApp（基于DQN的移动控制）与 VisionTwin 用于训练与仿真，在LoS阻塞方面相比静态gNB部署减少高达75%。

ABSTRACT

This paper proposes a vision-based framework for the intelligent control of mobile Open Radio Access Network (O-RAN) base stations (gNBs) operating in dynamic wireless environments. The framework comprises three innovative components. The first is the introduction of novel Service Models (SMs) within a vision-enabled O-RAN architecture, termed VisionRAN. These SMs extend state-of-the-art O-RAN-based architectures by enabling the transmission of vision-based sensing data and gNB positioning control messages. The second is an O-RAN xApp, VisionApp, which fuses vision and radio data, and uses this information to control the position of a mobile gNB, using a Deep Q-Network (DQN). The third is a digital twin environment, VisionTwin, which incorporates vision data and can emulate realistic wireless scenarios; this digital twin was used to train the DQN running in VisionApp and validate the overall system. Experimental results, obtained using real vision data and an emulated radio, demonstrate that the proposed approach reduces the duration of Line-of-Sight (LoS) blockages by up to 75% compared to a static gNB. These findings confirm the viability of integrating multimodal perception and learning-based control within RANs.

研究动机与目标

• 在开放、模块化的 RAN 架构中推动感知驱动的控制，以应对动态环境与 LoS 阻塞。
• 通过引入新的定位与视觉数据服务模型，扩展 O-RAN 的多模态感知能力。
• 开发一个视觉辅助的 xApp（VisionApp），融合视觉与射频数据以强化强化学习驱动的移动 gNB 定位控制。
• 创建数字孪生（VisionTwin），用于在现实场景下训练与验证学习驱动的移动控制器。
• 以真实视觉数据与可仿真的射频环境实现端到端可行性验证，展示相对于静态基线的改进。

提出的方法

• 引入 VisionRAN，并新增两种 E2 服务模型（POS用于定位，VIS用于视觉数据），实现多模态数据交换。
• 使用 E2 代理通过 E2 接口以 JSON 形式传输 POS/VIS 数据并接收 gNB 移动命令。
• 开发 VisionApp，一种基于 DQN 的 xApp，通过融合视觉与射频数据构建结构化状态并输出离散的 gNB 移动动作。
• 实现 VisionTwin，作为三维数字孪生与 Gym 兼容环境，用以训练 DQN 并模拟现实的 gNB/UE/障碍物动力学。
• 以 200 ms 的控制间隔运行 VisionApp，在接近实时的 RIC 中完成感知到行动的闭环。
• 描述用于推导 DQN 输入和 gNB 目标位置的状态向量、动作空间及融合步骤。

实验结果

研究问题

• RQ1 感知来自视觉与射频数据的多模态信息能否整合到 O-RAN 的近实时控制回路中，以管理移动 gNB？
• RQ2 在数字孪生中训练的基于DQN的移动控制器是否能减少LoS阻塞并在性能上优于静态 gNB？
• RQ3 在与视觉数据结合的定位信息中，障碍物定位的准确性如何？
• RQ4 VisionRAN 架构在同时服务于多用户设备（UE）与多障碍物的情况下，是否具有可扩展性并且能保持实时性能？
• RQ5 在真实部署中部署视觉驱动的 RAN 控制有哪些实际考虑因素与局限性？

主要发现

• 通过 VisionApp 支持的移动 gNB 控制，在连续25秒内将非视线（NLoS）持续时间相比静态 gNB 降低至最多75%。
• 在真实定位对照下，障碍物定位的平均绝对误差在 x 方向为 8 cm、在 y 方向为 4 cm。
• 系统实现了 200 ms 的控制间隔的近实时运行，能够在近实时 RIC 中做出感知驱动的移动决策。
• VisionTwin 通过兼容 Gym 的环境与射频仿真，有效地训练与验证 DQN 策略，支持现实闭环仿真。
• 该框架在动态条件下，gNB 重新定位以维持与 UE 的 LoS 时，显示出更稳定的信噪比（SNR）与吞吐量提升。