es.wedoany.com Noticia: El equipo del Instituto de Investigación de China Mobile ha propuesto la arquitectura CIS-RAN orientada a 6G, con la colaboración, inteligencia y servicio como características centrales. El equipo, compuesto por Wang Xiaoyun (China Mobile Group) y Li Nan, Sun Qi, Wang Yang, Yan Yiwei, Wang Sen, Xu Xiaofei, Li Na y Jin Jing (Instituto de Investigación de China Mobile), amplía los límites de la colaboración sobre la base de la arquitectura C-RAN propuesta en 2010 e introduce inteligencia endógena y mecanismos de apertura de capacidades, con el objetivo de satisfacer los estrictos requisitos de rendimiento extremo, latencia ultrabaja, alta fiabilidad y conexiones masivas en escenarios de 6G como conducción autónoma, automatización industrial, gemelos digitales y realidad extendida.
La investigación primero analiza las demandas de la red de acceso radioeléctrico 6G y las limitaciones de las arquitecturas existentes. Sobre esta base, la arquitectura CIS-RAN propuesta incluye RRU mejoradas, BBU y una nueva unidad inteligente centralizada de RAN, y define cambios clave en funciones e interfaces. Las cinco tecnologías habilitadoras incluyen recopilación de datos heterogéneos, procesamiento colaborativo impulsado por tareas, distribución inteligente en capas, garantía de servicios de IA de latencia ultrabaja y exposición unificada de capacidades de RAN. Mediante simulaciones y experimentos con prototipos, la investigación valida la efectividad de la arquitectura desde dos perspectivas: AI4RAN y RAN4AI. En AI4RAN, se utiliza la predicción de interferencias en el enlace ascendente como ejemplo para demostrar las ventajas de la inteligencia colaborativa en la eficiencia del aprendizaje y el rendimiento del sistema. En RAN4AI, se valida el rendimiento en la provisión de servicios de IA de latencia ultrabaja y exposición de capacidades mediante un prototipo de servicio de detección visual de IA en interiores y exteriores.
Para validar la arquitectura CIS-RAN, la investigación diseñó experimentos desde dos dimensiones: inteligencia colaborativa y servicios de baja latencia, logrando mejoras significativas en el rendimiento.
El caso uno se centra en entornos de interferencia dinámica en escenarios típicos de 6G (ciclismo, fábrica, oficina), comparando el mecanismo de preentrenamiento centralizado más ajuste local (CPLF) habilitado por CIS-RAN con el mecanismo tradicional de entrenamiento local de una sola BBU (SLT). Los resultados muestran que, en comparación con el reentrenamiento específico del escenario, el mecanismo CPLF reduce la cantidad de datos de entrenamiento requeridos en el lado de la BBU entre un 36% y un 50%, y el tiempo de actualización del modelo se reduce aproximadamente entre un 71% y un 78%. El esquema CPLF muestra una velocidad de convergencia de error más rápida y un error de predicción en estado estacionario más bajo en todos los escenarios. En cuanto al rendimiento promedio del enlace ascendente del UE, tanto CPLF como SLT mejoran entre un 9% y un 18% en comparación con la línea base no IA, pero CPLF reduce significativamente el costo de entrenamiento, logrando un equilibrio entre rendimiento y eficiencia.
El caso dos implementa servicios de detección visual de IA, que incluyen conteo de personas, detección de intrusiones y reconocimiento de comportamientos anómalos, en una tienda de China Mobile (interior) y un estanque de cangrejos (exterior) basándose en un sistema prototipo. En comparación con el esquema tradicional de reenvío de UPF a MEC, bajo la arquitectura CIS-RAN, la inferencia de IA se completa directamente en el lado de la BBU, y la latencia promedio de extremo a extremo en escenarios interiores y exteriores es inferior a 20 milisegundos, mientras que en la arquitectura tradicional es de aproximadamente 60 milisegundos. Esta arquitectura logra un bucle cerrado de acoplamiento estrecho de percepción-decisión-acción, sentando las bases para aplicaciones sensibles a la latencia determinista, como la inteligencia incorporada.
