fr.wedoany.com Rapport : L’équipe de l’Institut de recherche de China Mobile propose une architecture CIS-RAN orientée vers la 6G, dont les caractéristiques principales sont la collaboration, l’intelligence et la servicialisation. Composée de Wang Xiaoyun (China Mobile Group) et de Li Nan, Sun Qi, Wang Yang, Yan Yiwei, Wang Sen, Xu Xiaofei, Li Na, Jin Jing (Institut de recherche de China Mobile), cette équipe élargit les frontières de la collaboration sur la base de l’architecture C-RAN proposée en 2010 et introduit des mécanismes d’intelligence intégrée et d’ouverture des capacités, afin de répondre aux exigences strictes des scénarios de la 6G tels que la conduite autonome, l’automatisation industrielle, le jumeau numérique et la réalité étendue en matière de débit extrême, de latence ultra-faible, de fiabilité ultra-élevée et de connexions massives.
L’étude analyse d’abord les exigences auxquelles le réseau d’accès radio 6G est confronté et les limites des architectures existantes. L’architecture CIS-RAN proposée sur cette base comprend des RRU améliorés, des BBU et une nouvelle unité d’intelligence centralisée du RAN, et clarifie les fonctions clés et les changements d’interface. Les cinq technologies habilitantes comprennent la collecte de données hétérogènes, le traitement collaboratif piloté par les tâches, la distribution intelligente hiérarchisée, la garantie de services d’IA à ultra-faible latence et l’exposition unifiée des capacités du RAN. Grâce à des simulations et des expériences sur prototype, l’étude valide l’efficacité de l’architecture sous deux angles : AI4RAN et RAN4AI. Pour AI4RAN, la prédiction des interférences en liaison montante est utilisée comme exemple pour démontrer les avantages de l’intelligence collaborative en termes d’efficacité d’apprentissage et de débit du système. Pour RAN4AI, un prototype de service de détection visuelle par IA en intérieur et en extérieur valide ses performances en matière de fourniture de services d’IA à ultra-faible latence et d’exposition des capacités.
Pour valider l’architecture CIS-RAN, l’étude a conçu des expériences sous deux dimensions : l’intelligence collaborative et les services à faible latence, obtenant des améliorations significatives des performances.
Le premier cas d’étude, dans un environnement d’interférences dynamiques typique de la 6G (vélo, usine, bureau), compare le mécanisme de pré-entraînement centralisé avec ajustement local (CPLF) activé par CIS-RAN au mécanisme traditionnel d’entraînement local sur un seul BBU (SLT). Les résultats montrent que, par rapport au ré-entraînement spécifique au scénario, le mécanisme CPLF réduit la quantité de données d’entraînement nécessaires du côté du BBU de 36 % à 50 %, et le temps de mise à jour du modèle d’environ 71 % à 78 %. La solution CPLF présente une vitesse de convergence des erreurs plus rapide et une erreur de prédiction en régime permanent plus faible dans tous les scénarios. En ce qui concerne le débit moyen en liaison montante des UE, le CPLF et le SLT améliorent tous deux le débit de 9 % à 18 % par rapport à la ligne de base non IA, mais le CPLF réduit considérablement les coûts d’entraînement, réalisant un équilibre entre performance et efficacité.
Le deuxième cas d’étude déploie un service de détection visuelle par IA, comprenant le comptage de personnes, la détection d’intrusion et la reconnaissance de comportements anormaux, dans une agence China Mobile (intérieur) et un étang à crabes (extérieur) sur la base d’un système prototype. Par rapport à la solution traditionnelle de transfert UPF vers le MEC, l’inférence IA dans l’architecture CIS-RAN est effectuée directement du côté du BBU, avec une latence moyenne de bout en bout inférieure à 20 millisecondes dans les scénarios intérieur et extérieur, contre environ 60 millisecondes pour l’architecture traditionnelle. Cette architecture réalise une boucle fermée étroitement couplée de perception-décision-action, jetant les bases d’applications sensibles à la latence déterministe, telles que l’IA incarnée.
