CN119452696A 在无线电接入网络中监测人工智能模型的方法和装置 （联想(北京)有限公司）

2024.12.17PCT/CN2022/1032482022.07.01WO2024/000559EN2024.01.04在无线电接入网络中监测人工智能模型的根据第一配置信令和第二配置信令生成AI模型2处理器，所述处理器根据所述第一配置信令和所述第二配置信令生子集中的每个被激活的AI模型的模型ID和关于12.根据权利要求11所述的装置，其中，所述第二消息包括要停用的一个或多个模型接收器，所述接收器接收根据所述第一配置信令和所述第二配置3及45GNR支持FR1和FR2频带两者。[0007]标识和指定针对下行链路和上行链路MIMO两者的必要增强以促进将大型天线阵5[0009]可以基于对所选择的用例的调查和评估来研究AI/ML模型的生命周期管理的特监测被部署以增强RAN中的空中接口性能的AI6[0021]图4A是图示根据本公开的一些实施方式的使用AI/ML方法来压缩CSI以减少CSI反[0022]图4B是图示根据本公开的一些实施方式的使用AI/ML方法用于具有较少开销的波[0023]图4C是图示根据本公开的一些实施方式的使用AI/ML方法来增强定位精度的示例[0024]图5A是图示根据本公开的一些实施方式的利用AI模型替代通信模块的示例的示[0025]图5B是图示根据本公开的一些实施方式的利用AI模型辅助通信模块的示例的示在这两侧处具有AI模型的AI模型部署情况[0028]图8A是图示根据本公开的一些实施方式的在gNB或网络侧处具有场景标识的AI模[0029]图8B是图示根据本公开的一些实施方式的在UE侧处具有场景标识的AI模型激活[0030]图9是图示根据本公开的一些实施方式的监测被激活的AI模型的测量触发的示例[0031]图10是图示根据本公开的一些实施方式的由UE在RAN中监测AI模型的步骤的流程[0032]图11是图示根据本公开的一些实施方式的由gNB在RAN中监测AI模型的步骤的流序产品的形式，该计算机可读存储设备存储机器可读代码、计算机可读代码和/或程序代7式表达的类似项目也包括对该项目的一个或多个的技术人员将认识到，实施例可以在没有一个或多个具体细节的情况下或者利用其他方编程数据处理装置的处理器执行的指令能够创建用于实现在示意性流程图和/或示意性框必按所示的序列来实践并且能够在没有一个或多个特定步骤的情况下来实践或者利用其8NE104都可以被包括在无线通信系统100在两个或更多个NE104之间提供直接或间接[0054]在一些实施例中，UE102a可以能够同时与利用非理想或理想回程的两9辑操作的任何已知控制器。例如，处理器202可以是微控制器、微处理器、中央处理单元制器。在一些实施例中，处理器202执行存储在存储器204中的指令以执行本文中描述的方算机存储设备。在一些实施例中，存储器204包括易失性和非易失性计算机存储介质这两收发器310向UE200发送包含各种[0064]在一些实施例中，收发器310包括发射器312和接收器314。发射器312用于向UE服务多个小区和/或小区扇区，其中收发器310包括用于每个小区或小区扇区的发射器312处于RRC_CONNECTED状态的UE，以执行测量。网络可以配置UE以根据测量配置报告测量结使用RRCReconfiguration或RRCRe[0074]处于RRC_CONNECTED状态的UE根据信令和过程维护测量对象列表、报告配置列表[0077]图4A是图示根据本公开的一些实施方式的使用AI/ML方法来压缩CSI以减少CSI反配对的NN构造的解码器410b被部署在gN本16类型II码本的方法。压缩的CSI414在gNB300处由解码器410b利用AI模型2解码以获[0081]图4B是图示根据本公开的一些实施方式的使用AI/ML方法用于具有较少开销的波[0082]用于波束管理增强的用例的关键问题可能是时间和/或空间域中的波束预测，以如示例中所图示的16个资源中的4个资源——的测量结果，可以获得并报告最佳Tx波束索[0086]图4C是图示根据本公开的一些实施方式的使用AI/ML方法来增强定位精度的示例[0091]图5A是图示根据本公开的一些实施方式的利用AI模型替代通信模块的示例的示型辅助通信模块的示例的示意图。因为输入数据512被输入到通信模块502和AI模型504两致额外的处理开销。[0101]上述监测所部署的人工智能模型的典型方法可能需要通过空中接口的不同的信置、事件触发和结果报告的信令。本公开集中于在UE侧处部署AI模型以进行推理的情况，[0103]图7是图示根据本公开的一些实施方式的AI模型性能监测过程的示例的示意图。注册。可以在该步骤中使用的信令是AI_Capability_Register711和AI_Model_Model_Activation_Req721、AI_Model_Activation722和AI_Model_Activation_Ack即，AI模型监测配置——中配置监测行为。可以在该步骤中使用的信令是AI_Model_告AI模型监测结果，即，AI模型监测结果报告。可以在该步骤中使用的信令是AI_Model_Monitor_ReportConfig741、AI_Model_Monitor_Trigger742和AI_Model_Monitor_中使用的信令是AI_Model_Deactivation_Req751、AI_Model_Deactivation752和AI_Model_Deactivation_Ack7[0116]增强通信模块的所部署的AI模型的描述和标识，诸如用于CSI反馈压缩或波束管[0117]辅助网络决定模型选择的所部署的AI模型的场景和/或配置的描述，诸如非视距模型1_1模型1_2模型1_3模型2_1模型2_2模型2_3模型3_1模型3_2模型3_3[0124]在表1的示例中，针对上面讨论的三个用例中的每个用例的三种不同的场景指定境信息。图8A是图示根据本公开的一些实施方式的在gNB或网络侧处具有场景标识的AI模以及关于AI操作801的相关联的要求之后，网络或gNB300向UE200指示在信号AI_Model_要求（例如，延时则UE200将通过经由AI_MoUE200接收到AI_Model_Activation_Req721之后，网络300标识822关于AI操作的要求并经由AI_Model_Activation722向UE200指示83[0139]在由UE经由AI_Model_Activation_Req721请求或推荐模型的情况下，确认信息Req721中报告的开销决定是否激活模型。[0142]如果激活消息通过MACCE被发送，则确认消息可以是与承载MACCE的PDSCH相对是其中发送HARQ_ACK的时隙并且是针对子载波间隔[0143]如果激活消息通过具有DL指配的DCI被发送，则确认消息可以是响应于接收或应从时隙n+M之后的第一时隙开始将应用激活，其中M是根据UE能力报告或配置的每个SCS的[0146]在UE侧处激活一个或多个AI模型之后，将根据在此示例中称为AI_Model_[0147]_针对UE要监测的模型标识，其从AI模型激活的上一步骤中的被激活的模型中选[0152]_UE触发性能监测的事件定义，诸如阈值和/或要报告的定时器，其与AI_Model_[0153]_UE要监测的候选AI模型的标识，其使得UE能够进一步导出关于候选AI模型的结[0154]_关于在模型需要时要测量的参考信号的指示，诸如用于波束管理的AI模型的[0155]在本公开中，AI_Model_Monitor_Config731也可以被称为用于监测被激活的一其还可以包括用于报告性能监测的结果的定时信息和/或[0156]UE遵循AI_Model_Monitor_Config731中的配置以在监测场合上执行测量以监测[0158]在AI模型监测结果报告的步骤中，与一个AI_Model_Monitor_Config731相关联的模型监测结果将根据报告配置被报告作为一种测量结果。AI_Model_Monitor_ReportConfig741可以包括以下信息[0159]监测的模型的模型标识，其应当与对应监测配置——即，AI_Model_Monitor_能差距。图9是图示根据本公开的一些实施方式的监测被激活的AI模型的测量触发的示例性能的情况下，监测的AI模型与非AI方法之间的性能差距可以是结果924与922之间的差[0162]用于UE启用基线——即，非AI方法——以导出结果以报告作为用于性能监测的[0165]在本公开中，AI_Model_Monitor_ReportConfig741也可以被称为用于报告性能非AI方法的输出的测量结果、监测的AI模型与指示的非AI方法之间和/或监测的AI模型与[0168]如在AI模型监测配置的步骤中提到的，如果UE被配置为[0169]针对被激活的AI模型的[0173]可选地，可以向UE发送指示辅助信息AI_Model_Monitor_AssistInfo743以辅助[0177]如果所配置的激活持续时间结束或者被激活的AI模型的性能若干次关于阈值比进一步包括针对所推荐的AI模型的一个或多个模型[0181]在一些情况下，如果UE能够自行标识场景或配置和/或表现不佳，则其可以经由[0182]一旦接收到来自网络的停用信号，UE200就可以经由AI_Model_Deactivation_[0183]图10是图示根据本公开的一些实施方式的由UE200在RAN中监测AI模型的步骤的[0184]在步骤1002处，UE200的接收器214接收用于监测被激活的一个或多个人工智能[0185]在步骤1004处，UE200的处理器202根据第一配置信令和第二配置信令生成AI模[0187]图11是图示根据本公开的一些实施方式的由gNB300在RAN中监测AI模型的步骤子集中的每个被激活的AI模型的模型ID和关于集中的每个被激活的AI模型的模型ID和关于操[0230]由处理器根据所述第一配置信令和所述第二配置信令生成所述AI模型的性能报集中的每个被激活的AI模型的模型ID和关于操[0249]由接收器接收根据所述第一配置信令和所述第二配置信令生成并报告的所述AI集中的每个被激活的AI模型的模型ID和关于操