特許ウォッチ

公開番号2025138466
公報種別公開特許公報(A)
公開日2025-09-25
出願番号2024037575
出願日2024-03-11
発明の名称通信制御システム及び通信制御方法
出願人KDDI株式会社
代理人個人,個人,個人
主分類H04W 24/02 20090101AFI20250917BHJP(電気通信技術)
要約【課題】無線アクセスネットワークの制御においてモデルの学習効率や学習済みモデルによる推論精度の向上を図る。
【解決手段】ユーザ端末周辺の無線環境の分類の各々に対応して設けられるモデル学習部と、ユーザ端末の各々に対応して設けられるモデル実行部と、無線環境の分類毎に一の無線環境の分類に関連付けられたユーザ端末に対応するモデル実行部のモデルによる推論データを格納する格納部と、を備え、一のモデル学習部によって学習済みのモデルを、一のモデル学習部に対応する無線環境の分類に関連付けられたユーザ端末に対応するモデル実行部に供給し、一のモデル学習部は、一のモデル学習部に対応する無線環境の分類の推論データを用いて、所定の通信制御項目を推論するモデルの学習を行う。
【選択図】図1
特許請求の範囲【請求項１】
無線アクセスネットワークにおいて、
ユーザ端末の周辺の無線環境の分類の各々に対応して設けられるモデル学習部と、
ユーザ端末の各々に対応して設けられるモデル実行部と、
無線環境の分類毎に、一の無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部のモデルによる推論データを格納する格納部と、を備え、
一の前記モデル学習部によって学習済みのモデルを、前記一の前記モデル学習部に対応する無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部に供給し、
前記一の前記モデル学習部は、前記一の前記モデル学習部に対応する無線環境の分類の前記推論データを用いて、所定の通信制御項目を推論するモデルの学習を行う、
通信制御システム。
続きを表示（約 480 文字）【請求項２】
無線環境の分類毎にユーザ端末群を編成する端末群編成部をさらに備え、
前記端末群編成部は、各ユーザ端末の周辺の無線環境の変化に応じて動的にユーザ端末群の編成を変更する、
請求項１に記載の通信制御システム。
【請求項３】
無線アクセスネットワークにおいて、
ユーザ端末の周辺の無線環境の分類の各々に対応して設けられるモデル学習部と、
ユーザ端末の各々に対応して設けられるモデル実行部と、
無線環境の分類毎に、一の無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部のモデルによる推論データを格納する格納部と、を備え、
一の前記モデル学習部によって学習済みのモデルを、前記一の前記モデル学習部に対応する無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部に供給し、
前記一の前記モデル学習部は、前記一の前記モデル学習部に対応する無線環境の分類の前記推論データを用いて、所定の通信制御項目を推論するモデルの学習を行う、
通信制御方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、通信制御システム及び通信制御方法に関する。
続きを表示（約 3,000 文字）【背景技術】
【０００２】
近年、第５世代移動通信システム（５Ｇ）より以降の「Beyond 5Gシステム」では、例えばスループットや通信遅延時間や端末接続数等の通信性能をより高めることによって、例えばロボット制御やコネクティッドカーやＡＲ（Augmented Reality、拡張現実）やＶＲ（Virtual Reality、仮想現実）等の多種多様なサービスを提供することが検討されている。そのためのキー技術の一つとして、ＡＩ（Artificial Intelligence、人工知能）及びＭＬ（Machine Learning、機械学習）が注目されている。例えば無線アクセスネットワーク（Radio Access Network：ＲＡＮ）においては、有限のネットワークリソースによってネットワーク性能を最大化するために、例えばビームフォーミング制御や無線リソース割当や基地局機能配置等の様々な用途に強化学習を適用することが検討されている。
【０００３】
また、Ｏ－ＲＡＮ（（Open Radio Access Network）アライアンス（Ｏ－ＲＡＮ Alliance）では、５Ｇ等の次世代の無線アクセスネットワークのオープン化及びインテリジェント化が検討されており、ＡＩ及びＭＬを用いる制御に必要なインターフェースやワークフローなどが検討されている。Ｏ－ＲＡＮには、ＲＡＮを制御するコントローラーであるＲＩＣ（RAN Intelligent controller）が定義されている。ＲＩＣとして、長周期制御を目的とする「Ｎｏｎ－ＲＴＲＩＣ（Non-Real Time RAN Intelligent Controller、非リアルタイムＲＡＮインテリジェントコントローラー）」と、短周期制御を目的とする「Ｎｅａｒ－ＲＴＲＩＣ（Near-Real Time RAN Intelligent Controller、ニアリアルタイムＲＡＮインテリジェントコントローラー）」とがある。
【０００４】
そして、ＡＩ及びＭＬの機能を有する学習部については潤沢な計算リソースを利用可能な「Non-RT RIC」に配置し、一方、学習済みのモデルを用いて推論を行う推論部については「Near-RT RIC」に配置することで低遅延の推論を実現することが検討されている。例えば非特許文献１には、学習データの加工処理を行う「Data Pipeline」を「Near-RT RIC」に配置することが提案されている。また、非特許文献２には、「Data Pipeline」を介した学習データの収集のために、「Non-RT RIC」と「Near-RT RIC」間のインターフェースであるＡ１インターフェースにおけるプロシージャが提案されている。
【０００５】
また、例えば非特許文献３には、オンライン学習において、高い学習効率を得るため分散強化学習技術が記載されている。この分散強化学習技術では、分散アーキテクチャによる並列処理として、並列実行により大量の学習データを収集すること、分散された複数の「Actor」が環境との試行錯誤を通じて学習データ（experience）を収集し、これを唯一の「Learner」が学習すること、唯一の「Learner」は学習した唯一のモデルを定期的に各「Actor」に供給して各「Actor」に共通のモデルを更新していくこと、などを特徴としている。
【先行技術文献】
【非特許文献】
【０００６】
「Discussion on Data Collection for Training in Non-RT RIC」, KDDI, CMCC, O-RAN WG2, July 25 2023
「Study of AI/ML-Related Procedures for RAN Slice SLA Assurance Use Case」, KDDI, CMCC, O-RAN WG2, June 21, 2023
D. Horgan, et al. 「Distributed Prioritized Experience Replay」, ICLR, 2018
【発明の概要】
【発明が解決しようとする課題】
【０００７】
ＲＡＮの制御に分散強化学習技術を適用する場合、オンライン学習の処理負荷を下げるため、例えばニューラルネットワーク等のモデルの小サイズ化や学習データの少量化などが考えられる。しかしながら、大規模なＲＡＮに対しては、モデルサイズや学習データ量を縮小すると、ユーザ端末（User Equipment：ＵＥ）毎に異なり得る多様な無線環境を十分に学習できず、これにより、学習済みモデルの品質が低下し、学習済みモデルによる推論の精度が低下する可能性があった。
【０００８】
本発明は、このような事情を考慮してなされたものであり、その目的は、無線アクセスネットワーク（ＲＡＮ）の制御においてモデルの学習効率や学習済みモデルによる推論精度の向上を図ることにある。
【課題を解決するための手段】
【０００９】
本発明の一態様は、無線アクセスネットワークにおいて、ユーザ端末の周辺の無線環境の分類の各々に対応して設けられるモデル学習部と、ユーザ端末の各々に対応して設けられるモデル実行部と、無線環境の分類毎に、一の無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部のモデルによる推論データを格納する格納部と、を備え、一の前記モデル学習部によって学習済みのモデルを、前記一の前記モデル学習部に対応する無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部に供給し、前記一の前記モデル学習部は、前記一の前記モデル学習部に対応する無線環境の分類の前記推論データを用いて、所定の通信制御項目を推論するモデルの学習を行う、通信制御システムである。
本発明の一態様は、上記の通信制御システムにおいて、無線環境の分類毎にユーザ端末群を編成する端末群編成部をさらに備え、前記端末群編成部は、各ユーザ端末の周辺の無線環境の変化に応じて動的にユーザ端末群の編成を変更する、通信制御システムである。
【００１０】
本発明の一態様は、無線アクセスネットワークにおいて、ユーザ端末の周辺の無線環境の分類の各々に対応して設けられるモデル学習部と、ユーザ端末の各々に対応して設けられるモデル実行部と、無線環境の分類毎に、一の無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部のモデルによる推論データを格納する格納部と、を備え、一の前記モデル学習部によって学習済みのモデルを、前記一の前記モデル学習部に対応する無線環境の分類に関連付けられたユーザ端末に対応する前記モデル実行部に供給し、前記一の前記モデル学習部は、前記一の前記モデル学習部に対応する無線環境の分類の前記推論データを用いて、所定の通信制御項目を推論するモデルの学習を行う、通信制御方法である。
【発明の効果】
（【００１１】以降は省略されています）

関連特許