机构名称：
¥ 1.0
摘要 超可靠低延迟通信（URLLC）作为第五代（5G）和第六代（6G）蜂窝网络的主要通信服务之一，对于支持各种新兴的关键任务应用至关重要。然而，现代移动网络无法满足延迟和可靠性要求，以及其他服务质量（QoS）要求，包括频谱效率、能源效率、容量、抖动、往返延迟、网络覆盖等。为了满足各种URLLC应用的不同QoS要求，机器学习（ML）解决方案有望成为未来6G网络的主流。在本文中，我们首先将6G URLLC愿景分为三种连接特征，包括无处不在的连接、深度连接和全息连接，以及它们对应的独特QoS要求。然后，我们确定了满足这些连接要求的潜在挑战，并研究有前景的ML解决方案，以实现6G URLLC服务的智能连接。我们进一步讨论了如何实现机器学习算法来保证不同 URLLC 场景（包括移动性 URLLC、大规模 URLLC 和宽带 URLLC）的 QoS 要求。最后，我们给出了一个下行 URLLC 信道接入问题的案例研究，分别通过集中式深度强化学习 (CDRL) 和联邦式深度强化学习 (FDRL) 来解决，验证了机器学习对 URLLC 服务的有效性。
6G 增强型超高速机器学习
主要关键词
相关文件推荐
