6G网络AI关键指标需求.docx

6G网络AI关键指标需求

前言

1.背景及目标

6G网络的发展带来了不断丰富的用户场景，如沉浸式XR、自动驾驶和智能协同控制等，网络AI应运而生。网络AI通过AI算法优化网络资源配置，提高网络性能和可靠性，为用户提供就近泛在的AI服务，具有泛在普惠、移动性支持、带有用户属性、极致性能、内生安全隐私、可信等技术优势。

现有的5G网络服务等级协议（SLA）聚焦于面向会话连接的服务，例如时延、抖动、误码率、峰值速率等，关注ToB业务的SLA，缺乏对6G网络AI的刻画与衡量。此外，云AI属于外挂式AI，提供基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）三类服务模式，对应不同的服务指标体系，不能相互兼容。云AI重点关注ToC业务的指标，也不再符合6G网络AI赋能千行百业的愿景。6G网络引入多样化AI能力与多维度AI资源，如何先扩展后收敛、量化、标准化AI相关的指标是6G网络提供高效AI服务的必要条件。

2.关键指标设计原则和方法

网络AI的KPI设计原则如下：

定量性：KPI尽可能是可以度量的，具体而清晰，能够通过数据来验证。并且KPI应该具有明确的指标和测量方法，以便能够收集和分析相关数据，并对其进行评估。

业务相关性：KPI应该与AI业务目标密切相关，并直接反映出AI服务对业务的影响。这有助于确保AI服务的价值与业务目标保持一致。

可操作性：KPI应该能够为网络决策、执行、评估、保障提供指导，帮助网络检测识别问题并采取相应的措施。因此，KPI应该符合实际可操作测量和可改进优化的指标，而不仅仅是简单地度量性能。

灵活性：面临业务和技术不断更新的变化，KPI可能存在频繁调整的问题。因此，KPI的设计应该具有一定的灵活性和适应性，以应对不断变化的需求和挑战。

可定位性：KPI的变化应该能够追溯到特定的原因或事件，以便在需要时进行调查和分析。这需要建立有效的数据收集和记录机制，以便跟踪KPI的变化。

基于上述关键指标的设计原则，潜在设计方法和路线如下：

1.6G网络AI关键指标的潜在设计从典型场景的典型用例的出发，明确其需求和目的。

2.明确不同6G网络指标的面向对象，包括面向单个用户的服务质量、面多个用户的服务质量、面向网络或系统的评估。

3.通过分析现有ITU明确提出的6G的15个可量化的能力指标（连接数密度、移动性、时延、可靠性、定位精度、峰值速率、用户体验速率、频谱效率、区域流量密度、感知相关指标、AI相关指标、安全隐私韧性性能指标、可持续性性能指标、覆盖、互操

作）与典型场景的典型用例的关系，从15个指标中先筛选出符合AI服务需求和目的的指标形成合集，并且分析每个指标能满足服务质量的定量描述，包括准确数值或者一定范围的数值。

4.针对典型用例逐个分析，筛选出除15指标以外新的指标。新的指标可以针在不同颗粒度上的、不同维度的指标，例如针对在空口上、在整个AI服务质量上等，并研究起定义、评估方法等。

3.典型场景及新KPI

3.1场景一——网络辅助智能机器人

3.1.1场景说明及典型用例

机器人在工业、物流、医疗、教育等领域中有广泛应用，它们可以互相协作完成复杂任务，如搬运货物、制造商品等。协作机器人之间的任务规划对它们完成任务的效率和质量有重要影响。如果机器人各自决策并通过彼此协商来进行任务规划，当参与任务的机器人数量较多时，通常需要经过多轮协商，这将会非常消耗机器人的计算资源和电量。因此，6G网络可以为多个协作机器人规划任务，各机器人根据分配的任务进行运动控制以执行任务，这样可以节约机器人的电力和计算资源，并提升任务规划效率[1]。

图3.1.工厂示意图。

如图3.1所示，厂房内的机器人A，B，C，D，E，F需要协作将设备P1和P2搬到位置L。在这个用例中，我们假设机器人与6G网络相连，机器人之间可以直接通信。其业务流程如下：

1.机器人管理员给多个协作机器人部署设备搬运任务，为了更高效地得出任务执行策略，机器人向网络发起任务分配和移动路线规划请求，提供任务需求（将设备P1、P2搬到位置L）、参与任务的多个机器人标识、每个机器人的能力信息。

2.网络定位参与任务的机器人以及需要搬运的设备位置。

3.网络感知设备P1和P2的形状和材质。

4.网络收集工厂厂房的环境信息，进行3D环境建模，识别障碍物。

5.网络决策每个机器人要执行的任务以及移动轨迹。

6.网络将任务分配信息和移动轨迹发送给机