CN117413284A - 配置多模型机器学习应用 - Google Patents
配置多模型机器学习应用 Download PDFInfo
- Publication number
- CN117413284A CN117413284A CN202180098710.0A CN202180098710A CN117413284A CN 117413284 A CN117413284 A CN 117413284A CN 202180098710 A CN202180098710 A CN 202180098710A CN 117413284 A CN117413284 A CN 117413284A
- Authority
- CN
- China
- Prior art keywords
- model
- task
- backbone
- specific
- base station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 278
- 238000004891 communication Methods 0.000 claims abstract description 222
- 238000000034 method Methods 0.000 claims abstract description 181
- 238000012545 processing Methods 0.000 claims description 49
- 230000008859 change Effects 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 26
- 230000006870 function Effects 0.000 description 46
- 230000005540 biological transmission Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 238000007726 management method Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 16
- 230000011664 signaling Effects 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 5
- 239000000969 carrier Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 208000037918 transfusion-transmitted disease Diseases 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/096—Transfer learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/098—Distributed learning, e.g. federated learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
描述了用于无线通信的方法、系统和设备。一种用户装备(UE)可以接收标识主干模型的控制消息,该主干模型能与至少一个因任务而异的模型进行组合以生成多模型机器学习应用。该UE可以接收该主干模型和由该控制消息标识的第一因任务而异的模型。该UE使用作为该主干模型和第一因任务而异的模型的组合的多模型机器学习应用来处理一个或多个接收到的信号以生成一个或多个输出。该UE可以基于该一个或多个输出来与无线设备进行通信。
Description
技术领域
以下涉及无线通信,包括配置多模型机器学习应用。
背景技术
无线通信系统被广泛部署以提供各种类型的通信内容,诸如语音、视频、分组数据、消息接发、广播等等。这些系统可以能够通过共享可用系统资源(例如,时间、频率和功率)来支持与多个用户的通信。此类多址系统的示例包括第四代(4G)系统(诸如长期演进(LTE)系统、高级LTE(LTE-A)系统或LTE-A Pro系统)、以及可被称为新无线电(NR)系统的第五代(5G)系统。这些系统可采用各种技术,诸如码分多址(CDMA)、时分多址(TDMA)、频分多址(FDMA)、正交FDMA(OFDMA)、或离散傅里叶变换扩展正交频分复用(DFT-S-OFDM)。无线多址通信系统可包括一个或多个基站或者一个或多个网络接入节点,每个基站或网络接入节点同时支持多个通信设备的通信,这些通信设备可另外被称为用户装备(UE)。
在一些示例中,UE可以使用机器学习。用于实现机器学习的改进的技术可能是合乎需要的。
概述
所描述的技术涉及支持配置多模型机器学习应用的改进的方法、系统、设备和装置。用户装备(UE)可以使用多模型机器学习应用来进行通信。多模型机器学习应用可以包括主干模型和因任务而异的模型。UE可以经由来自基站的一个或多个控制消息来配置有主干模型和因任务而异的模型。如果模型之一变得不适合于使用,则UE可以通过向基站请求新模型或通过从存储器加载先前配置的模型来更新该模型。
描述了一种用于在用户装备(UE)处进行无线通信的方法。该方法可以包括从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;从该基站接收该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型;由作为该主干模型和该第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出;以及基于该一个或多个输出来与该基站或无线设备传达第一消息。
描述了一种用于在UE处进行无线通信的装置。该装置可包括处理器、与该处理器耦合的存储器、以及存储在该存储器中的指令。这些指令可以能由该处理器执行以使该装置:从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;从该基站接收该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型;由作为该主干模型和该第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出;以及基于该一个或多个输出来与该基站或无线设备传达第一消息。
描述了另一种用于在UE处进行无线通信的设备。该设备可以包括用于从基站接收标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;用于从该基站接收该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型的装置;用于由作为该主干模型和该第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出的装置;以及用于基于该一个或多个输出来与该基站或无线设备传达第一消息的装置。
描述了一种存储用于在UE处进行无线通信的代码的非瞬态计算机可读介质。该代码可包括能由处理器执行以执行以下操作的指令:从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;从该基站接收该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型;由作为该主干模型和该第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出;以及基于该一个或多个输出来与该基站或无线设备传达第一消息。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,接收控制消息可包括用于以下动作的操作、特征、装置或指令:接收标识主干模型配置和用于该第一因任务而异的模型的因任务而异的配置的该控制消息,该主干模型配置指示要在其中应用该主干模型的一组多个场景、条件或任务,该因任务而异的配置指示该一组多个场景、条件或任务中要将该第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的第一场景、条件或任务。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:在该控制消息中接收对一组多个因任务而异的模型以及用于将相应的因任务而异的模型与该主干模型进行组合的一个或多个场景、条件或任务的至少一个指示;从该基站接收该控制消息中标识的该一组多个因任务而异的模型;以及基于检测到的指示要将该第一因任务而异的模型与该主干模型进行组合以生成该第一多模型机器学习应用的场景、条件或任务来传达第一消息。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:接收标识第二因任务而异的模型的更新控制消息,第二因任务而异的模型可以能与该主干模型进行组合以生成第二多模型机器学习应用;从该基站接收该更新控制消息中标识的第二因任务而异的模型;由可以作为该主干模型和该第二因任务而异的模型的组合的该第二多模型机器学习应用来处理从该基站接收的一个或多个第二信号以生成一个或多个第二输出;以及基于一个或多个第二输出来传达第二消息。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:从该基站或第二基站接收第二主干模型以及关于该第二主干模型可以能与第二因任务而异的模型进行组合的指示;由可以是该第二主干模型和该第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站或该第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及基于一个或多个第二输出来传达第二消息。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对该第二主干模型的请求。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:从该基站或该第二基站接收该第二因任务而异的模型。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对该第二因任务而异的模型的请求。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,接收控制消息可包括用于以下动作的操作、特征、装置或指令:接收包括用于该主干模型的主干模型配置的第一控制消息;以及接收包括用于该第一因任务而异的模型的因任务而异的配置的第二控制消息,其中该一个或多个信号可以由该第一多模型机器学习应用根据该主干模型配置和该因任务而异的配置来处理。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,该控制消息包括主干模型的索引,并且该方法、装置(设备)和非瞬态计算机可读介质可包括用于以下动作的操作、特征、装置或指令:基于该主干模型的索引来确定该第一因任务而异的模型可以与该主干模型兼容。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,该控制消息指示该主干模型支持的任务列表,并且该方法、装置(设备)和非瞬态计算机可读介质可进一步包括用于以下动作的操作、特征、装置或指令:由该第一多模型机器学习应用来处理从该基站接收的一个或多个第二信号,以生成与来自所支持任务列表的任务相对应的一个或多个第二输出。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,该任务列表指示至少一个移动性任务、至少一个波束管理任务、或其任何组合。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,该控制消息指示该主干模型支持的场景列表,并且该方法、装置(设备)和非瞬态计算机可读介质可进一步包括用于以下动作的操作、特征、装置或指令:由该第一多模型机器学习应用来处理从该基站接收的一个或多个第二信号,以生成与来自所支持场景列表的场景相对应的一个或多个第二输出。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,该场景列表指示至少一个蜂窝小区索引、至少一个多普勒范围索引、至少一个速度索引、至少一个带宽索引、至少一个端口索引、或其任何组合。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:基于检测到该主干模型可能不支持的场景、条件或任务而向该基站或该第二基站传送主干模型更新请求;基于该主干模型更新请求来接收第二主干模型和第二因任务而异的模型;由可以是该第二主干模型和该第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站或该第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及基于一个或多个第二输出来传达第二消息。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,接收控制消息可包括用于以下动作的操作、特征、装置或指令:接收指示该主干模型支持的一组一个或多个应用类型、该主干模型支持的一组一个或多个任务、使用该主干模型的一组一个或多个条件、使用该主干模型的一个或多个时间段、或其组合的该控制消息。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,处理该一个或多个信号可包括用于以下动作的操作、特征、装置或指令:使用该主干模型来处理参考信号或经估计信道,以生成一个或多个中间输出;以及使用该第一因任务而异的模型来处理该一个或多个中间输出以生成该一个或多个输出。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,接收该主干模块和该第一因任务而异的模块可包括用于以下动作的操作、特征、装置或指令:接收对用于该主干模型的第一结构和与该第一结构相对应的第一组一个或多个参数的指示、以及对用于该第一因任务而异的模型的第二结构和与该第二结构相对应的第二组一个或多个参数的指示。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:接收激活该主干模型和该第一因任务而异的模型的控制信令。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,传送控制消息可包括用于以下动作的操作、特征、装置或指令:传送指示该主干模型支持的一组一个或多个应用类型、该主干模型支持的一组一个或多个任务、使用该主干模型的一组一个或多个条件、使用该主干模型的一个或多个时间段、或其组合的该控制消息。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,传送该主干模块和该第一因任务而异的模块可包括用于以下动作的操作、特征、装置或指令:传送对用于该主干模型的第一结构和与该第一结构相对应的第一组一个或多个参数的指示、以及对用于该第一因任务而异的模型的第二结构和与该第二结构相对应的第二组一个或多个参数的指示。
描述了一种用于在基站处进行无线通信的方法。该方法可以包括向UE传送标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和该第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令;以及基于该第一多模型机器学习应用来与该UE传达第一消息。
描述了一种用于在基站处进行无线通信的装置。该装置可包括处理器、与该处理器耦合的存储器、以及存储在该存储器中的指令。这些指令可以能由该处理器执行以使该装置:向UE传送标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和该第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令;以及基于该第一多模型机器学习应用来与该UE传达第一消息。
描述了另一种用于在基站处进行无线通信的设备。该设备可以包括用于向UE传送标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;用于向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和该第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令的装置;以及用于基于该第一多模型机器学习应用来与该UE传达第一消息的装置。
描述了一种存储用于在基站处进行无线通信的代码的非瞬态计算机可读介质。该代码可包括能由处理器执行以执行以下操作的指令:向UE传送标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和该第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令;以及基于该第一多模型机器学习应用来与该UE传达第一消息。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,传送控制消息可包括用于以下动作的操作、特征、装置或指令:传送标识主干模型配置和用于该第一因任务而异的模型的因任务而异的配置的该控制消息,该主干模型配置指示要在其中应用该主干模型的一组多个场景或任务,该因任务而异的配置指示该一组多个场景或任务中要将该第一因任务而异的模型与该主干模型进行组合以生成该第一多模型机器学习应用的第一场景或任务。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:传送标识第二因任务而异的模型的更新控制消息,该第二因任务而异的模型可以能与该主干模型进行组合以生成第二多模型机器学习应用;以及向该UE传送该更新控制消息中标识的该第二因任务而异的模型。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:在该控制消息中传送对一组多个因任务而异的模型以及用于将相应的因任务而异的模型与该主干模型进行组合的一个或多个条件的至少一个指示;从该基站传送该控制消息中标识的该一组多个因任务而异的模型;以及基于检测到的指示要将该第一因任务而异的模型与该主干模型进行组合以生成该第一多模型机器学习应用的条件来传达该第一消息。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:向该UE传送第二主干模型以及关于第二主干模型可以能与第二因任务而异的模型进行组合的指示。
在本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例中,传送控制消息可包括用于以下动作的操作、特征、装置或指令:传送包括用于该主干模型的主干模型配置的第一控制消息;以及传送包括用于该第一因任务而异的模型的因任务而异的配置的第二控制消息。
本文中所描述的方法、装置(设备)和非瞬态计算机可读介质的一些示例可进一步包括用于以下动作的操作、特征、装置或指令:接收基于该主干模型可能不支持的场景、条件或任务的检测的主干模型更新请求;以及基于该主干模型更新请求来传送第二主干模型和第二因任务而异的模型。
附图简述
图1解说了根据本公开的各方面的支持配置多模型机器学习应用的无线通信系统的示例。
图2解说了根据本公开的各方面的支持配置多模型机器学习应用的无线通信系统的示例。
图3解说了根据本公开的各方面的支持配置多模型机器学习应用的过程流的示例。
图4解说了根据本公开的各方面的支持配置多模型机器学习应用的过程流的示例。
图5解说了根据本公开的各方面的支持配置多模型机器学习应用的过程流的示例。
图6解说了根据本公开的各方面的支持配置多模型机器学习应用的无线通信系统的示例。
图7和图8示出了根据本公开的各方面的支持配置多模型机器学习应用的设备的框图。
图9示出了根据本公开的各方面的支持配置多模型机器学习应用的通信管理器的框图。
图10示出了根据本公开的各方面的包括支持配置多模型机器学习应用的设备的系统的示图。
图11和图12示出了根据本公开的各方面的支持配置多模型机器学习应用的设备的框图。
图13示出了根据本公开的各方面的支持配置多模型机器学习应用的通信管理器的框图。
图14示出了根据本公开的各方面的包括支持配置多模型机器学习应用的设备的系统的示图。
图15和图16示出了解说根据本公开的各方面的支持配置多模型机器学习应用的方法的流程图。
详细描述
在一些无线通信系统中,用户装备(UE)可以使用机器学习来改进通信和性能。例如,UE可以使用包括多个层的端到端机器学习应用来执行各种任务。为了更新机器学习应用(例如,当条件改变时),UE可以从基站下载(例如,接收)另一端到端机器学习应用。但下载另一端到端机器学习应用可能是效率低下的(例如,由于应用的大小)。例如,下载另一端到端机器学习应用花费大量时间并消耗许多资源,还具有其他缺点,这可能负面地影响UE性能。
根据本文中所描述的技术,UE可以使用至少包括主干模型和因任务而异的模型的多模型机器学习应用。当被组合时,主干模型可以包括多模型机器学习应用的一个或多个前端层,并且因任务而异的模型可以包括该多模型机器学习应用的一个或多个后端层。因任务而异的模型可以对来自主干模型的中间输出进行操作,这可以处理与UE的操作相关的各种特征。为了更新多模型机器学习应用,UE可以维护主干模型(例如,主干模型可以是静态的)并使用新的因任务而异的模型来取代该因任务而异的模型,该新的因任务而异的模型可以是存储在UE处的或从基站下载的。如果主干模型变得不适合于使用(这种情况相对于因任务而异的模型而言可能不那么频繁地发生),则UE可以单独下载新的主干模型。因此,UE可以更新多模型机器学习应用,而无需下载另一完整的多模型机器学习应用,这可以允许UE节省时间和资源以及其他优点。
多模型机器学习应用的主干模型也可以被称为基础模型、主干阶段或基阶段,并且多模型机器学习应用的因任务而异的模型也可以被称为因任务而异的阶段、特定阶段或特定模型。
本公开的各方面最初在无线通信系统的上下文中进行描述。本公开的各方面进一步在过程流的上下文中进行描述。本公开的各方面通过并参考涉及配置多模型机器学习应用的装置示图、系统示图和流程图来进一步解说和描述。
图1解说了根据本公开的各方面的支持配置多模型机器学习应用的无线通信系统100的示例。无线通信系统100可包括一个或多个基站105、一个或多个UE 115和核心网130。在一些示例中,无线通信系统100可以是长期演进(LTE)网络、高级LTE(LTE-A)网络、LTE-APro网络或者新无线电(NR)网络。在一些示例中,无线通信系统100可支持增强型宽带通信、超可靠(例如,关键任务)通信、低等待时间通信、与低成本和低复杂度设备的通信、或其任何组合。
基站105可分散遍及地理区域以形成无线通信系统100,并且可以是不同形式的设备或具有不同能力的设备。基站105和UE 115可经由一个或多个通信链路125进行无线通信。每个基站105可提供覆盖区域110,UE 115和基站105可在覆盖区域110上建立一个或多个通信链路125。覆盖区域110可以是基站105和UE 115可根据一种或多种无线电接入技术在其上支持信号通信的地理区域的示例。
各UE 115可分散遍及无线通信系统100的覆盖区域110,并且每个UE 115可以是驻定的或移动的、或在不同时间是驻定的和移动的。各UE 115可以是不同形式的设备或具有不同能力的设备。在图1中解说了一些示例UE 115。本文中所描述的UE 115可以能够与各种类型的设备(诸如其他UE 115、基站105或网络装备(例如,核心网节点、中继设备、集成接入和回程(IAB)节点、或其他网络装备))进行通信,如图1中所示。
各基站105可与核心网130进行通信、或彼此通信、或这两者。例如,基站105可通过一个或多个回程链路120(例如,经由S1、N2、N3或其他接口)与核心网130对接。基站105可直接地(例如,直接在各基站105之间)、或间接地(例如,经由核心网130)、或直接和间接地在回程链路120上(例如,经由X2、Xn或其他接口)彼此通信。在一些示例中,回程链路120可以是或包括一个或多个无线链路。
本文中所描述的基站105中的一者或多者可包括或可被本领域普通技术人员称为基收发机站、无线电基站、接入点、无线电收发机、B节点、演进型B节点(eNB)、下一代B节点或千兆B节点(其中任一者可被称为gNB)、家用B节点、家用演进型B节点、或其他合适的术语。
UE 115可包括或可被称为移动设备、无线设备、远程设备、手持设备、或订户设备、或者某个其他合适的术语,其中“设备”也可被称为单元、站、终端或客户端等。UE 115还可包括或可被称为个人电子设备,诸如蜂窝电话、个人数字助理(PDA)、平板计算机、膝上型计算机或个人计算机。在一些示例中,UE 115可包括或被称为无线本地环路(WLL)站、物联网(IoT)设备、万物联网(IoE)设备或机器类型通信(MTC)设备等,其可以实现在诸如电器或交通工具、仪表等各种对象中。
本文中所描述的UE 115可以能够与各种类型的设备(诸如有时可充当中继的其他UE 115以及基站105和包括宏eNB或gNB、小型蜂窝小区eNB或gNB、中继基站等的网络装备)进行通信,如图1中所示。
UE 115和基站105可在一个或多个载波上经由一个或多个通信链路125来彼此进行无线通信。术语“载波”可以指一组射频频谱资源,其具有用于支持通信链路125的所定义物理层结构。例如,用于通信链路125的载波可包括根据用于给定无线电接入技术(例如,LTE、LTE-A、LTE-A Pro、NR)的一个或多个物理层信道来操作的射频谱带的一部分(例如,带宽部分(BWP))。每个物理层信道可携带捕获信令(例如,同步信号、系统信息)、协调载波操作的控制信令、用户数据、或其他信令。无线通信系统100可支持使用载波聚集或多载波操作来与UE 115进行通信。UE 115可根据载波聚集配置被配置成具有多个下行链路分量载波以及一个或多个上行链路分量载波。载波聚集可以与频分双工(FDD)和时分双工(TDD)分量载波联用。
在载波上传送的信号波形可包括多个副载波(例如,使用多载波调制(MCM)技术,诸如正交频分复用(OFDM)或离散傅立叶变换扩展OFDM(DFT-S-OFDM))。在采用MCM技术的系统中,资源元素可包括一个码元周期(例如,一个调制码元的历时)和一个副载波,其中码元周期和副载波间隔是逆相关的。由每个资源元素携带的比特数可取决于调制方案(例如,调制方案的阶数、调制方案的码率、或两者)。由此,UE 115接收的资源元素越多并且调制方案的阶数越高,则UE 115的数据率就可以越高。无线通信资源可以指射频频谱资源、时间资源和空间资源(例如,空间层或波束)的组合,并且使用多个空间层可进一步提高与UE 115的通信的数据率或数据完整性。
基站105或UE 115的时间区间可用基本时间单位的倍数来表达,基本时间单位可例如指采样周期Ts=1/(Δfmax·Nf)秒,其中Δfmax可表示最大所支持副载波间隔,而Nf可表示最大所支持离散傅立叶变换(DFT)大小。通信资源的时间区间可根据各自具有指定历时(例如,10毫秒(ms))的无线电帧来组织。每个无线电帧可由系统帧号(SFN)(例如,范围从0至1023)来标识。
每个帧可包括多个连贯编号的子帧或时隙,并且每个子帧或时隙可具有相同的历时。在一些示例中,帧可(例如,在时域中)被划分成子帧,并且每个子帧可被进一步划分成数个时隙。替换地,每个帧可包括可变数目的时隙,并且时隙数目可取决于副载波间隔。每个时隙可包括数个码元周期(例如,取决于每个码元周期前添加的循环前缀的长度)。在一些无线通信系统100中,时隙可被进一步划分成多个包含一个或多个码元的迷你时隙。排除循环前缀,每个码元周期可包含一个或多个(例如,Nf个)采样周期。码元周期的历时可取决于副载波间隔或操作频带。
子帧、时隙、迷你时隙或码元可以是无线通信系统100的最小调度单位(例如,在时域中),并且可被称为传输时间区间(TTI)。在一些示例中,TTI历时(例如,TTI中的码元周期数目)可以是可变的。附加地或替换地,无线通信系统100的最小调度单位可被动态地选择(例如,按经缩短TTI(sTTI)的突发)。
可根据各种技术在载波上复用物理信道。物理控制信道和物理数据信道可例如使用时分复用(TDM)技术、频分复用(FDM)技术、或者混合TDM-FDM技术中的一者或多者在下行链路载波上被复用。用于物理控制信道的控制区域(例如,控制资源集(CORESET))可由码元周期数目来定义,并且可跨载波的系统带宽或系统带宽子集延伸。一个或多个控制区域(例如,CORESET)可被配置成用于UE 115集。例如,各UE 115中的一者或多者可根据一个或多个搜索空间集来监视或搜索控制区域以寻找控制信息,并且每个搜索空间集可包括以级联方式布置的一个或多个聚集等级中的一个或多个控制信道候选。用于控制信道候选的聚集等级可以指与针对具有给定有效载荷大小的控制信息格式的经编码信息相关联的控制信道资源(例如,控制信道元素(CCE))的数目。搜索空间集可包括被配置成用于向多个UE 115发送控制信息的共用搜索空间集和用于向特定UE 115发送控制信息的UE特定搜索空间集。
每个基站105可经由一个或多个蜂窝小区(例如宏蜂窝小区、小型蜂窝小区、热点、或其他类型的蜂窝小区、或其任何组合)提供通信覆盖。术语“蜂窝小区”可以指用于与基站105(例如,在载波上)进行通信的逻辑通信实体,并且可与用于区分相邻蜂窝小区的标识符(例如,物理蜂窝小区标识符(PCID)、虚拟蜂窝小区标识符(VCID)或其他)相关联。在一些示例中,蜂窝小区还可指逻辑通信实体在其上操作的地理覆盖区域110或地理覆盖区域110的一部分(例如,扇区)。此类蜂窝小区的范围可取决于各种因素(诸如,基站105的能力)从较小区域(例如,结构、结构的子集)到较大区域。例如,蜂窝小区可以是或包括建筑物、建筑物的子集、或地理覆盖区域110之间或与地理覆盖区域110交叠的外部空间等等。
在一些示例中,基站105可以是可移动的,并且因此提供对移动的地理覆盖区域110的通信覆盖。在一些示例中,与不同技术相关联的不同地理覆盖区域110可交叠,但不同地理覆盖区域110可由相同的基站105支持。在其他示例中,与不同技术相关联的交叠的地理覆盖区域110可由不同基站105支持。无线通信系统100可包括例如异构网络,其中不同类型的基站105使用相同或不同的无线电接入技术来提供对各种地理覆盖区域110的覆盖。
一些UE 115(诸如MTC或IoT设备)可以是低成本或低复杂度设备,并且可提供机器之间的自动化通信(例如,经由机器到机器(M2M)通信)。M2M通信或MTC可以指允许设备彼此通信或者设备与基站105进行通信而无需人类干预的数据通信技术。在一些示例中,M2M通信或MTC可包括来自集成有传感器或计量仪以测量或捕捉信息并且将此类信息中继到中央服务器或应用程序的设备的通信,该中央服务器或应用程序利用该信息或者将该信息呈现给与该应用程序交互的人。一些UE 115可被设计成收集信息或实现机器或其他设备的自动化行为。用于MTC设备的应用的示例包括:智能计量、库存监视、水位监视、装备监视、健康护理监视、野外生存监视、天气和地理事件监视、队列管理和跟踪、远程安全感测、物理接入控制和基于交易的商业收费。
无线通信系统100可被配置成支持超可靠通信或低等待时间通信或其各种组合。例如,无线通信系统100可被配置成支持超可靠低等待时间通信(URLLC)或关键任务通信。UE 115可被设计成支持超可靠、低等待时间或关键功能(例如,关键任务功能)。超可靠通信可包括私有通信或群通信,并且可由一个或多个关键任务服务(诸如关键任务即按即讲(MCPTT)、关键任务视频(MCVideo)或关键任务数据(MCData))支持。对关键任务功能的支持可包括对服务的优先级排序,并且关键任务服务可用于公共安全或一般商业应用。术语超可靠、低等待时间、关键任务和超可靠低等待时间在本文中可以可互换地使用。
在一些示例中,UE 115还可以能够在设备到设备(D2D)通信链路135上(例如,使用对等(P2P)或D2D协议)直接与其他UE 115进行通信。利用D2D通信的一个或多个UE 115可在基站105的地理覆盖区域110之内。此类群中的其他UE 115可在基站105的地理覆盖区域110之外,或者因其他原因不能够接收来自基站105的传输。在一些示例中,经由D2D通信进行通信的各群UE 115可利用一对多(1:M)系统,其中每个UE 115向该群中的每一个其他UE 115进行传送。在一些示例中,基站105促成对用于D2D通信的资源的调度。在其他情形中,D2D通信在各UE 115之间执行而不涉及基站105。
核心网130可提供用户认证、接入授权、跟踪、网际协议(IP)连通性,以及其他接入、路由、或移动性功能。核心网130可以是演进型分组核心(EPC)或5G核心(5GC),EPC或5GC可包括管理接入和移动性的至少一个控制面实体(例如,移动性管理实体(MME)、接入和移动性管理功能(AMF)),以及路由分组或互连到外部网络的至少一个用户面实体(例如,服务网关(S-GW)、分组数据网络(PDN)网关(P-GW)或用户面功能(UPF))。控制面实体可管理非接入阶层(NAS)功能,诸如由与核心网130相关联的基站105服务的UE 115的移动性、认证和承载管理。用户IP分组可通过用户面实体来传递,该用户面实体可提供IP地址分配以及其他功能。用户面实体可被连接到一个或多个网络运营商的IP服务150。该IP服务150可包括对因特网、内联网、IP多媒体子系统(IMS)、或分组交换流送服务的接入。
一些网络设备(诸如基站105)可包括子组件,诸如接入网实体140,其可以是接入节点控制器(ANC)的示例。每个接入网实体140可通过一个或多个其他接入网传输实体145来与各UE 115进行通信,该其他接入网传输实体可被称为无线电头端、智能无线电头端、或传送/接收点(TRP)。每个接入网传输实体145可包括一个或多个天线面板。在一些配置中,每个接入网实体140或基站105的各种功能可跨各种网络设备(例如,无线电头端和ANC)分布或者被合并到单个网络设备(例如,基站105)中。
无线通信系统100可使用一个或多个频带来操作,通常在300兆赫兹(MHz)到300千兆赫兹(GHz)的范围内。一般而言,300MHz到3GHz的区划被称为特高频(UHF)区划或分米频带,这是因为波长在从约1分米到1米长的范围内。UHF波可被建筑物和环境特征阻挡或重定向,但是这些波对于宏蜂窝小区可充分穿透各种结构以向位于室内的UE 115提供服务。与使用频谱中低于300MHz的高频(HF)或甚高频(VHF)部分的较小频率和较长波的传输相比,UHF波的传输可与较小天线和较短射程(例如,小于100千米)相关联。
无线通信系统100可利用有执照和无执照射频谱带两者。例如,无线通信系统100可在无执照频带(诸如5GHz工业、科学和医学(ISM)频带)中采用有执照辅助接入(LAA)、LTE无执照(LTE-U)无线电接入技术或NR技术。当在无执照射频谱带中进行操作时,设备(诸如基站105和UE 115)可采用载波侦听以用于冲突检测和冲突避免。在一些示例中,无执照频带中的操作可以与在有执照频带中操作的分量载波相协同地基于载波聚集配置(例如,LAA)。无执照频谱中的操作可包括下行链路传输、上行链路传输、P2P传输或D2D传输等。
基站105或UE 115可装备有多个天线,其可用于采用诸如发射分集、接收分集、多输入多输出(MIMO)通信、或波束成形等技术。基站105或UE 115的天线可位于可支持MIMO操作或者发射或接收波束成形的一个或多个天线阵列或天线面板内。例如,一个或多个基站天线或天线阵列可被共置于天线组装件(诸如天线塔)处。在一些示例中,与基站105相关联的天线或天线阵列可位于不同的地理位置。基站105可具有天线阵列,该天线阵列具有基站105可用于支持与UE 115的通信的波束成形的数个行和列的天线端口。同样地,UE 115可具有可支持各种MIMO或波束成形操作的一个或多个天线阵列。附加地或替换地,天线面板可支持针对经由天线端口传送的信号的射频波束成形。
基站105或UE 115可使用MIMO通信通过经由不同空间层传送或接收多个信号来利用多径信号传播并提高频谱效率。此类技术可被称为空间复用。例如,传送方设备可经由不同的天线或不同的天线组合来传送多个信号。同样地,接收方设备可经由不同的天线或不同的天线组合来接收多个信号。多个信号中的每个信号可被称为单独空间流,并且可携带与相同数据流(例如,相同码字)或不同数据流(例如,不同码字)相关联的比特。不同空间层可与用于信道测量和报告的不同天线端口相关联。MIMO技术包括单用户MIMO(SU-MIMO),其中多个空间层被传送至相同的接收方设备;以及多用户MIMO(MU-MIMO),其中多个空间层被传送至多个设备。
波束成形(其也可被称为空间滤波、定向传输或定向接收)是可在传送方设备或接收方设备(例如,基站105、UE 115)处使用的信号处理技术,以沿着传送方设备与接收方设备之间的空间路径对天线波束(例如,发射波束、接收波束)进行成形或引导。可通过组合经由天线阵列的天线振子传达的信号来实现波束成形,使得在相对于天线阵列的特定取向上传播的一些信号经历相长干涉,而其他信号经历相消干涉。对经由天线振子传达的信号的调整可包括传送方设备或接收方设备向经由与该设备相关联的天线振子所携带的信号应用振幅偏移、相位偏移或这两者。与每个天线振子相关联的调整可由与特定取向(例如,相对于传送方设备或接收方设备的天线阵列、或者相对于某个其他取向)相关联的波束成形权重集来定义。
在一些情形中,无线通信系统100可以是网络(例如,无线回程通信网络(诸如IAB网络))的示例,以及其他各种示例。IAB网络可以包括IAB施主(或“锚”)节点以及来自该施主节点下游的一个或多个中继(或“中间”)节点。IAB网络可在接入与回程链路之间共享资源,以使得接入话务可在无线回程链路上被中继。在一些情形中,相同的技艺和技术可以用于接入链路和回程链路。IAB施主节点可以向子UE提供接入并且向IAB节点提供无线回程功能性。IAB施主可以包括用于控制IAB网络的CU和用于调度IAB节点的一个或多个DU。IAB施主可以具有到核心网络130的有线连接。在IAB施主节点的下游,网络可以包括IAB网络内的一个或多个IAB节点(也被称为父节点、中继节点、中间节点或子节点中的一者或多者,这取决于节点在IAB网络内的位置),其中每个节点将一个或多个其他节点(诸如其子节点(例如,UE或其他IAB节点))的话务无线地中继到一个或多个其他节点,诸如父节点(例如,IAB施主,或IAB节点)。UE 115可无线地连接到在UE 115的射程内的IAB施主节点。在一些情形中,基站105可以是施主IAB节点的示例。
IAB施主节点可被功能性地拆分成相关联的基站中央单元(CU)和分布式单元(DU)实体(或“功能”),其中与IAB施主节点相关联的一个或多个DU可部分地由相关联的CU控制。IAB施主节点的CU可主存层3(L3)(例如,RRC、服务数据适配协议(SDAP)、PDCP)功能性和信令。此外,IAB施主节点的CU可以在有线回程链路(例如,其可以被称为NG接口)上与核心网进行通信。DU可以主存较低层操作,诸如层1(L1)或层2(L2)(例如,RLC、MAC、物理层)功能性和信令。IAB施主节点的DU实体可根据与IAB网络的无线回程链路和接入链路相关联的连接来支持网络覆盖区域内的服务蜂窝小区。IAB施主节点的DU可以控制对应网络覆盖内的接入链路和回程链路两者,并且可以提供针对后代(即,子、中继)IAB节点和/或UE 115的控制和调度。例如,DU可支持与UE 115(例如,经由接入链路)或与IAB节点(例如,经由回程链路,诸如主无线回程链路或备用无线回程链路)的RLC信道连接。节点的DU可以负责中继(例如,传输、转发)来自另一节点(例如,去往CU和/或核心网)的消息,以使得该另一节点可向核心网注册并与施主节点的CU建立安全无线电资源控制(RRC)连接。
在一些示例中,UE 115可以实现机器学习技术以改进性能。例如,UE 115可以使用端到端机器学习应用来执行移动性管理、执行波束管理或报告信道状态信息(CSI)反馈(CSF),以及其他操作。UE 115使用的机器学习应用可以从基站105接收。为了更新机器学习应用(例如,以容适新条件或执行新任务),UE 115可以从基站105接收另一端到端机器学习应用。但是发信令通知新的端到端机器学习应用可能花费大量时间并且消耗许多资源(例如,通信资源、处理资源)。
根据本文中所描述的技术,UE 115可以通过使用多模型机器学习应用来实现高效的机器学习应用更新。例如,UE 115可以通过单独地更新多模型机器学习应用的一个或多个模型(例如,因任务而异的模型)而同时原样保留该多模型机器学习应用的一个或多个其他模型(例如,主干模型)来高效地更新多模型机器学习应用。
图2解说了根据本公开的各方面的支持配置多模型机器学习应用的无线通信系统200的示例。无线通信系统200可包括基站205和UE 215,它们分别可以是如参照图1所描述的基站105和UE 115的示例。基站205和UE 215可以实现本文中所描述的技术的各方面,以使得UE 215可以高效地更新机器学习应用。
UE 215可以使用一个或多个多模型机器学习应用,每个多模型机器学习应用可以包括主干模型和一个或多个因任务而异的模型。在一些示例中,多模型机器学习应用可以通过UE 215和基站205一起工作来被构建(例如,作为神经网络,诸如深度神经网络)。例如,为了构建用于CSF报告的机器学习应用,UE 215可以充当神经网络中的编码器,并且基站205可以充当神经网络中的解码器。作为编码器,UE 215可以使用经估计信道的特性作为机器学习的输入特征,并且可以将机器学习生成的反馈传达给基站205,作为解码器的基站205可以基于该反馈来输出隐码(latent code)。不同的信道类型可与不同的因任务而异的模型相关联。
主干模型可以包括一个或多个层(例如,算法),每一层可以具有对应的参数集(例如,系数、比率、权重、权重集合)。例如,图2中所示的主干模型可以包括三个层(前端层0到2),每一层可以具有对应的参数集。层也可以被称为块或其他合适的术语,并且构成模型的层可以被称为模型的结构。主干模型可以对与UE 215的操作相关联的各种输入特征(例如,数据、信息)进行操作,并且可以基于输入特征来生成各种中间输出。根据本文中所描述的技术,无线通信系统200可以预训练主干模型并且固定主干模型(例如,按原样保持主干模型)以供在应用更新期间与各种因任务而异的模型一起使用。这种技术可能比每次执行更新时重新训练和下载主干模型更高效。
因任务而异的模型还可以包括一个或多个层(例如,后端层),每一层可以具有对应的参数集。因任务而异的模型可以对来自主干模型的中间输出进行操作,并且可以生成UE 215可以用于各种操作的一个或多个输出。作为示例,主干模型可以对信道信息(例如,参考信号特性、经估计的信道特性)进行操作并且生成中间输出,因任务而异的模型可以使用该中间输出来执行角度估计或预编码器生成。然后,UE 215可以使用经估计的角度、所生成的预编码器或这两者来与基站205传达消息。根据本文中所描述的技术,无线通信系统200可以在应用更新期间训练、优化和下载一个或多个因任务而异的模型,这可能比训练、优化和下载两个模型更高效。
因此,主干模型和因任务而异的模型可以共同形成端到端的机器学习应用。主干模型可以支持各种操作(例如,波束管理、移动性管理、CSF报告),并且因任务而异的模型可以支持操作的特定任务。此外,每个模型可以关联于与该模型兼容或该模型能够在其下正常运行的对应的一组条件。
在一些示例中,UE 215可以使用包括三个或更多个模型的多模型机器学习应用。例如,UE 215可以使用三模型机器学习应用,其包括主干模型、因任务而异的模型以及该主干模型与各因任务而异的模型之间的中间模型。中间模型也可以被称为颈部模型。尽管参考双模型应用进行了描述,但是本文中所描述的技术可以被应用于具有不同数量的模型的多模型机器学习应用。
基站205可以通过将UE 215配置有一个或多个主干模型和一个或多个因任务而异的模型来将UE 215配置有端到端多模型机器学习应用。例如,基站205可以向UE 215传送多模型机器学习应用的主干模型和针对该多模型机器学习应用的因任务而异的模型。模型可以包括模型的结构以及对应的参数集(例如,与模型的各层相对应的参数集)。基站205可以在相同消息或不同消息中传送主干模型和因任务而异的模型。
在第一示例(提议1)中,基站205可以在控制消息220-a中传送主干模型和因任务而异的模型两者,该控制消息220-a也可以被称为配置消息。控制消息220-a还可以包括用于主干模型的配置和用于因任务而异的模型的配置,其中用于模型的配置包括关于构建模型的信息。控制消息220-a还可以包括附加的因任务而异的模型(以及潜在地,用于该附加的因任务而异的模型的配置),UE 215可以将它们存储在存储器中。存储来自控制消息220-a的多个因任务而异的模型可以允许UE 215更新使用中的因任务而异的模型而无需附加信令,这可以减少开销。
在第二示例(提议2)中,基站205可以在控制消息220-a中传送主干模型并且可以在控制消息220-b中传送因任务而异的模型。控制消息220-a还可以包括用于主干模型的配置,并且控制消息220-b还可以包括用于因任务而异的模型的配置。附加的因任务而异的模型(以及潜在地,用于附加的因任务而异的模型的配置)可以由基站205使用附加控制消息来传送。附加的因任务而异的模型可以(例如,基于UE 215处的变化的条件)由UE 215请求或者由基站205自主地提供。动态地提供因任务而异的模型可以节省UE 215处的存储器资源。
尽管被分开地描述,但是提议1和提议2的各方面可以被组合或联合地使用。
图3解说了根据本公开的各方面的支持配置多模型机器学习应用的过程流300的示例。过程流300可由基站305和UE 315实现,它们可以是如本文所描述的基站或UE的示例。基站305可以包括CU 310、CU 320(其也可以被称为CU-XP、应用管理器或模型管理器)和DU325。过程流300可以解说基站305和UE 315的用于配置应用推断的操作。这些操作可以使得UE 315能够高效地更新机器学习应用。
在330,UE 315和基站305(例如,经由CU 310)可以参与RRC连接设立规程。在RRC连接设立规程期间,UE 315可以报告UE 315的无线电能力和机器学习能力。在335,CU310可以尝试使用机器学习来进行一个或多个操作或功能。在340,CU 310可以向CU 320传达UE上下文设立请求。在一些示例中,UE上下文设立请求可以指示UE 315的机器学习能力。在一些示例中,UE上下文设立请求可以指示所请求的神经网络功能标识符(其可以被称为NNF-ID并且可以标识由神经网络实现的功能)的列表。例如,神经网络可以实现函数:Y=F(X),其中F可以由标准化的神经网络标识符NNF-ID来标识,X可以指到神经网络的标准化输入,并且Y可以指该神经网络的标准化输出。在345,CU 320可以向DU 325传达应用设立请求。
在350,CU 320可以向DU 325传达应用设立请求。在355,DU 325可以向CU 320传达应用设立响应。在360,CU 320可以向CU 310传达UE上下文设立响应。在一些示例中,UE上下文设立响应可以指示所接受的NNF-ID的列表。在一些示例中,UE上下文设立响应可以指示或包括机器学习容器。在365,基站305可以(例如,经由CU 310)向UE 315传送RRC重配置消息。RRC重配置消息可以是RRC消息。在一些示例中,RRC重配置消息可以指示所接受的NNF-ID的列表。在一些示例中,RRC重配置消息可以指示或包括机器学习容器。在370,UE 315可以向基站305(例如,向CU 310)传送RRC配置完成消息。
在375,UE 315和基站305(例如,经由CU 310和CU 320)可以参与机器学习应用下载操作。例如,基站305可以向UE 315传送多模型机器学习应用和用于该多模型机器学习应用的配置(例如,模型结构和权重集)。多模型机器学习应用、配置或这两者可以在一个或多个RRC消息中被传达。在提议1中,基站305可以使用单个RRC消息来传送主干模型和多个因任务而异的模型。RRC消息还可以用于传送用于主干模型和因任务而异的模型的配置,其中用于模型的配置包括关于构建模型的信息。在提议2中,基站305可以使用第一RRC消息来传送主干模型,并且可以使用第二RRC消息来传送因任务而异的模型。第一RRC消息还可以用于传送用于主干模型的配置,并且第二RRC消息还可以用于传送用于因任务而异的模型的配置。
在375所下载的多模型机器学习应用可以被配置用于一个任务、映射到特定的一组条件、或这两者。例如,多模型机器学习模型可以具有基于蜂窝小区的配置,这意味着每蜂窝小区存在一个多模型机器学习应用。作为另一示例,多模型机器学习应用可以具有基于操作或基于任务的配置,这意味着每操作或每任务存在一个多模型机器学习应用(其中任务可以是操作的子操作)。作为另一示例,多模型机器学习应用可以具有基于场景的配置,这意味着每场景(例如,一组条件)存在一个多模型机器学习应用。作为另一示例,多模型机器学习应用可以具有基于时间的配置,这意味着每时间戳存在一个多模型机器学习应用。
在380,UE 315可以向基站305(例如,向CU 310)传送机器学习上行链路信息。在一些示例中,传达机器学习上行链路信息的消息还可以指示或包括机器学习容器。附加地或替换地,380的消息可以指示特定NNF是准备好的。在385,CU 310可以向CU 320传达机器学习上行链路传输消息。在一些示例中,机器学习上行链路传输消息可以指示或包括机器学习容器。在390,UE 315和基站305(例如,经由CU 310、CU 320和DU 325)可以参与针对在375所下载的多模型机器学习应用的激活规程。
因此,UE 315和基站305可以经由330与370之间(包括330和370)的操作来构建连接,在375执行机器学习应用下载,并且经由380与390之间(包括380和390)的操作来激活机器学习应用。应用激活可以指机器学习应用的使用或实现,并且还可以指进行或配置机器学习推断。
可以实现上述过程流的替换示例,其中一些操作以不同于描述的顺序执行、并行执行或根本不执行。在一些情形中,各操作可包括本文中未提及的附加特征,或者可添加进一步操作。附加地,某些操作可被执行多次、或者某些操作组合可重复或循环。
图4解说了根据本公开的各方面的支持配置多模型机器学习应用的过程流400的示例。过程流400可由基站405和UE 415实现,它们可以是如本文所描述的基站或UE的示例。过程流400可以解说基站405和UE 415的使得UE 415能够使用提议1来高效地更新机器学习应用的操作。在一些示例中,过程流400的各方面可以与过程流300的各方面进行组合。
在420,UE 415和基站405可以建立连接。在一些示例中,UE 415和基站405可以建立连接,如参考图3所描述的。
在425,基站405可以向UE 415传送控制消息。该控制消息可以被包括在MAC控制元素(MAC-CE)、下行链路控制信息(DCI)中或者RRC消息中,以及其他选项。参考图3,控制消息可以是在375所传送的RRC消息的示例。在一些示例中,控制消息可以包括多个部分。例如,控制消息可以包括部分I,其可以指示控制消息的内容。例如,部分I可以包括指示控制消息是包括单个模型(例如,主干模型)还是多个模型的一个或多个比特。在一些示例中,部分I可以标识主干模型,该主干模型能与至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。
在一些示例中,控制消息可以包括部分II,其可以包括或指示主干模型。部分II还可以包括或指示用于主干模型的配置。在一些示例中,主干模型可以包括用于该主干模型的结构和与该结构相对应的一个或多个参数集。
在一些示例中,控制消息可以包括部分III,其可以包括或指示一个或多个因任务而异的模型、用于一个或多个因任务而异的模型的一个或多个配置、或这两者。例如,部分III可以包括因任务而异的模型0和因任务而异的模型n,以及其他因任务而异的模型。部分III还可以包括用于因任务而异的模型0和因任务而异的模型n的配置。在一些示例中,部分III还可以指示与每个因任务而异的模型相对应的条件。例如,对于给定的因任务而异的模型,部分III可以指示该因任务而异的模型适用于的一个或多个条件或场景(例如,因任务而异的模型支持或兼容的条件或场景)。例如,因任务而异的模型可能适用于某些信道条件(例如,室内信道条件、室外信道条件、高速信道条件),但不适用于其他信道条件。在一些示例中,部分III可以指示因任务而异的模型支持的一个或多个任务、或者因任务而异的模型支持的一个或多个操作(其中任务可以是操作的子操作)。例如,对于给定的因任务而异的模型,部分III可以指示因任务而异的模型支持的操作(例如,移动性管理、波束管理、CFS报告)、因任务而异的模型支持的任务(例如,预编码器确定,其可以用于一个或多个操作)、或这两者。如此,因任务而异的模型和主干模型在一次下载中进行配置,从而指示经配置的特定模型中的每一者都能与主干模型进行组合。
在430,UE 415可以将主干模型与因任务而异的模型之一进行组合,以构建端到端多模型机器学习应用。例如,UE 415可以将主干模型与第一因任务而异的模型进行组合。UE415可以基于UE 415处的条件、基于与第一因任务而异的模型相对应的条件、或这两者来选择第一因任务而异的模型。附加地或替换地,UE 415可以基于任务、服务蜂窝小区或这两者以及其他因素来将主干模型与第一因任务而异的模型进行组合。UE 415可以基于第一因任务而异的模型被包括在与主干模型相同的消息中来确定(例如,推断)第一因任务而异的模型是与主干模型兼容的。当与主干模型进行组合时,第一因任务而异的模型可以对来自主干模型的一个或多个中间输出进行操作。
在435,UE 415可以激活包括主干模型和第一因任务而异的模型的组合的第一端到端多模型机器学习应用。例如,UE 415可以使用第一多模型机器学习应用来执行一个或多个操作。
在440,UE 415可以使用第一多模型机器学习应用来与基站405(或另一无线设备)进行通信以及其他操作。例如,UE 415可以使用第一多模型机器学习应用来处理从基站405接收到的一个或多个信号,以生成一个或多个输出。因此,UE 415可以基于来自第一因任务而异的模型的一个或多个输出(其进而可以基于来自主干模型的该一个或多个中间输出)来与基站405(或另一无线设备)传达消息。为了解说,UE 415可以基于来自第一因任务而异的模型的一个或多个输出(例如,角度估计)来选择用于与基站405进行通信的波束方向。作为另一示例,UE 415可以使用基于从第一因任务而异的模型输出的一个或多个预编码器参数的预编码器来与基站405进行通信。
在445,UE 415可以检测一个或多个条件的变化。例如,UE 415可以确定信道条件相对于先前时间点而言已经变化。附加地或替换地,UE 415可以检测任务的变化、服务蜂窝小区的变化、或这两者。
在450,UE 415可以选择第二因任务而异的模型以与主干模型一起使用。UE 415可以基于UE 415处的条件、基于与第二因任务而异的模型相对应的条件来选择第二因任务而异的模型。因此,条件的变化可以充当用于更新UE 415所使用的因任务而异的模型的基础或触发。附加地或替换地,UE 415可以基于任务、服务蜂窝小区或这两者以及其他因素来选择第二因任务而异的模型。UE 415可以从由控制消息传达并且被存储在UE 415处的存储器中的因任务而异的模型集合中选择第二因任务而异的模型。通过将因任务而异的模型集合存储在存储器中,UE 415可以避免与基站405针对第二因任务而异的模型进行信令通知,这可以减少信令开销。
在455,UE 415可以将第二因任务而异的模型与主干模型进行组合。在一些示例中,将第二因任务而异的模型与主干模型进行组合可以包括使用第二因任务而异的模型来取代第一因任务而异的模型。共同地,第二因任务而异的模型和主干模型可以形成端到端多模型机器学习应用。当与主干模型进行组合时,第二因任务而异的模型可以对来自主干模型的一个或多个中间输出进行操作。
在460,UE 415可以激活包括主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用。例如,UE 415可以使用第二多模型机器学习应用来执行一个或多个操作。在465,UE 415可以使用第二多模型机器学习应用来与基站405(或另一无线设备)进行通信以及其他操作。例如,UE 415可以使用第二多模型机器学习应用来处理从基站405接收到的一个或多个信号,以生成一个或多个输出。在一示例中,UE 415可随后使用第二多模型机器学习应用来生成经估计的角度、所生成的预编码器、或这两者,以用于与基站205传达消息。例如,UE 415可以在与第二多模型机器学习应用输出的角度相对应的波束方向上传送消息,UE 415可以使用第二多模型机器学习应用输出的预编码器来对消息进行预编码以供传输等等。因此,UE 415可以基于来自第二因任务而异的模型的一个或多个输出(其进而可以基于来自主干模型的一个或多个中间输出)来与基站405(或另一无线设备)传达消息。
因此,UE 415可以使用提议1来高效地更新机器学习应用。可以实现上述过程流的替换示例,其中一些操作以不同于描述的顺序执行、并行执行或根本不执行。在一些情形中,各操作可包括本文中未提及的附加特征,或者可添加进一步操作。附加地,某些操作可被执行多次、或者某些操作组合可重复或循环。
图5解说了根据本公开的各方面的支持配置多模型机器学习应用的过程流500的示例。过程流500可由基站505和UE 515实现,它们可以是如本文所描述的基站或UE的示例。过程流500可以解说基站505和UE 515的使得UE 515能够使用提议2来高效地更新机器学习应用的操作。在一些示例中,过程流500的各方面可以与过程流300的各方面、过程流400的各方面、或这两者进行组合。
在520,UE 515和基站505可以建立连接。在一些示例中,UE 515和基站505可以建立连接,如参考图3所描述的。
在525,基站505可以向UE 515传送第一控制消息。第一控制消息可以被包括在MAC-CE、DCI中或RRC消息中,以及其他选项。参考图3,第一控制消息可以是在375所传送的RRC消息的示例。在一些示例中,第一控制消息可以包括多个部分。例如,控制消息可以包括部分I,其可以指示第一控制消息的内容。例如,部分I可以是指示第一控制消息是包括单个模型(例如,主干模型)还是多个模型的一个或多个比特。在一些示例中,部分I可以标识主干模型,该主干模型能与至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。
在一些示例中,第一控制消息可以包括部分II,其可以包括或指示主干模型。部分II还可以包括或指示用于主干模型的配置。在一些示例中,主干模型可以包括用于该主干模型的结构和与该结构相对应的一个或多个参数集。在一些示例中,控制消息可以包括部分III,其可以指示主干模型的索引。该索引可以将该主干模型与其他主干模型进行区分,并且可以允许UE 515确定主干模型与因任务而异的模型之间的兼容性。
在一些示例中,控制消息可以包括部分IV,其可以包括可用范围指示。可用范围指示可以包括对主干模型支持的应用、操作、任务、条件、场景或这些的组合的一个或多个指示。
例如,可用范围指示可以指示主干模型支持的应用(例如,主干模型可以是支持图像应用的DarkNet主干模型,或者主干模型可以是支持信道解码应用的基于信道的模型)的列表。主干模型的其他示例包括DeNet、FishNet、VGGNet、AlexNet和ResNet(其中一者或多者可支持图像识别)以及GPT和Bert(其可以支持语音应用)。
附加地或替换地,可用范围指示可以指示主干模型支持的操作(例如,主干模型可以支持波束管理、移动性管理、CSF报告)的列表。附加地或替换地,可用范围指示可以指示主干模型支持的任务(例如,无线通信处理任务)的列表。附加地或替换地,可用范围指示可以指示主干模型支持的条件(例如,室外条件、室内条件、多普勒速度条件、带宽条件)的列表。例如,主干模型可以在特定带宽配置(例如,5MHz、10MHz、20MHZ等)中使用。附加地或替换地,可用范围指示可以指示主干模型支持的场景的列表。附加地或替换地,可用范围指示可以指示支持主干模型的一个或多个蜂窝小区(例如,可用范围指示可以指示支持主干模型的蜂窝小区的索引)。附加地或替换地,可用范围指示可以指示支持主干模型的一个或多个端口。附加地或替换地,可用范围指示可以指示期间主干模型得到支持(例如,正常运行)的一个或多个时间段。在一些示例中,期间主干模型得到支持的时间段可以由包括在部分IV中的一个或多个定时器或定时器值(例如,下一小时、在定义的时间段内等)来指示。
在530,基站505可以向UE 515传送第二控制消息。第二控制消息可以被包括在MAC-CE、DCI中或RRC消息中,以及其他选项。参考图3,第二控制消息可以是在375所传送的RRC消息(例如,作为下载新模型的一部分),或在390所传送的RRC消息(例如,作为在模型激活规程期间用于新模型下载规程的信令的一部分)的示例。
在一些示例中,第二控制消息可以包括多个部分。例如,第二控制消息可以包括部分I,其可以包括或指示第一因任务而异的模型(例如,因任务而异的模型x)、用于第一因任务而异的模型的配置、或这两者。在一些示例中,第一因任务而异的模型可以包括用于第一因任务而异的模型的结构以及与该结构相对应的一个或多个参数集。在一些示例中,部分I还可以包括或指示与第一因任务而异的模型相对应的条件、场景或这两者。在一些示例中,部分I还可以指示第一因任务而异的模型支持的操作、任务或这两者。在一些示例中,部分I还可以指示支持第一因任务而异的模型的一个或多个蜂窝小区。
在一些示例中,第二控制消息可以包括部分II,其可以指示与第一因任务而异的模型兼容的主干模型的索引(例如,部分II可以指示由第一控制消息配置的主干模型的索引)。在一些示例中,第二控制消息可以包括指示第二控制消息的内容的附加部分。
在535,UE 515可以将主干模型与第一因任务而异的模型进行组合,以构建端到端多模型机器学习应用。UE 515可以基于UE 515处的条件、基于与第一因任务而异的模型相对应的条件、或这两者来选择第一因任务而异的模型。附加地或替换地,UE 515可以基于任务、服务蜂窝小区或这两者以及其他因素来将主干模型与第一因任务而异的模型进行组合。当与主干模型进行组合时,第一因任务而异的模型可以对来自主干模型的一个或多个中间输出进行操作。
在540,UE 515可以激活包括主干模型和第一因任务而异的模型的组合的第一多模型机器学习应用。例如,UE 515可以使用第一多模型机器学习应用来执行一个或多个操作。
在545,UE 515可以使用第一多模型机器学习应用来与基站505(或另一无线设备)进行通信以及其他操作。例如,UE 515可以使用第一多模型机器学习应用来处理从基站505接收到的一个或多个信号,以生成一个或多个输出。因此,UE 515可以基于来自第一因任务而异的模型的一个或多个输出(其进而可以基于来自主干模型的一个或多个中间输出)来与基站505(或另一无线设备)传达消息。
在550,UE 515可以检测UE 515处的任务的变化、条件的变化或场景的变化。附加地或替换地,基站505可以在555检测UE 515处的任务的变化、条件的变化或场景的变化。在一个示例中,UE 515可以检测到UE 515已经从室内场景移动到室外场景。
在560,UE 515可以传送对第二因任务而异的模型的请求。该请求可以包括对第二因任务而异的模型的指示、对一个或多个条件、任务、场景的指示、或其组合。继续前述示例,在从室内场景转换到室外场景之际,UE 515可以请求支持室外场景的因任务而异的模型。该请求可以被包括在上行链路控制消息(例如,上行链路控制信息(UCI))中、MAC-CE中、或者RRC消息中,以及其他选项中。在一些示例中,请求可以是指示当前因任务而异的模型是否仍然适用的一个比特。在一些示例中,该请求可以指示对应的主干模型索引(例如,UE515使用的主干模型索引)。
在565,基站505可以向UE 515传送第三控制消息。基站505可以基于在555检测到变化、基于来自UE 515的请求或这两者来传送第三控制消息。第三控制消息可以被包括在MAC-CE、DCI中或RRC消息中,以及其他选项。参考图3,第三控制消息可以是在375所传送的RRC消息、或在390所传送的RRC消息的示例。基站505可以基于来自UE 515的请求或者基于在555检测任务的变化、条件的变化、或场景的变化来传送第三控制消息。例如,基站505可以检测到UE 515已经从室外蜂窝小区切换到室内蜂窝小区,并且可以传送第三控制消息以基于该检测来更新因任务而异的模型。
在一些示例中,第三控制消息可以包括多个部分。例如,第三控制消息可以包括部分I,其可以包括或指示第二因任务而异的模型(例如,因任务而异的模型y)、用于第二因任务而异的模型的配置、或这两者。在一些示例中,第二因任务而异的模型可以包括用于第二因任务而异的模型的结构以及与该结构相对应的一个或多个参数集。在一些示例中,第三控制消息的部分I还可以包括或指示与第二因任务而异的模型相对应的条件。在一些示例中,第三控制消息的部分I还可以指示第二因任务而异的模型支持的操作或任务。在一些示例中,第三控制消息的部分I可以指示支持第二因任务而异的模型的一个或多个蜂窝小区。
在一些示例中,第三控制消息可以包括部分II,其可以指示与第二因任务而异的模型兼容的主干模型的索引(例如,部分II可以指示由第一控制消息配置的主干模型的索引)。在一些示例中,第三控制消息可以包括指示第三控制消息的内容的附加部分。
在570,UE 515可以将主干模型与第二因任务而异的模型进行组合。在一些示例中,将第二因任务而异的模型与主干模型进行组合可以包括使用第二因任务而异的模型来取代第一因任务而异的模型。UE 515可以基于UE 515处的条件、基于与第二因任务而异的模型相对应的条件、或这两者来选择第二因任务而异的模型。附加地或替换地,UE 515可以基于任务、服务蜂窝小区或这两者以及其他因素来选择第二因任务而异的模型。共同地,第二因任务而异的模型和主干模型可以形成端到端多模型机器学习应用。当与主干模型进行组合时,第二因任务而异的模型可以对来自主干模型的一个或多个中间输出进行操作。
在575,UE 515可以激活包括主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用。例如,UE 515可以使用第二多模型机器学习应用来执行一个或多个操作。在580,UE 515可以使用第二多模型机器学习应用来与基站505(或另一无线设备)进行通信以及其他操作。例如,UE 515可以使用第二多模型机器学习应用来处理从基站505接收到的一个或多个信号,以生成一个或多个输出。因此,UE 515可以基于来自第二因任务而异的模型的一个或多个输出(其进而可以基于来自主干模型的一个或多个中间输出)来与基站505(或另一无线设备)传达消息。
在一些示例中,UE 515可以与更新因任务而异的模型类似地更新主干模型。例如,如果主干模型不适用于给定的操作或一组条件,则UE 515可以被配置有新的主干模型(例如,响应于UE 515的请求或独立于UE 515的请求)。为了解说,考虑其中UE 515使用蜂窝小区1、蜂窝小区2和蜂窝小区3支持的主干模型的示例。如果UE 515移动到蜂窝小区4(例如,当UE 515处于空闲模式时),则UE 515可以发送对主干模型更新的请求。该请求可以包括指示当前主干模型是否得到支持的一个或多个比特。附加地或替换地,该请求可以指示UE515处的新条件或新场景(例如,来自蜂窝小区4的服务)、特定的主干模型、或这两者。
因此,UE 515可以使用提议2来高效地更新机器学习应用。可以实现上述过程流的替换示例,其中一些操作以不同于描述的顺序执行、并行执行或根本不执行。在一些情形中,各操作可包括本文中未提及的附加特征,或者可添加进一步操作。附加地,某些操作可被执行多次、或者某些操作组合可重复或循环。
图6解说了根据本公开的各方面的支持配置多模型机器学习应用的无线通信系统600的示例。无线通信系统600可包括基站605-a、基站605-b、和UE 615,它们可以是本文中所描述的对应设备的示例。在无线通信系统600中,UE 615可以实现提议2的各方面以更新形成多模型机器学习应用的主干模型和因任务而异的模型。
基站605-a可以与具有覆盖区域610-a的第一蜂窝小区或第一蜂窝小区群相关联。基站605-b可以与具有覆盖区域610-b的第二蜂窝小区或第二蜂窝小区群相关联。基站605-a可以支持第一主干模型(表示为B1)并且基站605-b可以支持第二主干模型(表示为B2)。第一主干模型可以支持第一组信道条件(例如,多普勒条件、信道类型),而第二主干模型可以支持第二组信道条件。例如,第一主干模型可以支持高多普勒条件,而第二主干模型可以被配置用于低多普勒条件。
在接入与基站605-a相关联的蜂窝小区(或蜂窝小区群)之际,UE 615可以接收包括、指示或配置(或其组合)第一主干模型的控制消息。UE 615还可以接收包括、指示或配置(或其组合)与第一主干模型兼容的第一因任务而异的模型(表示为U1)的另一控制消息。第一因任务而异的模型可以被配置用于在位置A处使用(例如,第一因任务而异的模型可以是基于位置的)。UE 615可以将第一因任务而异的模型与第一主干模型进行组合以形成多模型机器学习应用,并且可以使用该多模型机器学习应用来与基站605-a进行通信。
如果UE 615移动到位置B,则UE 615可以接收包括、指示或配置(或其组合)与第一主干模型兼容并且被配置用于在位置B处使用的第二因任务而异的模型(表示为U2)的控制消息。类似地,如果UE 615移动到位置C,则UE 615可以接收包括、指示或配置(或其组合)与第一主干模型兼容并且被配置为在位置C处使用的第三因任务而异的模型(表示为U3)的控制消息。配置因任务而异的模型的控制消息可以由基站605-a响应于来自UE 615的请求而传送或者自主地(例如,独立于来自UE 615的请求)传送。在接入与基站605-b相关联的蜂窝小区(或蜂窝小区群)之际,UE 615可以接收包括、指示或配置第二主干模型的控制消息。UE615还可以接收包括、指示或配置(或其组合)与第二主干模型兼容的第四因任务而异的模型(表示为U4)的另一控制消息。第四因任务而异的模型可以被配置用于在位置D处使用。UE615可以将第四因任务而异的模型与第二主干模型进行组合以形成多模型机器学习应用,并且可以使用该多模型机器学习应用来与基站605-b进行通信。
如果UE 615移动到位置E,则UE 615可以接收包括、指示或配置(或其组合)与第二主干模型兼容并且被配置用于在位置E处使用的第五因任务而异的模型(表示为U5)的控制消息。类似地,如果UE 615移动到位置F,则UE 615可以接收包括、指示或配置(或其组合)与第二主干模型兼容并且被配置为在位置D处使用的第六因任务而异的模型(表示为U6)的控制消息。配置因任务而异的模型的控制消息可以由基站605-b响应于来自UE 615的请求而传送或者自主地(例如,独立于来自UE 615的请求)传送。
尽管参考条件(例如,信道条件、位置)的变化进行描述,但是UE 615可以基于其他触发(诸如任务的变化)来配置有因任务而异的模型。尽管参考蜂窝小区(或蜂窝小区群)的变化进行描述,但是UE 615可以基于其他触发(诸如条件的变化)来配置有主干模型。
图7示出了根据本公开的各方面的支持配置多模型机器学习应用的设备705的框图700。设备705可以是如本文中所描述的UE 115的各方面的示例。设备705可包括接收机710、发射机715和通信管理器720。设备705还可包括处理器。这些组件中的每一者可彼此处于通信(例如,经由一条或多条总线)。
接收机710可提供用于接收信息(诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合)的装置。信息可被传递到设备705的其他组件上。接收机710可利用单个天线或包括多个天线的集合。
发射机715可提供用于传送由设备705的其他组件生成的信号的装置。例如,发射机715可传送信息,诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合。在一些示例中,发射机715可以与接收机710共置于收发机模块中。发射机715可利用单个天线或包括多个天线的集合。
通信管理器720、接收机710、发射机715或其各种组合、或其各种组件可以是用于执行如本文所描述的用于执行配置多模型机器学习应用的各个方面的装置的示例。例如,通信管理器720、接收机710、发射机715、或其各种组合或组件可支持用于执行本文中所描述的一个或多个功能的方法。
在一些示例中,通信管理器720、接收机710、发射机715、或其各种组合或组件可在硬件中(例如,在通信管理电路系统中)实现。该硬件可包括被配置成作为或以其他方式支持用于执行本公开中所描述的功能的装置的处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合。在一些示例中,处理器和与处理器耦合的存储器可被配置成执行本文中所描述的一个或多个功能(例如,通过由处理器执行存储在存储器中的指令)。
附加地或替换地,在一些示例中,通信管理器720、接收机710、发射机715或其各种组合或组件可由处理器执行的代码(例如,作为通信管理软件或固件)来实现。如果以由处理器执行的代码实现,则通信管理器720、接收机710、发射机715、或其各种组合或组件的功能可由通用处理器、DSP、中央处理单元(CPU)、ASIC、FPGA、或这些或其他可编程逻辑设备的任何组合(例如,被配置成或以其他方式支持用于执行本公开所描述功能的装置)来执行。
在一些示例中,通信管理器720可被配置成使用或以其他方式协同接收机710、发射机715或两者来执行各种操作(例如,接收、监视、传送)。例如,通信管理器720可从接收机710接收信息、向发射机715发送信息、或者与接收机710、发射机715或两者相结合地集成以接收信息、传送信息、或执行本文中所描述的各种其他操作。
根据如本文所公开的示例,通信管理器720可支持UE处的无线通信。例如,通信管理器720可被配置为或以其他方式支持用于从基站接收标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。通信管理器720可被配置为或以其他方式支持用于从该基站接收该主干模型和至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型的装置。通信管理器720可被配置为或以其他方式支持用于由作为该主干模型和第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出的装置。通信管理器720可被配置为或以其他方式支持用于基于该一个或多个输出来与该基站或无线设备传达第一消息的装置。
通过包括或配置根据如本文所描述的示例的通信管理器720,设备705(例如,控制或以其他方式耦合至接收机710、发射机715、通信管理器720或其组合的处理器)可以支持用于减少处理、减少功耗以及更高效地利用通信资源的技术。
图8示出了根据本公开的各方面的支持配置多模型机器学习应用的设备805的框图800。设备805可以是如本文中所描述的设备705或UE 115的各方面的示例。设备805可包括接收机810、发射机815和通信管理器820。设备805还可包括处理器。这些组件中的每一者可彼此处于通信(例如,经由一条或多条总线)。
接收机810可提供用于接收信息(诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合)的装置。信息可被传递到设备805的其他组件上。接收机810可利用单个天线或包括多个天线的集合。
发射机815可提供用于传送由设备805的其他组件生成的信号的装置。例如,发射机815可传送信息,诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合。在一些示例中,发射机815可与接收机810共置于收发机模块中。发射机815可利用单个天线或包括多个天线的集合。
设备805或其各种组件可以是用于执行如本文所描述的用于执行配置多模型机器学习应用的各个方面的装置的示例。例如,通信管理器820可包括接收电路系统825、处理器830、发射电路系统835或其任何组合。通信管理器820可以是如本文中所描述的通信管理器720的各方面的示例。在一些示例中,通信管理器820或其各种组件可被配置成使用或以其他方式协同接收机810、发射机815或两者来执行各种操作(例如,接收、监视、传送)。例如,通信管理器820可从接收机810接收信息、向发射机815发送信息、或者与接收机810、发射机815或两者相结合地集成以接收信息、传送信息、或执行本文中所描述的各种其他操作。
根据如本文所公开的示例,通信管理器820可支持UE处的无线通信。接收电路系统825可被配置为或以其他方式支持用于从基站接收标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。接收电路系统825可被配置为或以其他方式支持用于从该基站接收该主干模型和至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型的装置。处理器830可被配置为或以其他方式支持用于由作为该主干模型和第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出的装置。发射电路系统835可被配置为或以其他方式支持用于基于该一个或多个输出来与该基站或无线设备传达第一消息的装置。
图9示出了根据本公开的各方面的支持配置多模型机器学习应用的通信管理器920的框图900。通信管理器920可以是本文中所描述的通信管理器720、通信管理器820、或这两者的各方面的示例。通信管理器920或其各种组件可以是用于执行如本文所描述的用于执行配置多模型机器学习应用的各个方面的装置的示例。例如,通信管理器920可以包括接收电路系统925、处理器930、发射电路系统935、因任务而异的模块940、主干模块945、兼容性模块950、请求模块955或其任何组合。这些组件中的每一者可彼此直接或间接通信(例如,经由一条或多条总线)。
根据如本文所公开的示例,通信管理器920可支持UE处的无线通信。接收电路系统925可被配置为或以其他方式支持用于从基站接收标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。在一些示例中,接收电路系统925可被配置为或以其他方式支持用于从该基站接收该主干模型和至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型的装置。处理器930可被配置为或以其他方式支持用于由作为该主干模型和第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出的装置。发射电路系统935可被配置为或以其他方式支持用于基于该一个或多个输出来与该基站或无线设备传达第一消息的装置。
在一些示例中,为了支持接收控制消息,接收电路系统925可被配置为或以其他方式支持用于接收标识主干模型配置和用于第一因任务而异的模型的因任务而异的配置的该控制消息的装置,该主干模型配置指示要在其中应用该主干模型的一组多个场景、条件或任务,该因任务而异的配置指示该一组多个场景、条件或任务中要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的第一场景、条件或任务。
在一些示例中,因任务而异的模块940可被配置为或以其他方式支持用于在该控制消息中接收对一组多个因任务而异的模型以及用于将相应的因任务而异的模型与该主干模型进行组合的一个或多个场景、条件或任务的至少一个指示的装置。在一些示例中,因任务而异的模块940可被配置为或以其他方式支持用于从基站接收该控制消息中标识的一组多个因任务而异的模型的装置。在一些示例中,发射电路系统935可被配置为或以其他方式支持用于基于检测到的指示要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的场景、条件或任务来传达第一消息的装置。
在一些示例中,因任务而异的模块940可被配置为或以其他方式支持用于接收标识第二因任务而异的模型的更新控制消息的装置,第二因任务而异的模型能与该主干模型进行组合以生成第二多模型机器学习应用。在一些示例中,因任务而异的模块940可被配置为或以其他方式支持用于从该基站接收该更新控制消息中标识的第二因任务而异的模型的装置。在一些示例中,处理器930可被配置为或以其他方式支持用于由作为该主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站接收的一个或多个第二信号以生成一个或多个第二输出的装置。在一些示例中,发射电路系统935可被配置为或以其他方式支持用于基于一个或多个第二输出来传达第二消息的装置。
在一些示例中,主干模块945可被配置为或以其他方式支持用于从该基站或第二基站接收第二主干模型以及关于第二主干模型能与第二因任务而异的模型进行组合的指示的装置。在一些示例中,处理器930可被配置为或以其他方式支持用于由作为第二主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站或第二基站接收的一个或多个第二信号以生成一个或多个第二输出的装置。在一些示例中,发射电路系统935可被配置为或以其他方式支持用于基于一个或多个第二输出来传达第二消息的装置。
在一些示例中,请求模块955可被配置为或以其他方式支持用于基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对第二主干模型的请求的装置。在一些示例中,因任务而异的模块940可被配置为或以其他方式支持用于从该基站或第二基站接收第二因任务而异的模型的装置。在一些示例中,请求模块955可被配置为或以其他方式支持用于基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对第二因任务而异的模型的请求的装置。
在一些示例中,为了支持接收控制消息,主干模块945可被配置为或以其他方式支持用于接收包括用于该主干模型的主干模型配置的第一控制消息的装置。在一些示例中,为了支持接收控制消息,接收电路系统925可被配置为或以其他方式支持用于接收包括用于第一因任务而异的模型的因任务而异的配置的第二控制消息的装置,其中该一个或多个信号由第一多模型机器学习应用根据该主干模型配置和该因任务而异的配置来处理。
在一些示例中,控制消息包括主干模型的索引,并且兼容性模块950可被配置为或以其他方式支持用于基于该主干模型的索引来确定该第一因任务而异的模型与该主干模型兼容的装置。在一些示例中,控制消息指示主干模型所支持的任务列表,并且处理器930可被配置为或以其他方式支持用于由第一多模型机器学习应用来处理从该基站接收的一个或多个第二信号,以生成与来自所支持任务列表的任务相对应的一个或多个第二输出的装置。在一些示例中,该任务列表指示至少一个移动性任务、至少一个波束管理任务、或其任何组合。
在一些示例中,控制消息指示主干模型所支持的场景列表,并且处理器930可被配置为或以其他方式支持用于由第一多模型机器学习应用来处理从该基站接收的一个或多个第二信号,以生成与来自所支持场景列表的场景相对应的一个或多个第二输出的装置。在一些示例中,该场景列表指示至少一个蜂窝小区索引、至少一个多普勒范围索引、至少一个速度索引、至少一个带宽索引(例如,5MHz、10MHz、20MHz等)、至少一个端口索引、或其任何组合。
在一些示例中,请求模块955可被配置为或以其他方式支持用于基于检测到该主干模型不支持的场景、条件或任务而向基站或第二基站传送主干模型更新请求的装置。在一些示例中,接收电路系统925可被配置为或以其他方式支持用于基于主干模型更新请求来接收第二主干模型和第二因任务而异的模型的装置。在一些示例中,处理器930可被配置为或以其他方式支持用于由作为第二主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站或第二基站接收的一个或多个第二信号以生成一个或多个第二输出的装置。在一些示例中,发射电路系统935可被配置为或以其他方式支持用于基于一个或多个第二输出来传达第二消息的装置。
在一些示例中,为了支持接收控制消息,接收电路系统925可被配置为或以其他方式支持用于接收指示该主干模型支持的一组一个或多个应用类型、该主干模型支持的一组一个或多个任务、使用该主干模型的一组一个或多个条件、使用该主干模型的一个或多个时间段、或其组合的该控制消息的装置。
在一些示例中,为了支持处理该一个或多个信号,处理器930可被配置为或以其他方式支持用于使用该主干模型来处理参考信号或经估计信道,以生成一个或多个中间输出的装置。在一些示例中,为了支持处理一个或多个信号,处理器930可被配置为或以其他方式支持用于使用第一因任务而异的模型来处理该一个或多个中间输出以生成该一个或多个输出的装置。
在一些示例中,为了支持接收主干模型和第一因任务而异的模型,接收电路系统925可被配置为或以其他方式支持用于接收对用于该主干模型的第一结构和与第一结构相对应的第一组一个或多个参数的指示、以及对用于第一因任务而异的模型的第二结构和与第二结构相对应的第二组一个或多个参数的指示的装置。在一些示例中,接收电路系统925可被配置为或以其他方式支持用于接收激活该主干模型和该第一因任务而异的模型的控制信令的装置。
图10示出了根据本公开的各方面的包括支持配置多模型机器学习应用的设备1005的系统1000的示图。设备1005可以是如本文所描述的设备705、设备805或UE 115的示例或者包括这些设备的组件。设备1005可与一个或多个基站105、UE 115、或其任何组合无线地进行通信。设备1005可包括用于双向语音和数据通信的组件,其包括用于传送和接收通信的组件,诸如通信管理器1020、输入/输出(I/O)控制器1010、收发机1015、天线1025、存储器1030、代码1035和处理器1040。这些组件可处于电子通信中,或经由一条或多条总线(例如,总线1045)以其他方式耦合(例如,操作地、通信地、功能地、电子地、电气地)。
I/O控制器1010可管理设备1005的输入和输出信号。I/O控制器1010还可管理未被集成到设备1005中的外围设备。在一些情形中,I/O控制器1010可表示至外部外围设备的物理连接或端口。在一些情形中,I/O控制器1010可利用操作系统,诸如MS-/>MS-/>OS//> 或另一已知操作系统。附加地或替换地,I/O控制器1010可表示调制解调器、键盘、鼠标、触摸屏或类似设备或者与其交互。在一些情形中,I/O控制器1010可被实现为处理器(诸如,处理器1040)的一部分。在一些情形中,用户可经由I/O控制器1010或经由I/O控制器1010所控制的硬件组件来与设备1005交互。
在一些情形中,设备1005可包括单个天线1025。然而,在一些其他情形中,设备1005可具有不止一个天线1025,这些天线可以能够并发地传送或接收多个无线传输。收发机1015可经由一个或多个天线1025、有线或无线链路进行双向通信,如本文中所描述的。例如,收发机1015可表示无线收发机并且可与另一无线收发机进行双向通信。收发机1015还可包括调制解调器,以调制分组并将经调制分组提供给一个或多个天线1025以供传输、以及解调从一个或多个天线1025收到的分组。收发机1015或收发机1015和一个或多个天线1025可以是如本文中所描述的发射机715、发射机815、接收机710、接收机810或其任何组合或其组件的示例。
存储器1030可包括随机存取存储器(RAM)和只读存储器(ROM)。存储器1030可存储包括指令的计算机可读、计算机可执行代码1035,这些指令在由处理器1040执行时使得设备1005执行本文中所描述的各种功能。代码1035可被存储在非瞬态计算机可读介质中,诸如系统存储器或其他类型的存储器。在一些情形中,代码1035可以不由处理器1040直接执行,但可使得计算机(例如,在被编译和执行时)执行本文所描述的功能。在一些情形中,存储器1030可尤其包含基本I/O系统(BIOS),该BIOS可控制基本硬件或软件操作,诸如与外围组件或设备的交互。
处理器1040可包括智能硬件设备(例如,通用处理器、DSP、CPU、微控制器、ASIC、FPGA、可编程逻辑器件、分立的门或晶体管逻辑组件、分立的硬件组件,或其任何组合)。在一些情形中,处理器1040可被配置成使用存储器控制器来操作存储器阵列。在一些其他情形中,存储器控制器可被集成到处理器1040中。处理器1040可被配置成执行存储在存储器(例如,存储器1030)中的计算机可读指令,以使得设备1005执行各种功能(例如,支持配置多模型机器学习应用的功能或任务)。例如,设备1005或设备1005的组件可包括处理器1040和被耦合至处理器1040的存储器1030,该处理器1040和存储器1030被配置成执行本文中所描述的各种功能。
根据如本文所公开的示例,通信管理器1020可支持UE处的无线通信。例如,通信管理器1020可被配置为或以其他方式支持用于从基站接收标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。通信管理器1020可被配置为或以其他方式支持用于从该基站接收该主干模型和至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型的装置。通信管理器1020可被配置为或以其他方式支持用于由作为该主干模型和第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出的装置。通信管理器1020可被配置为或以其他方式支持用于基于该一个或多个输出来与该基站或无线设备传达第一消息的装置。
通过包括或配置根据如本文中所描述的示例的通信管理器1020,设备1005可以支持用于减少处理、减少功耗和更高效利用通信资源的技术。
在一些示例中,通信管理器1020可被配置成使用或以其他方式协同收发机1015、一个或多个天线1025或其任何组合来执行各种操作(例如,接收、监视、传送)。尽管通信管理器1020被解说为分开的组件,但在一些示例中,参照通信管理器1020所描述的一个或多个功能可由处理器1040、存储器1030、代码1035、或其任何组合支持或执行。例如,代码1035可包括可由处理器1040执行的指令,以使设备1005执行如本文所描述的配置多模型机器学习应用的各个方面,或者处理器1040和存储器1030可以其他方式被配置成执行或支持此类操作。
图11示出了根据本公开的各方面的支持配置多模型机器学习应用的设备1105的框图1100。设备1105可以是如本文中所描述的基站105的各方面的示例。设备1105可包括接收机1110、发射机1115和通信管理器1120。设备1105还可包括处理器。这些组件中的每一者可彼此处于通信(例如,经由一条或多条总线)。
接收机1110可提供用于接收信息(诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合)的装置。信息可被传递到设备1105的其他组件上。接收机1110可利用单个天线或包括多个天线的集合。
发射机1115可提供用于传送由设备1105的其他组件生成的信号的装置。例如,发射机1115可传送信息,诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合。在一些示例中,发射机1115可以与接收机1110共置于收发机模块中。发射机1115可利用单个天线或包括多个天线的集合。
通信管理器1120、接收机1110、发射机1115或其各种组合、或其各种组件可以是用于执行如本文所描述的用于执行配置多模型机器学习应用的各个方面的装置的示例。例如,通信管理器1120、接收机1110、发射机1115、或其各种组合或组件可支持用于执行本文中所描述的一个或多个功能的方法。
在一些示例中,通信管理器1120、接收机1110、发射机1115、或其各种组合或组件可在硬件中(例如,在通信管理电路系统中)实现。硬件可包括被配置成或以其他方式支持用于执行本公开中所描述的功能的装置的处理器、DSP、ASIC、FPGA或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合。在一些示例中,处理器和与处理器耦合的存储器可被配置成执行本文中所描述的一个或多个功能(例如,通过由处理器执行存储在存储器中的指令)。
附加地或替换地,在一些示例中,通信管理器1120、接收机1110、发射机1115或其各种组合或组件可由处理器执行的代码(例如,作为通信管理软件或固件)来实现。如果以由处理器执行的代码实现,则通信管理器1120、接收机1110、发射机1115、或其各种组合或组件的功能可由通用处理器、DSP、CPU、ASIC、FPGA、或这些或其他可编程逻辑设备的任何组合(例如,被配置成或以其他方式支持用于执行本公开所描述功能的装置)来执行。
在一些示例中,通信管理器1120可被配置成使用或以其他方式协同接收机1110、发射机1115或两者来执行各种操作(例如,接收、监视、传送)。例如,通信管理器1120可从接收机1110接收信息、向发射机1115发送信息、或者与接收机1110、发射机1115或两者相结合地集成以接收信息、传送信息、或执行本文中所描述的各种其他操作。
根据如本文所公开的示例,通信管理器1120可支持基站处的无线通信。例如,通信管理器1120可被配置为或以其他方式支持用于向UE传送标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。通信管理器1120可被配置为或以其他方式支持用于向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和该第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令的装置。通信管理器1120可被配置为或以其他方式支持用于基于第一多模型机器学习应用来与该UE传达第一消息的装置。
通过包括或配置根据如本文所描述的示例的通信管理器1115,设备1105(例如,控制或以其他方式耦合至接收机1110、发射机1120、通信管理器1120或其组合的处理器)可以支持用于减少处理、减少功耗以及更高效地利用通信资源的技术。
图12示出了根据本公开的各方面的支持配置多模型机器学习应用的设备1205的框图1200。设备1205可以是如本文所描述的设备1105或基站105的各方面的示例。设备1205可包括接收机1210、发射机1215和通信管理器1220。设备1205还可包括处理器。这些组件中的每一者可彼此处于通信(例如,经由一条或多条总线)。
接收机1210可提供用于接收信息(诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合)的装置。信息可被传递到设备1205的其他组件上。接收机1210可利用单个天线或包括多个天线的集合。
发射机1215可提供用于传送由设备1205的其他组件生成的信号的装置。例如,发射机1215可传送信息,诸如,与各种信息信道(例如,与配置多模型机器学习应用有关的控制信道、数据信道、信息信道)相关联的分组、用户数据、控制信息或其任何组合。在一些示例中,发射机1215可以与接收机1210共置于收发机模块中。发射机1215可利用单个天线或包括多个天线的集合。
设备1205或其各种组件可以是用于执行如本文所描述的用于执行配置多模型机器学习应用的各个方面的装置的示例。例如,通信管理器1220可包括主干模块1225、因任务而异的模块1230、发射电路系统1235或其任何组合。通信管理器1220可以是如本文中所描述的通信管理器1120的各方面的示例。在一些示例中,通信管理器1220或其各种组件可被配置成使用或以其他方式协同接收机1210、发射机1215或两者来执行各种操作(例如,接收、监视、传送)。例如,通信管理器1220可从接收机1210接收信息、向发射机1215发送信息、或者与接收机1210、发射机1215或两者相结合地集成以接收信息、传送信息、或执行本文中所描述的各种其他操作。
根据如本文所公开的示例,通信管理器1220可支持基站处的无线通信。主干模块1225可被配置为或以其他方式支持用于向UE传送标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。因任务而异的模块1230可被配置为或以其他方式支持用于向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令的装置。发射电路系统1235可被配置为或以其他方式支持用于基于第一多模型机器学习应用来与该UE传达第一消息的装置。
图13示出了根据本公开的各方面的支持配置多模型机器学习应用的通信管理器1320的框图1300。通信管理器1320可以是本文中所描述的通信管理器1120、通信管理器1220、或两者的各方面的示例。通信管理器1320或其各种组件可以是用于执行如本文所描述的用于执行配置多模型机器学习应用的各个方面的装置的示例。例如,通信管理器1320可包括主干模块1325、因任务而异的模块1330、发射电路系统1335、请求模块1340、或其任何组合。这些组件中的每一者可彼此直接或间接通信(例如,经由一条或多条总线)。
根据如本文所公开的示例,通信管理器1320可支持基站处的无线通信。主干模块1325可被配置为或以其他方式支持用于向UE传送标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。因任务而异的模块1330可被配置为或以其他方式支持用于向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令的装置。发射电路系统1335可被配置为或以其他方式支持用于基于第一多模型机器学习应用来与该UE传达第一消息的装置。
在一些示例中,为了支持传送控制消息,发射电路系统1335可被配置为或以其他方式支持用于传送标识主干模型配置和用于第一因任务而异的模型的因任务而异的配置的该控制消息的装置,该主干模型配置指示要在其中应用该主干模型的一组多个场景或任务,该因任务而异的配置指示该一组多个场景或任务中要将该第一因任务而异的模型与该主干模型进行组合以生成该第一多模型机器学习应用的第一场景或任务。
在一些示例中,发射电路系统1335可被配置为或以其他方式支持用于传送标识第二因任务而异的模型的更新控制消息的装置,第二因任务而异的模型能与该主干模型进行组合以生成第二多模型机器学习应用。在一些示例中,因任务而异的模块1330可被配置为或以其他方式支持用于向该UE传送该更新控制消息中标识的该第二因任务而异的模型的装置。
在一些示例中,因任务而异的模块1330可被配置为或以其他方式支持用于在该控制消息中传送对一组多个因任务而异的模型以及用于将相应的因任务而异的模型与该主干模型进行组合的一个或多个条件的至少一个指示的装置。在一些示例中,因任务而异的模块1330可被配置为或以其他方式支持用于从基站传送该控制消息中标识的一组多个因任务而异的模型的装置。在一些示例中,发射电路系统1335可被配置为或以其他方式支持用于基于检测到的指示要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的条件来传达第一消息的装置。
在一些示例中,主干模块1325可被配置为或以其他方式支持用于向该UE传送第二主干模型以及关于第二主干模型能与第二因任务而异的模型进行组合的指示的装置。
在一些示例中,为了支持传送控制消息,发射电路系统1335可被配置为或以其他方式支持用于传送包括用于该主干模型的主干模型配置的第一控制消息的装置。在一些示例中,为了支持传送控制消息,发射电路系统1335可被配置为或以其他方式支持用于传送包括用于该第一因任务而异的模型的因任务而异的配置的第二控制消息的装置。
在一些示例中,请求模块1340可被配置为或以其他方式支持用于接收基于该主干模型不支持的场景、条件或任务的检测的主干模型更新请求的装置。在一些示例中,发射电路系统1335可被配置为或以其他方式支持用于基于主干模型更新请求来传送第二主干模型和第二因任务而异的模型的装置。
在一些示例中,为了支持传送控制消息,发射电路系统1335可被配置为或以其他方式支持用于传送指示该主干模型支持的一组一个或多个应用类型、该主干模型支持的一组一个或多个任务、使用该主干模型的一组一个或多个条件、使用该主干模型的一个或多个时间段、或其组合的该控制消息的装置。
在一些示例中,为了支持传送主干模型和第一因任务而异的模型,发射电路系统1335可被配置为或以其他方式支持用于传送对用于该主干模型的第一结构和与第一结构相对应的第一组一个或多个参数的指示、以及对用于第一因任务而异的模型的第二结构和与第二结构相对应的第二组一个或多个参数的指示的装置。
图14示出了根据本公开的各方面的包括支持配置多模型机器学习应用的设备1405的系统1400的示图。设备1405可以是如本文中所描述的设备1105、设备1205或基站105的示例或者包括这些设备的组件。设备1405可与一个或多个基站105、UE 115、或其任何组合无线地进行通信。设备1405可包括用于双向语音和数据通信的组件,其包括用于传送和接收通信的组件,诸如通信管理器1420、网络通信管理器1410、收发机1415、天线1425、存储器1430、代码1435、处理器1440、以及站间通信管理器1445。这些组件可处于电子通信中,或经由一条或多条总线(例如,总线1450)以其他方式耦合(例如,操作地、通信地、功能地、电子地、电气地)。
网络通信管理器1410可管理与核心网130的通信(例如,经由一个或多个有线回程链路)。例如,网络通信管理器1410可管理客户端设备(诸如一个或多个UE 115)的数据通信的传递。
在一些情形中,设备1405可包括单个天线1425。然而,在一些其他情形中,设备1405可具有一个以上天线1425,这些天线可以能够并发地传送或接收多个无线传输。收发机1415可经由一个或多个天线1425、有线或无线链路进行双向通信,如本文中所描述的。例如,收发机1415可表示无线收发机并且可与另一无线收发机进行双向通信。收发机1415还可包括调制解调器,以调制分组并将经调制分组提供给一个或多个天线1425以供传输、以及解调从一个或多个天线1425收到的分组。收发机1415或收发机1415和一个或多个天线1425可以是如本文中所描述的发射机1115、发射机1215、接收机1110、接收机1210或其任何组合或其组件的示例。
存储器1430可包括RAM和ROM。存储器1430可存储包括指令的计算机可读、计算机可执行代码1435,这些指令在由处理器1440执行时使得设备1405执行本文中所描述的各种功能。代码1435可被存储在非瞬态计算机可读介质中,诸如系统存储器或其他类型的存储器。在一些情形中,代码1435可以不由处理器1440直接执行,但可使得计算机(例如,在被编译和执行时)执行本文所描述的功能。在一些情形中,存储器1430可尤其包含BIOS,该BIOS可控制基本硬件或软件操作,诸如与外围组件或设备的交互。
处理器1440可包括智能硬件设备(例如,通用处理器、DSP、CPU、微控制器、ASIC、FPGA、可编程逻辑器件、分立的门或晶体管逻辑组件、分立的硬件组件,或其任何组合)。在一些情形中,处理器1440可被配置成使用存储器控制器来操作存储器阵列。在一些其他情形中,存储器控制器可被集成到处理器1440中。处理器1440可被配置成执行存储在存储器(例如,存储器1430)中的计算机可读指令,以使得设备1405执行各种功能(例如,支持配置多模型机器学习应用的功能或任务)。例如,设备1405或设备1405的组件可包括处理器1440和被耦合至处理器1440的存储器1430,该处理器1440和存储器1430被配置成执行本文中所描述的各种功能。
站间通信管理器1445可管理与其他基站105的通信,并且可包括控制器或调度器以用于与其他基站105协作地控制与UE 115的通信。例如,站间通信管理器1445可针对各种干扰缓解技术(诸如波束成形或联合传输)来协调对去往UE 115的传输的调度。在一些示例中,站间通信管理器1445可以提供LTE/LTE-A无线通信网络技术内的X2接口以提供基站105之间的通信。
根据如本文所公开的示例,通信管理器1420可支持基站处的无线通信。例如,通信管理器1420可被配置为或以其他方式支持用于向UE传送标识主干模型和至少一个因任务而异的模型的控制消息的装置,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。通信管理器1420可被配置为或以其他方式支持用于向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令的装置。通信管理器1420可被配置为或以其他方式支持用于基于第一多模型机器学习应用来与该UE传达第一消息的装置。
通过包括或配置根据如本文中所描述的示例的通信管理器1420,设备1405可以支持用于诸如减少处理、减少功耗和更高效利用通信资源的技术。
在一些示例中,通信管理器1420可被配置成使用或以其他方式协同收发机1415、一个或多个天线1425或其任何组合来执行各种操作(例如,接收、监视、传送)。尽管通信管理器1420被解说为分开的组件,但在一些示例中,参照通信管理器1420所描述的一个或多个功能可由处理器1440、存储器1430、代码1435、或其任何组合支持或执行。例如,代码1435可包括可由处理器1440执行的指令,以使设备1405执行如本文所描述的配置多模型机器学习应用的各个方面,或者处理器1440和存储器1430可以其他方式被配置成执行或支持此类操作。
图15示出了解说根据本公开的各方面的支持配置多模型机器学习应用的方法1500的流程图。方法1500的操作可由如本文中所描述的UE或其组件来实现。例如,方法1500的操作可由如参照图1至10所描述的UE 115来执行。在一些示例中,UE可执行指令集来控制UE的功能元件执行所描述的功能。附加地或替换地,该UE可使用专用硬件来执行所描述的功能的各方面。
在1505,该方法可以包括从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。1505的操作可根据本文中所公开的示例来执行。在一些示例中,1505的操作的各方面可由如参照图9所描述的接收电路系统925来执行。
在1510,该方法可以包括从该基站接收该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型。1510的操作可根据本文中所公开的示例来执行。在一些示例中,1510的操作的各方面可由如参照图9所描述的接收电路系统925来执行。
在1515,该方法可以包括由作为该主干模型和该第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出。1515的操作可根据本文中所公开的示例来执行。在一些示例中,1515的操作的各方面可由如参照图9所描述的处理器930来执行。
在1520,该方法可以包括基于该一个或多个输出来与该基站或无线设备传达第一消息。1520的操作可根据本文中所公开的示例来执行。在一些示例中,1520的操作的各方面可由如参照图9所描述的发射电路系统935来执行。
图16示出了解说根据本公开的各方面的支持配置多模型机器学习应用的方法1600的流程图。方法1600的操作可由如本文中所描述的基站或其组件来实现。例如,方法1600的操作可由如参照图1至6和图11至14所描述的基站105来执行。在一些示例中,基站可执行指令集来控制该基站的功能元件执行所描述的功能。附加地或替换地,该基站可使用专用硬件来执行所描述的功能的各方面。
在1605,该方法可以包括向UE传送标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用。1605的操作可根据本文中所公开的示例来执行。在一些示例中,1605的操作的各方面可由如参照图13所描述的主干模块1325来执行。
在1610,该方法可以包括向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令。1610的操作可根据本文中所公开的示例来执行。在一些示例中,1610的操作的各方面可由如参照图13所描述的因任务而异的模块1330来执行。
在1615,该方法可以包括基于第一多模型机器学习应用来与该UE传达第一消息。1615的操作可根据本文中所公开的示例来执行。在一些示例中,1615的操作的各方面可由如参照图13所描述的发射电路系统1335来执行。
以下提供了本公开的各方面的概览:
方面1:一种用于在UE处进行无线通信的方法,包括:从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;从该基站接收该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型;由作为该主干模型和第一因任务而异的模型的组合的第一多模型机器学习应用来处理从该基站接收的一个或多个信号以生成一个或多个输出;以及至少部分地基于该一个或多个输出来与该基站或无线设备传达第一消息。
方面2:如方面1的方法,其中接收控制消息包括:接收标识主干模型配置和用于第一因任务而异的模型的因任务而异的配置的该控制消息,该主干模型配置指示要在其中应用该主干模型的多个场景、条件或任务,该因任务而异的配置指示该多个场景、条件或任务中要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的第一场景、条件或任务。
方面3:如方面1至2中任一者的方法,进一步包括:在该控制消息中接收对多个因任务而异的模型以及用于将相应的因任务而异的模型与该主干模型进行组合的一个或多个场景、条件或任务的至少一个指示;从该基站接收该控制消息中标识的该多个因任务而异的模型;以及至少部分地基于检测到的指示要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的场景、条件或任务来传达第一消息。
方面4:如方面1的方法,进一步包括:接收标识第二因任务而异的模型的更新控制消息,第二因任务而异的模型能与该主干模型进行组合以生成第二多模型机器学习应用;从该基站接收该更新控制消息中标识的第二因任务而异的模型;由作为该主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站接收的一个或多个第二信号以生成一个或多个第二输出;以及至少部分地基于一个或多个第二输出来传达第二消息。
方面5:如方面1至4中任一者的方法,进一步包括:从该基站或第二基站接收第二主干模型以及关于第二主干模型能与第二因任务而异的模型进行组合的指示;由作为第二主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站或第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及至少部分地基于一个或多个第二输出来传达第二消息。
方面6:如方面5的方法,进一步包括:至少部分地基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对第二主干模型的请求。
方面7:如方面5至6中任一者的方法,进一步包括:从该基站或第二基站接收第二因任务而异的模型。
方面8:如方面7的方法,进一步包括:至少部分地基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对第二因任务而异的模型的请求。
方面9:如方面1至8中任一者的方法,其中接收该控制消息包括:接收包括用于该主干模型的主干模型配置的第一控制消息;以及接收包括用于第一因任务而异的模型的因任务而异的配置的第二控制消息,其中该一个或多个信号由第一多模型机器学习应用根据该主干模型配置和该因任务而异的配置来处理。
方面10:如方面1到3中任一者的方法,其中该控制消息包括该主干模型的索引,该方法进一步包括:至少部分地基于该主干模型的索引来确定第一因任务而异的模型与该主干模型是兼容的。
方面11:如方面1和4到9中任一者的方法,其中该控制消息指示该主干模型支持的任务列表,该方法进一步包括:由该第一多模型机器学习应用来处理从该基站接收的一个或多个第二信号,以生成与来自所支持任务列表的任务相对应的一个或多个第二输出。
方面12:如方面11的方法,其中该任务列表指示至少一个移动性任务、至少一个波束管理任务、或其任何组合。
方面13:如方面1和4到12中任一者的方法,其中该控制消息指示该主干模型支持的场景列表,该方法进一步包括:由第一多模型机器学习应用来处理从该基站接收的一个或多个第二信号,以生成与来自所支持场景列表的场景相对应的一个或多个第二输出。
方面14:如方面13的方法,其中该场景列表指示至少一个蜂窝小区索引、至少一个多普勒范围索引、至少一个速度索引、至少一个带宽索引、至少一个端口索引、或其任何组合。
方面15:如方面1至14中任一者的方法,进一步包括:至少部分地基于检测到该主干模型不支持的场景、条件或任务而向基站或第二基站传送主干模型更新请求;至少部分地基于该主干模型更新请求而接收第二主干模型和第二因任务而异的模型;由作为第二主干模型和第二因任务而异的模型的组合的第二多模型机器学习应用来处理从该基站或第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及至少部分地基于一个或多个第二输出来传达第二消息。
方面16:如方面1至15中任一者的方法,其中接收该控制消息包括:接收指示该主干模型支持的一组一个或多个应用类型、该主干模型支持的一组一个或多个任务、使用该主干模型的一组一个或多个条件、使用该主干模型的一个或多个时间段、或其组合的该控制消息。
方面17:如方面1到16中任一者的方法,其中处理该一个或多个信号包括:使用该主干模型来处理参考信号或经估计信道,以生成一个或多个中间输出;以及使用该第一因任务而异的模型来处理该一个或多个中间输出以生成该一个或多个输出。
方面18:如方面1到17中任一者的方法,其中接收该主干模型和该第一因任务而异的模型包括:接收对用于该主干模型的第一结构和与第一结构相对应的第一组一个或多个参数的指示、以及对用于第一因任务而异的模型的第二结构和与第二结构相对应的第二组一个或多个参数的指示。
方面19:如方面1至18中任一者的方法,进一步包括:接收激活该主干模型和第一因任务而异的模型的控制信令。
方面20:如方面1至19中任一者的方法,其中传送控制消息包括:传送指示该主干模型支持的一组一个或多个应用类型、该主干模型支持的一组一个或多个任务、使用该主干模型的一组一个或多个条件、使用该主干模型的一个或多个时间段、或其组合的该控制消息。
方面21:如方面1到20中任一者的方法,其中传送该主干模型和第一因任务而异的模型包括:传送对用于该主干模型的第一结构和与第一结构相对应的第一组一个或多个参数的指示、以及对用于第一因任务而异的模型的第二结构和与第二结构相对应的第二组一个或多个参数的指示。
方面22:一种用于在基站处进行无线通信的方法,包括:向UE传送标识主干模型和至少一个因任务而异的模型的控制消息,该主干模型能与该至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;向该UE传送该主干模型和该至少一个因任务而异的模型中由该控制消息标识的第一因任务而异的模型、以及用于将该主干模型和第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令;以及至少部分地基于第一多模型机器学习应用来与该UE传达第一消息。
方面23:如方面22的方法,其中传送控制消息包括:传送标识主干模型配置和用于第一因任务而异的模型的因任务而异的配置的该控制消息,该主干模型配置指示要在其中应用该主干模型的多个场景或任务,该因任务而异的配置指示该多个场景或任务中要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习应用的第一场景或任务。
方面24:如方面22至23中任一者的方法,进一步包括:传送标识第二因任务而异的模型的更新控制消息,第二因任务而异的模型能与该主干模型进行组合以生成第二多模型机器学习应用;向该UE传送该更新控制消息中标识的第二因任务而异的模型。
方面25:如方面22至24中任一者的方法,进一步包括:在该控制消息中传送对该多个因任务而异的模型以及用于将相应的因任务而异的模型与该主干模型进行组合的一个或多个条件的至少一个指示;从该基站传送该控制消息中标识的该多个因任务而异的模型;以及至少部分地基于检测到的指示要将第一因任务而异的模型与该主干模型进行组合以生成第一多模型机器学习的条件来传达第一消息。
方面26:如方面22至25中任一者的方法,进一步包括:向该UE传送第二主干模型以及关于第二主干模型能与第二因任务而异的模型进行组合的指示。
方面27:如方面22至26中任一者的方法,其中传送控制消息包括:传送包括用于该主干模型的主干模型配置的第一控制消息;以及传送包括用于第一因任务而异的模型的因任务而异的配置的第二控制消息。
方面28:如方面22至27中任一者的方法,进一步包括:接收至少部分地基于该主干模型不支持的场景、条件或任务的检测的主干模型更新请求;至少部分地基于该主干模型更新请求而传送第二主干模型和第二因任务而异的模型。
方面29:一种用于在UE处进行无线通信的装置,包括:处理器;与该处理器耦合的存储器;以及存储在该存储器中的指令,这些指令能由该处理器执行以使该装置执行如方面1至21中任一者的方法。
方面30:一种用于在UE处进行无线通信的设备,包括用于执行如方面1到21中任一者的方法的至少一个装置。
方面31:一种存储用于在UE处进行无线通信的代码的非瞬态计算机可读介质,遮挡代码包括能由处理器执行以执行如方面1到21中任一者的方法的指令。
方面32:一种用于在基站处进行无线通信的装置,包括:处理器;与该处理器耦合的存储器;以及指令,这些指令存储在该存储器中并且能由该处理器执行以使该装置执行如方面22至28中任一者的方法。
方面33:一种用于在基站处进行无线通信的设备,包括用于执行如方面22到28中任一者的方法的至少一个装置。
方面34:一种存储用于在基站处进行无线通信的代码的非瞬态计算机可读介质,这些代码包括能由处理器执行以执行如方面22到28中任一者的方法的指令。
应注意,本文中所描述的方法描述了可能的实现,并且各操作和步骤可被重新安排或以其他方式被修改且其他实现也是可能的。此外,来自两种或更多种方法的各方面可被组合。
尽管LTE、LTE-A、LTE-A Pro或NR系统的各方面可被描述以用于示例目的,并且在大部分描述中可使用LTE、LTE-A、LTE-A Pro或NR术语,但本文中所描述的技术也可应用于LTE、LTE-A、LTE-A Pro或NR网络之外的网络。例如,所描述的技术可应用于各种其他无线通信系统,诸如超移动宽带(UMB)、电气和电子工程师协会(IEEE)802.11(Wi-Fi)、IEEE802.16(WiMAX)、IEEE 802.20、Flash-OFDM以及本文中未明确提及的其他系统和无线电技术。
本文中所描述的信息和信号可使用各种各样的不同技艺和技术中的任一种来表示。例如,贯穿本描述始终可能被述及的数据、指令、命令、信息、信号、比特、码元、以及码片可由电压、电流、电磁波、磁场或磁粒子、光场或光粒子、或其任何组合来表示。
结合本文中的公开所描述的各种解说性框和组件可以用设计成执行本文中描述的功能的通用处理器、DSP、ASIC、CPU、FPGA或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合来实现或执行。通用处理器可以是微处理器,但在替换方案中,处理器可以是任何处理器、控制器、微控制器、或状态机。处理器还可被实现为计算设备的组合(例如,DSP与微处理器的组合、多个微处理器、与DSP核心协同的一个或多个微处理器,或者任何其他此类配置)。
本文中所描述的功能可在硬件、由处理器执行的软件、固件、或其任何组合中实现。如果在由处理器执行的软件中实现,则各功能可以作为一条或多条指令或代码存储在计算机可读介质上或藉其进行传送。其他示例和实现落在本公开及所附权利要求的范围内。例如,由于软件的本质,本文所描述的功能可使用由处理器执行的软件、硬件、固件、硬连线或其任何组合来实现。实现功能的特征也可物理地位于各种位置,包括被分布以使得功能的各部分在不同的物理位置处实现。
计算机可读介质包括非瞬态计算机存储介质和通信介质两者,其包括促成计算机程序从一地向另一地转移的任何介质。非瞬态存储介质可以是能被通用或专用计算机访问的任何可用介质。作为示例而非限定,非瞬态计算机可读介质可包括RAM、ROM、电可擦除可编程ROM(EEPROM)、闪存、压缩盘(CD)ROM或其他光盘存储、磁盘存储或其他磁存储设备、或可被用来携带或存储指令或数据结构形式的期望程序代码手段且可被通用或专用计算机、或者通用或专用处理器访问的任何其他非瞬态介质。同样,任何连接也被正当地称为计算机可读介质。例如,如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波等无线技术从web站点、服务器或其他远程源传送而来的,则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电以及微波等无线技术就被包括在计算机可读介质的定义里。如本文中所使用的盘(disk)和碟(disc)包括CD、激光碟、光碟、数字通用碟(DVD)、软盘和蓝光碟,其中盘常常磁性地再现数据而碟用激光来光学地再现数据。以上介质的组合也被包括在计算机可读介质的范围内。
如本文(包括权利要求中)所使用的,在项目列举(例如,以附有诸如“中的至少一个”或“中的一个或多个”之类的措辞的项目列举)中使用的“或”指示包含性列举,以使得例如A、B或C中的至少一个的列举意指A或B或C或AB或AC或BC或ABC(即,A和B和C)。同样,如本文所使用的,短语“基于”不应被解读为引述封闭条件集。例如,被描述为“基于条件A”的示例步骤可基于条件A和条件B两者而不脱离本公开的范围。换言之,如本文所使用的,短语“基于”应当以与短语“至少部分地基于”相同的方式来解读。
术语“确定”或“判定”涵盖各种各样的动作,并且因此,“确定”可包括演算、计算、处理、推导、调研、查找(诸如经由在表、数据库或其他数据结构中查找)、查明、和类似动作。另外,“确定”可包括接收(诸如接收信息)、访问(诸如访问存储器中的数据)、和类似动作。另外,“确定”可包括解析、选择、选取、建立、和其他此类类似动作。
在附图中,类似组件或特征可具有相同的附图标记。此外,相同类型的各个组件可通过在附图标记后跟随短划线以及在类似组件之间进行区分的第二标记来加以区分。如果在说明书中仅使用第一附图标记,则该描述可应用于具有相同的第一附图标记的类似组件中的任何一个组件而不论第二附图标记、或其他后续附图标记如何。
本文中结合附图阐述的说明描述了示例配置而并非代表可被实现或者落在权利要求的范围内的所有示例。本文中所使用的术语“示例”意指“用作示例、实例或解说”,而并不意指“优于”或“胜过其他示例”。本详细描述包括具体细节以提供对所描述的技术的理解。然而,可在没有这些具体细节的情况下实践这些技术。在一些实例中,已知的结构和设备以框图形式示出以避免模糊所描述的示例的概念。
提供本文中的描述是为了使得本领域普通技术人员能够制作或使用本公开。对本公开的各种修改对于本领域普通技术人员将是显而易见的,并且本文中所定义的普适原理可被应用于其他变形而不会脱离本公开的范围。由此,本公开并非被限定于本文中所描述的示例和设计,而是应被授予与本文所公开的原理和新颖特征相一致的最广范围。
Claims (30)
1.一种用于在用户装备(UE)处进行无线通信的方法,包括:
从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,所述主干模型能与所述至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;
从所述基站接收所述主干模型和所述至少一个因任务而异的模型中由所述控制消息标识的第一因任务而异的模型;
由作为所述主干模型和所述第一因任务而异的模型的组合的第一多模型机器学习应用来处理从所述基站接收的一个或多个信号以生成一个或多个输出;以及
至少部分地基于所述一个或多个输出来与所述基站或无线设备传达第一消息。
2.如权利要求1所述的方法,其中接收所述控制消息包括:
接收标识主干模型配置和用于所述第一因任务而异的模型的因任务而异的配置的所述控制消息,所述主干模型配置指示要在其中应用所述主干模型的多个场景、条件或任务,所述因任务而异的配置指示所述多个场景、条件或任务中要将所述第一因任务而异的模型与所述主干模型进行组合以生成所述第一多模型机器学习应用的第一场景、条件或任务。
3.如权利要求1所述的方法,进一步包括:
在所述控制消息中接收对多个因任务而异的模型以及用于将相应的因任务而异的模型与所述主干模型进行组合的一个或多个场景、条件或任务的至少一个指示;
从所述基站接收所述控制消息中标识的所述多个因任务而异的模型;以及
至少部分地基于检测到的指示要将所述第一因任务而异的模型与所述主干模型进行组合以生成所述第一多模型机器学习应用的场景、条件或任务来传达所述第一消息。
4.如权利要求1所述的方法,进一步包括:
接收标识第二因任务而异的模型的更新控制消息,所述第二因任务而异的模型能与所述主干模型进行组合以生成第二多模型机器学习应用;
从所述基站接收所述更新控制消息中标识的所述第二因任务而异的模型;
由作为所述主干模型和所述第二因任务而异的模型的组合的所述第二多模型机器学习应用来处理从所述基站接收的一个或多个第二信号以生成一个或多个第二输出;以及
至少部分地基于一个或多个第二输出来传达第二消息。
5.如权利要求1所述的方法,进一步包括:
从所述基站或第二基站接收第二主干模型以及关于所述第二主干模型能与第二因任务而异的模型进行组合的指示;
由作为所述第二主干模型和所述第二因任务而异的模型的组合的第二多模型机器学习应用来处理从所述基站或所述第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及
至少部分地基于一个或多个第二输出来传达第二消息。
6.如权利要求5所述的方法,进一步包括:
至少部分地基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对所述第二主干模型、所述第二因任务而异的模型或这两者的请求。
7.如权利要求1所述的方法,其中接收所述控制消息包括:
接收包括用于所述主干模型的主干模型配置的第一控制消息;以及
接收包括用于所述第一因任务而异的模型的因任务而异的配置的第二控制消息,其中所述一个或多个信号由所述第一多模型机器学习应用根据所述主干模型配置和所述因任务而异的配置来处理。
8.如权利要求1所述的方法,其中所述控制消息包括所述主干模型的索引,所述方法进一步包括:
至少部分地基于所述主干模型的所述索引来确定所述第一因任务而异的模型与所述主干模型是兼容的。
9.如权利要求1所述的方法,其中所述控制消息指示所述主干模型支持的任务列表、所述主干模型支持的场景列表、或其组合,所述方法进一步包括:
由所述第一多模型机器学习应用来处理从所述基站接收的一个或多个第二信号,以生成与来自所支持任务列表的任务相对应的一个或多个第二输出、与来自所支持场景列表的场景相对应的一个或多个第二输出、或这两者。
10.如权利要求1所述的方法,进一步包括:
至少部分地基于检测到所述主干模型不支持的场景、条件或任务而向所述基站或第二基站传送主干模型更新请求;
至少部分地基于所述主干模型更新请求而接收第二主干模型和第二因任务而异的模型;
由作为所述第二主干模型和所述第二因任务而异的模型的组合的第二多模型机器学习应用来处理从所述基站或所述第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及
至少部分地基于一个或多个第二输出来传达第二消息。
11.一种用于在用户装备(UE)处进行无线通信的装置,包括:
处理器;
与所述处理器耦合的存储器;以及
存储在所述存储器中并且能由所述处理器执行以使所述装置进行以下操作的指令:
从基站接收标识主干模型和至少一个因任务而异的模型的控制消息,所述主干模型能与所述至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;
从所述基站接收所述主干模型和所述至少一个因任务而异的模型中由所述控制消息标识的第一因任务而异的模型;
由作为所述主干模型和所述第一因任务而异的模型的组合的第一多模型机器学习应用来处理从所述基站接收的一个或多个信号以生成一个或多个输出;以及
至少部分地基于所述一个或多个输出来与所述基站或无线设备传达第一消息。
12.如权利要求11所述的装置,其中用于接收所述控制消息的指令能由所述处理器执行以使所述装置:
接收标识主干模型配置和用于所述第一因任务而异的模型的因任务而异的配置的所述控制消息,所述主干模型配置指示要在其中应用所述主干模型的多个场景、条件或任务,所述因任务而异的配置指示所述多个场景、条件或任务中要将所述第一因任务而异的模型与所述主干模型进行组合以生成所述第一多模型机器学习应用的第一场景、条件或任务。
13.如权利要求11所述的装置,其中所述指令能由所述处理器进一步执行以使所述装置:
在所述控制消息中接收对多个因任务而异的模型以及用于将相应的因任务而异的模型与所述主干模型进行组合的一个或多个场景、条件或任务的至少一个指示;
从所述基站接收所述控制消息中标识的所述多个因任务而异的模型;以及
至少部分地基于检测到的指示要将所述第一因任务而异的模型与所述主干模型进行组合以生成所述第一多模型机器学习应用的场景、条件或任务来传达所述第一消息。
14.如权利要求11所述的装置,其中所述指令能由所述处理器进一步执行以使所述装置:
接收标识第二因任务而异的模型的更新控制消息,所述第二因任务而异的模型能与所述主干模型进行组合以生成第二多模型机器学习应用;
从所述基站接收所述更新控制消息中标识的所述第二因任务而异的模型;
由作为所述主干模型和所述第二因任务而异的模型的组合的所述第二多模型机器学习应用来处理从所述基站接收的一个或多个第二信号以生成一个或多个第二输出;以及
至少部分地基于一个或多个第二输出来传达第二消息。
15.如权利要求11所述的装置,其中所述指令能由所述处理器进一步执行以使所述装置:
从所述基站或第二基站接收第二主干模型以及关于所述第二主干模型能与第二因任务而异的模型进行组合的指示;
由作为所述第二主干模型和所述第二因任务而异的模型的组合的第二多模型机器学习应用来处理从所述基站或所述第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及
至少部分地基于一个或多个第二输出来传达第二消息。
16.如权利要求15所述的装置,其中所述指令能由所述处理器进一步执行以使所述装置:
至少部分地基于检测到一个或多个条件的变化、一个或多个任务的变化、一个或多个场景的变化或其任何组合来传送对所述第二主干模型、所述第二因任务而异的模型或这两者的请求。
17.如权利要求11所述的装置,其中用于接收所述控制消息的指令能由所述处理器执行以使所述装置:
接收包括用于所述主干模型的主干模型配置的第一控制消息;以及
接收包括用于所述第一因任务而异的模型的因任务而异的配置的第二控制消息,其中所述一个或多个信号由所述第一多模型机器学习应用根据所述主干模型配置和所述因任务而异的配置来处理。
18.如权利要求11所述的装置,其中所述控制消息包括所述主干模型的索引,并且所述指令能由所述处理器进一步执行以使所述装置:
至少部分地基于所述主干模型的所述索引来确定所述第一因任务而异的模型与所述主干模型是兼容的。
19.如权利要求11所述的装置,其中所述控制消息指示所述主干模型支持的任务列表、所述主干模型支持的场景列表、或其组合,并且所述指令能由所述处理器进一步执行以使所述装置:
由所述第一多模型机器学习应用来处理从所述基站接收的一个或多个第二信号,以生成与来自所支持任务列表的任务相对应的一个或多个第二输出、与来自所支持场景列表的场景相对应的一个或多个第二输出、或这两者。
20.如权利要求11所述的装置,其中所述指令能由所述处理器进一步执行以使所述装置:
至少部分地基于检测到所述主干模型不支持的场景、条件或任务而向所述基站或第二基站传送主干模型更新请求;
至少部分地基于所述主干模型更新请求而接收第二主干模型和第二因任务而异的模型;
由作为所述第二主干模型和所述第二因任务而异的模型的组合的第二多模型机器学习应用来处理从所述基站或所述第二基站接收的一个或多个第二信号以生成一个或多个第二输出;以及
至少部分地基于一个或多个第二输出来传达第二消息。
21.一种用于在基站处进行无线通信的方法,包括:
向用户装备(UE)传送标识主干模型和至少一个因任务而异的模型的控制消息,所述主干模型能与所述至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;
向所述UE传送所述主干模型和所述至少一个因任务而异的模型中由所述控制消息标识的第一因任务而异的模型、以及用于将所述主干模型和所述第一因任务而异的模型进行组合以生成第一多模型机器学习应用的指令;以及
至少部分地基于所述第一多模型机器学习应用来与所述UE传达第一消息。
22.如权利要求21所述的方法,其中传送所述控制消息包括:
传送标识主干模型配置和用于所述第一因任务而异的模型的因任务而异的配置的所述控制消息,所述主干模型配置指示要在其中应用所述主干模型的多个场景或任务,所述因任务而异的配置指示所述多个场景或任务中要将所述第一因任务而异的模型与所述主干模型进行组合以生成所述第一多模型机器学习应用的第一场景或任务。
23.如权利要求21所述的方法,进一步包括:
传送标识第二因任务而异的模型的更新控制消息,所述第二因任务而异的模型能与所述主干模型进行组合以生成第二多模型机器学习应用;
向所述UE传送所述更新控制消息中标识的所述第二因任务而异的模型。
24.如权利要求21所述的方法,进一步包括:
在所述控制消息中传送对多个因任务而异的模型以及用于将相应的因任务而异的模型与所述主干模型进行组合的一个或多个条件的至少一个指示;
从所述基站传送所述控制消息中标识的所述多个因任务而异的模型;以及
至少部分地基于检测到的指示要将所述第一因任务而异的模型与所述主干模型进行组合以生成所述第一多模型机器学习的条件来传达所述第一消息。
25.如权利要求21所述的方法,进一步包括:
向所述UE传送第二主干模型以及关于所述第二主干模型能与第二因任务而异的模型进行组合的指示。
26.如权利要求21所述的方法,其中传送所述控制消息包括:
传送包括用于所述主干模型的主干模型配置的第一控制消息;以及
传送包括用于所述第一因任务而异的模型的因任务而异的配置的第二控制消息。
27.如权利要求21所述的方法,进一步包括:
接收至少部分地基于所述主干模型不支持的场景、条件或任务的检测的主干模型更新请求;
至少部分地基于所述主干模型更新请求而传送第二主干模型和第二因任务而异的模型。
28.如权利要求21所述的方法,其中传送所述控制消息包括:
传送指示所述主干模型支持的一组一个或多个应用类型、所述主干模型支持的一组一个或多个任务、使用所述主干模型的一组一个或多个条件、使用所述主干模型的一个或多个时间段、或其组合的所述控制消息。
29.如权利要求21所述的方法,其中传送所述主干模型和所述第一因任务而异的模型包括:
传送对用于所述主干模型的第一结构和与所述第一结构相对应的第一组一个或多个参数的指示、以及对用于所述第一因任务而异的模型的第二结构和与所述第二结构相对应的第二组一个或多个参数的指示。
30.一种用于无线通信的装置,包括:
用于从基站接收标识主干模型和至少一个因任务而异的模型的控制消息的装置,所述主干模型能与所述至少一个因任务而异的模型进行组合以生成至少一个多模型机器学习应用;
用于从所述基站接收所述主干模型和所述至少一个因任务而异的模型中由所述控制消息标识的第一因任务而异的模型的装置;
用于由作为所述主干模型和所述第一因任务而异的模型的组合的第一多模型机器学习应用来处理从所述基站接收的一个或多个信号以生成一个或多个输出的装置;以及
用于至少部分地基于所述一个或多个输出来与所述基站或无线设备传达第一消息的装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/097834 WO2022252140A1 (en) | 2021-06-02 | 2021-06-02 | Configuring multi-model machine learning application |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117413284A true CN117413284A (zh) | 2024-01-16 |
Family
ID=84322670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180098710.0A Pending CN117413284A (zh) | 2021-06-02 | 2021-06-02 | 配置多模型机器学习应用 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240163694A1 (zh) |
EP (1) | EP4348522A1 (zh) |
CN (1) | CN117413284A (zh) |
WO (1) | WO2022252140A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110324170B (zh) * | 2018-03-30 | 2021-07-09 | 华为技术有限公司 | 数据分析设备、多模型共决策系统及方法 |
US11363514B2 (en) * | 2018-06-21 | 2022-06-14 | Lg Electronics Inc. | Method and apparatus for performing conditional cell change based on channel occupancy in wireless communication system |
WO2020139181A1 (en) * | 2018-12-28 | 2020-07-02 | Telefonaktiebolaget Lm Ericsson (Publ) | A wireless device, a network node and methods therein for updating a first instance of a machine learning model |
EP3742669B1 (en) * | 2019-05-20 | 2023-11-08 | Nokia Technologies Oy | Machine learning in radio access networks |
-
2021
- 2021-06-02 US US18/549,750 patent/US20240163694A1/en active Pending
- 2021-06-02 WO PCT/CN2021/097834 patent/WO2022252140A1/en active Application Filing
- 2021-06-02 CN CN202180098710.0A patent/CN117413284A/zh active Pending
- 2021-06-02 EP EP21943509.6A patent/EP4348522A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240163694A1 (en) | 2024-05-16 |
EP4348522A1 (en) | 2024-04-10 |
WO2022252140A1 (en) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116848916A (zh) | 用于无线通信系统的基于波束的测量和资源管理技术 | |
CN116888985A (zh) | 使用上行链路通信的交通工具和蜂窝无线设备共置 | |
CN116830658A (zh) | 用于分布式无线通信系统中的移动性的小区测量和报告 | |
CN117882092A (zh) | 配置用户设备以用于机器学习 | |
US20220030441A1 (en) | Cooperative full-duplex techniques for sidelink communications | |
CN116982393A (zh) | 用于侧链路辅助式设备关联的技术 | |
CN117837262A (zh) | 集成接入和回程侧行链路通信 | |
CN116636152A (zh) | 用于联合下行链路和上行链路传输配置指示符状态的跨分量载波调度的技术 | |
CN116783947A (zh) | 跨多个收发机节点的同步信号选择 | |
CN116762410A (zh) | 使用侧链路的ue空闲和非活跃模式增强 | |
CN115918016A (zh) | 对灵活探测参考信号切换能力的支持 | |
KR20230157340A (ko) | 무선 통신 시스템들에서 사이드링크 및 다운링크 상에서의 풀 듀플렉스 동작을 위한 기법들 | |
WO2022252140A1 (en) | Configuring multi-model machine learning application | |
WO2024082159A1 (en) | Paging techniques for wireless devices with mixed capabilities | |
US20240179628A1 (en) | Techniques for sensing wakeup signal | |
US20240057050A1 (en) | Non-contiguous resource blocks for bandwidth part configuration | |
US20240015601A1 (en) | Cell management for inter-cell mobility | |
WO2023272718A1 (en) | Capability indication for a multi-block machine learning model | |
US20240155653A1 (en) | Mobile integrated access and backhaul connectivity | |
US20230388928A1 (en) | Pre-emptive buffer status report extension for network power saving | |
WO2023197134A1 (en) | Frequency domain resource allocation indications for transform precoding in multiple transmit receive point deployments | |
US20230309019A1 (en) | Iterative wake up signaling for power saving | |
WO2023212854A1 (en) | Source based synchronization for wireless devices | |
WO2023060500A1 (en) | Multimode discontinuous reception in orbital angular momentum communications | |
US20230292321A1 (en) | Techniques for reducing latency of data in the presence of scheduled uplink transmissions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |