JP7305892B2 - 個人向けに調整されたエアインターフェース - Google Patents
個人向けに調整されたエアインターフェース Download PDFInfo
- Publication number
- JP7305892B2 JP7305892B2 JP2022529686A JP2022529686A JP7305892B2 JP 7305892 B2 JP7305892 B2 JP 7305892B2 JP 2022529686 A JP2022529686 A JP 2022529686A JP 2022529686 A JP2022529686 A JP 2022529686A JP 7305892 B2 JP7305892 B2 JP 7305892B2
- Authority
- JP
- Japan
- Prior art keywords
- training
- information
- air interface
- exemplary embodiment
- capabilities
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0205—Traffic management, e.g. flow control or congestion control at the air interface
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/26—Resource reservation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/20—Manipulation of established connections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W92/00—Interfaces specially adapted for wireless communication networks
- H04W92/04—Interfaces between hierarchically different network devices
- H04W92/10—Interfaces between hierarchically different network devices between terminal device and access point, i.e. wireless air interface
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/02—Processing of mobility data, e.g. registration information at HLR [Home Location Register] or VLR [Visitor Location Register]; Transfer of mobility data, e.g. between HLR, VLR or external networks
- H04W8/04—Registration at HLR or HSS [Home Subscriber Server]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Description
・コーディング(チャネルコーディングまたは共同ソースおよびチャネルコーディング)、変調および波形発生(例えば、図7Aおよび図7Bに示す例と同様である)など、すべてのベースバンド信号処理構成要素のAI/MLを基にした最適化のサポートに対応するタイプ、
・コーディングおよび変調のAI/MLを基にした最適化のサポートに対応するが、波形発生には対応しないタイプ(例えば、図8Aおよび8Bに示す例と同様である)、
・コーディングではなく、変調および波形発生のAI/MLを基にした最適化のサポートに対応するタイプ(例えば、図9に示す例と同様)、
・変調のAI/MLを基にした最適化のサポートに対応するが、コーディングおよび波形発生には対応しないタイプ(例えば、図10に示す例と同様である)、
・波形発生のAI/MLを基にした最適化のサポートに対応するが、コーディングおよび変調には対応しないタイプ(例えば、図11に示す例と同様)。
動的制御チャネル:トレーニングシーケンス/トレーニングデータを送信するのに必要なビット数が特定の閾値より小さい場合、動的制御チャネルを使用してトレーニングシーケンス/トレーニングデータを送信することができる。いくつかの実施形態では、いくつかのレベルのビット長を定義することができる。異なるビット長は、異なるDCIフォーマットまたは異なるDCIペイロードに対応し得る。同じDCIを使用して、異なるAI/MLモジュールのトレーニングシーケンス/データを搬送することができる。いくつかの実施形態では、DCIフィールドは、トレーニングシーケンス/トレーニングデータがトレーニングに使用されるAI/MLモジュールを示す情報を含み得る。
データチャネル:いくつかの実施形態では、データチャネルを使用してトレーニングシーケンス/トレーニングデータを搬送することができる。そのような実施形態では、データチャネルのペイロードは、送信されるトレーニングシーケンス長またはトレーニングデータの量に依存する。そのようなデータチャネルをスケジュールするために使用されるDCIは、データチャネルを復号するために必要な情報と、トレーニングシーケンス/データがどのAI/MLモジュール用であるかを示すAI/MLモジュールインジケータとを搬送することができる。
RRCチャネル:いくつかの実施形態では、トレーニングシーケンス/トレーニングデータは、RRCシグナリングを介してUEに送信され得る。
トレーニング可能なAI/MLモジュールが複数ある場合に、どのAI/MLモジュールをトレーニングするかを示す情報、
AI/MLアルゴリズムおよび初期設定/パラメータに関する情報
などの共同のトレーニングを容易にするために、AI/ML関連情報をUEに送信することができる。
以下は、本開示の追加の例示的な実施形態の非限定的なリストを提供する。
例示的な実施形態1.無線通信ネットワークにおける方法であって、
第1のデバイスによって、第1のデバイスと第2のデバイスとの間の単一のエアインターフェースを介して第2のデバイスに第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を送信するステップであって、第1のデバイスのAI/ML能力に関する情報は、第1のデバイスが単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成を最適化するためのAI/MLをサポートするかどうかを識別する、ステップ、を含む、方法。
例示的な実施形態2.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/MLの複雑さのタイプおよび/またはレベルをサポートすることができることを示す情報を含む、例示的な実施形態1の方法。
例示的な実施形態3.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の最適化のためのAI/ML訓練プロセスを支援するかどうかを示す情報を含む、例示的な実施形態1または2の方法。
例示的な実施形態4.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報を含む、例示的な実施形態1から3のいずれかの方法。
例示的な実施形態5.少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、例示的な実施形態4の方法。
例示的な実施形態6.第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、例示的な実施形態4または5の方法。
例示的な実施形態7.第1のデバイスのAI/ML能力に関する情報を送信するステップが、
問い合わせを受信したことに応答して情報を送信するステップ、および
初期ネットワークアクセス手順の一部として情報を送信するステップ
の少なくとも一方を含む、例示的な実施形態1から6のいずれかの方法。
例示的な実施形態8.第2のデバイスからAI/MLトレーニング要求を受信するステップと、
AI/MLトレーニング要求を受信した後、AI/MLトレーニングモードに遷移するステップと、
をさらに含む、例示的な実施形態1から7のいずれかの方法。
例示的な実施形態9.AI/MLトレーニング要求を受信するステップが、ダウンリンク制御チャネル上のダウンリンク制御情報(DCI)、またはRRCシグナリング、またはDCIとRRCシグナリングの組み合わせを通じてAI/MLトレーニング要求を受信するステップを含む、例示的な実施形態8に記載の方法。
例示的な実施形態10.第1のデバイスがAI/MLトレーニングモードに遷移したことを確認するために、トレーニング要求応答を第2のデバイスに送信するステップをさらに含む、例示的な実施形態8または9の方法。
例示的な実施形態11.少なくとも1つのエアインターフェース構成の1つ以上の構成要素を担当する少なくとも1つのAI/MLモジュールをトレーニングするためのトレーニングシーケンスまたはトレーニングデータを含むトレーニング信号を第2のデバイスから受信するステップをさらに含む、例示的な実施形態1から10のいずれかの方法。
例示的な実施形態12.トレーニング信号を受信するステップは、動的制御チャネルでトレーニング信号を受信するステップを含む、例示的な実施形態11に記載の方法。
例示的な実施形態13.動的制御チャネルが、トレーニングされるAI/MLモジュールを示す情報を含む動的制御情報(DCI)フィールドを含む、例示的な実施形態12の方法。
例示的な実施形態14.トレーニング信号を受信するステップが、スケジュールされたデータチャネル上でトレーニング信号を受信するステップを含み、方法が、トレーニングされるAI/MLモジュールを示す情報を含むDCIフィールドを含む動的制御チャネル上でデータチャネルのスケジューリング情報を受信するステップをさらに含む、例示的な実施形態11の方法。
例示的な実施形態15.トレーニング信号を受信した後、第2のデバイスへトレーニング応答メッセージを送信するステップをさらに含み、トレーニング応答メッセージは、第1のデバイスにおける受信したトレーニング信号の処理に基づくフィードバック情報を含む、例示的な実施形態11から14のいずれかの方法。
例示的な実施形態16.トレーニング応答メッセージに含まれるフィードバック情報は、反復トレーニングプロセスのための更新されたトレーニングシーケンスを含む、例示的な実施形態15に記載の方法。
例示的な実施形態17.トレーニング応答メッセージに含まれるフィードバック情報が、受信したトレーニング信号に基づく測定結果を含む、例示的な実施形態15または16に記載の方法。
例示的な実施形態18.測定結果は、第2のデバイスからトレーニング信号を受信する際に第1のデバイスによって取得された誤差マージンを含む、例示的な実施形態17の方法。
例示的な実施形態19.トレーニング応答メッセージを送信した後、第2のデバイスからAI/ML更新情報を受信するステップであって、AI/ML更新情報は、第1のデバイスによって提供されたフィードバック情報に基づくAI/MLモジュールの更新されたAI/MLパラメータを示す情報を含む、ステップ
をさらに含む、例示的な実施形態15から18のいずれかの方法。
例示的な実施形態20.第2のデバイスから送信を受信するための少なくとも1つのエアインターフェース構成を更新するために、更新されたAI/MLパラメータに従ってAI/MLモジュールを更新するステップをさらに含む、例示的な実施形態19の方法。
例示的な実施形態21.第2のデバイスから受信したトレーニング信号に基づいて第1のデバイスで1つ以上のAI/MLモジュールをトレーニングするステップと、
AI/ML更新情報を第2のデバイスに送信するステップであって、AI/ML更新情報は、第1のデバイスによって実行されたトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、ステップと、
をさらに含む、例示的な実施形態15から18のいずれかの方法。
例示的な実施形態22.第2のデバイスからAI/ML更新情報を受信するステップをさらに含み、第2のデバイスからのAI/ML更新情報は、トレーニング応答メッセージで提供されたフィードバック情報に基づく第2のデバイスにおける1つ以上のAI/MLモジュールのトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態21の方法。
例示的な実施形態23.第1のデバイスによって実行されたトレーニングおよび第2のデバイスから受信された更新されたAI/MLパラメータに基づいて更新されたAI/MLパラメータに従って1つ以上のAI/MLモジュールを更新することによって、第2のデバイスから送信を受信するための少なくとも1つのエアインターフェース構成を更新するステップをさらに含む、例示的な実施形態22の方法。
例示的な実施形態24.第2のデバイスからトレーニング終了信号を受信するステップと、
トレーニング終了信号を受信した後に、第1のデバイスをトレーニングモードから通常動作モードに遷移させるステップと、
をさらに含む、例示的な実施形態1から23のいずれかの方法。
例示的な実施形態25.第1のデバイスはユーザ機器であり、第2のデバイスはネットワークデバイスである、例示的な実施形態1から24のいずれかの方法。
例示的な実施形態26.無線通信ネットワークにおける方法であって、
第2のデバイスによって、第1のデバイスと第2のデバイスとの間の単一のエアインターフェースを介して第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を受信するステップであって、第1のデバイスのAI/ML能力に関する情報は、第1のデバイスが単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成を最適化するためのAI/MLをサポートするかどうかを識別する、ステップと、
第1のデバイスのAI/ML能力に関する情報に少なくとも部分的に基づいて、AI/MLトレーニング要求を第1のデバイスに送信するステップと、
を含む、方法。
例示的な実施形態27.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/MLの複雑さのタイプおよび/またはレベルをサポートすることができることを示す情報を含む、例示的な実施形態26の方法。
例示的な実施形態28.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の最適化のためのAI/ML訓練プロセスを支援するかどうかを示す情報を含む、例示的な実施形態26または27の方法。
例示的な実施形態29.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報を含む、例示的な実施形態26から28のいずれかの方法。
例示的な実施形態30.少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、例示的な実施形態29の方法。
例示的な実施形態31.第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、例示的な実施形態29または30の方法。
例示的な実施形態32.第1のデバイスのAI/ML能力に関する情報を受信するステップが、第1のデバイスのため初期ネットワークアクセス手順の一部として情報を受信するステップを含む、例示的な実施形態26から31のいずれかの方法。
例示的な実施形態33.AI/MLトレーニング要求を送信するステップが、ダウンリンク制御チャネル上のダウンリンク制御情報(DCI)、またはRRCシグナリング、またはDCIとRRCシグナリングの組み合わせを通じてAI/MLトレーニング要求を送信するステップを含む、例示的な実施形態26から32のいずれかの方法。
例示的な実施形態34.デバイスがAI/MLトレーニングモードに遷移したことを確認するために、トレーニング要求応答をデバイスから受信するステップをさらに含む、例示的な実施形態33の方法。
例示的な実施形態35.トレーニング信号を第1のデバイスに送信するステップをさらに含み、トレーニング信号が少なくとも1つのエアインターフェース構成の1つ以上の構成要素を担当する少なくとも1つのAI/MLモジュールをトレーニングするためのトレーニングシーケンスまたはトレーニングデータを含む、例示的な実施形態26から34のいずれかの方法。
例示的な実施形態36.トレーニング信号を送信するステップは、動的制御チャネルでトレーニング信号を送信するステップを含む、例示的な実施形態35に記載の方法。
例示的な実施形態37.動的制御チャネルが、トレーニングされるAI/MLモジュールを示す情報を含む動的制御情報(DCI)フィールドを含む、例示的な実施形態36の方法。
例示的な実施形態38.トレーニング信号を送信するステップは、スケジュールされたデータチャネルでトレーニング信号を送信するステップを含む、例示的な実施形態35に記載の方法。
例示的な実施形態39.トレーニングされるAI/MLモジュールを示す情報を含むDCIフィールドを含む動的制御チャネル上でデータチャネルのスケジューリング情報を送信するステップをさらに含む、例示的な実施形態38の方法。
例示的な実施形態40.第1のデバイスからトレーニング応答メッセージを受信するステップをさらに含み、トレーニング応答メッセージは、第1のデバイスにおける受信したトレーニング信号の処理に基づくフィードバック情報を含む、例示的な実施形態35から39のいずれかの方法。
例示的な実施形態41.トレーニング応答メッセージに含まれるフィードバック情報は、反復トレーニングプロセスのための更新されたトレーニングシーケンスを含む、例示的な実施形態40に記載の方法。
例示的な実施形態42.トレーニング応答メッセージに含まれるフィードバック情報が、受信したトレーニング信号に基づく測定結果を含む、例示的な実施形態40または41に記載の方法。
例示的な実施形態43.測定結果は、トレーニング信号を受信する際に第1のデバイスによって取得された誤差マージンを含む、例示的な実施形態42の方法。
例示的な実施形態44.第1のデバイスからのトレーニング応答メッセージで提供されたフィードバック情報に基づいて1つ以上のAI/MLモジュールをトレーニングするステップをさらに備える、例示的な実施形態40から43のいずれかの方法。
例示的な実施形態45.第1のデバイスにAI/ML更新情報を送信するステップであって、AI/ML更新情報は、トレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、ステップ、
をさらに含む、例示的な実施形態44の方法。
例示的な実施形態46.第1のデバイスからAI/ML更新情報を受信するステップであって、第1のデバイスからのAI/ML更新情報は、トレーニング信号に基づく第1のデバイスにおける1つ以上のAI/MLモジュールのトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、ステップ
をさらに含む、例示的な実施形態40から45のいずれかの方法。
例示的な実施形態47.第1のデバイスに送信された更新されたAI/MLパラメータおよび第1のデバイスから受信された更新されたAI/MLパラメータに従って1つ以上のAI/MLモジュールを更新することによって、第1のデバイスに送信するための少なくとも1つのエアインターフェース構成を更新するステップをさらに含む、例示的な実施形態46の方法。
例示的な実施形態48.トレーニングフェーズが終了したことを示すためにトレーニング終了信号を第1のデバイスに送信するステップをさらに含む、例示的な実施形態26から47のいずれかの方法。
例示的な実施形態49.第1のデバイスはユーザ機器であり、第2のデバイスはネットワークデバイスである、例示的な実施形態26から48のいずれかの方法。
例示的な実施形態50.装置であって、
無線インターフェースと、
無線インターフェースに動作可能に結合されたプロセッサと、
プロセッサに動作可能に結合されたコンピュータ可読記憶媒体と、を含み、コンピュータ可読記憶媒体が、プロセッサによる実行のためのプログラミングを記憶し、プログラミングが、
無線インターフェースを介して、第1のデバイスから、第1のデバイスと第2のデバイスとの間の単一のエアインターフェースを介して第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を第2のデバイスに送信するための命令であって、第1のデバイスのAI/ML能力に関する情報は、第1のデバイスが単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成を最適化するためのAI/MLをサポートするかどうかを識別する、命令
を含む、装置。
例示的な実施形態51.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/MLの複雑さのタイプおよび/またはレベルをサポートすることができることを示す情報を含む、例示的な実施形態50の装置。
例示的な実施形態52.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の最適化のためのAI/ML訓練プロセスを支援するかどうかを示す情報を含む、例示的な実施形態50または51の装置。
例示的な実施形態53.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報を含む、例示的な実施形態50から52のいずれかの装置。
例示的な実施形態54.少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、例示的な実施形態53の装置。
例示的な実施形態55.第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、例示的な実施形態53または54の装置。
例示的な実施形態56.第1のデバイスのAI/ML能力に関する情報を送信するための命令が、
問い合わせを受信したことに応答して情報を送信するための命令、および
初期ネットワークアクセス手順の一部として情報を送信するための命令
の少なくとも一方を含む、例示的な実施形態50から55のいずれかに記載の装置。
例示的な実施形態57.プログラミングが、
第2のデバイスからAI/MLトレーニング要求を受信するための命令と、
AI/MLトレーニング要求を受信した後、AI/MLトレーニングモードに遷移するための命令と、
をさらに含む、例示的な実施形態50から56のいずれかの装置。
例示的な実施形態58.AI/MLトレーニング要求を受信するための命令が、ダウンリンク制御チャネル上のダウンリンク制御情報(DCI)、またはRRCシグナリング、またはDCIとRRCシグナリングの組み合わせを通じてAI/MLトレーニング要求を受信するための命令を含む、例示的な実施形態57の装置。
例示的な実施形態59.プログラミングが、第1のデバイスがAI/MLトレーニングモードに遷移したことを確認するために第2のデバイスにトレーニング要求応答を送信するための命令をさらに含む、例示的な実施形態57または58の装置。
例示的な実施形態60.プログラミングが、少なくとも1つのエアインターフェース構成の1つ以上の構成要素を担当する少なくとも1つのAI/MLモジュールをトレーニングするためのトレーニングシーケンスまたはトレーニングデータを含むトレーニング信号を第2のデバイスから受信するための命令をさらに含む、例示的な実施形態50から59のいずれかの装置。
例示的な実施形態61.トレーニング信号を受信するための命令は、動的制御チャネルでトレーニング信号を受信するための命令を含む、例示的な実施形態60の装置。
例示的な実施形態62.動的制御チャネルが、トレーニングされるAI/MLモジュールを示す情報を含む動的制御情報(DCI)フィールドを含む、例示的な実施形態61の装置。
例示的な実施形態63.トレーニング信号を受信するための命令が、スケジュールされたデータチャネル上でトレーニング信号を受信するための命令を含み、プログラムが、トレーニングされるAI/MLモジュールを示す情報を含むDCIフィールドを含む動的制御チャネル上でデータチャネルのスケジューリング情報を受信するための命令をさらに含む、例示的な実施形態60の装置。
例示的な実施形態64.プログラミングが、
トレーニング信号を受信した後に第2のデバイスにトレーニング応答メッセージを送信するための命令であって、トレーニング応答メッセージは、第1のデバイスにおける受信したトレーニング信号の処理に基づくフィードバック情報を含む、命令
をさらに含む、例示的な実施形態60から63の装置。
例示的な実施形態65.トレーニング応答メッセージに含まれるフィードバック情報は、反復トレーニングプロセスのための更新されたトレーニングシーケンスを含む、例示的な実施形態64に記載の装置。
例示的な実施形態66.トレーニング応答メッセージに含まれるフィードバック情報が、受信したトレーニング信号に基づく測定結果を含む、例示的な実施形態64または65に記載の装置。
例示的な実施形態67.測定結果は、第2のデバイスからトレーニング信号を受信する際に第1のデバイスによって取得された誤差マージンを含む、例示的な実施形態66の装置。
例示的な実施形態68.プログラミングが、
トレーニング応答メッセージを送信した後に、第2のデバイスからAI/ML更新情報を受信するための命令であって、AI/ML更新情報が第1のデバイスによって提供されたフィードバック情報に基づくAI/MLモジュールの更新されたAI/MLパラメータを示す情報を含む、命令
をさらに含む、例示的な実施形態64から67のいずれかの装置。
例示的な実施形態69.プログラミングが、第2のデバイスから送信を受信するための少なくとも1つのエアインターフェース構成を更新するために、更新されたAI/MLパラメータに従ってAI/MLモジュールを更新するための命令をさらに含む、例示的な実施形態68の装置。
例示的な実施形態70.プログラミングが、第2のデバイスから受信したトレーニング信号に基づいて第1のデバイスで1つ以上のAI/MLモジュールをトレーニングするための命令と、
AI/ML更新情報を第2のデバイスに送信するための命令であって、AI/ML更新情報は第1のデバイスによって実行されたトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、命令と、
をさらに含む、例示的な実施形態64から67のいずれかの装置。
例示的な実施形態71.プログラミングが、第2のデバイスからAI/ML更新情報を受信するための命令をさらに含み、第2のデバイスからのAI/ML更新情報は、トレーニング応答メッセージで提供されたフィードバック情報に基づく第2のデバイスにおける1つ以上のAI/MLモジュールのトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態70の装置。
例示的な実施形態72.プログラミングが、第1のデバイスによって実行されたトレーニングおよび第2のデバイスから受信された更新されたAI/MLパラメータに基づいて更新されたAI/MLパラメータに従って1つ以上のAI/MLモジュールを更新することによって、第2のデバイスから送信を受信するための少なくとも1つのエアインターフェース構成を更新するための命令をさらに含む、例示的な実施形態71の装置。
例示的な実施形態73.プログラミングが、第2のデバイスからトレーニング終了信号を受信するための命令と、
トレーニング終了信号を受信した後に、第1のデバイスをトレーニングモードから通常動作モードに遷移させるための命令と、
をさらに含む、例示的な実施形態50から72のいずれかに記載の装置。
例示的な実施形態74.第1のデバイスはユーザ機器であり、第2のデバイスはネットワークデバイスである、例示的な実施形態50から73のいずれかの装置。
例示的な実施形態75.装置であって、
無線インターフェースと、
無線インターフェースに動作可能に結合されたプロセッサと、
プロセッサに動作可能に結合されたコンピュータ可読記憶媒体と、を含み、コンピュータ可読記憶媒体は、プロセッサによる実行のためのプログラミングを記憶し、プログラミングが、
無線インターフェースを介して、第2のデバイスによって、第1のデバイスと第2のデバイスとの間の単一のエアインターフェースを介して第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を受信するための命令であって、第1のデバイスのAI/ML能力に関する情報は、第1のデバイスが単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成を最適化するためのAI/MLをサポートするかどうかを識別する、命令と、
第1のデバイスのAI/ML能力に関する情報に少なくとも部分的に基づいて、AI/MLトレーニング要求を第1のデバイスに送信するための命令と、
を含む、装置。
例示的な実施形態76.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/MLの複雑さのタイプおよび/またはレベルをサポートすることができることを示す情報を含む、例示的な実施形態75の装置。
例示的な実施形態77.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の最適化のためのAI/ML訓練プロセスを支援するかどうかを示す情報を含む、例示的な実施形態75または76の装置。
例示的な実施形態78.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報を含む、例示的な実施形態75から77のいずれかの装置。
例示的な実施形態79.少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、例示的な実施形態78の装置。
例示的な実施形態80.第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報が、第1のデバイスが少なくとも1つのエアインターフェース構成の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、例示的な実施形態78または79の装置。
例示的な実施形態81.第1のデバイスのAI/ML能力に関する情報を受信することが、第1のデバイスのため初期ネットワークアクセス手順の一部として情報を受信することを含む、例示的な実施形態75から80のいずれかの装置。
例示的な実施形態82.AI/MLトレーニング要求を送信することが、ダウンリンク制御チャネル上のダウンリンク制御情報(DCI)、またはRRCシグナリング、またはDCIとRRCシグナリングの組み合わせを通じてAI/MLトレーニング要求を送信することを含む、例示的な実施形態75から81のいずれかの装置。
例示的な実施形態83.プログラミングが、デバイスがAI/MLトレーニングモードに遷移したことを確認する、デバイスからのトレーニング要求応答を受信するための命令をさらに含む、例示的な実施形態82の装置。
例示的な実施形態84.プログラミングが、第1のデバイスにトレーニング信号を送信するための命令をさらに含み、トレーニング信号が、少なくとも1つのエアインターフェース構成の1つ以上の構成要素を担当する少なくとも1つのAI/MLモジュールをトレーニングするためのトレーニングシーケンスまたはトレーニングデータを含む、例示的な実施形態75から83のいずれかの装置。
例示的な実施形態85.トレーニング信号を送信することは、動的制御チャネルでトレーニング信号を送信することを含む、例示的な実施形態84に記載の装置。
例示的な実施形態86.動的制御チャネルが、トレーニングされるAI/MLモジュールを示す情報を含む動的制御情報(DCI)フィールドを含む、例示的な実施形態85の装置。
例示的な実施形態87.トレーニング信号を送信することは、スケジュールされたデータチャネルでトレーニング信号を送信することを含む、例示的な実施形態84に記載の装置。
例示的な実施形態88.プログラミングが、トレーニングされるAI/MLモジュールを示す情報を含むDCIフィールドを含む動的制御チャネル上でデータチャネルのスケジューリング情報を送信するための命令をさらに含む、例示的な実施形態87の装置。
例示的な実施形態89.プログラミングが、第1のデバイスからトレーニング応答メッセージを受信するための命令をさらに含み、トレーニング応答メッセージが、第1のデバイスにおける受信したトレーニング信号の処理に基づくフィードバック情報を含む、例示的な実施形態84から88のいずれかの装置。
例示的な実施形態90.トレーニング応答メッセージに含まれるフィードバック情報は、反復トレーニングプロセスのための更新されたトレーニングシーケンスを含む、例示的な実施形態89に記載の装置。
例示的な実施形態91.トレーニング応答メッセージに含まれるフィードバック情報が、受信したトレーニング信号に基づく測定結果を含む、例示的な実施形態89または90に記載の装置。
例示的な実施形態92.測定結果は、トレーニング信号を受信する際に第1のデバイスによって取得された誤差マージンを含む、例示的な実施形態91の装置。
例示的な実施形態93.プログラミングが、
第1のデバイスからのトレーニング応答メッセージで提供されたフィードバック情報に基づいて1つ以上のAI/MLモジュールをトレーニングするための命令
をさらに含む、例示的な実施形態89から92のいずれかの装置。
例示的な実施形態94.プログラミングが、
第1のデバイスにAI/ML更新情報を送信するための命令であって、AI/ML更新情報は、トレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、命令
をさらに含む、例示的な実施形態93に記載の装置。
例示的な実施形態95.プログラミングが、
第1のデバイスからAI/ML更新情報を受信するための命令であって、第1のデバイスからのAI/ML更新情報は、トレーニング信号に基づく第1のデバイスにおける1つ以上のAI/MLモジュールのトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、命令
をさらに含む、例示的な実施形態89から94のいずれかの装置。
例示的な実施形態96.プログラミングが、第1のデバイスに送信された更新されたAI/MLパラメータおよび第1のデバイスから受信された更新されたAI/MLパラメータに従って1つ以上のAI/MLモジュールを更新することによって、第1のデバイスに送信するための少なくとも1つのエアインターフェース構成を更新するための命令をさらに含む、例示的な実施形態95の装置。
例示的な実施形態97.プログラミングが、
トレーニングフェーズが終了したことを示すためにトレーニング終了信号を第1のデバイスへ送信するための命令
をさらに含む、例示的な実施形態75から96のいずれかに記載の装置。
例示的な実施形態98.第1のデバイスはユーザ機器であり、第2のデバイスはネットワークデバイスである、例示的な実施形態75から97のいずれかの装置。
例示的な実施形態99.第1のデバイスから、第1のデバイスと第2のデバイスとの間のエアインターフェースを介して第2のデバイスに第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を送信するよう構成される送信モジュールであって、第1のデバイスのAI/ML能力に関する情報は、第1のデバイスが少なくとも1つのエアインターフェース構成要素を、エアインターフェースを介して最適化するためAI/MLをサポートするかどうかを識別する、送信モジュール、を含む、装置。
例示的な実施形態100.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/MLの複雑さのタイプおよび/またはレベルをサポートすることができることを示す情報を含む、例示的な実施形態99の装置。
例示的な実施形態101.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスが少なくとも1つのエアインターフェース構成要素の最適化のためのAI/ML訓練プロセスを支援するかどうかを示す情報を含む、例示的な実施形態99または100の装置。
例示的な実施形態102.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成要素の少なくとも1つの構成要素を示す情報を含む、例示的な実施形態99から101のいずれかの装置。
例示的な実施形態103.少なくとも1つのエアインターフェース構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、例示的な実施形態102の装置。
例示的な実施形態104.第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成要素の少なくとも1つの構成要素を示す情報が、第1のデバイスが少なくとも1つのエアインターフェース構成要素の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、例示的な実施形態102または103の装置。
例示的な実施形態105.送信モジュールが、問い合わせの受信に応答して、または初期ネットワークアクセス手順の一部として、第1のデバイスのAI/ML能力に関する情報を送信するよう構成される、例示的な実施形態99から104のいずれかの装置。
例示的な実施形態106.第2のデバイスからAI/MLトレーニング要求を受信するように構成された受信モジュール、および
AI/MLトレーニング要求が受信された後にAI/MLトレーニングモードに遷移するように構成された処理モジュール
をさらに含む、例示的な実施形態99から105のいずれかの装置。
例示的な実施形態107.受信モジュールが、ダウンリンク制御チャネル上のダウンリンク制御情報(DCI)、またはRRCシグナリング、またはDCIとRRCシグナリングの組み合わせを通じてAI/MLトレーニング要求を受信するよう構成される、例示的な実施形態106に記載の装置。
例示的な実施形態108.送信モジュールが、第1のデバイスがAI/MLトレーニングモードに遷移したことを確認するために第2のデバイスにトレーニング要求応答を送信するよう構成される、例示的な実施形態106または107の装置。
例示的な実施形態109.受信モジュールが、少なくとも1つのエアインターフェース構成要素の1つ以上の構成要素を担当する少なくとも1つのAI/MLモジュールをトレーニングするためのトレーニングシーケンスまたはトレーニングデータを含むトレーニング信号を第2のデバイスから受信するよう構成される、例示的な実施形態99から108のいずれかの装置。
例示的な実施形態110.受信モジュールは、動的制御チャネルでトレーニング信号を受信するよう構成される、例示的な実施形態109に記載の装置。
例示的な実施形態111.動的制御チャネルが、トレーニングされるAI/MLモジュールを示す情報を含む動的制御情報(DCI)フィールドを含む、例示的な実施形態110の装置。
例示的な実施形態112.受信モジュールが、スケジュールされたデータチャネル上でトレーニング信号を受信し、
トレーニングされるAI/MLモジュールを示す情報を含むDCIフィールドを含む動的制御チャネル上でデータチャネルのスケジューリング情報を受信する
よう構成される、例示的な実施形態109の装置。
例示的な実施形態113.送信モジュールが、トレーニング信号を受信した後に第2のデバイスにトレーニング応答メッセージを送信するよう構成され、トレーニング応答メッセージは、第1のデバイスにおける受信したトレーニング信号の処理に基づくフィードバック情報を含む、例示的な実施形態109から112の装置。
例示的な実施形態114.トレーニング応答メッセージに含まれるフィードバック情報は、反復トレーニングプロセスのための更新されたトレーニングシーケンスを含む、例示的な実施形態113に記載の装置。
例示的な実施形態115.トレーニング応答メッセージに含まれるフィードバック情報が、受信したトレーニング信号に基づく測定結果を含む、例示的な実施形態113または114に記載の装置。
例示的な実施形態116.測定結果は、第2のデバイスからトレーニング信号を受信する際に第1のデバイスによって取得された誤差マージンを含む、例示的な実施形態115の装置。
例示的な実施形態117.受信モジュールが、
トレーニング応答メッセージを送信した後に、第2のデバイスからAI/ML更新情報を受信するように構成され、AI/ML更新情報が第1のデバイスによって提供されたフィードバック情報に基づくAI/MLモジュールの更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態113から116のいずれかの装置。
例示的な実施形態118.第2のデバイスから送信を受信するための少なくとも1つのエアインターフェース構成要素を更新するために、更新されたAI/MLパラメータに従ってAI/MLモジュールを更新するよう構成される処理モジュールをさらに含む、例示的な実施形態117の装置。
例示的な実施形態119.第2のデバイスから受信したトレーニング信号に基づいて第1のデバイスで1つ以上のAI/MLモジュールをトレーニングするよう構成される処理モジュールをさらに含み、処理モジュールは、
AI/ML更新情報を第2のデバイスに送信するように構成され、AI/ML更新情報は第1のデバイスによって実行されたトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態113から116のいずれかの装置。
例示的な実施形態120.受信モジュールが、第2のデバイスからAI/ML更新情報を受信するよう構成され、第2のデバイスからのAI/ML更新情報は、トレーニング応答メッセージで提供されたフィードバック情報に基づく第2のデバイスにおける1つ以上のAI/MLモジュールのトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態119の装置。
例示的な実施形態121.処理モジュールは、第1のデバイスによって実行されたトレーニングおよび第2のデバイスから受信された更新されたAI/MLパラメータに基づいて更新されたAI/MLパラメータに従って1つ以上のAI/MLモジュールを更新することによって、第2のデバイスから送信を受信するための少なくとも1つのエアインターフェース構成要素を更新するよう構成される、例示的な実施形態120の装置。
例示的な実施形態122.受信モジュールは、第2のデバイスからトレーニング終了信号を受信するように構成されており、処理モジュールは、トレーニング終了信号が受信された後に第1のデバイスをトレーニングモードから通常動作モードに遷移させるように構成されている、例示的な実施形態99から121のいずれかの装置。
例示的な実施形態123.第1のデバイスはユーザ機器であり、第2のデバイスはネットワークデバイスである、例示的な実施形態99から122のいずれかの装置。
例示的な実施形態124.第2のデバイスによって、第1のデバイスと第2のデバイスとの間のエアインターフェースを介して第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を受信するよう構成された受信モジュールであって、第1のデバイスのAI/ML能力に関する情報は、第1のデバイスがエアインターフェースを介して少なくとも1つのエアインターフェース構成要素を最適化するためAI/MLをサポートするかどうかを識別する、受信モジュール、および
第1のデバイスのAI/ML能力に関する情報に少なくとも部分的に基づいて、AI/MLトレーニング要求を第1のデバイスに送信するよう構成される送信モジュール
を含む、装置。
例示的な実施形態125.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/MLの複雑さのタイプおよび/またはレベルをサポートすることができることを示す情報を含む、例示的な実施形態124の装置。
例示的な実施形態126.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスが少なくとも1つのエアインターフェース構成要素の最適化のためのAI/ML訓練プロセスを支援するかどうかを示す情報を含む、例示的な実施形態124または125の装置。
例示的な実施形態127.第1のデバイスのAI/ML能力に関する情報が、第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成要素の少なくとも1つの構成要素を示す情報を含む、例示的な実施形態124から126のいずれかの装置。
例示的な実施形態128.少なくとも1つのエアインターフェース構成要素の少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、例示的な実施形態127の装置。
例示的な実施形態129.第1のデバイスがAI/ML最適化をサポートする少なくとも1つのエアインターフェース構成要素の少なくとも1つの構成要素を示す情報が、第1のデバイスが少なくとも1つのエアインターフェース構成要素の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、例示的な実施形態127または128の装置。
例示的な実施形態130.第1のデバイスのAI/ML能力に関する情報を受信することが、第1のデバイスのため初期ネットワークアクセス手順の一部として情報を受信することを含む、例示的な実施形態124から129のいずれかの装置。
例示的な実施形態131.AI/MLトレーニング要求を送信することが、ダウンリンク制御チャネル上のダウンリンク制御情報(DCI)、またはRRCシグナリング、またはDCIとRRCシグナリングの組み合わせを通じてAI/MLトレーニング要求を送信することを含む、例示的な実施形態124から130のいずれかの装置。
例示的な実施形態132.受信モジュールは、デバイスがAI/MLトレーニングモードに遷移したことを確認する、デバイスからのトレーニング要求応答を受信するように構成される、例示的な実施形態131の装置。
例示的な実施形態133.送信モジュールは、トレーニング信号を第1のデバイスに送信するように構成され、トレーニング信号は、少なくとも1つのエアインターフェース構成要素の1つ以上の構成要素を担当する少なくとも1つのAI/MLモジュールをトレーニングするためのトレーニングシーケンスまたはトレーニングデータを含む、例示的な実施形態124から132のいずれかの装置。
例示的な実施形態134.トレーニング信号を送信することは、動的制御チャネルでトレーニング信号を送信することを含む、例示的な実施形態133に記載の装置。
例示的な実施形態135.動的制御チャネルが、トレーニングされるAI/MLモジュールを示す情報を含む動的制御情報(DCI)フィールドを含む、例示的な実施形態134の装置。
例示的な実施形態136.トレーニング信号を送信することは、スケジュールされたデータチャネルでトレーニング信号を送信することを含む、例示的な実施形態133に記載の装置。
例示的な実施形態137.送信モジュールは、トレーニングされるAI/MLモジュールを示す情報を含むDCIフィールドを含む動的制御チャネルでデータチャネルのスケジューリング情報を送信するように構成される、例示的な実施形態136の装置。
例示的な実施形態138.受信モジュールは、第1のデバイスからトレーニング応答メッセージを受信するように構成され、トレーニング応答メッセージは、第1のデバイスで受信されたトレーニング信号の処理に基づくフィードバック情報を含む、例示的な実施形態133から137のいずれかの装置。
例示的な実施形態139.トレーニング応答メッセージに含まれるフィードバック情報は、反復トレーニングプロセスのための更新されたトレーニングシーケンスを含む、例示的な実施形態138に記載の装置。
例示的な実施形態140.トレーニング応答メッセージに含まれるフィードバック情報が、受信したトレーニング信号に基づく測定結果を含む、例示的な実施形態138または139載の装置。
例示的な実施形態141.測定結果は、トレーニング信号を受信する際に第1のデバイスによって取得された誤差マージンを含む、例示的な実施形態140の装置。
例示的な実施形態142.第1のデバイスからのトレーニング応答メッセージで提供されたフィードバック情報に基づいて、1つ以上のAI/MLモジュールをトレーニングするように構成された処理モジュールをさらに備える、例示的な実施形態138から141のいずれかの装置。
例示的な実施形態143.信モジュールは、
AI/ML更新情報を第1のデバイスに送信するように構成され、AI/ML更新情報は、トレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態142の装置。
例示的な実施形態144.受信モジュールは、
第1のデバイスからAI/ML更新情報を受信するように構成され、第1のデバイスからのAI/ML更新情報が、トレーニング信号に基づく第1のデバイスにおける1つ以上のAI/MLモジュールのトレーニングに基づく1つ以上のAI/MLモジュールのうちの少なくとも1つに対する更新されたAI/MLパラメータを示す情報を含む、例示的な実施形態133から143のいずれかの装置。
例示的な実施形態145.第1のデバイスに送信された更新されたAI/MLパラメータ、および第1のデバイスから受信された更新されたAI/MLパラメータに従って1つ以上のAI/MLモジュールを更新することによって、第1のデバイスに送信するための少なくとも1つのエアインターフェース構成要素を更新するように構成された処理モジュールをさらに備える、例示的な実施形態144の装置。
例示的な実施形態146.送信モジュールは、トレーニングフェーズが終了したことを示すために、トレーニング終了信号を第1のデバイスに送信するように構成される、例示的な実施形態124から145のいずれかの装置。
例示的な実施形態147.第1のデバイスはユーザ機器であり、第2のデバイスはネットワークデバイスである、例示的な実施形態124から146のいずれかの装置。
130 コアネットワーク
150 インターネット
160 ネットワーク
170 基地局
190 エアインターフェース
200 処理ユニット
202 トランシーバ
204 アンテナ
206 出力デバイス
208 メモリ
250 処理ユニット
252 送信機
253 スケジューラ
254 受信機
256 アンテナ
258 メモリ
266 出力デバイス/インターフェース
300 エアインターフェース
305 波形構築ブロック
310 フレーム構造構築ブロック
315 多元接続方式構築ブロック
320 プロトコル構築ブロック
325 変調構築ブロック
330 アンテナアレイ処理構築ブロック
400 送信チェーン
402 ソース符号化器
404 チャネル符号化器
406 変調器
450 受信チェーン
452 復調器
454 チャネル復号器
456 ソース復号器
500 送信チェーン
501 ソース符号化器
502 MLモジュール
504 チャネル符号化器構成要素/符号化構成要素/ML構成要素
506 変調構成要素/ML構成要素/変調器構成要素
508 波形発生器/波形発生器構成要素
550 受信チェーン
552 MLモジュール
554 チャネル復号器構成要素
555 ソース復号器
600 送信チェーン
601 ソース符号化器
602 MLモジュール
604 ML構成要素/変調構成要素
605 波形発生器
650 受信チェーン
651 波形プロセッサ
652 MLモジュール
654 チャネル復号器構成要素
655 ソース復号器
700 送信チェーン
701 ソース符号化器
702 MLモジュール
703 チャネル符号化器
704 変調構成要素
706 波形発生器構成要素
750 受信チェーン
752 MLモジュール
754 復調器構成要素
755 チャネル復号器
756 波形プロセッサ構成要素
757 ソース復号器
800 送信チェーン
801 ソース符号化器
802 MLモジュール
803 チャネル符号化器
804 変調構成要素
805 波形発生器
850 受信チェーン
851 波形プロセッサ
852 MLモジュール
854 復調器構成要素
855 チャネル復号器
857 ソース復号器
900 送信チェーン
901 ソース符号化器
902 MLモジュール
903 チャネル符号化器
904 波形発生構成要素
905 QAMマッピング構成要素
950 受信チェーン
952 MLモジュール
953 QAMデマッピング構成要素
954 波形処理構成要素
955 チャネル復号器
957 ソース復号器
1050 トレーニングフェーズ
1060 通常動作フェーズ
1150 MLトレーニングフェーズ
1150 トレーニングフェーズ
1160 通常動作フェーズ
1260 通常動作フェーズ
1350 ML再トレーニングフェーズ
1360 通常動作フェーズ
190a エアインターフェース
190b サイドリンクエアインターフェース
Claims (15)
- 無線通信ネットワークにおける方法であって、
第1のデバイスによって、前記第1のデバイスと第2のデバイスとの間の単一のエアインターフェースを介して前記第2のデバイスに前記第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を送信するステップであって、前記第1のデバイスのAI/ML能力に関する前記情報は、前記第1のデバイスが前記単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成を最適化するためのAI/MLをサポートするかどうかを識別する、ステップと、
前記第2のデバイスによって、前記情報に基づいて前記第1のデバイスにAI/MLトレーニング要求を送信するステップと、
前記第2のデバイスによって、前記AI/MLトレーニング要求を送信した後に、前記第1のデバイスにトレーニング信号を送信するステップと、
前記第1のデバイスによって、前記トレーニング信号の処理に基づくフィードバック情報を含むトレーニング応答を前記第2のデバイスに送信するステップと、
前記トレーニング応答に基づいて少なくとも前記第2のデバイスでAI/MLトレーニングを実行するステップと
を含む、方法。 - 前記第1のデバイスのAI/ML能力に関する前記情報が、前記第1のデバイスがどのタイプまたはレベルの複雑さのAI/MLをサポートすることができるかを示す情報を含む、請求項1に記載の方法。
- 前記第1のデバイスのAI/ML能力に関する前記情報が、前記第1のデバイスが前記少なくとも1つのエアインターフェース構成の最適化のためのAI/MLトレーニングプロセスを支援するかどうかを示す情報を含む、請求項1または2に記載の方法。
- 前記第1のデバイスのAI/ML能力に関する前記情報が、前記第1のデバイスがAI/ML最適化をサポートする前記少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報を含む、請求項1から3のいずれか一項に記載の方法。
- 前記少なくとも1つのエアインターフェース構成の前記少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、請求項4に記載の方法。
- 前記第1のデバイスがAI/ML最適化をサポートする前記少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す前記情報が、前記第1のデバイスが前記少なくとも1つのエアインターフェース構成の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、請求項4または5に記載の方法。
- 前記第1のデバイスのAI/ML能力に関する前記情報を送信するステップが、
問い合わせを受信したことに応答して前記情報を送信するステップ、および
初期ネットワークアクセス手順の一部として前記情報を送信するステップ
の少なくとも一方を含む、請求項1から6のいずれか一項に記載の方法。 - 前記第1のデバイスが前記AI/MLトレーニング要求を受信した後、AI/MLトレーニングモードに遷移するステップ、をさらに含む、請求項1から7のいずれか一項に記載の方法。
- 装置であって、
無線インターフェースと、
前記無線インターフェースに動作可能に結合されたプロセッサと、
前記プロセッサに動作可能に結合されたコンピュータ可読記憶媒体と、を備え、前記コンピュータ可読記憶媒体が、前記プロセッサによる実行のためのプログラミングを記憶し、前記プログラミングが、
前記無線インターフェースを介して、前記装置とネットワークデバイスとの間の単一のエアインターフェースを介して前記装置の人工知能または機械学習(AI/ML)能力に関する情報を前記ネットワークデバイスに送信し、ここで前記装置のAI/ML能力に関する前記情報は、前記装置が前記単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成の最適化のためのAI/MLをサポートするかどうかを識別し、
前記ネットワークデバイスから、前記情報に基づいたAI/MLトレーニング要求を受信し、
前記ネットワークデバイスから、前記AI/MLトレーニング要求を受信した後に、トレーニング信号を受信し、
前記トレーニング信号の処理に基づくフィードバック情報を含むトレーニング応答を前記ネットワークデバイスに送信し、前記トレーニング応答に基づいて少なくとも前記ネットワークデバイスでAI/MLトレーニングを実行させる、命令
を含む、装置。 - 前記装置のAI/ML能力に関する前記情報が、前記装置がどのタイプまたはレベルの複雑さのAI/MLをサポートすることができるかを示す情報を含む、請求項9に記載の装置。
- 前記装置のAI/ML能力に関する前記情報が、前記装置が前記少なくとも1つのエアインターフェース構成の最適化のためのAI/MLトレーニングプロセスを支援するかどうかを示す情報を含む、請求項9または10に記載の装置。
- 前記装置のAI/ML能力に関する前記情報が、前記装置がAI/ML最適化をサポートする前記少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す情報を含む、請求項9から11のいずれか一項に記載の装置。
- 前記少なくとも1つのエアインターフェース構成の前記少なくとも1つの構成要素が、コーディング構成要素、変調構成要素、および波形構成要素のうちの少なくとも1つを含む、請求項12に記載の装置。
- 前記装置がAI/ML最適化をサポートする前記少なくとも1つのエアインターフェース構成の少なくとも1つの構成要素を示す前記情報が、前記装置が前記少なくとも1つのエアインターフェース構成の2つ以上の構成要素の共同最適化をサポートするかどうかを示す情報をさらに含む、請求項12または13に記載の装置。
- ネットワークデバイスであって、
無線インターフェースと、
前記無線インターフェースに動作可能に結合されたプロセッサと、
前記プロセッサに動作可能に結合されたコンピュータ可読記憶媒体と、を備え、前記コンピュータ可読記憶媒体が、前記プロセッサによる実行のためのプログラミングを記憶し、前記プログラミングが、
前記無線インターフェースを介して、第1のデバイスと前記ネットワークデバイスとの間の単一のエアインターフェースを介して前記第1のデバイスの人工知能または機械学習(AI/ML)能力に関する情報を前記第1のデバイスから受信し、ここで前記第1のデバイスのAI/ML能力に関する前記情報は、前記第1のデバイスが前記単一のエアインターフェースを介して少なくとも1つのエアインターフェース構成の最適化のためのAI/MLをサポートするかどうかを識別し、
前記第1のデバイスに、前記情報に基づいたAI/MLトレーニング要求を送信し、
前記第1のデバイスに、前記AI/MLトレーニング要求を送信した後に、トレーニング信号を送信し、
前記トレーニング信号の処理に基づくフィードバック情報を含むトレーニング応答を前記第1のデバイスから受信し、
前記トレーニング応答に基づいて少なくとも前記ネットワークデバイスでAI/MLトレーニングを実行する、命令
を含む、ネットワークデバイス。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962939284P | 2019-11-22 | 2019-11-22 | |
US62/939,284 | 2019-11-22 | ||
US16/854,329 US11431583B2 (en) | 2019-11-22 | 2020-04-21 | Personalized tailored air interface |
US16/854,329 | 2020-04-21 | ||
PCT/CN2020/088939 WO2021098159A1 (en) | 2019-11-22 | 2020-05-07 | Personalized tailored air interface |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023503111A JP2023503111A (ja) | 2023-01-26 |
JP7305892B2 true JP7305892B2 (ja) | 2023-07-10 |
Family
ID=75974660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022529686A Active JP7305892B2 (ja) | 2019-11-22 | 2020-05-07 | 個人向けに調整されたエアインターフェース |
Country Status (6)
Country | Link |
---|---|
US (3) | US11431583B2 (ja) |
EP (1) | EP4052496A4 (ja) |
JP (1) | JP7305892B2 (ja) |
CN (1) | CN114788319B (ja) |
BR (1) | BR112022009858A2 (ja) |
WO (1) | WO2021098159A1 (ja) |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11570030B2 (en) * | 2019-10-11 | 2023-01-31 | University Of South Carolina | Method for non-linear distortion immune end-to-end learning with autoencoder—OFDM |
US11595847B2 (en) * | 2019-12-19 | 2023-02-28 | Qualcomm Incorporated | Configuration of artificial intelligence (AI) modules and compression ratios for user-equipment (UE) feedback |
US11621768B2 (en) | 2019-12-24 | 2023-04-04 | Huawei Technologies Co., Ltd. | Terrestrial and non-terrestrial communication systems, apparatuses, and methods |
US11646838B2 (en) * | 2020-02-21 | 2023-05-09 | Qualcomm Incorporated | Broadcasting known data to train artificial neural networks |
KR20210117611A (ko) * | 2020-03-19 | 2021-09-29 | 엘지전자 주식회사 | Ai를 이용한 이동통신 방법 |
EP4154184A2 (en) * | 2020-05-22 | 2023-03-29 | Nokia Technologies Oy | Communication system |
US11663472B2 (en) * | 2020-06-29 | 2023-05-30 | Google Llc | Deep neural network processing for a user equipment-coordination set |
US12015507B2 (en) * | 2020-06-29 | 2024-06-18 | Nokia Technologies Oy | Training in communication systems |
CN114070676B (zh) * | 2020-08-05 | 2023-03-14 | 展讯半导体(南京)有限公司 | Ai网络模型支持能力上报、接收方法及装置、存储介质 |
US11502915B2 (en) * | 2020-09-11 | 2022-11-15 | Qualcomm Incorporated | Transmission of known data for cooperative training of artificial neural networks |
US11871250B2 (en) * | 2020-09-25 | 2024-01-09 | Qualcomm Incorporated | Machine learning component management in federated learning |
US20220124518A1 (en) * | 2020-10-15 | 2022-04-21 | Qualcomm Incorporated | Update resolution signaling in federated learning |
US20220190990A1 (en) * | 2020-12-16 | 2022-06-16 | Qualcomm Incorporated | Network-configured training procedure |
US11818806B2 (en) * | 2021-05-18 | 2023-11-14 | Qualcomm Incorporated | ML model training procedure |
US11844145B2 (en) * | 2021-06-09 | 2023-12-12 | Qualcomm Incorporated | User equipment signaling and capabilities to enable federated learning and switching between machine learning and non-machine learning related tasks |
US20220400373A1 (en) * | 2021-06-15 | 2022-12-15 | Qualcomm Incorporated | Machine learning model configuration in wireless networks |
US20230006913A1 (en) * | 2021-06-28 | 2023-01-05 | Samsung Electronics Co., Ltd. | Method and apparatus for channel environment classification |
US11658708B2 (en) * | 2021-07-02 | 2023-05-23 | Qualcomm Incorporated | Codebook embedding generation and processing |
WO2023015431A1 (en) * | 2021-08-10 | 2023-02-16 | Qualcomm Incorporated | Dci-based indication to trigger the combined ml model |
CN117813789A (zh) * | 2021-08-16 | 2024-04-02 | 高通股份有限公司 | 用于指示机器学习(ml)模型组切换的物理下行链路控制信道(pdcch) |
EP4399807A1 (en) * | 2021-09-08 | 2024-07-17 | Telefonaktiebolaget LM Ericsson (publ) | First network node, second network node, wireless device and methods performed thereby for handling doppler shift pre-compensation |
US20230164817A1 (en) * | 2021-11-24 | 2023-05-25 | Lenovo (Singapore) Pte. Ltd. | Artificial Intelligence Capability Reporting for Wireless Communication |
WO2023115567A1 (en) * | 2021-12-24 | 2023-06-29 | Nec Corporation | Methods, devices, and computer readable medium for communication |
WO2023131568A1 (en) * | 2022-01-10 | 2023-07-13 | Nokia Technologies Oy | Method, apparatus and computer program |
CN116456355A (zh) * | 2022-01-10 | 2023-07-18 | 华为技术有限公司 | 一种通信方法、装置及计算机可读存储介质 |
US12004115B2 (en) * | 2022-01-18 | 2024-06-04 | Qualcomm Incorporated | User equipment (UE)-based sidelink-aware radio frequency fingerprinting (RFFP) positioning |
WO2023158363A1 (en) * | 2022-02-18 | 2023-08-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Evaluation of performance of an ae-encoder |
WO2023168717A1 (zh) * | 2022-03-11 | 2023-09-14 | 北京小米移动软件有限公司 | 一种模型训练部署方法/装置/设备及存储介质 |
WO2023173296A1 (en) * | 2022-03-15 | 2023-09-21 | Huawei Technologies Co.,Ltd. | Apparatus and methods for machine learning with low training delay and communication overhead |
CN116827481A (zh) * | 2022-03-21 | 2023-09-29 | 维沃移动通信有限公司 | 信道特征信息上报及恢复方法、终端和网络侧设备 |
US20230308349A1 (en) * | 2022-03-23 | 2023-09-28 | Samsung Electronics Co., Ltd. | Method and apparatus for reference symbol pattern adaptation |
JP2023157267A (ja) * | 2022-04-14 | 2023-10-26 | ソニーグループ株式会社 | 送信装置、受信装置、送信方法および受信方法 |
WO2023206437A1 (zh) * | 2022-04-29 | 2023-11-02 | 富士通株式会社 | 信息传输方法与装置 |
WO2023236124A1 (zh) * | 2022-06-08 | 2023-12-14 | 北京小米移动软件有限公司 | 一种人工智能ai模型训练方法/装置/设备及存储介质 |
CN115349279A (zh) * | 2022-06-23 | 2022-11-15 | 北京小米移动软件有限公司 | Ai模型确定方法、装置、通信设备及存储介质 |
GB202209921D0 (en) * | 2022-07-06 | 2022-08-17 | Samsung Electronics Co Ltd | Artificial intelligence and machine learning capability indication |
WO2024019092A1 (ja) * | 2022-07-20 | 2024-01-25 | 京セラ株式会社 | 通信方法 |
GB2624844A (en) * | 2022-08-10 | 2024-06-05 | Samsung Electronics Co Ltd | UE measurement capability indication for AI/ML dataset construction |
US20240064574A1 (en) * | 2022-08-22 | 2024-02-22 | Qualcomm Incorporated | Machine learning component management |
EP4346262A1 (en) * | 2022-09-27 | 2024-04-03 | INTEL Corporation | Methods and devices to detect an imbalance associated with an artificial intelligence/machine learning model |
CN117793767A (zh) * | 2022-09-29 | 2024-03-29 | 华为技术有限公司 | Ai模型训练中用于获取训练数据的方法以及通信装置 |
KR20240063478A (ko) * | 2022-11-03 | 2024-05-10 | 삼성전자주식회사 | 무선 통신 시스템에서 ai 모델에 기반하여 csi를 보고하기 위한 방법 및 장치 |
CN118303006A (zh) * | 2022-11-04 | 2024-07-05 | 北京小米移动软件有限公司 | 信息处理方法及装置、通信设备及存储介质 |
WO2024108366A1 (en) * | 2022-11-22 | 2024-05-30 | Qualcomm Incorporated | Model tuning for cross node machine learning |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170208455A1 (en) | 2016-01-19 | 2017-07-20 | Huawei Technologies Co., Ltd. | System and method of air interface capability exchange |
US20190273543A1 (en) | 2016-11-04 | 2019-09-05 | Vivo Mobile Communication Co., Ltd. | Method for reporting terminal information, method for acquiring terminal information, terminal and base station |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10616827B2 (en) * | 2012-07-10 | 2020-04-07 | Huawei Technologies Co., Ltd. | System and method for dynamically configurable air interfaces |
US9883524B2 (en) * | 2015-11-04 | 2018-01-30 | Huawei Technologies Co., Ltd. | Systems and methods for configuring air interfaces with low overhead |
CN107155199B (zh) * | 2016-03-04 | 2023-09-26 | 华为技术有限公司 | 一种空口技术的配置方法、装置及无线通信系统 |
CN107294586A (zh) * | 2016-04-05 | 2017-10-24 | 中兴通讯股份有限公司 | 一种波束训练阶段自动增益控制的方法及装置 |
CN107733505B (zh) * | 2016-08-12 | 2020-02-28 | 电信科学技术研究院 | 一种波束赋形训练方法、终端和基站 |
US10748062B2 (en) * | 2016-12-15 | 2020-08-18 | WaveOne Inc. | Deep learning based adaptive arithmetic coding and codelength regularization |
US10314051B1 (en) | 2017-06-06 | 2019-06-04 | Sprint Spectrum L.P. | Control of UE voice call communication mode based on air interface load in view of TDD frame configuration |
CN109391935B (zh) | 2017-08-11 | 2021-01-08 | 维沃移动通信有限公司 | 一种带宽部分的配置方法、网络设备及终端 |
US20190273524A1 (en) * | 2018-03-05 | 2019-09-05 | Maxlinear, Inc. | Methods and systems for utilizing ultra-efficiency low noise configurations for phased array antennas |
CN109194378B (zh) * | 2018-08-06 | 2021-07-13 | 重庆邮电大学 | 基于线性神经网络的物理层安全波束赋形方法 |
US11477060B2 (en) * | 2019-04-16 | 2022-10-18 | Motorola Solutions, Inc. | Systems and methods for modulation classification of baseband signals using attention-based learned filters |
CN111954206B (zh) * | 2019-05-17 | 2024-04-09 | 株式会社Ntt都科摩 | 终端和基站 |
KR102280692B1 (ko) * | 2019-08-12 | 2021-07-22 | 엘지전자 주식회사 | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 |
WO2021063500A1 (en) * | 2019-10-02 | 2021-04-08 | Nokia Technologies Oy | Providing producer node machine learning based assistance |
CN112714486A (zh) * | 2019-10-25 | 2021-04-27 | 北京三星通信技术研究有限公司 | Pdcch的检测方法、drx配置方法、终端、基站 |
US11582322B2 (en) * | 2019-10-31 | 2023-02-14 | Avago Technologies International Sales Pte. Limited | Machine-learning application proxy for IoT devices including large-scale data collection using dynamic servlets with access control |
US11822913B2 (en) * | 2019-12-20 | 2023-11-21 | UiPath, Inc. | Dynamic artificial intelligence / machine learning model update, or retrain and update, in digital processes at runtime |
US20210390434A1 (en) * | 2020-06-12 | 2021-12-16 | Qualcomm Incorporated | Machine learning error reporting |
US20200396531A1 (en) * | 2020-08-28 | 2020-12-17 | Abhivarman Paranirupasingam | System and method based in artificial intelligence to detect user interface control command of true wireless sound earbuds system on chip,and thereof |
US11558090B2 (en) * | 2020-10-20 | 2023-01-17 | Dell Products, Lp | Systems and methods to utilize contextual awareness and machine learning to optimize antenna selection |
US20220400373A1 (en) * | 2021-06-15 | 2022-12-15 | Qualcomm Incorporated | Machine learning model configuration in wireless networks |
US11800398B2 (en) * | 2021-10-27 | 2023-10-24 | T-Mobile Usa, Inc. | Predicting an attribute of an immature wireless telecommunication network, such as a 5G network |
US20230164817A1 (en) * | 2021-11-24 | 2023-05-25 | Lenovo (Singapore) Pte. Ltd. | Artificial Intelligence Capability Reporting for Wireless Communication |
US20230188233A1 (en) * | 2021-12-14 | 2023-06-15 | Intel Corporation | System energy efficiency in a wireless network |
US20230252353A1 (en) * | 2022-02-08 | 2023-08-10 | Samsung Electronics Co., Ltd. | On-device training method to train an artificial intelligent model and a system therefor |
-
2020
- 2020-04-21 US US16/854,329 patent/US11431583B2/en active Active
- 2020-05-07 CN CN202080081324.6A patent/CN114788319B/zh active Active
- 2020-05-07 JP JP2022529686A patent/JP7305892B2/ja active Active
- 2020-05-07 BR BR112022009858A patent/BR112022009858A2/pt unknown
- 2020-05-07 EP EP20889173.9A patent/EP4052496A4/en active Pending
- 2020-05-07 WO PCT/CN2020/088939 patent/WO2021098159A1/en unknown
-
2022
- 2022-07-19 US US17/867,730 patent/US11863400B2/en active Active
-
2023
- 2023-11-10 US US18/506,618 patent/US20240080247A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170208455A1 (en) | 2016-01-19 | 2017-07-20 | Huawei Technologies Co., Ltd. | System and method of air interface capability exchange |
US20190273543A1 (en) | 2016-11-04 | 2019-09-05 | Vivo Mobile Communication Co., Ltd. | Method for reporting terminal information, method for acquiring terminal information, terminal and base station |
Also Published As
Publication number | Publication date |
---|---|
CN114788319A (zh) | 2022-07-22 |
US20210160149A1 (en) | 2021-05-27 |
US20240080247A1 (en) | 2024-03-07 |
US11863400B2 (en) | 2024-01-02 |
WO2021098159A1 (en) | 2021-05-27 |
US20220353155A1 (en) | 2022-11-03 |
US11431583B2 (en) | 2022-08-30 |
BR112022009858A2 (pt) | 2022-08-02 |
EP4052496A1 (en) | 2022-09-07 |
EP4052496A4 (en) | 2023-01-04 |
JP2023503111A (ja) | 2023-01-26 |
CN114788319B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7305892B2 (ja) | 個人向けに調整されたエアインターフェース | |
EP3494661B1 (en) | Method and apparatus for reference signal signaling for advanced wireless communications | |
KR102033020B1 (ko) | 무선 통신 시스템에서 업링크 제어 신호를 위한 시스템 및 방법 | |
US11115160B2 (en) | Non-orthogonal multiple access | |
KR102622222B1 (ko) | 셀룰라 통신 시스템에서 상향링크 전송 방법 및 장치 | |
AU2017374543A1 (en) | CRC bits for joint decoding and verification of control information using polar codes | |
JP2022518719A (ja) | 無線通信システムにおける分割csi報告を可能にする方法及びその装置 | |
WO2012118347A2 (ko) | 무선 통신 시스템에서 제어 정보의 전송 방법 및 장치 | |
KR102436334B1 (ko) | 변화하는 채널 조건하에서 무선 전송을 위한 기술 | |
EP3298744B1 (en) | Enhancing data transfer | |
WO2022155873A1 (en) | Multi-level time-domain scalable uplink channel resources | |
WO2022271634A1 (en) | Methods, procedures, appartuses and systems for data-driven wireless transmit/receive unit specific symbol modulation | |
US20230379112A1 (en) | Methods and apparatus for using short reference symbols with a frequency domain offset | |
WO2024092744A1 (en) | System and method for multiple access based on power profiles | |
US20240073079A1 (en) | Methods and apparatus for using a phase tracking reference signal with a single carrier waveform | |
US20230388845A1 (en) | Reporting power efficiency for communications | |
WO2022104587A1 (en) | Constellation shaping configuration and feedback | |
CN110769450B (zh) | 一种被用于无线通信的用户设备、基站中的方法和装置 | |
CN117413496A (zh) | 支持人工智能的链路自适应 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220630 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230519 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230612 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230628 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7305892 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |