6G网络AI关键指标需求

6G网络AI关键指标需求 前言 1.背景及目标 6G网络的发展带来了不断丰富的用户场景，如沉浸式XR、自动驾驶和智能协同控制等，网络AI应运而生。网络AI通过AI算法优化网络资源配置，提高网络性能和可靠性，为用户提供就近泛在的AI服务，具有泛在普惠、移动性支持、带有用户属性、极致性能、内生安全隐私、可信等技术优势。 现有的5G网络服务等级协议（SLA）聚焦于面向会话连接的服务，例如时延、抖动、误码率、峰值速率等，关注ToB业务的SLA，缺乏对6G网络AI的刻画与衡量。此外，云AI属于外挂式AI，提供基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）三类服务模式，对应不同的服务指标体系，不能相互兼容。云AI重点关注ToC业务的指标，也不再符合6G网络AI赋能千行百业的愿景。6G网络引入多样化AI能力与多维度AI资源，如何先扩展后收敛、量化、标准化AI相关的指标是6G网络提供高效AI服务的必要条件。 2.关键指标设计原则和方法 网络AI的KPI设计原则如下： 定量性：KPI尽可能是可以度量的，具体而清晰，能够通过数据来验证。并且KPI应该具有明确的指标和测量方法，以便能够收集和分析相关数据，并对其进行评估。 业务相关性：KPI应该与AI业务目标密切相关，并直接反映出AI服务对业务的影响。这有助于确保AI服务的价值与业务目标保持一致。 可操作性：KPI应该能够为网络决策、执行、评估、保障提供指导，帮助网络检测识别问题并采取相应的措施。因此，KPI应该符合实际可操作测量和可改进优化的指标，而不仅仅是简单地度量性能。 灵活性：面临业务和技术不断更新的变化，KPI可能存在频繁调整的问题。因此，KPI的设计应该具有一定的灵活性和适应性，以应对不断变化的需求和挑战。 可定位性：KPI的变化应该能够追溯到特定的原因或事件，以便在需要时进行调查和分析。这需要建立有效的数据收集和记录机制，以便跟踪KPI的变化。 基于上述关键指标的设计原则，潜在设计方法和路线如下： 1.6G网络AI关键指标的潜在设计从典型场景的典型用例的出发，明确其需求和目的。 2.明确不同6G网络指标的面向对象，包括面向单个用户的服务质量、面多个用户的服务质量、面向网络或系统的评估。 3.通过分析现有ITU明确提出的6G的15个可量化的能力指标（连接数密度、移动性、时延、可靠性、定位精度、峰值速率、用户体验速率、频谱效率、区域流量密度、感知相关指标、AI相关指标、安全隐私韧性性能指标、可持续性性能指标、覆盖、互操 作）与典型场景的典型用例的关系，从15个指标中先筛选出符合AI服务需求和目的的指标形成合集，并且分析每个指标能满足服务质量的定量描述，包括准确数值或者一定范围的数值。 4.针对典型用例逐个分析，筛选出除15指标以外新的指标。新的指标可以针在不同颗粒 度上的、不同维度的指标，例如针对在空口上、在整个AI服务质量上等，并研究起定义、评估方法等。 3.典型场景及新KPI 3.1场景一——网络辅助智能机器人 3.1.1场景说明及典型用例 机器人在工业、物流、医疗、教育等领域中有广泛应用，它们可以互相协作完成复杂任务，如搬运货物、制造商品等。协作机器人之间的任务规划对它们完成任务的效率和质量有重要影响。如果机器人各自决策并通过彼此协商来进行任务规划，当参与任务的机器人数量较多时，通常需要经过多轮协商，这将会非常消耗机器人的计算资源和电量。因此，6G网络可以为多个协作机器人规划任务，各机器人根据分配的任务进行运动控制以执行任务，这样可以节约机器人的电力和计算资源，并提升任务规划效率[1]。 图3.1.工厂示意图。 如图3.1所示，厂房内的机器人A，B，C，D，E，F需要协作将设备P1和P2搬到位置L。在这个用例中，我们假设机器人与6G网络相连，机器人之间可以直接通信。其业务流程如下： 1.机器人管理员给多个协作机器人部署设备搬运任务，为了更高效地得出任务执行策略，机器人向网络发起任务分配和移动路线规划请求，提供任务需求（将设备P1、P2搬到位置L）、参与任务的多个机器人标识、每个机器人的能力信息。 2.网络定位参与任务的机器人以及需要搬运的设备位置。 3.网络感知设备P1和P2的形状和材质。 4.网络收集工厂厂房的环境信息，进行3D环境建模，识别障碍物。 5.网络决策每个机器人要执行的任务以及移动轨迹。 6.网络将任务分配信息和移动轨迹发送给机器人。 7.机器人根据部署的任务信息进行运动控制推理，并执行任务。 ●系统要求 在网络辅助智能机器人场景中，对系统具有下列要求： 1.机器人与6G边缘计算节点建立连接，机器人与机器人之间可以D2D通信； 2.机器人具有感知能力、AI数据预处理能力、AI模型训练能力、AI分布式推理能力； 3.各机器人利用本地数据分布式训练AI模型，周期性将本地模型参数上传到边缘计算节点，完成模型聚合，构成联邦学习； ●实体和交互 ●新增使能服务 基于上述对AI任务和网络辅助智能机器人场景的描述，网络的使能服务包括： √6G边缘计算节点的AI环境渲染服务； 3.1.2场景价值分析 （1）价值潜力 在经济价值方面，GGII预测显示，到2027年，中国的移动机器人市场规模将超过460亿元。根据GGII的统计数据，截至2022年，全球移动机器人市场的规模约为291.6亿元，同比增长35.31%，预计到2027年将达到1800亿元以 上。此外，艾瑞咨询也预测，到2025年，中国的智能机器人市场规模将接近千亿。 图3.2开源证券预测2018-2027年全球与国内AGV市场规模 图3.3艾瑞咨询2019-2025年中国智能机器人市场规模及预测 在产业价值方面，随着AMR技术的不断成熟和市场需求不断提升，AMR机器人的应用场景也越来越多样化。除了传统的制造、物流领域，AMR机器人也开始进入医疗、农业、餐饮、零售等领域，进一步拓展了应用范围。高德纳预测在2027年，超过75%的公司将在其仓储运营中采用某种形式的智能物理自动化，供应链对移动机器人的采用将远远超过对无人机的采用。 在战略意义方面，2021年12月，中国政府联合15家机关部门发布了《“十四五”机器人产业发展规划》，明确了机器人产业规划的重大意义并提出了机器人产业规划的目标，将中国机器人产业再一次推向新的高度。 （2）可行性 在生态成熟度方面，英特尔数据显示，移动机器人在工业、农业、医疗、物流、零售、酒店和智能城市等多个领域得到广泛应用。机器人的种类多样，包括AMRs、AGVs、人形机器人、协作机器人等，以应对不同任务和工作环境。通过整合不同类型的机器人，创造了更为复杂的混合解决方案，拓展了机器人在各行业的适用范围。 在技术成熟度方面，随着处理能力和人工智能功能的提升，机器人在感知、规划和执行任务方面取得了显著进展。机器人通过先进的技术组件，如传感器、相机、处理器和FPGA，能够在实时环境中做出决策。视觉能力得到提高，而且机器人的运算能力和灵活性得到了增强。 在商业模式方面，移动机器人在不同领域取得成功，通过与制造商、系统集成商和最终客户的密切合作，创新性地应用于农业、工业、医疗、物流、零售和智能城市等行业。机器人制造商提供多样化的解决方案，如自主移动机器人 （AMRs）、自动引导车（AGVs）、人形机器人、协作机器人（Cobots）等，以满足不同行业的需求。 图3.4艾瑞咨询总结商业服务领域痛点需求与产品类型 在政策支持方面，“十二五”、“十三五”“十四五”中均有相关政策支持，明 确智能机器人产业顶层战略地位。 图3.5艾瑞咨询总结2012-2022年智能机器人行业相关政策（国家级） （3）技术优势性 在移动性方面，3GPP提出的TR22.874协议指出，移动机器人需要在不断变化的环境中工作，因此需要执行快速可靠的传感、规划和控制。在实时性方面，TR22.874协议要求：若机器人完全由云服务器控制，则行走任务往返时延需小于3ms；若采用分离控制，需小于25ms。而IMT20306G愿景白皮书提出，实现智能体对于人类的实时交互与反馈，传输时延要小于1ms，在隐私性方面，家庭机器人会涉及到更多的用户隐私保护需求。在端边协同方面，TR22.874协议指出，完整的云计算几乎无法满足某些类型移动机器人的毫秒级反馈控制循环的延迟要求，例如四足机器人，因此需要端边协同。艾瑞咨询数据显示，通过“端 -边-云”协同架构，缓解终端数据处理压力，增强机器人对环境变化的实时响应，并用数据反哺迭代智能技术。 3.1.3新KPI要求 基于上述价值场景和典型用例，可以归纳得出的新的网络如下AI关键指标：环境渲染准确性、D2D数据交互时延、模型聚合时延、模型聚合准确性、系统鲁棒性。 1.环境渲染准确性：利用已训练好的AI模型进行环境渲染，与真实物理环境之间的误 差； 2.D2D数据交互时延：机器人之间D2D数据交互的时长； 3.模型聚合时延：从机器人的局部模型参数上传给边缘计算节点，到完成模型聚合的 时长； 4.模型聚合准确性：聚合后的全局模型推理准确性； 系统鲁棒性：部分机器人的状态反馈或局部模型训练缺乏时，边缘计算节点的全局模型的可靠性。 3.2场景二——XR智能场景 3.2.1场景说明及典型用例 XR技术在工业应用、医疗领域、教育、军事训练、电子商务、游戏娱乐、旅游文化、远程协作等多个场景中广泛应用，其中这些场景下的增强沉浸式体验、实时语音翻译、图像和物体识别、只能导航和地图、实时内容生成、数据分析和预测等功能上与AI技术结合，为用户带来更加丰富和深入的体验。充分发挥6G网络能够提供更低时延、高移动性、隐私性保护、灵活的端边协同的优势，在XR场景中的典型AR智能导航用例中，6G网络在提高效率、增强用户体验方面发挥着重要作用。其中涉及到的AI功能如下： 1、地标识别：AR导航可以识别并高亮显示重要的地标，如建筑物、雕塑或其他显著特征，帮助用户更好地理解周围环境。 2、步行路线规划：通过分析用户的当前位置和目的地，AR导航可以提供最佳的步行路线，并在用户行走时实时更新路径。 3、紧急导航：在紧急情况下，如火灾或地震，AR导航可以提供快速疏散路径，指导用户安全撤离。 4、个性化导航：基于用户的历史行为和偏好，AR导航可以提供个性化的路线建议，例如推荐风景优美的路线或避开用户不喜欢的区域。 5、增强的旅游体验：在旅游领域，AR导航不仅可以指引方向，还可以提供关于景点的历史信息、图片和视频，增强用户的旅游体验。 假设用户AI在城市的旅游中使用AR导航，并实时显示周围城市信息： 其业务流程如下： 1、用户启动应用：游客在智能手机或AR眼镜上启动专门的文旅AR导航应用。这个应用可能是旅游景点提供的，也可能是第三方开发的，专门为文旅导航设计。 2、位置识别与环境感知：应用通过GPS、6G网络、wifi、蓝牙信标等技术确定用户的当前位置，并利用摄像头捕获周围环境的视觉信息。 3、地图加载与融合：应用加载景点的数字地图，与用户的实际视野相融合。地图上可能会标记出各种兴趣点（POI），如历史建筑、艺术雕塑、文化展览信息等。 4、目标选择：游客可以通过语音命令、触摸屏幕或头部移动等方式选择他们感兴趣的目的地或景点。 5、路径规划：应用根据用户的位置和偏好，利用AI算法计算出一条最佳路径。路径规划会考虑到景点的开放时间、游客流量、步行距离等因素。 6、AR导航指引生成：识别图像，生成AR导航指引，如虚拟箭头、路径线、3D模型等，并将这些元素叠加在用户的实际视野之上。 7、导航指引展示：AR指引在用户的设备屏幕上实时显示，引导游客沿着规划好的路径前进。指引可以根据用户的移动速度和方向动态调整。 8、互动体验增强：在导航过程中利用AI算法，识别环境、可以提供额外的互动体验，如生成历史故事讲解、文化背景介绍、趣味问答等，增加游客的参与感和沉浸感。 9、实时反馈与