6G无液体天线网络：超越波束赋形的AI原生控制范式
网络与互联网体系结构
2026-03-24 v1
摘要
流体天线系统（FAS）通过使天线位置能够适应变化无线条件而引入新的自由度，为无线网络带来革命性变革。虽然既有研究主要强调物理层收益，但其对网络运营的更广泛影响仍基本未被探讨。一旦天线成为可重构实体，天线定位自然成为网络控制问题的一部分，而非独立的优化任务。本文从AI原生视角出发，探讨面向未来6G系统的流体天线网络。我们不把天线重定位视为孤立操作，而是考虑一个闭环控制架构，在该架构中，天线适应与常规无线资源管理（RRM）功能共同管理。该框架将实时网络观测转化为针对用户移动性、流量需求和演变干扰条件的协调性天线和资源配置决策。为解决多小区环境的复杂性，我们探索了一种多主体强化学习（MARL）方法，使基站之间能够实现分布式和自适应控制。示例结果表明，智能天线适应持续带来性能提升，尤其在细胞边缘，同时也减少了细胞间干扰。这些发现表明，流体天线系统的真正潜力不仅在于可重构硬件，更在于能够有效利用这一额外空间自由度的智能网络控制架构。
引用
@article{arxiv.2603.20484,
title = {Fluid Antenna Networks Beyond Beamforming: An AI-Native Control Paradigm for 6G},
author = {Ian F. Akyildiz and Tuğçe Bilen},
journal= {arXiv preprint arXiv:2603.20484},
year = {2026}
}