UAV辅助6G网络中质量感知的个性化AI服务提供
网络与互联网体系结构
2026-07-07 v1
摘要
在第六代（6G）人工智能（AI）服务中，应共同解决两个质量维度：传统质量（例如，延迟）和AI服务质量（QoAIS；输出保真度、连续性、个性化）。现有方法强调传统质量，而忽略了QoAIS，特别是在动态空地环境中的个性化输出。本文介绍了HyPE，一个混合预测上下文学习框架，用于UAV辅助6G网络中整体质量感知的个性化AI服务提供。HyPE集成了：（i）移动性感知预测，用于预测时空请求分布，（ii）利用基于大语言模型（LLM）推理的学习增强决策，以优化UAV轨迹和推理分配，以及（iii）使用启发式算法的预处理/后处理服务放置和路由。我们为联合轨迹规划、服务放置和路由制定了一个优化问题，并将HyPE作为难以处理的最优解的可扩展替代方案。使用经验移动轨迹和异构AI工作负载的模拟显示，与优化和最先进的基线相比，实现了接近最优的覆盖、降低的端到端延迟、持续的QoAIS驱动和基于连续性的服务个性化。结果突显了预测性学习增强提供在6G中弹性、以用户为中心的AI的前景。
引用
@article{arxiv.2607.06278,
title = {Quality-Aware Personalized AI Service Provisioning in UAV-Assisted 6G Networks},
author = {Mohammad Farhoudi and Masoud Shokrnezhad and Tarik Taleb},
journal= {arXiv preprint arXiv:2607.06278},
year = {2026}
}