重塑6G中的RAN自动化：基于分层在线决策Transformer的智能体AI框架
网络与互联网体系结构
2026-04-07 v1
摘要
本文提出了一种面向无线网络的智能体人工智能（AI）框架。该框架通过人类操作员的自然语言（NL）输入协调一组AI智能体。其核心是由分层在线决策Transformer（H-ODT）驱动的超级智能体。它协调三类智能体：(i) 跨切片与切片内资源分配智能体，(ii) 网络应用编排智能体，以及 (iii) 自愈智能体。编排过程借助一个智能体检索增强生成（RAG）模块完成，该模块整合来自异构来源的知识。在所提出的方法中，超级智能体直接与操作员交互，并生成顺序策略以激活相关智能体。该框架与三种最先进的基线方法进行了对比评估，结果表明在切片级别和系统级性能指标上均实现了吞吐量提升、网络延迟降低和能效提高。此外，所提出的智能体框架引入了一种双层级人类操作员意图验证方法，分别在切片级别和关键性能指标（KPI）级别利用基于生成式AI的时间序列预测器进行验证。我们以88.5%的准确率排除了性能劣化的操作员意图。最后，当被任何性能劣化事件中断时，框架中智能体AI的自愈能力可自动恢复90%的先前性能，避免在无人参与时出现服务质量漂移。
引用
@article{arxiv.2604.03908,
title = {Reimagining RAN Automation in 6G: An Agentic AI Framework with Hierarchical Online Decision Transformer},
author = {Md Arafat Habib and Medhat Elsayed and Majid Bavand and Pedro Enrique Iturria Rivera and Yigit Ozcan and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2604.03908},
year = {2026}
}
备注
Paper currently under review (IEEE TNSE). Contents of this work may change at any time without notice. This is the author's preliminary version