Sim2Field：面向6G的AI RAN端到端开发
网络与互联网体系结构
2025-10-02 v2
摘要
跟随最新研究结果，显示应用AI/ML技术在细胞无线接入网（RAN）中可实现显著性能提升，无线行业现正广泛推动在5G及未来6G技术中采用AI。尽管存在这种热情，AI无线系统仍大多未在实际场景中进行测试。常用的AI模型训练数据集生成方法存在“现实差距”，导致这些仿真训练模型的性能可能无法在实际细胞系统中实现。此外，开发高性能原型实现的成本和复杂度为评估AI无线系统在实际场景中应用提出了主要障碍。本工作引入一种方法论，旨在解决将AI带入真实网络的挑战。我们讨论了如何利用详细的数字孪生仿真训练面向特定站点的AI物理（PHY）层函数。我们进一步提出了强大的AI-RAN研究测试平台，展示了如何实现快速原型设计、现场测试和数据收集。最后，我们在商业UE上对AI信道估计算法进行了端到端的实际测试，展示了通过在物理层集成AI可实现最高40%的实际吞吐量提升。
引用
@article{arxiv.2509.23528,
title = {Sim2Field: End-to-End Development of AI RANs for 6G},
author = {Russell Ford and Hao Chen and Pranav Madadi and Mandar Kulkarni and Xiaochuan Ma and Daoud Burghal and Guanbo Chen and Yeqing Hu and Chance Tarver and Panagiotis Skrimponis and Vitali Loseu and Yu Zhang and Yan Xin and Yang Li and Jianzhong Zhang and Shubham Khunteta and Yeswanth Guddeti Reddy and Ashok Kumar Reddy Chavva and Mahantesh Kothiwale and Davide Villa},
journal= {arXiv preprint arXiv:2509.23528},
year = {2025}
}