CN116939687A - 一种ai服务信息获取方法、装置及*** - Google Patents
一种ai服务信息获取方法、装置及*** Download PDFInfo
- Publication number
- CN116939687A CN116939687A CN202210349458.2A CN202210349458A CN116939687A CN 116939687 A CN116939687 A CN 116939687A CN 202210349458 A CN202210349458 A CN 202210349458A CN 116939687 A CN116939687 A CN 116939687A
- Authority
- CN
- China
- Prior art keywords
- information
- service
- node
- subscription
- identification information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 143
- 238000004891 communication Methods 0.000 claims abstract description 159
- 238000005259 measurement Methods 0.000 claims abstract description 133
- 238000003062 neural network model Methods 0.000 claims description 72
- 230000032683 aging Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 description 35
- 230000006870 function Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 14
- 230000003993 interaction Effects 0.000 description 13
- 230000004044 response Effects 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 9
- 210000004027 cell Anatomy 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- CSRZQMIRAZTJOY-UHFFFAOYSA-N trimethylsilyl iodide Substances C[Si](C)(C)I CSRZQMIRAZTJOY-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及通信技术领域,提供一种AI服务信息获取方法、装置及***,可以使网络中的终端设备和AI节点可以交互AI服务信息。该方法中,第一AI节点向终端设备发送测量配置信息;测量配置信息用于指示测量待测量AI节点的AI服务;第一AI节点接收来自终端设备的测量报告;测量报告包括候选AI服务信息;候选AI服务信息为根据测量配置信息对待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;第一条件携带在测量配置信息中。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种AI服务信息获取方法、装置及***。
背景技术
无线网络的智能化是一个重要的演进趋势。目前,第五代移动通信(5thgeneration mobile communication,5G)网络引入了人工智能(artificialintelligence,AI)能力,具备AI能力的网络中部署有AI节点,AI节点可以为终端设备提供AI服务,从而为用户带来更好的业务体验。
当网络中存在多个可选择的AI节点时,为了满足不同业务的需求,终端设备需要动态选择合适的AI节点,从而使选择的AI节点可以为终端设备提供满足需求的AI服务。目前,可以根据各个AI节点提供的AI服务的相关信息,即AI服务信息,选择合适的AI节点。因此,若要使网络中的终端设备可以动态选择AI节点,实现网络整体性能的优化,一种可行的方案是使网络中的终端设备和AI节点间可以交互AI服务信息,从而便于AI节点间的协同管理。但是,如何实现网络中的终端设备和AI节点可以交互AI服务信息,目前还没有解决方案。
发明内容
本申请实施例提供一种AI服务信息获取方法、装置及***,用于解决如何实现网络中的终端设备和AI节点间交互AI服务信息的问题。
为达到上述目的,本申请的实施例采用如下技术方案:
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,提供了一种AI服务信息获取方法,执行该方法的通信装置(主体)可以为第一AI节点对应的网络设备,也可以为第一AI节点对应的网络设备的部件,例如处理器、芯片、或芯片***。下面以执行主体为第一AI节点为例描述,该方法包括:第一AI节点向终端设备发送测量配置信息;测量配置信息用于指示测量待测量AI节点的AI服务;第一AI节点接收来自终端设备的测量报告;测量报告包括候选AI服务信息;候选AI服务信息为根据测量配置信息对待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;第一条件携带在测量配置信息中。基于本申请实施例的技术方案,AI节点可以通过与终端设备的交互,获取其他AI节点的满足一定条件的AI服务信息,便于AI网络中不同AI节点间的协同管理。
结合上述第一方面,在一种可能的设计中,候选AI服务信息包括AI服务标识信息和性能信息,AI服务标识信息用于标识候选AI服务信息对应的AI服务,性能信息用于表征候选AI服务信息对应的AI服务的性能,方法还包括:第一AI节点根据AI服务标识信息和性能信息,分别将候选AI服务信息对应的一个或多个AI服务中,每个AI服务对应的候选AI服务信息中的目标AI服务信息添加至本地AI服务列表中,其中,目标AI服务信息为每个AI服务对应的候选AI服务信息中,AI服务的性能最优的候选AI服务信息。基于本方案,可以将AI服务对应的一个或多个候选AI服务信息中,选择对应的性能最优的候选AI服务信息添加至本地AI服务列表中。
结合上述第一方面,在一种可能的设计中,方法还包括:第一AI节点将候选AI服务信息中的目标AI服务信息添加至本地AI服务列表中,其中,目标AI服务信息为候选AI服务信息中,与本地AI服务列表中记录的AI服务信息不同的候选AI服务信息。基于本方案,可以将与本地记录的AI服务信息不同的候选AI服务信息添加至本地AI服务列表中,保证本地AI服务列表中不会出现相同的候选AI服务信息。
结合上述第一方面,在一种可能的设计中,候选AI服务信息包括AI节点标识信息,AI节点标识信息用于标识候选AI服务信息对应的待测量AI节点,方法还包括:第一AI节点根据本地AI服务列表中的一个或多个AI服务信息包括的AI节点标识信息,确定与一个或多个AI服务信息对应的AI节点;第一AI节点获取一个或多个AI服务信息对应的AI节点的神经网络模型;神经网络模型用于实现AI服务。基于本方案,可以根据本地AI服务列表中记录的AI服务信息,从对应的AI节点处获取神经网络模型来实现AI服务。
结合上述第一方面,在一种可能的设计中,候选AI服务信息包括模型标识信息,模型标识信息用于标识候选AI服务信息对应的神经网络模型,第一AI节点获取一个或多个AI服务信息对应的AI节点的神经网络模型,包括:第一AI节点从一个或多个AI服务信息对应的AI节点上获取与一个或多个AI服务信息包括的模型标识信息对应的神经网络模型。基于本方案,提供了一种从AI节点处获取神经网络模型的方式。
结合上述第一方面,在一种可能的设计中,第一AI节点获取一个或多个AI服务信息对应的AI节点的神经网络模型,包括:第一AI节点从一个或多个AI服务信息对应的AI节点上获取预配置的神经网络模型。基于本方案,提供了一种从AI节点处获取神经网络模型的方式。
结合上述第一方面,在一种可能的设计中,测量配置信息包括待测量AI节点的标识信息和需要测量的AI服务的标识信息。
结合上述第一方面,在一种可能的设计中,候选AI服务信息包括以下至少一项信息:AI服务标识信息、AI节点标识信息、模型标识信息、模型参数信息、性能信息和时效信息;其中,AI服务标识信息用于标识候选AI服务信息对应的AI服务,AI节点标识信息用于标识候选AI服务信息对应的待测量AI节点,模型标识信息用于标识候选AI服务信息对应的神经网络模型,模型参数信息为候选AI服务信息对应的神经网络模型的参数信息,性能信息用于表征候选AI服务信息对应的AI服务的性能,时效信息用于表征候选AI服务信息的有效时间。
结合上述第一方面,在一种可能的设计中,第一AI节点接收来自终端设备的测量报告,包括:第一AI节点通过第二网络设备接收来自终端设备的测量报告,第二网络设备为与待测量AI节点中的第二AI节点对应的网络设备;其中,候选AI服务信息为与第二AI节点对应的候选AI服务信息。基于本方案,终端设备可以通过待测量AI节点,发送对应的测量报告给第一AI节点。
结合上述第一方面,在一种可能的设计中,测量报告还包括第一AI节点的标识信息;第一AI节点的标识信息用于第二网络设备将测量报告发送给第一AI节点。
第二方面,提供了一种AI服务信息方法,执行该方法的通信装置(主体)可以为终端设备,也可以为终端设备的部件,例如终端设备的处理器、芯片、或芯片***。下面以执行主体为终端设备为例描述,该方法包括:终端设备接收来自第一AI节点的测量配置信息;测量配置信息用于指示测量待测量AI节点的AI服务;终端设备向第一AI节点发送测量报告;测量报告包括候选AI服务信息;候选AI服务信息为根据测量配置信息对待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;第一条件携带在测量配置信息中。基于本申请实施例的技术方案,AI节点可以通过与终端设备的交互,获取其他AI节点的满足一定条件的AI服务信息,便于AI网络中不同AI节点间的协同管理。
结合上述第二方面,在一种可能的设计中,测量配置信息包括待测量AI节点的标识信息和需要测量的AI服务的标识信息。
结合上述第二方面,在一种可能的设计中,候选AI服务信息包括以下至少一项信息:AI服务标识信息、AI节点标识信息、模型标识信息、模型参数信息、性能信息和时效信息;其中,AI服务标识信息用于标识候选AI服务信息对应的AI服务,AI节点标识信息用于标识候选AI服务信息对应的待测量AI节点,模型标识信息用于标识候选AI服务信息对应的神经网络模型,模型参数信息为候选AI服务信息对应的神经网络模型的参数信息,性能信息用于表征候选AI服务信息对应的AI服务的性能,时效信息用于表征候选AI服务信息的有效时间。
结合上述第二方面,在一种可能的设计中,终端设备向第一AI节点发送测量报告,包括:
终端设备通过第二网络设备向第一AI节点发送测量报告,第二网络设备为与待测量AI节点中的第二AI节点对应的网络设备;其中,候选AI服务信息为与第二AI节点对应的候选AI服务信息。
结合上述第二方面,在一种可能的设计中,测量报告还包括第一AI节点的标识信息;第一AI节点的标识信息用于第二网络设备将测量报告发送给第一AI节点。
第三方面,提供了一种AI服务信息获取方法,执行该方法的通信装置(主体)可以为第三AI节点对应的网络设备,也可以为第三AI节点对应的网络设备的部件,例如处理器、芯片、或芯片***。下面以执行主体为第三AI节点为例描述,该方法包括:第三AI节点接收来自终端设备的订阅信息;订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务;第三AI节点向订阅区域内的一个或多个第四AI节点发送订阅信息,以使得第四AI节点根据订阅信息,向终端设备发送订阅结果;订阅结果包括目标AI服务信息,目标AI服务信息对应的AI服务满足第二条件。基于本申请实施例提供的AI服务信息获取方法,终端设备可以向AI节点订阅期望的AI服务,并获取到满足条件的AI服务对应的AI服务信息,从而使终端设备可以在AI网络中订阅到满足要求的AI服务。
结合上述第三方面,在一种可能的设计中,订阅信息由第一标识信息标识。基于本方案,定义了一种用于标识订阅信息的第一标识信息。
结合上述第三方面,在一种可能的设计中,第一标识信息由第三AI节点生成;或者,第一标识信息由终端设备生成。基于本方案,提供了两种第一标识信息的生成方式。
结合上述第三方面,在一种可能的设计中,在第三AI节点接收来自终端设备的订阅信息之后,方法还包括:第三AI节点确定终端设备当前位于第一通知区域,将第一标识信息与第二标识信息相关联;第二标识信息用于标识第一通知区域;第三AI节点将与第一标识信息相关联的第二标识信息发送给一个或多个第四AI节点。基于本方案,第三AI节点在确定终端设备位于第一通知区域后,可以将与第一标识信息关联的第二标识信息发送给第四AI节点,以使第四AI节点可以根据与第一标识信息关联的第二标识信息,获知发送了订阅信息的终端设备当前位于第一通知区域。
结合上述第三方面,在一种可能的设计中,第一通知区域是根据小区和/或波束设置的。基于本方案,提供了一种规划通知区域的方式。
结合上述第三方面,在一种可能的设计中,订阅信息包括以下至少一项信息:用于标识请求订阅的AI服务的AI服务标识信息,用于标识终端设备的用户标识信息,用于表征第二条件的服务等级信息,用于表征订阅区域的订阅区域信息,模型标识信息,模型参数信息和订阅有效期信息;其中,模型标识信息用于标识订阅信息请求订阅的AI服务对应的神经网络模型,模型参数信息为订阅信息请求订阅的AI服务对应的神经网络模型的参数信息,订阅有效期信息用于表征订阅信息的有效时间。
结合上述第三方面,在一种可能的设计中,订阅区域信息由终端设备确定;或者,订阅区域信息由所述第三AI节点确定。基于本方案,提供了两种确定订阅信息的方式。
第四方面,提供了一种AI服务信息方法,执行该方法的通信装置(主体)可以为终端设备,也可以为终端设备的部件,例如终端设备的处理器、芯片、或芯片***。下面以执行主体为终端设备为例描述,该方法包括:终端设备向第三AI节点发送订阅信息;订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务;终端设备接收来自订阅区域内的一个或多个第四AI节点的订阅结果;订阅结果包括目标AI服务信息,目标AI服务信息对应的AI服务满足第二条件。基于本申请实施例提供的AI服务信息获取方法,终端设备可以向AI节点订阅期望的AI服务,并获取到满足条件的AI服务对应的AI服务信息,从而使终端设备可以在AI网络中订阅到满足要求的AI服务。
结合上述第四方面,在一种可能的设计中,订阅信息由第一标识信息标识。基于本方案,定义了一种用于标识订阅信息的第一标识信息。
结合上述第四方面,在一种可能的设计中,第一标识信息由第三AI节点生成;或者,第一标识信息由终端设备生成。基于本方案,提供了两种第一标识信息的生成方式。
结合上述第四方面,在一种可能的设计中,在终端设备向第三AI节点发送订阅信息之后,方法还包括:终端设备获取与第一标识信息关联的第二标识信息;第二标识信息用于标识终端设备当前位于的第一通知区域。基于本方案,终端设备可以获取到用于标识当前位于的通知区域的第二标识信息。
结合上述第四方面,在一种可能的设计中,方法还包括:终端设备获取第三标识信息;第三标识信息用于标识终端设备当前位于的第二通知区域;终端设备确定第三标识信息与第二标识信息不一致,向一个或多个第四AI节点发送更新请求,更新请求用于请求将第一标识信息与第三标识信息相关联。基于本方案,终端设备在确定当前位于的第二通知区域与发送订阅信息时位于的第一通知区域不一致后,可以向第四AI节点发起更新请求,以使第四AI节点可以将与第一标识信息关联的第二标识信息更新为第三标识信息,确定终端设备当前位于第二通知区域。
结合上述第四方面,在一种可能的设计中,终端设备获取第三标识信息包括:终端设备接收来自第三网络设备的第三标识信息;第三网络设备位于第二通知区域中。基于本方案,终端设备可以通过第二通知区域内的网络设备获取第三标识信息。
结合上述第四方面,在一种可能的设计中,第一通知区域是根据小区和/或波束设置的。基于本方案,提供了一种规划通知区域的方式。
结合上述第四方面,在一种可能的设计中,订阅信息包括以下至少一项信息:用于标识请求订阅的AI服务的AI服务标识信息,用于标识终端设备的用户标识信息,用于表征第二条件的服务等级信息,用于表征订阅区域的订阅区域信息,模型标识信息,模型参数信息和订阅有效期信息;其中,模型标识信息用于标识订阅信息请求订阅的AI服务对应的神经网络模型,模型参数信息为订阅信息请求订阅的AI服务对应的神经网络模型的参数信息,订阅有效期信息用于表征订阅信息的有效时间。
结合上述第四方面,在一种可能的设计中,订阅区域信息由终端设备确定;或者,订阅区域信息由第三AI节点确定。基于本方案,提供了两种确定订阅信息的方式。
第五方面,提供了一种通信装置用于实现上述各种方法。该通信装置可以为上述第一方面中的第一AI节点对应的网络设备,或者包含第一AI节点对应的网络设备的装置,或者第一AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第二方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置;或者,该通信装置可以为上述第三方面中的第三AI节点对应的网络设备,或者包含第三AI节点对应的网络设备的装置,或者第三AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第四方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置;所述通信装置包括实现上述方法相应的模块、单元、或手段(means),该模块、单元、或means可以通过硬件实现,软件实现,或者通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块或单元。
第六方面,提供了一种通信装置,包括:处理器和存储器;该存储器用于存储计算机指令,该处理器用于执行该存储器存储的指令,当该处理器执行该指令时,以使该通信装置执行上述任一方面所述的方法。该通信装置可以为上述第一方面中的第一AI节点对应的网络设备,或者包含第一AI节点对应的网络设备的装置,或者第一AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第二方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片;或者,该通信装置可以为上述第三方面中的第三AI节点对应的网络设备,或者包含第三AI节点对应的网络设备的装置,或者第三AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第四方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片。
第七方面,提供了一种通信装置,包括:处理器和接口电路,该接口电路用于与该通信装置之外的模块通信;该处理器用于运行计算机程序或指令以执行上述任一方面所述的方法。该通信装置可以为上述第一方面中的第一AI节点对应的网络设备,或者包含第一AI节点对应的网络设备的装置,或者第一AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第二方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片;或者,该通信装置可以为上述第三方面中的第三AI节点对应的网络设备,或者包含第三AI节点对应的网络设备的装置,或者第三AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第四方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片。
或者,该接口电路可以为代码/数据读写接口电路,该接口电路用于接收计算机执行指令(计算机执行指令存储在存储器中,可能直接从存储器读取,或可能经过其他器件)并传输至该处理器,以使该处理器运行计算机执行指令以执行上述任一方面所述的方法。
在一些可能的设计中,该通信装置可以为芯片或芯片***。
第八方面,提供了一种通信装置,包括:处理器;所述处理器用于与存储器耦合,并读取存储器中的指令之后,根据所述指令执行如上述任一方面所述的方法。该通信装置可以为上述第一方面中的第一AI节点对应的网络设备,或者包含第一AI节点对应的网络设备的装置,或者第一AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第二方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片;或者,该通信装置可以为上述第三方面中的第三AI节点对应的网络设备,或者包含第三AI节点对应的网络设备的装置,或者第三AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第四方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片。
第九方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在通信装置上运行时,使得通信装置可以执行上述任一方面所述的方法。该通信装置可以为上述第一方面中的第一AI节点对应的网络设备,或者包含第一AI节点对应的网络设备的装置,或者第一AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第二方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片;或者,该通信装置可以为上述第三方面中的第三AI节点对应的网络设备,或者包含第三AI节点对应的网络设备的装置,或者第三AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第四方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片。
第十方面,提供了一种包含指令的计算机程序产品,当其在通信装置上运行时,使得通信装置可以执行上述任一方面所述的方法。该通信装置可以为上述第一方面中的第一AI节点对应的网络设备,或者包含第一AI节点对应的网络设备的装置,或者第一AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第二方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片;或者,该通信装置可以为上述第三方面中的第三AI节点对应的网络设备,或者包含第三AI节点对应的网络设备的装置,或者第三AI节点对应的网络设备中包含的装置,比如芯片;或者,该通信装置可以为上述第四方面中的终端设备,或者包含上述终端设备的装置,或者上述终端设备中包含的装置,比如芯片。
第十一方面,提供了一种通信装置(例如,该通信装置可以是芯片或芯片***),该通信装置包括处理器,用于实现上述任一方面中所涉及的功能。在一种可能的设计中,该通信装置还包括存储器,该存储器,用于保存必要的程序指令和数据。该通信装置是芯片***时,可以由芯片构成,也可以包含芯片和其他分立器件。
其中,第五方面至第十一方面中任一种设计方式所带来的技术效果可参见上述第一方面至第四方面中不同设计方式所带来的技术效果,此处不再赘述。
第十二方面,提供一种通信***,该通信***包括网络设备和终端设备。网络设备可以执行上述第一方面所述的方法,终端设备可以执行上述第二方面所述的方法;或者,网络设备可以执行上述第三方面所述的方法,终端设备可以执行上述第四方面所述的方法。
附图说明
图1a为本申请实施例提供的一种通信***的架构示意图一;
图1b为本申请实施例提供的一种通信***的架构示意图二;
图2为本申请实施例提供的一种通信装置的结构示意图;
图3为本申请实施例提供的一种AI服务信息获取方法的交互示意图;
图4为本申请实施例提供的一种第一AI节点与RAN设备通信的示意图;
图5为本申请实施例提供的一种获取神经网络模型的方法的交互示意图;
图6为本申请实施例提供的另一种获取神经网络模型的方法的交互示意图;
图7为本申请实施例提供的另一种AI服务信息获取方法的交互示意图;
图8为一种跟踪区示意图;
图9为本申请实施例提供的一种在AI网络中对终端设备进行移动性管理的方法的示意图;
图10为本申请实施例提供的一种示例性的AI服务信息获取方法的示意图;
图11为本申请实施例提供的另一种通信装置的结构示意图;
图12为本申请实施例提供的又一种通信装置的结构示意图。
具体实施方式
为了便于理解本申请实施例的技术方案,首先给出本申请涉及的相关技术的简要介绍如下。
无线网络的智能化是一个重要的演进趋势。目前,5G网络引入了AI能力,来为终端设备提供AI服务(AI service)。具体地,具备AI能力的网络中部署有AI节点(AI node),网络可以通过AI节点上的神经网络模型,为终端设备提供例如数据分析、语音识别或者图像识别等AI服务。可选的,AI节点除了为终端设备提供AI服务,还可以支持收集数据、训练神经网络模型等功能。换言之,网络可以通过AI节点,使用基于AI的方法替换原有网络功能中基于数值公式的方法,从而提高网络资源使用效率,提升用户业务体验。
目前,AI节点可以独立部署在专用于实现AI节点功能的网络设备上,也可以作为功能模块部署在现有的网络设备上,例如可以部署在无线接入网(radio access network,RAN)设备上。可以理解的是,当AI节点作为(硬件或软件上)独立的逻辑单元时,AI节点可以构成逻辑上与RAN设备构成的接入网分离的AI网络。
在AI网络中,本地部署的AI节点只能获得该AI节点的本地观察范围内的数据,根据业务的不同,本地AI节点未必可以为终端设备提供最优的AI服务。可见,为了满足不同业务的需求,当AI网络中存在多个可选择的AI节点时,终端设备需要动态选择合适的AI节点,从而使选择的AI节点可以为终端设备提供满足需求的AI服务。目前,可以根据各个AI节点提供的AI服务的相关信息,即AI服务信息,选择合适的AI节点。因此,若要使网络中的终端设备可以动态选择AI节点,实现网络整体性能的优化,一种可行的方案是使AI网络中的终端设备和AI节点间可以交互AI服务信息,从而便于AI节点间的协同管理。但是,如何实现AI网络中的终端设备和AI节点可以交互AI服务信息,目前还没有解决方案。基于此,本申请实施例提供一种AI服务信息获取方法,用于实现终端设备和AI节点间交互AI服务信息。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。其中,在本申请的描述中,除非另有说明,“/”表示前后关联的对象是一种“或”的关系。例如,A/B可以表示A或B。本申请中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。其中A,B可以为单数或者复数。并且,在本申请的描述中,除非另有说明,“多个”是指两个以上(包括两个)。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b,a和c,b和c,或者a和b和c,其中a,b,c可以是单个,也可以是多个。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。同时,在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
本申请实施例的技术方案可用于各种通信***,该通信***可以为第三代合作伙伴计划(3rd generation partnership project,3GPP)通信***,例如,长期演进(longterm evolution,LTE)***,或者5G***、车联网(vehicle to everything,V2X)***,或者LTE和5G混合组网的***,或者设备到设备(device-to-device,D2D)通信***、机器到机器(machine to machine,M2M)通信***、物联网(internet of things,IoT),以及其他下一代通信***。该通信***也可以为非3GPP通信***,不予限制。
本申请实施例的技术方案可以应用于各种通信场景,例如可以应用于以下通信场景中的一种或多种:增强移动宽带(enhanced mobile broadband,eMBB)、超可靠低时延通信(ultra-reliable low latency communication,URLLC)、机器类型通信(machine typecommunication,MTC)、大规模机器类型通信(massive machine type communications,mMTC)、D2D、V2X、和IoT等通信场景。
其中,上述适用本申请的通信***和通信场景仅是举例说明,适用本申请的通信***和通信场景不限于此,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。在此统一说明,以下不再赘述。
作为一种可能的实现,本申请提供一种本申请适用的通信***。该通信***可以包括一个或多个第一AI节点,以及一个或多个终端设备,或者,该通信***可以包括一个或多个第三AI节点,以及一个或多个终端设备。
可选的,本申请实施例中,AI节点可以独立部署在专用于实现AI节点功能的网络设备上,该场景中,AI节点,或者说用于实现AI节点功能的网络设备与无线接入网设备呈对应关系,AI节点可以与对应的无线接入网设备通信,从而可以通过对应的无线接入网设备与终端设备通信。需要说明的是,AI节点与无线接入网设备可以为一一对应关系,也可以为一个AI节点对应多个无线接入网设备的一对多的对应关系。示例性的,假设AI节点与无线接入网设备为一一对应关系,本申请实施例提供的通信***10可以如图1a所示,第一AI节点20或者第三AI节点20通过对应的无线接入网设备,与终端设备30通信。
可选的,本申请实施例中,AI节点可以作为功能模块部署在无线接入网设备上,AI节点部署的无线接入网设备也可以称为AI节点对应的无线接入网设备。AI节点可以通过对应的无线接入网设备提供的无线通信功能,与终端设备通信。示例性的,该场景下,本申请实施例提供的通信***10可以如图1b所示,第一AI节点20或者第三AI节点20部署在无线接入网设备上,与终端设备30通信。
可选的,本申请提供的通信***10包括第一AI节点20和终端设备30时,通信***10还可以包括待测量AI节点。以图1a或图1b所示的第一AI节点20与任一终端设备30进行交互为例,在一种可能的实现方式中,第一AI节点20向终端设备30发送测量配置信息,测量配置信息用于指示测量待测量AI节点的AI服务。终端设备30接收到测量配置信息后,根据测量配置信息对待测量AI节点进行测量,得到一个或多个AI服务信息,并根据测量配置信息中携带的第一条件,在一个或多个AI服务信息中确定满足第一条件的候选AI服务信息。第一AI节点20确定候选AI服务信息后,通过测量报告将候选AI服务信息发送给第一AI节点20。该方案的具体实现以及技术效果将在后续方法实施例中详细描述,在此不予赘述。
可选的,本申请提供的通信***10包括第三AI节点20和终端设备30时,本申请提供的通信***10还可以包括第四AI节点。以图1a或图1b所示的第三AI节点20与任一终端设备30进行交互为例,在一种可能的实现方式中,终端设备30向第三AI节点20发送订阅信息,订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务。第三AI节点20接收到订阅信息后,向订阅区域内的每个AI节点发送订阅信息,以使得订阅区域内的一个或多个第四AI节点根据订阅信息,向终端设备发送订阅结果,订阅结果包括目标AI服务信息,目标AI服务信息对应的AI服务满足第二条件。
可选的,本申请实施例中的无线接入网设备是一种将终端设备接入到无线网络的设备。无线接入网设备可以是基站(base station)、演进型基站(evolved NodeB,eNodeB)、发送接收点(transmission reception point,TRP)、5G移动通信***中的下一代基站(next generation NodeB,gNB)、未来移动通信***中的基站或无线保真(wireless-fidelity,Wi-Fi)***中的接入节点等;也可以是完成基站部分功能的模块或单元。例如,集中式单元(central unit,CU),分布式单元(distributed unit,DU)等。本申请的实施例对无线接入网设备所采用的具体技术和具体设备形态不做限定。
可选的,本申请实施例中的终端设备,可以是用于实现无线通信功能的设备。例如终端或者可用于终端中的芯片等。终端也可以称为用户设备(user equipment,UE)、移动台、移动终端等。终端可以是手机、平板电脑、带无线收发功能的电脑、虚拟现实终端设备、增强现实终端设备、工业控制中的无线终端、无人驾驶中的无线终端、远程手术中的无线终端、智能电网中的无线终端、运输安全中的无线终端、智慧城市中的无线终端、智慧家庭中的无线终端等等。本申请的实施例对终端设备所采用的具体技术和具体设备形态不做限定。
可选的,本申请实施例中的无线接入网设备和终端设备之间可以通过授权频谱进行通信,也可以通过免授权频谱进行通信,也可以同时通过授权频谱和免授权频谱进行通信。无线接入网设备和终端设备之间可以通过6千兆赫兹(gigahertz,GHz)以下的频谱进行通信,也可以通过6GHz以上的频谱进行通信,还可以同时使用6GHz以下的频谱和6GHz以上的频谱进行通信。本申请的实施例对无线接入网设备和终端设备之间所使用的频谱资源不做限定。
可选的,本申请实施例中的网络设备和终端设备可以部署在陆地上,包括室内或室外、手持或车载;也可以部署在水面上;还可以部署在空中的飞机、气球和人造卫星上。本申请的实施例对网络设备和终端设备的应用场景不做限定。
本申请涉及的AI节点或终端设备的相关功能可以由一个设备实现,也可以由多个设备共同实现,还可以是由一个设备内的一个或多个功能模块实现,或者可以为一个或多个芯片,也可以为片上***(system on chip,SOC)或芯片***,芯片***可以由芯片构成,也可以包括芯片和其他分立器件,本申请实施例对此不作具体限定。
可以理解的是,上述功能既可以是硬件设备中的网络元件,也可以是在专用硬件上运行的软件功能,或者是硬件与软件的结合,或者是平台(例如,云平台)上实例化的虚拟化功能。
例如,本申请涉及的AI节点或终端设备的相关功能可以通过图2中的通信装置200来实现。图2所示为本申请实施例提供的通信装置200的结构示意图。该通信装置200包括一个或多个处理器201,通信线路202,以及至少一个通信接口(图2中仅是示例性的以包括通信接口204,以及一个处理器201为例进行说明),可选的,还可以包括存储器203。
处理器201可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路202可以用于通信装置200包括的不同组件之间的通信。
通信接口204,可以是收发模块用于与其他设备或通信网络通信,如以太网,无线接入网(wireless access networks,RAN),无线局域网(wireless local area networks,WLAN)等。例如,所述收发模块可以是收发器、收发机一类的装置。可选的,所述通信接口204也可以是位于处理器201内的收发电路,用以实现处理器的信号输入和信号输出。
存储器203可以是具有存储功能的装置。例如可以是只读存储器(read-onlymemory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路202与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器203用于存储执行本申请方案的计算机执行指令,并由处理器201来控制执行。处理器201用于执行存储器203中存储的计算机执行指令,从而实现本申请实施例中提供的方法。
或者,可选的,本申请实施例中,也可以是处理器201执行本申请下述实施例提供的方法中的处理相关的功能,通信接口204负责与其他设备或通信网络通信,本申请实施例对此不作具体限定。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
在具体实现中,作为一种实施例,处理器201可以包括一个或多个CPU,例如图2中的CPU0和CPU1。
在具体实现中,作为一种实施例,通信装置200可以包括多个处理器,例如图2中的处理器201和处理器208。这些处理器中的每一个可以是一个单核(single-core)处理器,也可以是一个多核(multi-core)处理器。这里的处理器可以包括但不限于以下至少一种:中央处理单元(central processing unit,CPU)、微处理器、数字信号处理器(DSP)、微控制器(microcontroller unit,MCU)、或人工智能处理器等各类运行软件的计算设备,每种计算设备可包括一个或多个用于执行软件指令以进行运算或处理的核。
在具体实现中,作为一种实施例,通信装置200还可以包括输出设备205和输入设备206。输出设备205和处理器201通信,可以以多种方式来显示信息。例如,输出设备205可以是液晶显示器(liquid crystal display,LCD),发光二极管(light emitting diode,LED)显示设备,阴极射线管(cathode ray tube,CRT)显示设备,或投影仪(projector)等。输入设备206和处理器201通信,可以以多种方式接收用户的输入。例如,输入设备206可以是鼠标、键盘、触摸屏设备或传感设备等。
需要说明的是,图2中示出的组成结构并不构成对该通信装置的限定,除图2所示部件之外,该通信装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
下面将结合图1a至图2,以图1a或图1b所示的第一AI节点20与任一终端设备30进行交互为例,对本申请实施例提供的一种AI服务信息获取方法进行展开说明。如图3所示,该AI服务信息获取方法包括S301-S302:
S301:第一AI节点向终端设备发送测量配置信息;测量配置信息用于指示测量待测量AI节点的AI服务。
S302:第一AI节点接收来自终端设备的测量报告;测量报告包括候选AI服务信息;候选AI服务信息为根据测量配置信息对待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;第一条件携带在测量配置信息中。
对于S301,第一AI节点通过对应的网络设备,向终端设备发送测量配置信息,终端设备接收到测量配置信息后,根据测量配置信息测量待测量AI节点的AI服务。
本申请实施例中,测量配置信息包括第一条件、待测量AI节点的标识信息和需要测量的AI服务的标识信息,以下分别进行介绍。
测量配置信息中,第一条件用于指示终端设备根据测量配置信息进行测量后,根据测量结果向第一AI节点发送(或者说上报)测量报告所需满足的条件,因此第一条件也可以称为测量报告的上报条件。可选的,根据实际需求,测量配置信息可以包括一个或多个第一条件。示例性的,第一条件可以为AI服务的性能需要满足的阈值,若测量的AI服务的性能满足该阈值,则终端设备可以将测量该AI服务得到的测量结果上报给第一AI节点,否则不上报。
测量配置信息中,待测量AI节点的标识信息用于终端设备确定需要测量的待测量AI节点,其也可以称为测量列表信息。可选的,根据需要测量的待测量AI节点,测量配置信息可以包括一个或多个待测量AI节点的标识信息。示例性的,待测量AI节点的标识信息可以为待测量AI节点的标识号(identity document,ID),即待测量AI节点的AI节点ID(AInode ID)。可选的,本申请实施例中,需要测量的待测量AI节点可以是第一AI节点根据实际需要或者业务场景确定的,一定区域范围内的AI节点。
测量配置信息中,需要测量的AI服务的标识信息用于终端设备确定需要测量的AI服务,换言之,用于终端设备确定需要测量的测量目标,需要测量的AI服务的标识信息也可以称为测量目标信息。可选的,根据需要测量的AI服务,测量配置信息可以包括一个或多个需要测量的AI服务的标识信息。示例性的,AI服务的标识信息可以为AI服务的ID,即AI服务ID(AI service ID)。可选的,本申请实施例中,需要测量的AI服务可以是第一AI节点根据实际需要或者业务场景确定的。
可选的,本申请实施例中,测量配置信息中,第一条件可以与需要测量的AI服务的标识信息呈对应关系。可以理解的是,不同的AI服务可以对应不同的上报条件,例如,AIservice ID为1的AI服务对应的第一条件可以为性能高于第一阈值,AI service ID为2的AI服务对应的第一条件可以为性能高于第二阈值。或者,不同的AI服务也可以对应相同的上报条件,测量配置信息中可以仅包括一个第一条件,本申请实施例对此不作具体限制。
需要说明的是,本申请实施例中,AI节点的标识信息与AI节点间的对应关系,以及AI服务的标识信息与AI服务间的对应关系是终端设备和AI节点间协议或配置好的,换言之,终端设备和AI节点可以根据相同的AI节点的标识信息确定同一AI节点,也可以根据相同的AI服务的标识信息确定同一AI服务。
终端设备接收到测量配置信息后,可以根据测量配置信息包括的信息,确定需要测量的待测量AI节点,需要测量的AI服务,以及上报测量结果所需满足的条件。终端设备根据测量配置信息的指示,对待测量AI节点的需要测量的AI服务进行测量后,对于每个待测量AI节点,终端设备可以得到一个或多个AI服务信息,即该待测量AI节点的测量结果。然后,终端设备在得到的候选AI服务信息中,将满足第一条件的AI服务信息确定为候选AI服务信息。
本申请实施例中,终端设备可以通过待测量AI节点对应的网络设备(例如RAN设备),对待测量AI节点进行测量。
以下对AI服务信息进行具体介绍。本申请实施例中,终端设备测量待测量节点得到的AI服务信息可以包括以下至少一项信息:
AI服务标识信息、AI节点标识信息、模型标识信息、模型参数信息、性能信息和时效信息。
其中,AI服务标识信息用于标识该AI服务信息对应的AI服务,换言之,终端设备可以通过AI服务标识信息指示测量的AI服务的类型。
AI节点标识信息用于标识该AI服务信息对应的AI节点,换言之,终端设备可以通过AI节点标识信息指示测量的AI节点。
模型标识信息用于标识该AI服务信息对应的神经网络模型。本申请实施例中,AI节点上可以配置一种或多种神经网络模型来实现AI服务,终端设备可以通过模型标识信息指示测量的神经网络模型的种类。
模型参数信息为该AI服务信息对应的神经网络模型的参数信息。本申请实施例中,模型参数信息可以包括一项或多项参数信息,例如包括神经网络模型的规格(size)、输入格式(input format)或者输出格式(output format)等信息,本申请实施例对此不作具体限制。
性能信息用于表征该AI服务信息对应的AI服务的性能。本申请实施例中,性能信息可以包括一项或多项维度信息,例如包括精确度(accuracy)、推理精度或者模型训练收敛时间等信息,本申请实施例对此不作具体限制。以下结合一个具体示例对AI服务的性能进行解释,假设AI服务为图像分类,通过该AI服务可以在100张图片中正确分类99张,则该AI服务的精确度为99%。可选的,性能信息可以通过数值、区间或者协议规定的等级等信息表征,例如性能信息包括精确度时,规定精确度为90%-95%时对应的等级为A,若终端设备测量AI服务得到的精确度为90%,则AI服务信息中,性能信息包括的精确度可以为数值90%,或者为等级A。
时效信息用于表征该AI服务信息的有效时间,在有效时间内该AI服务信息有效,超过有效时间则失效。可选的,时效信息可以通过时刻表征,例如时刻0(time0,T0)~时刻1(time1,T1),或者,也可以通过时长表征,例如5分钟(minute,min)。
示例性的,假设AI服务信息包括AI服务标识信息、AI节点标识信息、模型参数信息、性能信息和时效信息,其中模型参数信息包括size、input format以及output format参数信息,性能信息包括accuracy信息,则AI服务信息一种可能的形式可以如下表1所示:
表1
上表1中,AI service ID为AI服务标识信息,其对应的service 1表示该AI服务信息是测量AI服务:service 1得到的。AI node ID为AI节点标识信息,其对应的001表示该AI服务信息是测量AI节点001得到的。Model information为模型参数信息,其包括的size以及size对应的3,10表示该AI节点001上的神经网络模型有3层,每层有10个神经元,inputformat以及input format对应的整数型向量表示该AI节点001上的神经网络模型的输入格式为整数型向量,output format以及output format对应的整数型向量表示该AI节点001上的神经网络模型的输入格式为整数型向量。performance为性能信息,其包括的accuracy以及accuracy对应的99%表示AI服务service 1的精确度为99%。validity为时效信息,其对应的T0~T1表示该AI服务信息的有效时间从T0持续到T1。
可以理解的是,因为候选AI服务信息为终端设备测量待测量节点得到的AI服务信息中,满足第一条件的AI服务信息,因此若将上文包括的信息的介绍中,AI服务信息替换为候选AI服务信息,AI节点替换为待测量AI节点,则上文对AI服务信息的介绍同样可以适用于候选AI服务信息。
对于S302,终端设备确定候选AI服务信息后,通过测量报告将候选AI服务信息发送给第一AI节点,从而使第一AI节点可以根据接收的测量报告获取到满足第一条件的AI服务信息。
基于本申请实施例的技术方案,AI节点可以通过与终端设备的交互,获取其他AI节点的满足一定条件的AI服务信息,便于AI网络中不同AI节点间的协同管理。
可选的,本申请实施例中,终端设备可以通过向相连的网络设备发送测量报告,由终端设备相连的网络设备向第一AI节点发送测量报告,该测量报告包含一个或多个待测量AI节点对应的候选AI服务信息。其中,假设第一AI节点对应的网络设备为第一网络设备,若终端设备相连的网络设备并非第一网络设备,终端设备相连的网络设备可以通过转发的方式向第一网络设备发送测量报告,从而向第一AI节点发送测量报告。
或者,终端设备可以通过相连的网络设备,向待测量AI节点发送待测量AI节点对应的测量报告,以使待测量AI节点向第一AI节点发送各自的测量报告。其中,待测量AI节点对应的测量报告中包括待测量AI节点对应的候选AI服务信息,不包括其他待测量AI节点对应的候选AI服务信息。假设待测量AI节点中某一待测量节点为第二AI节点,第二AI节点对应的网络设备为第二网络设备,终端设备可以将包括第二AI节点对应的候选AI服务信息的测量报告发送给终端设备相连的网络设备,以使终端设备相连的网络设备向第二网络设备发送第二AI节点对应的测量报告。其中,终端设备相连的网络设备可以通过转发的方式向第二网络设备发送测量报告。
可选的,终端设备通过相连的网络设备向待测量AI节点发送待测量AI节点对应的测量报告,以使待测量AI节点向第一AI节点发送各自的测量报告的方式中,终端设备发送的测量报告还包括第一AI节点的标识信息,待测量AI节点对应的网络设备(例如第二网络设备)可以根据第一AI节点的标识信息,将测量报告发送给第一AI节点。
可选的,终端设备通过相连的网络设备向待测量AI节点发送待测量AI节点对应的测量报告,以使待测量AI节点向第一AI节点发送各自的测量报告的方式中,测量报告的转发可以由AI节点独立部署的网络设备间的接口完成,也可以由彼此相连的,可以为终端设备提供接入网络功能的网络设备(例如RAN设备)间的接口完成。
以上介绍了S301-S302的技术方案。可选的,在S302之后,第一AI节点可以根据候选AI服务信息,确定目标AI服务信息,从而更新第一AI节点的本地AI服务列表。以下对第一AI节点如何根据候选AI服务信息更新本地AI服务列表进行展开介绍。
一种可能的实现方式中,第一AI节点可以在同类型的AI服务对应的一个或多个候选AI服务信息中,将AI服务的性能最优的候选AI服务信息确定为目标AI服务信息,并将目标AI服务信息添加至本地AI服务列表中。其中,AI服务的类型可以通过候选AI服务信息中包括的AI服务标识信息确定,同一AI服务标识信息对应的AI服务的类型相同。AI服务的性能可以通过候选AI服务信息中包括的性能信息确定。
换言之,第一AI节点可以根据候选AI服务信息中包括的AI服务标识信息和性能信息,分别将候选AI服务信息对应的一个或多个AI服务中,每个AI服务对应的候选AI服务信息中的目标AI服务信息添加至本地AI服务列表中,其中,目标AI服务信息为每个AI服务对应的候选AI服务信息中,AI服务的性能最优的候选AI服务信息。
可选的,第一AI节点在根据候选AI服务信息中的性能信息确定性能最优的候选AI服务信息时,可以根据预设的规则来确定性能最优的候选AI服务信息。例如,预设规则可以为若性能信息以数值表征,性能信息的数值最大的候选AI服务信息是性能最优的候选AI服务信息。
可选的,该实现方式中,第一AI节点可以定时确定目标AI服务信息,例如每隔10分钟,第一AI节点就在这10分钟内接收到的所有候选AI服务信息中确定目标AI服务信息。或者,第一AI节点可以在接收的候选AI服务信息的数量满足预设阈值时确定目标AI服务信息,例如,第一AI节点可以每接收到10条候选AI服务信息就在这10条候选AI服务信息中确定目标AI服务信息。
另一种可能的实现方式中,第一AI节点可以将候选AI服务信息中,与本地AI服务列表中记录的AI服务信息不同的候选AI服务信息确定为目标AI服务信息,并将目标AI服务信息添加至本地AI服务列表中。换言之,若第一AI节点确定候选AI服务信息已经记录在本地AI服务列表中,则第一AI节点结束流程,不执行之后的步骤,否则第一AI节点将候选AI服务信息添加,或者说更新至本地AI服务列表。
该实现方式中,与本地AI服务列表中记录的AI服务信息不同的候选AI服务信息,指与本地AI服务列表中记录的AI服务信息的类型不同的候选AI服务信息。可选的,AI服务信息的类型可以通过AI服务标识信息表征,第一AI节点可以根据AI服务信息包括的AI服务标识信息,确定候选AI服务信息的类型是否与本地AI服务列表中记录的AI服务信息的类型不同,从而决定是否将候选AI服务信息添加至本地AI服务列表中。
可选的,本申请实施例中,上文介绍的两种根据候选AI服务信息更新本地AI服务列表的实现方式可以独立应用,也可以结合应用。可以理解的是,当这两种实现方式结合应用时,本地AI服务列表中保留的AI服务信息对应的AI服务是同类型的AI服务中,性能最优的AI服务。
示例性的,假设第一AI节点可以独立部署在专用于实现AI节点功能的网络设备上,第一AI节点部署的网络设备与RAN设备对应,该RAN设备可以与终端设备通信。第一AI节点通过RAN设备指示终端设备对待测量AI节点进行测量,并根据终端设备上报的测量报告更新本地AI服务列表的一种可能的示意图可以如图4所示。如图4所示,第一AI节点部署的网络设备具有模型管理和模型测量两个模块,并维护一张本地AI服务列表。其中,模型测量模块通过与RAN设备的无线资源控制(radio resource control,RRC)是指连接,向终端设备下发测量配置信息,指示终端设备测量待测量AI节点,并接收终端设备上报的测量结果(候选AI服务信息)。模型管理模块可以通过模型测量模块收集的测量结果,更新本地AI服务列表。其中,模型测量模块指示终端设备测量待测量AI节点并接收终端设备上报的测量结果的具体实现可以参考上文对S301的介绍,模型管理模块更新本地AI服务列表的具体实现可以参考上文对第一AI节点根据候选AI服务信息更新本地AI服务列表的介绍。
进一步地,本申请实施例中,第一AI节点根据候选AI服务信息更新本地AI服务列表后,还可以根据本地AI服务列表中记录的一个或多个AI服务信息,从对应的AI节点处获取神经网络模型来实现AI服务。
具体地,候选AI服务信息中包括AI节点标识信息,可以理解的是,因此本地AI服务列表中记录的AI服务信息也包括AI节点标识信息,第一AI节点可以根据本地AI服务列表中的一个或多个AI服务信息包括的AI节点标识信息,确定与一个或多个AI服务信息对应的AI节点(以下简称为目标AI节点),并从目标AI节点处获取神经网络模型。
可选的,本申请实施例中,第一AI节点可以定时从对应的目标AI节点处获取对应的神经网络模型,例如每隔10分钟,第一AI节点就根据这10分钟内本地AI服务列表添加的AI服务信息,确定目标AI节点并从目标AI节点处获取对应的神经网络模型。或者,第一AI节点可以在本地AI服务列表中新添加的AI服务信息的数量满足预设阈值时,从对应的目标AI节点处获取对应的神经网络模型,例如,本地AI服务列表中每新增10条AI服务信息,第一AI节点就根据这新增的10条AI服务信息确定目标AI节点并从目标AI节点处获取神经网络模型。
可选的,本申请实施例中,第一AI节点可以通过以下两种不同的实现方式从目标AI节点处获取神经网络模型。
一种可能的实现方式中,候选AI服务信息包括模型标识信息,可以理解的是,因此本地AI服务列表中记录的AI服务信息也包括模型标识信息。第一AI节点确定与本地AI服务列表中的AI服务信息对应的目标AI节点后,可以根据本地AI服务列表中的AI服务信息包括的模型标识信息,从目标AI节点上获取与模型标识信息对应的神经网络模型。
另一种可能的实现方式中,第一AI节点可以从目标AI节点处获取目标AI节点预配置的神经网络模型。该实现方式中,目标AI节点上可以预配置有一个或多个神经网络模型。
可选的,本申请实施例中,第一AI节点可以通过向目标AI节点发送请求消息的方式,向目标AI节点请求神经网络模型,目标AI节点可以通过向第一AI节点发送响应消息的方式,将神经网络模型发送给第一AI节点。
以下结合两个示例和对应的附图,对本申请实施例提供的,第一AI节点向终端设备发送测量配置信息,接收来自终端设备的测量报告,并根据测量报告从目标AI节点处获取神经网络模型的方案进行介绍。
示例一,假设待测量AI节点中某一待测量AI节点为第二AI节点,AI节点独立部署在专用于实现AI节点功能的网络设备上,第一AI节点与RAN设备1对应,第二AI节点与RAN设备2对应,第一AI节点与第二AI节点之间可以通过分别部署的网络设备通信。如图5所示,第一AI节点从第二AI节点处获取神经网络模型的一种可能的方案包括S501-S504:
S501:第一AI节点通过RAN设备1向终端设备发送测量配置信息。S501的具体实现可以参考上文对S301的介绍。
S502:终端设备通过RAN设备2对第二AI节点进行测量,获取测量结果(第二AI节点对应的AI服务信息)。S502的具体实现可以参考上文对S301的介绍。
S503:终端设备确定第二AI节点对应的AI服务信息满足第一条件,将第二AI节点对应的AI服务信息携带在测量报告中,通过RAN设备1发送给第一AI节点。S503的具体实现可以参考上文对S302的介绍。
S504:终端设备将第二AI节点对应的AI服务信息添加至本地AI服务列表,并从第二AI节点处获取对应的神经网络模型。S504的具体实现可以参考上文对第一AI节点的从目标AI节点处获取神经网络模型的介绍。
示例二,假设待测量AI节点中某一待测量AI节点为第二AI节点,AI节点独立部署在专用于实现AI节点功能的网络设备上,第一AI节点与RAN设备1对应,第二AI节点与RAN设备2对应,第一AI节点与第二AI节点之间可以通过分别部署的网络设备通信。如图6所示,第一AI节点从第二AI节点处获取神经网络模型的一种可能的方案包括S601-S604:
S601:第一AI节点通过RAN设备1向终端设备发送测量配置信息。S601的具体实现可以参考上文对S301的介绍。
S602:终端设备对第二AI节点进行测量,获取测量结果(第二AI节点对应的AI服务信息)。S602的具体实现可以参考上文对S301的介绍。
S603:终端设备确定第二AI节点对应的AI服务信息满足第一条件,将第二AI节点对应的AI服务信息携带在测量报告中,通过RAN设备2发送给第一AI节点。S603的具体实现可以参考上文对S302的介绍。
S604:第一AI节点将第二AI节点对应的AI服务信息添加至本地AI服务列表,并从第二AI节点处获取对应的神经网络模型。S604的具体实现可以参考上文对第一AI节点的从目标AI节点处获取神经网络模型的介绍。
下面将结合图1a至图2,以图1a或图1b所示的第三AI节点20与任一终端设备30进行交互为例,对本申请实施例提供的另一AI服务信息获取方法进行展开说明。如图7所示,该AI服务信息获取方法包括S701-S703:
S701:终端设备向第三AI节点发送订阅信息,相对应的,第三AI节点接收来自终端设备的订阅信息。其中,订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务。
S702:第三AI节点向订阅区域内的一个或多个第四AI节点发送订阅信息。
S703:订阅区域内的一个或多个第四AI节点向终端设备发送订阅结果,相对应的,终端设备接收来自一个或多个第四AI节点的订阅结果。其中,订阅结果包括目标AI服务信息,目标AI服务信息对应的AI服务满足第二条件。
对于S701,终端设备通过向第三AI节点发送订阅信息来请求订阅终端设备期望获得的AI服务,即请求订阅满足第二条件的AI服务。本申请实施例中,订阅信息包括以下至少一项信息:
AI服务标识信息,用户标识信息,服务等级信息,订阅区域信息,模型标识信息,模型参数信息和订阅有效期信息。
以下分别对上述订阅信息可能包括的信息进行介绍。
订阅信息中的AI服务标识信息用于标识终端设备请求订阅的AI服务,换言之,终端设备可以通过订阅信息中的AI服务标识信息指示期望获得的AI服务的类型。可选的,本申请实施例中,终端设备请求订阅的AI服务可以是终端设备根据实际需要或者业务场景确定的。可选的,根据终端设备请求订阅的AI服务,订阅信息中可以包括一个或多个AI服务标识信息。示例性的,AI服务的标识信息可以为AI服务的ID,即AI服务ID(AI service ID)。
订阅信息中的用户标识信息用于标识发送该订阅信息的终端设备,用户标识信息也可以称为订阅发起方标识。可选的,本申请实施例中,用户标识信息可以复用现有的用于标识终端设备的信息,例如用户标识信息可以为临时移动用户识别码(temporary mobilesubscriber identity,TMSI)。或者,用户标识信息可以为新定义的,用于在AI网络中标识终端设备的标识信息。
订阅信息中的服务等级信息用于表征第二条件,换言之,用于表征终端设备期望获得的AI服务所需满足的条件。可选的,根据实际需求,订阅信息可以包括一个或多个服务等级信息。示例性的,服务等级信息可以为请求订阅的AI服务的性能需要满足的阈值,若第四AI节点的AI服务的性能满足该阈值,则第四AI节点可以将与订阅信息对应的订阅结果反馈给终端设备,否则不反馈订阅结果。
可选的,本申请实施例中,不同的AI服务可以对应不同的第二条件,换言之,订阅信息中,服务等级信息可以与AI服务的标识信息呈对应关系。例如,AI service ID为1的AI服务对应的服务等级信息可以为性能高于第一阈值,AI service ID为2的AI服务对应的服务等级信息可以为性能高于第二阈值。或者,不同的AI服务也可以对应相同的第二条件,订阅信息中可以仅包括同一服务等级信息,本申请实施例对此不作具体限制。
订阅信息中的订阅区域信息用于表征订阅区域。可选的,本申请实施例中,订阅区域信息可以包括订阅的AI节点的标识信息,第三AI节点根据订阅信息中AI节点的标识信息,向对应的AI节点发送订阅信息。可以理解的是,与订阅信息中每个AI节点的标识信息分别对应的每个AI节点也可以称为订阅区域内的每个AI节点。或者,订阅信息可以包括预先规划的订阅区域的标识信息,第三AI节点根据订阅区域的标识信息,向对应的订阅区域内的所有AI节点发送订阅信息。
可选的,本申请实施例中,订阅区域信息可以是终端设备或者第三AI节点根据实际需要或者业务场景确定的。其中,若由终端设备确定订阅区域信息,终端设备可以向第三AI节点发送包括订阅区域信息的订阅信息,第三AI节点将收到的订阅信息发送给订阅区域内的AI节点。若由第三AI节点确定订阅区域信息,第三AI节点在收到来自终端设备的不包括订阅区域信息的订阅信息后,确定订阅区域信息并携带在订阅信息中,再将携带订阅区域信息的订阅信息发送给订阅区域内的AI节点。
订阅信息中的模型标识信息用于标识订阅信息请求订阅的AI服务对应的神经网络模型。终端设备可以通过模型标识信息指示用于实现请求订阅的AI服务的神经网络模型的种类。
可选的,本申请实施例中,订阅信息中的AI服务的标识信息可以与模型标识信息呈对应关系,同一AI服务的标识信息可以对应一个或多个模型标识信息。
订阅信息中的模型参数信息为订阅信息请求订阅的AI服务对应的神经网络模型的参数信息,用于指示终端设备期望的神经网络模型的参数信息。本申请实施例中,订阅信息中的模型参数信息可以包括一项或多项参数信息,例如包括神经网络模型的size、inputformat或者output format等信息,本申请实施例对此不作具体限制。示例性的,假设终端设备请求订阅AI服务,终端设备期望用于实现该AI服务的神经网络模型具有100个神经元,则订阅信息中,模型参数信息包括的size信息可以为100。
可选的,本申请实施例中,订阅信息中的模型标识信息可以与模型参数信息呈对应关系。可以理解的是,对于不同的神经网络模型,终端设备期望的参数信息也可以不同。例如,假设模型参数信息包括size信息,终端设备期望用于实现AI服务的神经网络模型1具有100个神经元,期望用于实现AI服务的神经网络模型2具有200个神经元,则订阅信息中,模型标识信息1对应的size信息可以为100,模型标识信息2对应的size信息可以为200。或者,不同的神经网络模型(模型标识信息)也可以对应相同的模型参数信息,本申请实施例对此不作具体限制。
订阅信息中的订阅有效期信息用于表征订阅信息的有效时间,在有效时间内该订阅信息有效,超过有效时间则失效。可选的,订阅有效期信息可以通过时刻表征,例如时刻0(time0,T0)~时刻1(time1,T1),或者,也可以通过时长表征,例如5分钟。
可选的,本申请实施例中,订阅信息可以由第一标识信息标识。其中,第一标识信息可以为新定义的,专用于标识订阅信息的标识信息。示例性的,第一标识信息的一种可能的形式可以为订阅标识号(subscribe-ID,S-ID)。
可选的,本申请实施例中,第一标识信息可以由第三AI节点生成,该实现方式中,第三AI节点可以在收到来自终端设备的订阅信息后,生成第一标识信息,并将第一标识信息携带在响应消息中发送给终端设备,其中,响应消息用于响应终端设备发送的订阅信息。或者,第一标识信息可以由终端设备生成,该实现方式中,终端设备向第三AI节点发送由第一标识信息标识的订阅信息。
对于S702,第三AI节点获取到订阅信息后,向订阅区域内的每个AI节点分别发送订阅信息。接收到订阅信息的AI节点可以根据订阅信息,确定自身能否提供终端设备请求请阅的AI服务,若可以提供终端设备请求订阅的AI服务,则监测自身提供的对应的AI服务是否满足第二条件。本申请实施例中,将可以提供满足第二条件的请求订阅的AI服务的AI节点称为第四AI节点。换言之,第三AI节点可以向订阅区域内的一个或多个第四AI节点发送订阅信息。
可选的,本申请实施例中,第三AI节点可以为订阅区域内的AI节点,该情况中,第三AI节点也可以根据订阅信息监测自身能否提供满足第二条件的对应的AI服务,可以理解的是,若第三AI节点可以提供满足第二条件的对应的AI服务,则第三节点也为一个第四AI节点。或者,第三AI节点也可以不是订阅区域内的AI节点,则第三AI节点无需监测自身能否提供满足第二条件的对应的AI服务。
对于S703,订阅区域内的第四AI节点确定自身提供的AI服务可以满足第二条件后,将满足第二条件的AI服务对应的AI服务信息携带在订阅结果中发送给终端设备,以使终端设备获取期望的AI服务对应的AI服务信息。其中,满足第二条件的AI服务对应的AI服务信息也可以称为目标AI服务信息。
基于本申请实施例提供的AI服务信息获取方法,终端设备可以向AI节点订阅期望的AI服务,并获取到满足条件的AI服务对应的AI服务信息,从而使终端设备可以在AI网络中订阅到满足要求的AI服务。
可选的,本申请实施例中,满足第二条件的AI服务对应的AI服务信息可以参考上文对S301中AI服务信息的介绍。
可选的,本申请实施例中,第四AI节点将订阅结果发送给终端设备的方式有以下两种:
实现方式一:第四AI节点将订阅结果发送给第三AI节点,由第三AI节点将订阅结果发送给终端设备。
实现方式二:第四AI节点将订阅结果直接发送给终端设备。需要说明的是,该实现方式中的“直接”指不需要经过第三AI节点,并非指无需中间设备的转发。
本申请实施例中,第三AI节点或者第四AI节点将订阅结果发送给终端设备的方式,与终端设备的状态相关,以下进行展开介绍。
若终端设备处于连接态(active state),第三AI节点或者第四AI节点可以通过终端设备当前接入的RAN设备,将订阅结果发送给终端设备。示例性的,终端设备当前接入的RAN设备,可以通过终端专用参数信号(UE-specific)消息,将订阅结果发送给终端设备。其中,第三AI节点或者第四AI节点将订阅结果发送给终端设备当前接入的RAN设备的具体实现,可以参考上文对终端设备向第一AI节点发送测量报告的具体实现的介绍。
若终端设备处于空闲态(idle state)或者非激活态(inactive state),第四AI节点将订阅结果发送给终端设备的方式与下文将介绍的本申请实施例提供的一种对终端设备进行移动性管理的方案相关,在此先不展开介绍。
可选的,在S703之后,本申请实施例提供的AI服务获取方法还可以包括S704.a或者S704.b:
S704.a:终端设备首次获取到与订阅信息对应的订阅结果后,告知当前驻留的AI节点,终端设备已经获取订阅结果,由该当前驻留的AI节点通知订阅区域内其他AI节点可以终止订阅任务。
其中,终端设备当前驻留的AI节点,指与终端设备当前相连的网络设备(例如RAN设备)对应的AI节点。终止订阅任务指AI节点可以停止监测自身能否提供满足订阅信息要求的(满足第二条件的)AI服务。
S704.b:订阅区域内,时间上第一个确定自身能提供订阅信息要求的AI服务的第四AI节点,在将订阅结果发送给终端设备的同时,一并通知订阅区域内的其他AI节点可以终止订阅任务。
以上对S701-S703进行了介绍,S701-S703的方案可以使终端设备在AI网络中订阅到满足要求的AI服务。但是,目前的AI网络还存在以下问题。目前,蜂窝***定义了跟踪区(tracking area,TA)的概念,如图8所示,将多个小区定义为一个跟踪区,用于无线接入网络侧的移动性管理。当终端设备一直在一个跟踪区内移动时,不需要告知无线接入网络,当处于空闲态的终端设备被寻呼时,在终端设备所在的跟踪区的所有小区进行寻呼。但是,无线接入网络与AI网络逻辑上分离,目前还没有机制可以在AI网络侧对终端设备进行移动性管理。因此,本申请实施例还提供一种可以在AI网络侧对终端设备进行移动性管理的方案,以下对该方案进行说明。
可选的,S702中,第三AI节点获取到订阅信息之后,若订阅信息由第一标识信息标识,该AI服务信息获取方法还包括S702.1-S702.3:
S702.1:第三AI节点确定终端设备当前位于第一通知区域,将第一标识信息与第二标识信息相关联;第二标识信息用于标识第一通知区域。
S702.2:第三AI节点向一个或多个第四AI节点发送与第一标识信息关联的第二标识信息。
S702.3:终端设备获取与第一标识信息关联的第二标识信息。
S702.1中,第三AI节点可以根据终端设备的位置信息,确定终端设备当前位于第一通知区域,从而确定用于标识第一通知区域的第二标识信息,并建立第一标识信息与第二标识信息间的关联关系,得到与第一标识信息相关联的第二标识信息。本申请实施例中,通知区域(notification-area,N-Area)可以是新定义的,用于在AI网络中追踪终端设备,进行移动性管理的概念。具体如何根据通知区域对终端设备进行移动性管理在下文进行展开介绍。
可选的,本申请实施例中,通知区域(例如第一通知区域或者在下文介绍的第二通知区域)是根据小区和/或波束设置或者说规划的。例如,通知区域可以以小区为单位进行规划,3个相邻小区构成一个通知区域。又例如,通知区域可以以波束为单位进行规划,3束波束构成一个通知区域。
可选的,本申请实施例中,用于标识通知区域的标识信息,例如用于标识第一通知区域的第二标识信息,其也可以是新定义的信息。示例性的,用于标识通知区域的标识信息的一种可能的形式可以为通知区域标识号(notification-area-ID,N-ID)。
S702.2中,第三AI节点将第二标识信息,以及第一标识信息与第二标识信息间的关联关系发送给订阅区域内的每个AI节点。可以理解的是,订阅区域内的一个或多个第四AI节点可以接收到第二标识信息,以及第一标识信息与第二标识信息间的关联关系,并根据与第一标识信息相关联的第二标识信息,确定终端设备当前位于第一通知区域。
本申请实施例中,第三AI节点可以同时向一个或多个第四AI节点发送由第一标识信息标识的订阅信息、第二标识信息以及第一标识信息与第二标识信息间的关联关系。或者,第三AI节点也可以先向一个或多个第四AI节点发送由第一标识信息标识的订阅信息,再发送第二标识信息以及第一标识信息与第二标识信息间的关联关系,本申请实施例不作具体限制。
S702.3中,终端设备可以通过以下方式获取与第一标识信息相关联的第二标识信息:
实现方式一:第三AI节点向终端设备发送与第一标识信息关联的第二标识信息。可选的,第三AI节点还可以向终端设备发送第一标识信息与第二标识信息的关联关系。该实现方式中,第三AI节点确定终端设备位于第一通知区域后,可以向第一通知区域内的网络设备发送第二标识信息,从而将第二标识信息发送给终端设备。可选的,第三AI节点可以在向终端设备发送的响应消息中携带第二标识信息,其中,该响应消息用于响应终端设备发送的订阅信息。
实现方式二:终端设备接收来自第一通知区域内的网络设备发送的第二标识信息。可选的,本申请实施例中,通知区域中的网络设备,例如RAN设备,可以广播用于标识该通知区域的标识信息,以使终端设备移动至该通知区域后,可以接收到用于标识该通知区域的标识信息。因此,该实现方式中,终端设备位于第一通知区域时,可以接收到第一通知区域内的RAN设备广播的第二标识信息。
需要说明的是,本申请实施例并不限制S702.3的时序在S702.1和S702.2之后。例如,若终端设备是通过第一通知区域内的RAN设备接收广播的第二标识信息,则终端设备可以在移动至第一通知区域后就获取到第二标识信息,而与第三AI节点何时将第一标识信息与第二标识信息关联无关。
以下展开介绍如何通过通知区域在AI网络中对终端设备进行移动性管理。
进一步地,S702.1-S702.3之后,若终端设备移动至与第一通知区域不同的第二通知区域,该AI服务信息获取方法还包括S702.4-S702.5:
S702.4:终端设备获取到第三标识信息,第三标识信息用于标识终端设备当前位于的第二通知区域。
可选的,终端设备可以接收来自第三网络设备的第三标识信息,其中,第三网络设备位于第二通知区域中。示例性的,第二通知区域内的RAN设备广播用于标识第二通知区域的第三标识信息,终端设备移动至第二通知区域后,可以接收到RAN设备广播的第三标识信息。
S702.5:终端设备确定第三标识信息与第二标识信息不一致,向一个或多个第四AI节点发送更新请求,更新请求用于请求将第一标识信息与第三标识信息相关联。
S702.5中,终端设备如果确定获取的第三标识信息与之前获取的第二标识信息不一致,则说明终端设备已经移出之前位于的第一通知区域,且移动至第二通知区域。因此,终端设备需要向订阅区域内的每个AI节点(包括一个或多个第四AI节点)发送更新请求,请求将第一标识信息与第三标识信息相关联。
订阅区域内的AI节点接收到更新请求后,根据更新请求将第一标识信息与第二标识信息的关联关系更新为第一标识信息与第三标识信息的关联关系,更新后,第一标识信息与第三标识信息相关联。因此,订阅区域内的AI节点可以根据与第一标识信息相关联的第三标识信息,获知终端设备已经移动至第二通知区域。
为了便于理解如何通过通知区域在AI网络中对终端设备进行移动性管理,示例性的,如图9所示,假设终端设备向第三AI节点(图9中未示出)发送S-ID为S1的订阅信息,该S-ID为1的订阅信息对应的订阅区域包括通知区域1、通知区域2和通知区域3。通知区域1、通知区域2和通知区域3分别对应的N-ID为001、002和003。通知区域1、通知区域2和通知区域3对应一个AI节点2。第三AI节点在收到订阅信息后,确定终端设备当前位于通知区域1(第一通知区域),则将S1与通知区域1的标识信息001相关联,并将关联后的信息(包括关联关系)以及订阅信息转发给AI节点2。终端设备位于第一通知区域时,接收到通知区域1内的RAN设备(图9中未示出)广播的N-ID:001。之后,终端设备从通知区域1移动至通知区域2,终端设备移动到通知区域2后,接收到通知区域2内的RAN设备(图9中未示出)广播的N-ID:002。终端设备确定002与001不一致,则向第三AI节和AI节点2发送更新请求,请求将S1与002相关联。第三AI节点与AI节点2接收到更新请求后,将与S1相关联的001更新为002。终端设备从通知区域2移动至通知区域3后,并根据通知区域3内的RAN设备广播的N-ID:003,确定003与002不一致,则会再次向第三AI节点与AI节点2发送更新请求,以使第三AI节点与AI节点2将与S1相关联的002更新为003。
可选的,在订阅信息由第一标识信息标识,且第一标识信息与用于标识通知区域的标识信息(例如第二标识信息或者第三标识信息)关联的情况下,第四AI节点可以通过与第一标识信息相关联的用于标识通知区域的标识信息,确定终端设备当前位于的通知区域,从而将订阅结果发送给终端设备。
示例性的,若终端设备处于空闲态或者非激活态,第四AI节点可以根据与第一标识信息相关联的用于标识通知区域的标识信息,确定终端设备当前位于的通知区域,从而指示终端设备当前位于的通知区域中所有RAN设备,根据用户标识信息或者第一标识信息,通过呼叫(paging)的方式寻呼终端设备,使终端设备与当前位于的通知区域内的某一RAN设备重建空口链接,从而使第四AI节点可以通过与终端设备建立空口链接的RAN设备将订阅结果发送至终端设备。
示例性的,若终端设备处于连接态,第四AI节点可以根据与第一标识信息相关联的用于标识通知区域的标识信息,确定终端设备当前位于的通知区域,从而可以更快速地将订阅结果发送给终端设备当前接入的RAN设备。
以下结合示例和附图,对本申请实施例提供的一种示例性的AI服务信息获取方法进行介绍。如图10所示,该方法包括S1001-S1007。
S1001:终端设备通过相连的RAN设备,向AI节点1(第三AI节点)发送订阅信息,该订阅信息也可以称为订阅请求(subscribe request)。
S1001中,订阅信息请求向AI节点2~AI节点N订阅满足第二条件的AI服务1,其中,N为大于等于2的正整数。S1001的具体实现可以参考上文对S701的介绍。
S1002:AI节点1将订阅信息转发给AI节点2~AI节点N。
AI节点1为订阅信息分配S-ID:S1(第一标识信息),并根据终端设备当前位于的通知区域1的N-ID:001(第二标识信息),将S1与001相关联。AI节点1将信息001,S1和001的关联关系,以及由S1标识的订阅信息发送给AI节点2~AI节点N。AI节点2~AI节点N接收到订阅信息后,监测自身提供的AI服务是否满足第二条件。
S1003:AI节点1将订阅信息的响应消息发送给终端设备。该响应消息也可以称为订阅响应(subscribe response)。
S1003中,AI节点1将与S1相关联的001信息携带在响应消息中发送给终端设备。
S1004:终端设备接收相连的RAN设备广播(broadcast)的消息。
S1004中,终端设备从通知区域1移动至通知区域2,并与通知区域2内的RAN设备相连。通知区域2内的RAN设备广播通知区域2的N-ID:002(第三标识信息),终端设备与通知区域2内的RAN设备相连后,接收到该RAN设备广播的002。
S1005:终端设备向AI节点1和AI节点2~AI节点N发送更新请求,该更新请求也可以称为通知区域更新(N-Area update)请求。
S1005中,终端设备确定002与目前与S1关联的001不一致,则向AI节点1和AI节点2~AI节点N发送更新请求,请求将S1与002相关联。
S1006:AI节点1和AI节点2~AI节点N更新与S1关联的信息,AI节点2~N中有一个或多个AI节点确定自身提供的AI服务可以满足第二条件。
S1006中,AI节点1和AI节点2~AI节点N将与S1关联的001更新为002。且在此期间,AI节点2~AI节点N中有一个或多个AI节点确定自身提供的AI服务可以满足第二条件,即AI节点2~AI节点N中存在一个或多个第四AI节点。
S1002-S1006的具体实现可以参考上文对S702、S702.1-S702.5的介绍。
S1007:AI节点2~AI节点N中的一个或多个第四AI节点,将订阅结果发送给终端设备。
AI节点2~AI节点N中的一个或多个第四AI节点根据与S1相关联的002,确定终端设备当前位于通知区域2,将订阅结果发送给通知区域2内的RAN设备,从而通过通知区域002内的RAN设备将订阅结果发送给终端设备。S1007的具体实现可以参考上文对S703的介绍。
在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
可以理解的是,以上各个实施例中,由第一AI节点/第三AI节点实现的方法和/或步骤,也可以由第一AI节点/第三AI节点对应的网络设备,或者由可用于第一AI节点/第三AI节点对应的网络设备的部件(例如芯片或者电路)实现,由终端设备实现的方法和/或步骤,也可以由可用于终端设备的部件实现。
上述主要从各个装置之间交互的角度对本申请实施例提供的方案进行了介绍。相应的,本申请实施例还提供了通信装置,该通信装置用于实现上述各种方法。该通信装置可以为上述方法实施例中的第一AI节点/第三AI节点,或者上述方法实施例中的第一AI节点/第三AI节点对应的网络设备,或者包含上述第一AI节点/第三AI节点对应的网络设备的装置,或者为可用于第一AI节点/第三AI节点对应的网络设备的部件;或者,该通信装置可以为上述方法实施例中的终端设备,或者包含上述终端设备的装置,或者为可用于终端设备的部件。可以理解的是,该通信装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法实施例中对通信装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
比如,以通信装置为上述方法实施例中的第一AI节点/第三AI节点为例。图11示出了一种通信装置110的结构示意图。该通信装置110包括发送模块1101和接收模块1102。所述发送模块1101和接收模块1102,也可以称为收发模块。所述发送模块1101和接收模块1102也可以称为收发单元,收发单元用以实现发送和/或接收功能,例如可以是收发电路,收发机,收发器或者通信接口。
其中,发送模块1101,可以用于执行上述方法实施例中由第一AI节点/第三AI节点执行的发送类的步骤,接收模块1102,可以用于执行上述方法实施例中由第一AI节点/第三AI节点执行的接收类的步骤。
例如,发送模块1101,用于向终端设备发送测量配置信息;测量配置信息用于指示测量待测量AI节点的AI服务;接收模块1102,用于接收来自终端设备的测量报告;测量报告包括候选AI服务信息;候选AI服务信息为根据测量配置信息对待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;第一条件携带在测量配置信息中。
可选的,通信装置110还可以包括处理模块1103,处理模块1103,可以用于执行上述方法实施例中由第一AI节点/第三AI节点执行的除接收和发送类步骤之外的其他步骤。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
在本实施例中,该通信装置110以采用集成的方式划分各个功能模块的形式来呈现。这里的“模块”可以指特定ASIC,电路,执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。在一个简单的实施例中,本领域的技术人员可以想到该通信装置110可以采用图2所示的通信装置200的形式。
比如,图2所示的通信装置200中的处理器201可以通过调用存储器203中存储的计算机执行指令,使得通信装置200执行上述方法实施例中的AI服务信息获取方法。
具体的,图11中的发送模块1101、接收模块1102和处理模块1103的功能/实现过程可以通过图2所示的通信装置200中的处理器201调用存储器203中存储的计算机执行指令来实现。或者,图11中的处理模块1103的功能/实现过程可以通过图2所示的通信装置200中的处理器201调用存储器203中存储的计算机执行指令来实现,图11中的发送模块1101和接收模块1102的功能/实现过程可以通过图2所示的通信装置200中的通信接口204来实现。
由于本实施例提供的通信装置110可执行上述的AI服务信息获取方法,因此其所能获得的技术效果可参考上述方法实施例,在此不再赘述。
或者,比如,以通信装置为上述方法实施例中的终端设备为例。图12示出了一种通信装置120的结构示意图。该通信装置120包括发送模块1201和接收模块1202。所述发送模块1201和接收模块1202,也可以合并称为收发模块。所述发送模块1201和接收模块1202也可以称为收发单元,收发单元用以实现发送和/或接收功能,例如可以是收发电路,收发机,收发器或者通信接口。
其中,发送模块1201,可以用于执行上述方法实施例中由终端设备执行的发送类的步骤,接收模块1202,可以用于执行上述方法实施例中由终端设备执行的接收类的步骤。
例如,接收模块1202,用于接收来自第一AI节点的测量配置信息;测量配置信息用于指示测量待测量AI节点的AI服务;发送模块1201,用于向第一AI节点发送测量报告;测量报告包括候选AI服务信息;候选AI服务信息为根据测量配置信息对待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;第一条件携带在测量配置信息中。
又例如,发送模块1201,用于向第三AI节点发送订阅信息;订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务;接收模块1202,用于接收来自订阅区域内的一个或多个第四AI节点的订阅结果;订阅结果包括目标AI服务信息,目标AI服务信息对应的AI服务满足第二条件。
可选的,通信装置120还可以包括处理模块1203,处理模块1203,可以用于执行上述方法实施例中由终端设备执行的除接收和发送类步骤之外的其他步骤。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
在本实施例中,该通信装置120以采用集成的方式划分各个功能模块的形式来呈现。这里的“模块”可以指特定ASIC,电路,执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。在一个简单的实施例中,本领域的技术人员可以想到该通信装置120可以采用图2所示的通信装置200的形式。
比如,图2所示的通信装置200中的处理器201可以通过调用存储器203中存储的计算机执行指令,使得通信装置200执行上述方法实施例中的AI服务信息获取方法。
具体的,图12中的发送模块1201、接收模块1202和处理模块1203的功能/实现过程可以通过图2所示的通信装置200中的处理器201调用存储器203中存储的计算机执行指令来实现。或者,图12中的处理模块1203的功能/实现过程可以通过图2所示的通信装置200中的处理器201调用存储器203中存储的计算机执行指令来实现,图12中的发送模块1201和接收模块1202的功能/实现过程可以通过图2所示的通信装置200中的通信接口204来实现。
由于本实施例提供的通信装置120可执行上述的AI服务信息获取方法,因此其所能获得的技术效果可参考上述方法实施例,在此不再赘述。
可选的,本申请实施例还提供了一种通信装置(例如,该通信装置可以是芯片或芯片***),该通信装置包括处理器,用于实现上述任一方法实施例中的方法。在一种可能的设计中,该通信装置还包括存储器。该存储器,用于保存必要的程序指令和数据,处理器可以调用存储器中存储的程序代码以指令该通信装置执行上述任一方法实施例中的方法。当然,存储器也可以不在该通信装置中。在另一种可能的设计中,该通信装置还包括接口电路,该接口电路为代码/数据读写接口电路,该接口电路用于接收计算机执行指令(计算机执行指令存储在存储器中,可能直接从存储器读取,或可能经过其他器件)并传输至该处理器。该通信装置是芯片***时,可以由芯片构成,也可以包含芯片和其他分立器件,本申请实施例对此不作具体限定。
可选的,本申请实施例还提供一种通信装置,该通信装置可以包括处理器和接口电路,该接口电路,用于与该通信装置之外的其他模块通信,该处理器可以用于执行计算机程序或指令,以使该通信装置实现上述任一方法实施例中的方法。在一些场景下,该通信装置可以为芯片或芯片***。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。本申请实施例中,计算机可以包括前面所述的装置。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (29)
1.一种人工智能AI服务信息获取方法,其特征在于,所述方法,包括:
第一AI节点向终端设备发送测量配置信息;所述测量配置信息用于指示测量待测量AI节点的AI服务;
所述第一AI节点接收来自所述终端设备的测量报告;所述测量报告包括候选AI服务信息;所述候选AI服务信息为根据所述测量配置信息对所述待测量AI节点进行测量得到的一个或多个AI服务信息中满足第一条件的AI服务信息;所述第一条件携带在所述测量配置信息中。
2.根据权利要求1所述的方法,其特征在于,所述候选AI服务信息包括AI服务标识信息和性能信息,所述AI服务标识信息用于标识所述候选AI服务信息对应的AI服务,所述性能信息用于表征所述候选AI服务信息对应的AI服务的性能,所述方法还包括:
所述第一AI节点根据所述AI服务标识信息和所述性能信息,分别将所述候选AI服务信息对应的一个或多个AI服务中,每个AI服务对应的候选AI服务信息中的目标AI服务信息添加至本地AI服务列表中,其中,所述目标AI服务信息为所述每个AI服务对应的候选AI服务信息中,AI服务的性能最优的候选AI服务信息。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述第一AI节点将所述候选AI服务信息中的目标AI服务信息添加至所述本地AI服务列表中,其中,所述目标AI服务信息为所述候选AI服务信息中,与本地AI服务列表中记录的AI服务信息不同的候选AI服务信息。
4.根据权利要求2或3所述的方法,其特征在于,所述候选AI服务信息包括AI节点标识信息,所述AI节点标识信息用于标识所述候选AI服务信息对应的待测量AI节点,所述方法还包括:
所述第一AI节点根据所述本地AI服务列表中的一个或多个AI服务信息包括的AI节点标识信息,确定与所述一个或多个AI服务信息对应的AI节点;
所述第一AI节点获取所述一个或多个AI服务信息对应的AI节点的神经网络模型;所述神经网络模型用于实现AI服务。
5.根据权利要求4所述的方法,其特征在于,所述候选AI服务信息包括模型标识信息,所述模型标识信息用于标识所述候选AI服务信息对应的神经网络模型,所述第一AI节点获取所述一个或多个AI服务信息对应的AI节点的神经网络模型,包括:
所述第一AI节点从所述一个或多个AI服务信息对应的AI节点上获取与所述一个或多个AI服务信息包括的模型标识信息对应的神经网络模型。
6.根据权利要求4所述的方法,其特征在于,所述第一AI节点获取所述一个或多个AI服务信息对应的AI节点的神经网络模型,包括:
所述第一AI节点从所述一个或多个AI服务信息对应的AI节点上获取预配置的神经网络模型。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述测量配置信息包括所述待测量AI节点的标识信息和需要测量的所述AI服务的标识信息。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述候选AI服务信息包括以下至少一项信息:
AI服务标识信息、AI节点标识信息、模型标识信息、模型参数信息、性能信息和时效信息;其中,所述AI服务标识信息用于标识所述候选AI服务信息对应的AI服务,所述AI节点标识信息用于标识所述候选AI服务信息对应的待测量AI节点,所述模型标识信息用于标识所述候选AI服务信息对应的神经网络模型,所述模型参数信息为所述候选AI服务信息对应的神经网络模型的参数信息,所述性能信息用于表征所述候选AI服务信息对应的AI服务的性能,所述时效信息用于表征所述候选AI服务信息的有效时间。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述第一AI节点接收来自所述终端设备的测量报告,包括:
所述第一AI节点通过第二网络设备接收来自所述终端设备的测量报告,所述第二网络设备为与所述待测量AI节点中的第二AI节点对应的网络设备;其中,所述候选AI服务信息为与所述第二AI节点对应的候选AI服务信息。
10.根据权利要求9所述的方法,其特征在于,所述测量报告还包括所述第一AI节点的标识信息;所述第一AI节点的标识信息用于所述第二网络设备将所述测量报告发送给所述第一AI节点。
11.一种人工智能AI服务信息获取方法,其特征在于,所述方法,包括:
第三AI节点接收来自终端设备的订阅信息;所述订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务;
所述第三AI节点向所述订阅区域内的一个或多个第四AI节点发送所述订阅信息,以使得所述第四AI节点根据所述订阅信息,向所述终端设备发送订阅结果;所述订阅结果包括目标AI服务信息,所述目标AI服务信息对应的AI服务满足所述第二条件。
12.根据权利要求11所述的方法,其特征在于,所述订阅信息由第一标识信息标识。
13.根据权利要求12所述的方法,其特征在于,所述第一标识信息由所述第三AI节点生成;
或者,所述第一标识信息由所述终端设备生成。
14.根据权利要求12或13所述的方法,其特征在于,在所述第三AI节点接收来自终端设备的订阅信息之后,所述方法还包括:
所述第三AI节点确定所述终端设备当前位于第一通知区域,将所述第一标识信息与第二标识信息相关联;所述第二标识信息用于标识所述第一通知区域;
所述第三AI节点将与所述第一标识信息相关联的第二标识信息发送给所述一个或多个第四AI节点。
15.根据权利要求14所述的方法,其特征在于,所述第一通知区域是根据小区和/或波束设置的。
16.根据权利要求11-15任一项所述的方法,其特征在于,所述订阅信息包括以下至少一项信息:
用于标识请求订阅的AI服务的AI服务标识信息,用于标识所述终端设备的用户标识信息,用于表征所述第二条件的服务等级信息,用于表征所述订阅区域的订阅区域信息,模型标识信息,模型参数信息和订阅有效期信息;其中,所述模型标识信息用于标识所述订阅信息请求订阅的AI服务对应的神经网络模型,所述模型参数信息为所述订阅信息请求订阅的AI服务对应的神经网络模型的参数信息,所述订阅有效期信息用于表征所述订阅信息的有效时间。
17.根据权利要求16所述的方法,其特征在于,所述订阅区域信息由所述终端设备确定;
或者,所述订阅区域信息由所述第三AI节点确定。
18.一种人工智能AI服务信息获取方法,其特征在于,所述方法,包括:
终端设备向第三AI节点发送订阅信息;所述订阅信息用于请求在订阅区域内订阅满足第二条件的AI服务;
所述终端设备接收来自所述订阅区域内的一个或多个第四AI节点的订阅结果;所述订阅结果包括目标AI服务信息,所述目标AI服务信息对应的AI服务满足所述第二条件。
19.根据权利要求18所述的方法,其特征在于,所述订阅信息由第一标识信息标识。
20.根据权利要求19所述的方法,其特征在于,所述第一标识信息由所述第三AI节点生成;
或者,所述第一标识信息由所述终端设备生成。
21.根据权利要求19或20所述的方法,其特征在于,在所述终端设备向第三AI节点发送订阅信息之后,所述方法还包括:
所述终端设备获取与所述第一标识信息关联的第二标识信息;所述第二标识信息用于标识所述终端设备当前位于的第一通知区域。
22.根据权利要求21所述的方法,其特征在于,所述方法还包括:
所述终端设备获取第三标识信息;所述第三标识信息用于标识所述终端设备当前位于的第二通知区域;
所述终端设备确定所述第三标识信息与所述第二标识信息不一致,向所述一个或多个第四AI节点发送更新请求,所述更新请求用于请求将所述第一标识信息与所述第三标识信息相关联。
23.根据权利要求22所述的方法,其特征在于,所述终端设备获取第三标识信息包括:
所述终端设备接收来自第三网络设备的第三标识信息;所述第三网络设备位于所述第二通知区域中。
24.根据权利要求21-23任一项所述的方法,其特征在于,所述第一通知区域是根据小区和/或波束设置的。
25.根据权利要求18-24任一项所述的方法,其特征在于,所述订阅信息包括以下至少一项信息:
用于标识请求订阅的AI服务的AI服务标识信息,用于标识所述终端设备的用户标识信息,用于表征所述第二条件的服务等级信息,用于表征所述订阅区域的订阅区域信息,模型标识信息,模型参数信息和订阅有效期信息;其中,所述模型标识信息用于标识所述订阅信息请求订阅的AI服务对应的神经网络模型,所述模型参数信息为所述订阅信息请求订阅的AI服务对应的神经网络模型的参数信息,所述订阅有效期信息用于表征所述订阅信息的有效时间。
26.根据权利要求25所述的方法,其特征在于,所述订阅区域信息由所述终端设备确定;
或者,所述订阅区域信息由所述第三AI节点确定。
27.一种通信装置,其特征在于,包括:处理器以及存储器,所述存储器用于存储计算机执行指令,所述处理器用于执行所述存储器存储的所述指令;当所述指令被所述处理器运行时,使得所述通信装置执行权利要求1-10中任一项所述的方法,或者,使得所述计算机执行权利要求11-17中任一项所述的方法,或者,使得所述通信装置实现权利要求18-26中任一项所述的方法。
28.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机执行时使得所述计算机执行权利要求1-10中任一项所述的方法,或者,使得所述计算机执行权利要求11-17中任一项所述的方法,或者,使得所述计算机执行权利要求18-26中任一项所述的方法。
29.一种通信***,其特征在于,所述通信***包括网络设备和终端设备;所述网络设备,用于执行权利要求11-17中任一项所述的方法;所述终端设备,用于执行权利要求18-26中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210349458.2A CN116939687A (zh) | 2022-04-01 | 2022-04-01 | 一种ai服务信息获取方法、装置及*** |
PCT/CN2023/085246 WO2023186048A1 (zh) | 2022-04-01 | 2023-03-30 | 一种ai服务信息获取方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210349458.2A CN116939687A (zh) | 2022-04-01 | 2022-04-01 | 一种ai服务信息获取方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116939687A true CN116939687A (zh) | 2023-10-24 |
Family
ID=88199462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210349458.2A Pending CN116939687A (zh) | 2022-04-01 | 2022-04-01 | 一种ai服务信息获取方法、装置及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116939687A (zh) |
WO (1) | WO2023186048A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10381006B1 (en) * | 2018-11-26 | 2019-08-13 | Accenture Global Solutions Limited | Dialog management system for using multiple artificial intelligence service providers |
US20210365804A1 (en) * | 2021-06-11 | 2021-11-25 | Intel Corporation | Dynamic ai model transfer reconfiguration to minimize performance, accuracy and latency disruptions |
CN114245404A (zh) * | 2021-12-14 | 2022-03-25 | 上海优咔网络科技有限公司 | 一种人工智能边缘计算切换方法 |
-
2022
- 2022-04-01 CN CN202210349458.2A patent/CN116939687A/zh active Pending
-
2023
- 2023-03-30 WO PCT/CN2023/085246 patent/WO2023186048A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023186048A1 (zh) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4099635A1 (en) | Method and device for selecting service in wireless communication system | |
CN110971421B (zh) | 订阅更新方法、设备及*** | |
US20170041931A1 (en) | Method and device for scheduling resources in internet of vehicles system | |
US20230345244A1 (en) | Method and device for obtaining, managing, and verifying user consent for external provision of user data analysis information | |
CN114303347A (zh) | 通信网络中与机器学习相关的方法、装置和机器可读介质 | |
US20220103644A1 (en) | Method and apparatus for renewing subscription for network data analysis in wireless communication system | |
CN114270964B (zh) | 通信方法、装置及*** | |
CN113873538A (zh) | 一种模型数据传输方法及通信装置 | |
CN111586797B (zh) | 一种通信方法和接入网设备 | |
US20240073768A1 (en) | Information transmission method and device thereof | |
US20190021082A1 (en) | Apparatuses and methods for network management side and user equipment side, and central management apparatus | |
CN111901866A (zh) | 一种寻呼方法、装置、设备和存储介质 | |
US20230259391A1 (en) | Communication method and apparatus | |
WO2022082356A1 (zh) | 一种通信方法及装置 | |
CN108781379B (zh) | 用于识别无人机的方法、装置、移动管理实体及基站 | |
CN114125958A (zh) | 下行定位测量方法、装置及*** | |
WO2020001319A1 (zh) | 动态组网方法、设备及*** | |
WO2021134701A1 (zh) | D2d通信方法、装置及*** | |
US20230137283A1 (en) | Systems and methods to optimize registration and session establishment in a wireless network | |
EP4106273A1 (en) | Apparatus, methods, and computer programs | |
CN116939687A (zh) | 一种ai服务信息获取方法、装置及*** | |
WO2022165721A1 (zh) | Ran域的模型共享方法及装置 | |
CN111565432B (zh) | 一种通信方法和接入网设备 | |
JP6989577B2 (ja) | 通信システム、情報処理装置、無線端末、情報処理装置の制御方法、無線端末の制御方法、および、プログラム | |
CN116097688A (zh) | 通信方法、装置及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |