WO2021248371A1 - 一种接入方法、接入装置及存储介质 - Google Patents
一种接入方法、接入装置及存储介质 Download PDFInfo
- Publication number
- WO2021248371A1 WO2021248371A1 PCT/CN2020/095396 CN2020095396W WO2021248371A1 WO 2021248371 A1 WO2021248371 A1 WO 2021248371A1 CN 2020095396 W CN2020095396 W CN 2020095396W WO 2021248371 A1 WO2021248371 A1 WO 2021248371A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- terminal
- model type
- network device
- type supported
- signaling
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 230000011664 signaling Effects 0.000 claims description 137
- 238000012545 processing Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 description 278
- 230000006854 communication Effects 0.000 description 28
- 238000004891 communication Methods 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/02—Access restriction performed under specific conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/20—Manipulation of established connections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
- H04W48/12—Access restriction or access information delivery, e.g. discovery data delivery using downlink control channel
Definitions
- terminals with AI capabilities can actually process more and more data and make rapid feedback and decisions.
- network devices and terminals in related technologies cannot interoperate with AI capabilities. Interoperability, for example, network equipment cannot use the AI capabilities of the terminal. Moreover, the terminal cannot use the AI capability of the network device.
- the AI model type is characterized by bit values, where different bit values correspond to different AI model types.
- the access method involved in the embodiment of the present disclosure further includes: sending the AI model type supported by the terminal to the network device.
- the sending the AI model type supported by the terminal to the network device includes:
- the AI model type supported by the network device is sent based on the first unicast signaling.
- the AI model type is represented by an integer value, wherein different integer values correspond to different AI model types.
- the AI model type is characterized by bit values, where different bit values correspond to different AI model types.
- the AI model type supported by the receiving terminal includes:
- the second unicast signaling includes terminal capability indication signaling or radio resource control creation completion signaling.
- a request signaling is sent, where the request signaling is used to request to obtain the AI model type supported by the terminal.
- the access method involved in the embodiment of the present disclosure further includes:
- an access device including:
- the processor is configured to execute the access method described in the first aspect or any one of the implementation manners in the first aspect.
- a non-transitory computer-readable storage medium When instructions in the storage medium are executed by a processor of a network device, the network device can execute the second aspect or the second aspect.
- a terminal with AI capability selects a network device corresponding to an AI model type matching the AI model type supported by the terminal to access based on the AI model type supported by the network device, It enables terminals with AI capabilities to select wireless networks that match their own AI capabilities for access, which improves the use efficiency of AI capabilities between the terminal and network equipment.
- Fig. 3 is a flow chart showing an access method according to an exemplary embodiment.
- a terminal with AI capability selects a network device corresponding to an AI model type matching the AI model type supported by the terminal to access the network device based on the AI model type supported by the network device, so that it has AI capability
- the terminal selects the wireless network that matches its own AI capability for access, so that the interconnection and collaboration between the AI-capable terminal and the AI-capable network device is more in place, so that the AI-capable terminal is based on the AI capability of the network device
- Information makes rapid feedback and decision-making, which improves the efficiency of AI capabilities between terminals and network devices, thereby improving communication efficiency.
- the type of AI model supported by the network device may be the type of the actual AI model supported by the network device, and/or the AI training model supported by the network device, and/or the type of AI reasoning model supported by the network device.
- the terminal after the terminal obtains the AI model type supported by the network device, it can select the AI model supported by the terminal from the obtained AI model type supported by the network device according to the obtained AI model type supported by the network device Type matching AI model type, and then select the network device corresponding to the AI model type supported by the terminal for access, that is, select the wireless network matching its own AI capability for access, and improve the use of AI efficient.
- the type of AI model supported by the network device in the embodiment of the present disclosure may be one or multiple.
- the AI model type supported by the network device can be indicated by an integer value defined in advance, that is, it is agreed in advance which integer value represents which model type.
- the AI model type is represented by an integer value, where different integer values correspond to different AI model types.
- the network device sends the AI model type supported by the network device to the terminal, the corresponding integer value is used to indicate the AI model type supported by the network device.
- the terminal receives the integer value sent by the network device, and based on the predefined correspondence between the integer value and the AI model type, can determine the AI model type supported by the network device.
- the type of AI model supported by the network device can be indicated by the value of the bit defined in advance, that is, the type of AI model is represented by the value of the bit defined in advance, and the bit value and AI are agreed upon.
- different bit values correspond to different AI model types. For example, define the type of AI model supported by the network device through different values of three bits. For example, 000 represents the AI model type #1 supported by the network device, and 001 represents the AI model type #2 supported by the network device.
- the network device sends the AI model type supported by the network device to the terminal, the value of the corresponding bit indicates the AI model type supported by the network device.
- the terminal receives the bit value sent by the network device, and based on the predefined correspondence between the bit value and the AI model type, the AI model type supported by the network device can be determined.
- the network device selects the AI model type that matches the supported AI model type, if it is determined that there are multiple AI model types supported by the terminal itself, it can be based on the service to be performed by the terminal and select the supported multiple AI models. Choose one of the types.
- Fig. 4 is a flowchart showing an access method according to an exemplary embodiment. As shown in Fig. 4, the access method is used in a terminal and includes the following steps.
- the AI model type supported by the terminal when the terminal sends the AI model type supported by the terminal to the network device, the AI model type supported by the terminal may be sent through unicast signaling.
- the unicast signaling of the AI model type supported by the transmitting terminal is referred to as second unicast signaling.
- the network device may receive the AI model type supported by the terminal based on the second unicast signaling.
- step S32 the AI model type supported by the network device is obtained.
- step S52 a request signaling is sent, and the request signaling is used to request to obtain the AI model type supported by the terminal.
- Fig. 7 is a flowchart showing an access method according to an exemplary embodiment. As shown in Fig. 7, the access method is used in a terminal and includes the following steps.
- Fig. 10 is a block diagram showing a device 300 for access according to an exemplary embodiment.
- the device 300 may be a mobile phone, a computer, a digital broadcasting terminal, a messaging device, a game console, a tablet device, a medical device, a fitness device, a personal digital assistant, etc.
- the sensor component 314 includes one or more sensors for providing the device 300 with various aspects of state evaluation.
- the sensor component 314 can detect the open/close state of the device 300 and the relative positioning of components.
- the component is the display and the keypad of the device 300.
- the sensor component 314 can also detect the position change of the device 300 or a component of the device 300. , The presence or absence of contact between the user and the device 300, the orientation or acceleration/deceleration of the device 300, and the temperature change of the device 300.
- the sensor assembly 314 may include a proximity sensor configured to detect the presence of nearby objects when there is no physical contact.
- the sensor component 314 may also include a light sensor, such as a CMOS or CCD image sensor, for use in imaging applications.
- the sensor component 314 may also include an acceleration sensor, a gyroscope sensor, a magnetic sensor, a pressure sensor, or a temperature sensor.
- the communication component 316 is configured to facilitate wired or wireless communication between the apparatus 300 and other devices.
- the device 300 can access a wireless network according to a communication standard, such as WiFi, 2G, or 3G, or a combination thereof.
- the communication component 316 receives a broadcast signal or broadcast related information from an external broadcast management system via a broadcast channel.
- the communication component 316 further includes a near field communication (NFC) module to facilitate short-range communication.
- the NFC module can be implemented based on radio frequency identification (RFID) technology, infrared data association (IrDA) technology, ultra-wideband (UWB) technology, Bluetooth (BT) technology and other technologies.
- RFID radio frequency identification
- IrDA infrared data association
- UWB ultra-wideband
- Bluetooth Bluetooth
- the device 400 may also include a power component 426 configured to perform power management of the device 400, a wired or wireless network interface 450 configured to connect the device 400 to a network, and an input output (I/O) interface 458.
- the device 400 can operate according to an operating system stored in the memory 432, such as Windows ServerTM, Mac OS XTM, UnixTM, LinuxTM, FreeBSDTM or the like.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开是关于一种接入方法、接入装置及存储介质。接入方法包括:获取网络设备支持的AI模型类型;根据所述网络设备支持的AI模型类型,选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。通过本公开使得具备AI能力的终端选择与自身AI能力匹配的无线网络进行接入,提高终端与网络设备之间的AI能力使用效率。
Description
本公开涉及通信技术领域,尤其涉及一种接入方法、接入装置及存储介质。
随着无线通信技术和计算机技术的发展,人工智能(Artificial Intelligence,AI)在终端侧的重要性体现的越来越突出。相关技术中,已经开始把AI应用与智能手机等终端的照相、语音、安全等诸多领域来提升用户的使用体验。随着5G的成熟和商用,5G网络所具有的高速率、高可靠性、低时延等显著特点使得具备AI能力的终端得以有机会和具备AI能力的云端设备进行智能协同来实现更多的功能并为用户带来更好的体验。例如,随着5G时代的到来,AI在终端中的应用会实现更无缝的云端协同、交互方式趋于自然、智能终端之间的互联互通与协同更为到位。
但是,随着终端的处理能力越来越强大,具备AI能力的终端其实可以处理越来越多的数据并做出迅速的反馈和决策,但是相关技术中网络设备和终端并不能针对AI能力互通互用,例如,网络设备并不能利用终端的AI能力。并且,终端也不能利用网络设备的AI能力。
发明内容
为克服相关技术中存在的问题,本公开提供一种接入方法、接入装置及存储介质。
根据本公开实施例的第一方面,提供一种接入方法,所述方法包括:
获取网络设备支持的AI模型类型;根据所述网络设备支持的AI模型类型,选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
一种实施方式中,所述获取网络设备支持的AI模型类型,包括:基于网络设备广播的***信息获取所述网络设备支持的AI模型类型。
另一种实施方式中,所述获取网络设备支持的AI模型类型,包括:
基于第一单播信令获取网络设备支持的AI模型类型。
又一种实施方式中,所述第一单播信令包括无线资源控制重配置信令。
又一种实施方式中,所述AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。
又一种实施方式中,所述AI模型类型通过比特位取值表征,其中,不同的比特位取值对应不同的AI模型类型。
又一种实施方式中,本公开实施例涉及的接入方法还包括:向所述网络设备发送所述 终端支持的AI模型类型。
又一种实施方式中,所述向所述网络设备发送所述终端支持的AI模型类型,包括:
基于第二单播信令向所述网络设备发送所述终端支持的AI模型类型。
又一种实施方式中,所述第二单播信令包括终端能力指示信令或者无线资源控制创建完成信令。
又一种实施方式中,本公开实施例涉及的接入方法还包括:
在向所述网络设备发送所述终端支持的AI模型类型之前,确定接收到所述网络设备发送的请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
又一种实施方式中,所述向所述网络设备发送所述终端支持的AI模型类型,包括:
基于告知信令向所述网络设备发送所述终端支持的AI模型类型,其中,所述告知信令用于指示所述终端支持的AI模型类型。
又一种实施方式中,所述请求信令包括终端信息请求信令,所述告知信令包括终端信息响应信令。
又一种实施方式中,本公开实施例涉及的接入方法还包括:
向所述网络设备发送AI能力信息,所述AI能力信息表征所述终端具备支持AI模型的能力。
根据本公开实施例第二方面,提供一种接入方法,所述方法包括:
发送网络设备支持的AI模型类型。
一种实施方式中,所述发送所述网络设备支持的AI模型类型,包括:
在***信息中广播网络设备支持的AI模型类型。
另一种实施方式中,所述发送网络设备支持的AI模型类型,包括:
基于第一单播信令发送网络设备支持的AI模型类型。
又一种实施方式中,所述第一单播信令包括无线资源控制重配置信令。
又一种实施方式中,所述AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。
又一种实施方式中,所述AI模型类型通过比特位取值表征,其中,不同的比特位取值对应不同的AI模型类型。
又一种实施方式中,本公开实施例涉及的接入方法还包括:
接收终端支持的AI模型类型。
又一种实施方式中,所述接收终端支持的AI模型类型,包括:
基于第二单播信令接收终端支持的AI模型类型。
又一种实施方式中,所述第二单播信令包括终端能力指示信令或者无线资源控制创建完成信令。
又一种实施方式中,本公开实施例涉及的接入方法还包括:
在接收终端支持的AI模型类型之前,发送请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
又一种实施方式中,所述接收终端支持的AI模型类型,包括:
基于告知信令接收终端支持的AI模型类型,其中,所述告知信令用于指示所述终端支持的AI模型类型。
又一种实施方式中,所述请求信令包括终端信息请求信令,所述告知信令包括终端信息响应信令。
又一种实施方式中,本公开实施例涉及的接入方法还包括:
接收AI能力信息,所述AI能力信息表征终端具备支持AI模型的能力。
又一种实施方式中,所述配置网络设备支持的AI模型类型,包括:
配置与终端支持的AI模型类型匹配的AI模型类型,作为网络设备支持的AI模型类型。
根据本公开实施例第三方面,提供一种接入装置,应用于终端,所述装置包括:
获取单元,被配置为获取网络设备支持的AI模型类型;处理单元,被配置为在获取到的AI模型类型中选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
一种实施方式中,所述接入装置还包括发送单元,所述发送单元被配置为:
向所述网络设备发送所述终端支持的AI模型类型。
另一种实施方式中,所述获取单元还被配置为:
在所述发送单元向所述网络设备发送所述终端支持的AI模型类型之前,确定接收到所述网络设备发送的请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
又一种实施方式中,所述发送单元还被配置为:
向所述网络设备发送AI能力信息,所述AI能力信息表征所述终端具备支持AI模型的能力。
根据本公开实施例第四方面,提供一种接入装置,应用于网络设备,所述接入装置包括:
发送单元,被配置为发送网络设备支持的AI模型类型。
一种实施方式中,所述接入装置还包括接收单元,所述接收单元被配置为:
接收终端支持的AI模型类型。
另一种实施方式中,所述发送单元还被配置为:
在所述接收单元接收终端支持的AI模型类型之前,发送请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
又一种实施方式中,所述接收单元还被配置为:
接收AI能力信息,所述AI能力信息表征终端具备支持AI模型的能力。
根据本公开实施例第五方面,提供一种接入装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行第一方面或者第一方面中任意一实施方式中所述的接入方法。
根据本公开实施例第六方面,提供一种接入装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行第二方面或者第二方面任意一实施方式中所述的接入方法。
根据本公开实施例第七方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行第一方面或第一方面中任意一实施方式中所述的接入方法。
根据本公开实施例第八方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由网络设备的处理器执行时,使得网络设备能够执行第二方面或者第二方面中任意一项所述的接入方法。
本公开的实施例提供的技术方案可以包括以下有益效果:具备AI能力的终端基于网络设备支持的AI模型类型选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入,使得具备AI能力的终端选择与自身AI能力匹配的无线网络进行接入,提高终端与网络设备之间的AI能力使用效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种无线通信***架构图。
图2是根据一示例性实施例示出的一种接入方法的流程图。
图3是根据一示例性实施例示出的一种接入方法的流程图。
图4是根据一示例性实施例示出的一种接入方法的流程图。
图5是根据一示例性实施例示出的一种接入方法的流程图。
图6是根据一示例性实施例示出的一种接入方法的流程图。
图7是根据一示例性实施例示出的一种接入方法的流程图。
图8是根据一示例性实施例示出的一种接入装置的框图。
图9是根据一示例性实施例示出的一种接入装置的框图。
图10是根据一示例性实施例示出的一种用于接入的装置的框图。
图11是根据一示例性实施例示出的一种用于接入的装置的框图。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供的接入方法可应用于图1所示的无线通信***中。参阅图1所示,该无线通信***中包括终端和网络设备。终端和网络设备之间通过无线资源进行信息的发送与接收。
可以理解的是,图1所示的无线通信***仅是进行示意性说明,无线通信***中还可包括其它网络设备,例如还可以包括核心网络设备、无线中继设备和无线回传设备等,在图1中未画出。本公开实施例对该无线通信***中包括的网络设备数量和终端数量不做限定。
进一步可以理解的是,本公开实施例的无线通信***,是一种提供无线通信功能的网络。无线通信***可以采用不同的通信技术,例如码分多址(code division multiple access,CDMA)、宽带码分多址(wideband code division multiple access,WCDMA)、时分多址(time division multiple access,TDMA)、频分多址(frequency division multiple access,FDMA)、正交频分多址(orthogonal frequency-division multiple access,OFDMA)、单载波频分多址(single Carrier FDMA,SC-FDMA)、载波侦听多路访问/冲突避免(Carrier Sense Multiple Access with Collision Avoidance)。根据不同网络的容量、速率、时延等因素可以将网络分为2G(英文:generation)网络、3G网络、4G网络或者未来演进网络,如5G网络,5G 网络也可称为是新无线网络(New Radio,NR)。为了方便描述,本公开有时会将无线通信网络简称为网络。
进一步的,本公开中涉及的网络设备也可以称为无线接入网络设备。该无线接入网络设备可以是:基站、演进型基站(evolved node B,基站)、家庭基站、无线保真(wireless fidelity,WIFI)***中的接入点(access point,AP)、无线中继节点、无线回传节点、传输点(transmission point,TP)或者发送接收点(transmission and reception point,TRP)等,还可以为NR***中的gNB,或者,还可以是构成基站的组件或一部分设备等。当为车联网(V2X)通信***时,网络设备还可以是车载设备。应理解,本公开的实施例中,对网络设备所采用的具体技术和具体设备形态不做限定。
进一步的,本公开中涉及的终端,也可以称为终端设备、用户设备(User Equipment,UE)、移动台(Mobile Station,MS)、移动终端(Mobile Terminal,MT)等,是一种向用户提供语音和/或数据连通性的设备,例如,终端可以是具有无线连接功能的手持式设备、车载设备等。目前,一些终端的举例为:智能手机(Mobile Phone)、口袋计算机(Pocket Personal Computer,PPC)、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、笔记本电脑、平板电脑、可穿戴设备、或者车载设备等。此外,当为车联网(V2X)通信***时,终端设备还可以是车载设备。应理解,本公开实施例对终端所采用的具体技术和具体设备形态不做限定。
其中,本公开实施例中涉及的终端和网络设备具备AI能力。具备AI能力的终端可以快速响应用户需求,以低功耗、低成本方式向用户快速展示处理后的图像、视频、语音和文本信息,适合完成AI推理任务。具备AI能力的终端得以有机会和具备AI能力的云端设备进行智能协同来实现更多的功能并为用户带来更好的体验。具备AI能力的云端设备用于实现多终端数据汇聚,在数据吞吐量和处理速度等方面更具有优势,适合完成AI模型训练任务。因此,云端协同的AI处理模式将在模型训练和数据推理等方面发挥重要作用。
应用AI进行无线通信过程中,用户发出的命令在终端的智能芯片进行初步处理后,通过5G网络与云端设备进行实时交互,之后使用5G网络把云端处理结果反馈给用户,可提升数据处理能力,且有效降低时延。
本公开实施例提供一种接入方法,具备AI能力的终端基于网络设备支持的AI模型类型选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入,使得具备AI能力的终端选择与自身AI能力匹配的无线网络进行接入,使具备AI能力的终端与具备AI能力的网络设备之间的互联互通与协同更到位,使具备AI能力的终端基于网络设 备的AI能力信息做出迅速反馈和决策,提高终端与网络设备之间的AI能力使用效率,进而提高通信效率。
图2是根据一示例性实施例示出的一种接入方法的流程图,如图2所示,接入方法用于终端中,包括以下步骤。
在步骤S11中,获取网络设备支持的AI模型类型。
本公开实施例中,网络设备支持的AI模型类型,可以是网络设备支持的实际AI模型的类型,和/或网络设备支持的AI训练模型,和/或网络设备支持的AI推理模型的类型。
在步骤S12中,根据网络设备支持的AI模型类型,选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
本公开实施例中,终端获取到网络设备支持的AI模型类型后,可以根据获取到的网络设备支持的AI模型类型,在获取到的网络设备支持的AI模型类型中选择与终端支持的AI模型类型匹配的AI模型类型,进而选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入,即选择了与自身AI能力相匹配的无线网络进行接入,提高AI的使用效率。
一种实施方式中,网络设备支持的AI模型类型可以是由网络设备配置并发送给终端。
图3是根据一示例性实施例示出的一种接入方法的流程图,如图3所示,接入方法用于网络设备中,包括以下步骤。
在步骤S21中,发送网络设备支持的AI模型类型。
本公开实施例中,网络设备可以根据自身支持的AI能力,比如自身支持的实际AI模型的类型,和/或网络设备支持的AI训练模型,和/或网络设备支持的AI推理模型的类型,预先定义网络设备支持的AI模型类型。
本公开实施例中,网络设备一方面可以将网络设备支持的AI模型类型在***信息中广播给终端,另一方面也可以将网络设备支持的AI模型类型通过单播信令发送给接入网络设备的具备AI能力的终端。其中,网络设备基于单播信令发送网络设备支持的AI模型类型时,可以采用诸如无线资源控制重配置信令(RRCReconfiguration信令)将网络设备支持的AI模型类型发送给接入网络设备的终端。
其中,网络设备在***信息中广播网络设备支持的AI模型类型,接收到网络设备广播的***信息的终端,可以基于接收到的***信息获取网络设备支持的AI模型类型。
网络设备支持的AI模型类型通过单播信令发送给接入该网络设备的终端情况下,终端基于单播信令获取网络设备支持的AI模型类型。本公开实施例中为描述方便,将发送网络设备支持的AI模型类型的单播信令称为第一单播信令。
进一步的,本公开实施例中网络设备支持的AI模型类型可以是一种也可以是多种。为了标识出网络设备支持的AI模型类型,一种实现方式中,网络设备支持的AI模型类型可以通过提前定义好的整数值来进行指示,即提前约定好哪个整数值代表哪个模型类型。换言之,AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。网络设备向终端发送网络设备支持的AI模型类型时,通过对应的整数值指示网络设备支持的AI模型类型。终端接收到网络设备发送的整数值,基于整数值与AI模型类型之间预定义的对应关系,可以确定出网络设备支持的AI模型类型。
一种实现方式中,网络设备支持的AI模型类型可以通过提前定义好的比特位取值来进行指示,即提前定义好通过比特位取值表征AI模型类型,并约定好比特位取值与AI模型类型之间的对应关系,不同的比特位取值对应不同的AI模型类型。例如,定义通过三个比特位的不同取值表征网络设备支持的AI模型类型。比如,000表征网络设备支持的AI模型类型#1,001表征网络设备支持的AI模型类型#2……。网络设备向终端发送网络设备支持的AI模型类型时,通过对应的比特位取值指示网络设备支持的AI模型类型。终端接收到网络设备发送的比特位取值,基于比特位取值与AI模型类型之间预定义的对应关系,可以确定出网络设备支持的AI模型类型。
本公开实施例中,终端接收到网络设备发送的AI模型类型后,可以选择与终端自身所支持的AI模型类型相匹配的网络设备进行接入。
其中,网络设备在进行支持的AI模型类型匹配的AI模型类型选择时,若确定与终端自身所支持的AI模型类型有多种,则可以基于终端待进行的业务,在支持的多种AI模型类型中选择一种。
可以理解的是,本公开实施例中,若终端在网络设备发送的AI模型类型中未确定出于终端自身所支持的AI模型类型相匹配的AI模型类型,则可以采用常规的接入方式进行接入,无需考量终端的AI能力。
进一步的,本公开实施例中,为了进一步防止终端在网络设备发送的AI模型类型中不能确定出终端自身所支持的AI模型类型,也为了保证终端在支持AI能力的情况下进行上述通信过程,终端可以向网络设备发送终端支持的AI模型类型。其中,终端向网络设备发送的终端支持的AI模型类型可以是终端支持的实际AI模型的类型,和/或终端支持的AI训练模型,和/或终端支持的AI推理模型的类型。
图4是根据一示例性实施例示出的一种接入方法的流程图,如图4所示,接入方法用于终端中,包括以下步骤。
在步骤S31中,向网络设备发送终端支持的AI模型类型。
其中,本公开实施例中,终端向网络设备发送终端支持的AI模型类型时,可以通过单播信令发送终端支持的AI模型类型。本公开实施例为描述方便,将发送终端支持的AI模型类型的单播信令称为第二单播信令。
其中,终端基于第二单播信令向网络设备发送终端支持的AI模型类型时,第二单播信令可以是终端能力指示信令或者也可以是无线资源控制创建完成信令(RRCSetupComplete)。
其中,网络设备可以基于第二单播信令接收终端支持的AI模型类型。
进一步的,网络设备接收到终端支持的AI模型类型后,可以配置与终端支持的AI模型类型匹配的AI模型类型,作为网络设备支持的AI模型类型,以保证终端能够选择到与终端支持的AI模型类型匹配的AI模型类型。
网络设备配置了与终端支持的AI模型类型匹配的AI模型类型,可以向终端发送。
在步骤S32中,获取网络设备支持的AI模型类型。
在步骤S33中,根据网络设备支持的AI模型类型,选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
图5是根据一示例性实施例示出的一种接入方法的流程图,如图5所示,接入方法用于网络设备中,包括以下步骤。
在步骤S41中,接收终端支持的AI模型类型。
其中,本公开实施例中,网络设备可以基于第二单播信令接收终端支持的AI模型类型。
进一步的,网络设备接收到终端支持的AI模型类型后,可以配置与终端支持的AI模型类型匹配的AI模型类型,作为网络设备支持的AI模型类型,以保证终端能够选择到与终端支持的AI模型类型匹配的AI模型类型。
网络设备配置了与终端支持的AI模型类型匹配的AI模型类型,可以向终端发送。
在步骤S42中,发送网络设备支持的AI模型类型。
其中,网络设备可以基于接收到的终端支持的AI模型类型,配置与终端支持的AI模型类型匹配的AI模型类型,作为网络设备支持的AI模型类型。
本公开实施例另一种实施方式中,具备AI能力的终端可以在接入网络设备时向网络设备发送终端具备支持AI模型的能力的AI能力信息,例如,具备AI能力的终端向网络设备发送指示终端支持AI模型和/或AI训练模型和/或AI推理模型的AI能力信息。当网络设备需要获知该具备AI能力的终端具体支持的AI模型和/或AI训练模型和/或AI推理模型时,向具备AI能力的终端发送请求信令,请求信令用于请求获取终端支持的AI模型 类型。其中,请求信令可以为终端信息请求信令(UEInformationRequest信令)。具备AI能力的终端收到请求信令后将其支持的具体的AI模型和/或AI训练模型和/或AI推理模型信息告知网络设备。即,具备AI能力的终端基于告知信令向网络设备发送终端支持的AI模型类型,其中,告知信令用于指示终端支持的AI模型类型。告知信令可以包括终端信息响应信令(UEInformationResponse信令)。
图6是根据一示例性实施例示出的一种接入方法的流程图,如图6所示,接入方法用于网络设备中,包括以下步骤。
在步骤S51中,接收AI能力信息,AI能力信息表征终端具备支持AI模型的能力。
在步骤S52中,发送请求信令,请求信令用于请求获取所述终端支持的AI模型类型。
在步骤S53中,基于告知信令接收终端支持的AI模型类型,其中,告知信令用于指示终端支持的AI模型类型。
在步骤S54中,基于接收到的终端支持的AI模型类型,配置与终端支持的AI模型类型匹配的AI模型类型,作为网络设备支持的AI模型类型。
在步骤S55中,发送网络设备支持的AI模型类型。
图7是根据一示例性实施例示出的一种接入方法的流程图,如图7所示,接入方法用于终端中,包括以下步骤。
在步骤S61中,发送AI能力信息,AI能力信息表征终端具备支持AI模型的能力。
在步骤S62中,接收请求信令,请求信令用于请求获取所述终端支持的AI模型类型。
其中,终端在向网络设备发送终端支持的AI模型类型之前,可以确定接收到网络设备发送的请求信令。在终端接收到网络设备发送的请求信令的情况下,发送终端支持的AI模型类型。
在步骤S63中,基于告知信令向网络设备发送终端支持的AI模型类型。
其中,终端可以基于告知信令向网络设备发送所述终端支持的AI模型类型,其中,告知信令用于指示所述终端支持的AI模型类型。
本公开实施例提供的接入方法,具备AI能力的网络设备配置并发送网络设备支持的AI模型类型。具备AI能力的终端获取网络设备支持的AI模型类型,基于网络设备支持的AI模型类型选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入,使得具备AI能力的终端选择与自身AI能力匹配的无线网络进行接入,提高终端与网络设备之间的AI能力使用效率。
本公开实施例提供的接入方法适用于终端和网络设备之间进行交互的过程,对于终端和网络设备交互实现基于AI模型类型进行接入的过程可参阅上述实施例相关描述,在此 不再赘述。
基于相同的构思,本公开实施例还提供一种接入装置。
可以理解的是,本公开实施例提供的接入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。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例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。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图8是根据一示例性实施例示出的一种接入装置框图。参照图8,该接入装置100包括获取单元101和处理单元102。
获取单元101,被配置为获取网络设备支持的AI模型类型。处理单元102,被配置为在获取到的AI模型类型中选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
一种实施方式中,获取单元101基于网络设备广播的***信息获取网络设备支持的AI模型类型。
另一种实施方式中,获取单元101基于第一单播信令获取网络设备支持的AI模型类型。
又一种实施方式中,第一单播信令包括无线资源控制重配置信令。
又一种实施方式中,AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。
又一种实施方式中,AI模型类型通过比特位取值表征,其中,不同的比特位取值对应不同的AI模型类型。
又一种实施方式中,接入装置100还包括发送单元103,发送单元103被配置为:向网络设备发送终端支持的AI模型类型。
又一种实施方式中,发送单元103基于第二单播信令向网络设备发送终端支持的AI模型类型。
又一种实施方式中,第二单播信令包括终端能力指示信令或者无线资源控制创建完成信令。
又一种实施方式中,获取单元101还被配置为:
在发送单元103向网络设备发送终端支持的AI模型类型之前,确定接收到网络设备发送的请求信令,请求信令用于请求获取终端支持的AI模型类型。
又一种实施方式中,获取单元101还被配置为:
基于告知信令向网络设备发送终端支持的AI模型类型,其中,告知信令用于指示终端支持的AI模型类型。
又一种实施方式中,请求信令包括终端信息请求信令,告知信令包括终端信息响应信令。
又一种实施方式中,发送单元103还被配置为:向网络设备发送AI能力信息,AI能力信息表征终端具备支持AI模型的能力。
图9是根据一示例性实施例示出的一种接入装置框图。参照图9,该接入装置200包括发送单元201。
发送单元201,被配置为发送网络设备支持的AI模型类型。
一种实施方式中,发送单元201在***信息中广播网络设备支持的AI模型类型。
另一种实施方式中,发送单元201基于第一单播信令发送网络设备支持的AI模型类型。
又一种实施方式中,第一单播信令包括无线资源控制重配置信令。
又一种实施方式中,AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。
又一种实施方式中,AI模型类型通过比特位取值表征,其中,不同的比特位取值对应不同的AI模型类型。
又一种实施方式中,接入装置200还包括接收单元202,接收单元202被配置为:接收终端支持的AI模型类型。
又一种实施方式中,接收单元202基于第二单播信令接收终端支持的AI模型类型。
又一种实施方式中,第二单播信令包括终端能力指示信令或者无线资源控制创建完成信令。
又一种实施方式中,发送单元201还被配置为:在接收单元202接收终端支持的AI模型类型之前,发送请求信令,请求信令用于请求获取终端支持的AI模型类型。
又一种实施方式中,接收单元202基于告知信令接收终端支持的AI模型类型,其中,告知信令用于指示终端支持的AI模型类型。
又一种实施方式中,请求信令包括终端信息请求信令,告知信令包括终端信息响应信令。
又一种实施方式中,接收单元202还被配置为:接收AI能力信息,AI能力信息表征终端具备支持AI模型的能力。
又一种实施方式中,发送单元201还用于配置与终端支持的AI模型类型匹配的AI模型类型,作为网络设备支持的AI模型类型。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图10是根据一示例性实施例示出的一种用于接入的装置300的框图。例如,装置300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图10,装置300可以包括以下一个或多个组件:处理组件302,存储器304,电力组件306,多媒体组件308,音频组件310,输入/输出(I/O)接口312,传感器组件314,以及通信组件316。
处理组件302通常控制装置300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在装置300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件306为装置300的各种组件提供电力。电力组件306可以包括电源管理***,一个或多个电源,及其他与为装置300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当装置300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当装置300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为装置300提供各个方面的状态评估。例如,传感器组件314可以检测到装置300的打开/关闭状态,组件的相对定位,例如所述组件为装置300的显示器和小键盘,传感器组件314还可以检测装置300或装置300一个组件的位置改变,用户与装置300接触的存在或不存在,装置300方位或加速/减速和装置300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入根据通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可根据射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由装置300的处理器320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图11是根据一示例性实施例示出的一种用于小区重选的装置400的框图。例如,装置400可以被提供为网络设备,例如基站等。参照图9,装置400包括处理组件422,其进一步包括一个或多个处理器,以及由存储器432所代表的存储器资源,用于存储可由处理组 件422的执行的指令,例如应用程序。存储器432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件422被配置为执行指令,以执行上述方法。
装置400还可以包括一个电源组件426被配置为执行装置400的电源管理,一个有线或无线网络接口450被配置为将装置400连接到网络,和一个输入输出(I/O)接口458。装置400可以操作根据存储在存储器432的操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器432,上述指令可由装置400的处理组件422执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
进一步可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,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。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (38)
- 一种接入方法,其特征在于,所述方法包括:获取网络设备支持的AI模型类型;根据所述网络设备支持的AI模型类型,选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
- 根据权利要求1所述的接入方法,其特征在于,所述获取网络设备支持的AI模型类型,包括:基于网络设备广播的***信息获取所述网络设备支持的AI模型类型。
- 根据权利要求1所述的接入方法,其特征在于,所述获取网络设备支持的AI模型类型,包括:基于第一单播信令获取网络设备支持的AI模型类型。
- 根据权利要求3所述的接入方法,其特征在于,所述第一单播信令包括无线资源控制重配置信令。
- 根据权利要求1至4中任意一项所述的接入方法,其特征在于,所述AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。
- 根据权利要求1至4中任意一项所述的接入方法,其特征在于,所述AI模型类型通过比特位取值表征,其中,不同的比特位取值对应不同的AI模型类型。
- 根据权利要求1所述的接入方法,其特征在于,所述方法还包括:向所述网络设备发送所述终端支持的AI模型类型。
- 根据权利要求7所述的接入方法,其特征在于,所述向所述网络设备发送所述终端支持的AI模型类型,包括:基于第二单播信令向所述网络设备发送所述终端支持的AI模型类型。
- 根据权利要求8所述的接入方法,其特征在于,所述第二单播信令包括终端能力指示信令或者无线资源控制创建完成信令。
- 根据权利要求7所述的接入方法,其特征在于,所述方法还包括:在向所述网络设备发送所述终端支持的AI模型类型之前,确定接收到所述网络设备发送的请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
- 根据权利要求10所述的接入方法,其特征在于,所述向所述网络设备发送所述终端支持的AI模型类型,包括:基于告知信令向所述网络设备发送所述终端支持的AI模型类型,其中,所述告知信 令用于指示所述终端支持的AI模型类型。
- 根据权利要求11所述的接入方法,其特征在于,所述请求信令包括终端信息请求信令,所述告知信令包括终端信息响应信令。
- 根据权利要求10至12中任意一项所述的接入方法,其特征在于,所述方法还包括:向所述网络设备发送AI能力信息,所述AI能力信息表征所述终端具备支持AI模型的能力。
- 一种接入方法,其特征在于,所述方法包括:发送网络设备支持的AI模型类型。
- 根据权利要求14所述的接入方法,其特征在于,所述发送网络设备支持的AI模型类型,包括:在***信息中广播网络设备支持的AI模型类型。
- 根据权利要求14所述的接入方法,其特征在于,所述发送网络设备支持的AI模型类型,包括:基于第一单播信令发送网络设备支持的AI模型类型。
- 根据权利要求16所述的接入方法,其特征在于,所述第一单播信令包括无线资源控制重配置信令。
- 根据权利要求14至17中任意一项所述的接入方法,其特征在于,所述AI模型类型通过整数值表征,其中,不同的整数值对应不同的AI模型类型。
- 根据权利要求14至17中任意一项所述的接入方法,其特征在于,所述AI模型类型通过比特位取值表征,其中,不同的比特位取值对应不同的AI模型类型。
- 根据权利要求14所述的接入方法,其特征在于,所述方法还包括:接收终端支持的AI模型类型。
- 根据权利要求20所述的接入方法,其特征在于,所述接收终端支持的AI模型类型,包括:基于第二单播信令接收终端支持的AI模型类型。
- 根据权利要求21所述的接入方法,其特征在于,所述第二单播信令包括终端能力指示信令或者无线资源控制创建完成信令。
- 根据权利要求20所述的接入方法,其特征在于,所述方法还包括:在接收终端支持的AI模型类型之前,发送请求信令,所述请求信令用于请求获取所 述终端支持的AI模型类型。
- 根据权利要求23所述的接入方法,其特征在于,所述接收终端支持的AI模型类型,包括:基于告知信令接收终端支持的AI模型类型,其中,所述告知信令用于指示所述终端支持的AI模型类型。
- 根据权利要求24所述的接入方法,其特征在于,所述请求信令包括终端信息请求信令,所述告知信令包括终端信息响应信令。
- 根据权利要求23至25中任意一项所述的接入方法,其特征在于,所述方法还包括:接收AI能力信息,所述AI能力信息表征终端具备支持AI模型的能力。
- 一种接入装置,其特征在于,所述装置包括:获取单元,被配置为获取网络设备支持的AI模型类型;处理单元,被配置为在获取到的AI模型类型中选择与终端支持的AI模型类型匹配的AI模型类型所对应的网络设备进行接入。
- 根据权利要求27所述的接入装置,其特征在于,所述装置还包括发送单元,所述发送单元被配置为:向所述网络设备发送所述终端支持的AI模型类型。
- 根据权利要求28所述的接入装置,其特征在于,所述获取单元还被配置为:在所述发送单元向所述网络设备发送所述终端支持的AI模型类型之前,确定接收到所述网络设备发送的请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
- 根据权利要求29所述的接入装置,其特征在于,所述发送单元还被配置为:向所述网络设备发送AI能力信息,所述AI能力信息表征所述终端具备支持AI模型的能力。
- 一种接入装置,其特征在于,所述装置包括:发送单元,被配置为发送网络设备支持的AI模型类型。
- 根据权利要求31所述的接入装置,其特征在于,所述装置还包括接收单元,所述接收单元被配置为:接收终端支持的AI模型类型。
- 根据权利要求32所述的接入装置,其特征在于,所述发送单元还被配置为:在所述接收单元接收终端支持的AI模型类型之前,发送请求信令,所述请求信令用于请求获取所述终端支持的AI模型类型。
- 根据权利要求32至33中任意一项所述的接入装置,其特征在于,所述接收单元还被配置为:接收AI能力信息,所述AI能力信息表征终端具备支持AI模型的能力。
- 一种接入装置,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行权利要求1至13中任意一项所述的接入方法。
- 一种接入装置,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行权利要求14至26中任意一项所述的接入方法。
- 一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行权利要求1至13中任意一项所述的接入方法。
- 一种非临时性计算机可读存储介质,当所述存储介质中的指令由网络设备的处理器执行时,使得网络设备能够执行权利要求14至26中任意一项所述的接入方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20939544.1A EP4167645A4 (en) | 2020-06-10 | 2020-06-10 | ACCESS METHOD, ACCESS DEVICE AND STORAGE MEDIUM |
US18/009,222 US20230217366A1 (en) | 2020-06-10 | 2020-06-10 | Access method, access apparatus, and storage medium |
PCT/CN2020/095396 WO2021248371A1 (zh) | 2020-06-10 | 2020-06-10 | 一种接入方法、接入装置及存储介质 |
CN202080001254.9A CN111837425B (zh) | 2020-06-10 | 2020-06-10 | 一种接入方法、接入装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/095396 WO2021248371A1 (zh) | 2020-06-10 | 2020-06-10 | 一种接入方法、接入装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021248371A1 true WO2021248371A1 (zh) | 2021-12-16 |
Family
ID=72918743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/095396 WO2021248371A1 (zh) | 2020-06-10 | 2020-06-10 | 一种接入方法、接入装置及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230217366A1 (zh) |
EP (1) | EP4167645A4 (zh) |
CN (1) | CN111837425B (zh) |
WO (1) | WO2021248371A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023236143A1 (zh) * | 2022-06-09 | 2023-12-14 | 富士通株式会社 | 信息收发方法与装置 |
GB2620495A (en) * | 2022-07-06 | 2024-01-10 | Samsung Electronics Co Ltd | Artificial intelligence and machine learning capability indication |
WO2024011514A1 (en) * | 2022-07-14 | 2024-01-18 | Zte Corporation | Model control and management for wireless communications |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113923730B (zh) * | 2020-07-07 | 2023-04-07 | 展讯通信(上海)有限公司 | 小区重选方法及装置 |
WO2022126563A1 (zh) * | 2020-12-17 | 2022-06-23 | Oppo广东移动通信有限公司 | 网络资源选择方法、终端设备和网络设备 |
CN114745712A (zh) * | 2021-01-07 | 2022-07-12 | ***通信有限公司研究院 | 基于终端能力的处理方法、装置、终端及网络设备 |
WO2022165721A1 (zh) * | 2021-02-04 | 2022-08-11 | 华为技术有限公司 | Ran域的模型共享方法及装置 |
CN114915983A (zh) * | 2021-02-07 | 2022-08-16 | 展讯通信(上海)有限公司 | 一种数据获取方法及装置 |
WO2022226710A1 (zh) * | 2021-04-25 | 2022-11-03 | 展讯通信(上海)有限公司 | 通信方法、切换方法及相关装置 |
WO2023020516A1 (zh) * | 2021-08-17 | 2023-02-23 | 华为技术有限公司 | 一种人工智能ai模型传输方法及装置 |
CN115843020A (zh) * | 2021-09-14 | 2023-03-24 | ***通信有限公司研究院 | 一种信息传输方法、装置、设备及可读存储介质 |
CN115843019A (zh) * | 2021-09-14 | 2023-03-24 | ***通信有限公司研究院 | 一种信息传输方法、装置、设备及可读存储介质 |
CN116137595A (zh) * | 2021-11-16 | 2023-05-19 | 维沃移动通信有限公司 | Ai信息的传输方法和设备 |
WO2023108470A1 (en) * | 2021-12-15 | 2023-06-22 | Nec Corporation | Method, device and computer readable medium for communications |
CN116419354A (zh) * | 2021-12-30 | 2023-07-11 | 华为技术有限公司 | 通信方法及装置 |
CN116437416A (zh) * | 2021-12-30 | 2023-07-14 | 华为技术有限公司 | 一种通信方法及通信装置 |
WO2023184427A1 (zh) * | 2022-03-31 | 2023-10-05 | 北京小米移动软件有限公司 | 基于ai的csi处理能力确定方法、装置、介质、产品及芯片 |
WO2023230969A1 (zh) * | 2022-06-01 | 2023-12-07 | 北京小米移动软件有限公司 | 人工智能模型的确定方法及装置、通信设备及存储介质 |
CN117859304A (zh) * | 2022-08-05 | 2024-04-09 | 北京小米移动软件有限公司 | 一种数据类型确定方法/装置/设备及存储介质 |
CN117641375A (zh) * | 2022-08-09 | 2024-03-01 | 大唐移动通信设备有限公司 | 一种策略确定方法、装置、设备及存储介质 |
WO2024092635A1 (en) * | 2022-11-03 | 2024-05-10 | Apple Inc. | Artificial intelligence model coordination between network and user equipment |
WO2024092850A1 (zh) * | 2022-11-06 | 2024-05-10 | 北京小米移动软件有限公司 | 一种通信方法、装置及存储介质 |
CN116390195A (zh) * | 2023-03-14 | 2023-07-04 | 广州爱浦路网络技术有限公司 | 基于元宇宙的网络连接方法、***、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101646223A (zh) * | 2009-09-08 | 2010-02-10 | 上海华为技术有限公司 | 一种终端选择接入小区的方法、装置和*** |
US20190104432A1 (en) * | 2017-09-29 | 2019-04-04 | Apple Inc. | Device, System, and Method for Enhanced User Equipment and Network Capability For LTE and New Radio |
CN110785984A (zh) * | 2019-09-17 | 2020-02-11 | 北京小米移动软件有限公司 | 信息获取方法、信息获取装置和电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011157115A2 (zh) * | 2011-05-30 | 2011-12-22 | 华为技术有限公司 | 通知网络能力的方法、装置和*** |
US10728743B2 (en) * | 2016-01-19 | 2020-07-28 | Huawei Technologies Co., Ltd. | System and method of air interface capability exchange |
CN109309915B (zh) * | 2017-07-27 | 2020-06-16 | 维沃移动通信有限公司 | 一种能力指示方法、移动终端及网络侧设备 |
CN114245480B (zh) * | 2017-10-30 | 2024-04-09 | 北京小米移动软件有限公司 | 网络连接方法及装置 |
US20210345134A1 (en) * | 2018-10-19 | 2021-11-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Handling of machine learning to improve performance of a wireless communications network |
CN111262667B (zh) * | 2018-11-30 | 2022-04-05 | 华为技术有限公司 | 信道探测的配置方法及装置 |
EP4030817A4 (en) * | 2019-09-09 | 2023-05-03 | Beijing Xiaomi Mobile Software Co., Ltd. | DATA PROCESSING METHOD AND APPARATUS, ELECTRONIC DEVICE AND COMPUTER READABLE STORAGE MEDIA |
-
2020
- 2020-06-10 WO PCT/CN2020/095396 patent/WO2021248371A1/zh unknown
- 2020-06-10 EP EP20939544.1A patent/EP4167645A4/en active Pending
- 2020-06-10 CN CN202080001254.9A patent/CN111837425B/zh active Active
- 2020-06-10 US US18/009,222 patent/US20230217366A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101646223A (zh) * | 2009-09-08 | 2010-02-10 | 上海华为技术有限公司 | 一种终端选择接入小区的方法、装置和*** |
US20190104432A1 (en) * | 2017-09-29 | 2019-04-04 | Apple Inc. | Device, System, and Method for Enhanced User Equipment and Network Capability For LTE and New Radio |
CN110785984A (zh) * | 2019-09-17 | 2020-02-11 | 北京小米移动软件有限公司 | 信息获取方法、信息获取装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
HUAWEI, CHINA MOBILE: "Support for services using Artificial Intelligent", 3GPP DRAFT; S1-182546_REV OF 2231, 3RD GENERATION PARTNERSHIP PROJECT (3GPP), MOBILE COMPETENCE CENTRE ; 650, ROUTE DES LUCIOLES ; F-06921 SOPHIA-ANTIPOLIS CEDEX ; FRANCE, vol. SA WG1, no. West Palm Beach, Florida; 20180820 - 20180824, 29 August 2018 (2018-08-29), Mobile Competence Centre ; 650, route des Lucioles ; F-06921 Sophia-Antipolis Cedex ; France , XP051534992 * |
See also references of EP4167645A4 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023236143A1 (zh) * | 2022-06-09 | 2023-12-14 | 富士通株式会社 | 信息收发方法与装置 |
GB2620495A (en) * | 2022-07-06 | 2024-01-10 | Samsung Electronics Co Ltd | Artificial intelligence and machine learning capability indication |
WO2024011514A1 (en) * | 2022-07-14 | 2024-01-18 | Zte Corporation | Model control and management for wireless communications |
Also Published As
Publication number | Publication date |
---|---|
CN111837425A (zh) | 2020-10-27 |
US20230217366A1 (en) | 2023-07-06 |
EP4167645A1 (en) | 2023-04-19 |
EP4167645A4 (en) | 2024-03-06 |
CN111837425B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021248371A1 (zh) | 一种接入方法、接入装置及存储介质 | |
WO2020019351A1 (zh) | 传输配置指示的配置方法及装置 | |
WO2021258370A1 (zh) | 一种通信处理方法、通信处理装置及存储介质 | |
WO2023070563A1 (zh) | 传输配置指示状态确定方法、装置及存储介质 | |
WO2019100281A1 (zh) | 传输配置方法及装置 | |
WO2022178734A1 (zh) | 一种网络接入方法、网络接入装置及存储介质 | |
WO2020097783A1 (zh) | 资源配置方法及装置 | |
WO2021226746A1 (zh) | 数据传输方法、数据传输装置及存储介质 | |
WO2022193303A1 (zh) | 一种随机接入方法、随机接入装置及存储介质 | |
WO2021046674A1 (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
US20210195574A1 (en) | Communication link configuration method and device | |
WO2022233060A1 (zh) | 物理下行控制信道监测方法、装置及存储介质 | |
WO2019113756A1 (zh) | 小区重选方法、装置及存储介质 | |
CN112219367B (zh) | 一种混合自动重传请求harq时延配置方法、装置及存储介质 | |
WO2021155511A1 (zh) | 一种通信方法及装置 | |
CN116888937A (zh) | 一种人工智能通信方法、装置及存储介质 | |
US20220346083A1 (en) | Methods and apparatuses for determining network allocation vector, and storage media | |
WO2023000341A1 (zh) | 一种信息配置方法、信息配置装置及存储介质 | |
WO2021179126A1 (zh) | 控制信令检测方法、控制信令检测装置及存储介质 | |
EP4369814A1 (en) | Message configuration method, message configuration apparatus, and storage medium | |
WO2022252190A1 (zh) | 一种直连带宽部分配置方法、装置及存储介质 | |
US20230180175A1 (en) | Positioning measurement method, positioning measurement apparatus and storage medium | |
WO2022036610A1 (zh) | 一种通信方法、通信装置及存储介质 | |
WO2022141290A1 (zh) | 一种参数确定方法、参数确定装置及存储介质 | |
WO2021179266A1 (zh) | 多输入多输出模式配置方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20939544 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
ENP | Entry into the national phase |
Ref document number: 2020939544 Country of ref document: EP Effective date: 20230110 |