AURA仲裁层解决O-RAN多智能体冲突
论文AI 评分 65/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对O-RAN控制平面中多厂商AI智能体独立控制共享资源导致的不稳定性，研究提出AURA轻量级仲裁层。该层通过可行性不变量、停留时间和死区限制智能体行为。在OpenAirInterface测试台上的实测显示，AURA将共享资源偏移幅度从8.4降至0.4 PRB，将跨切片吞吐量饥饿率从40-55%降至0.3%，同时保持受保护切片的延迟合规性不变。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载多智能体控制风险
在O-RAN控制平面中，不同厂商部署的自主AI智能体（rApps）独立闭环控制共享无线资源。研究在实时O-RAN系统上演示了这种独立性存在安全隐患。两个目标各自正确的智能体，一个负责保护延迟SLA，另一个负责最大化能效利用率，共同驱动共享资源分区产生周期性对立偏移，这种现象是单一智能体不会产生的。现有的冲突缓解机制预设应用群体是静态已知的，无法治理运行时行为涌现的智能体。
AURA仲裁机制
研究提出了AURA，一个轻量级的仲裁层。该层仅在智能体动作满足可行性不变量、每个变量的停留时间以及死区条件时才允许执行。理论上证明了仲裁后的系统收敛到可行的运行点。这种机制旨在解决运行时行为不可预知的智能体之间的冲突，确保系统整体稳定性，而不是依赖静态预设的应用模型。
实测性能提升
该方案在OpenAirInterface测试台上进行了实现，并测量了单向延迟和吞吐量。实验结果表明，AURA将周期性的共享状态偏移减少了一个数量级以上，PRB幅度从8.4降至0.4。同时，该方案几乎消除了跨切片的吞吐量饥饿现象，饥饿率从40-55%降至0.3%。值得注意的是，这些改进是在保持受保护切片自身延迟合规性不变的情况下实现的，收敛保证明确指出了这一权衡。
为什么值得看
验证了多智能体系统在物理网络环境下的冲突风险及有效解决方案。
OpenAI智能体
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。