⚡ electrical engineering

Distributed Precoding for Cell-free Massive MIMO in O-RAN: A Multi-agent Deep Reinforcement Learning Framework

यह शोध पत्र O-RAN में सेल-फ्री मैसिव MIMO के लिए एक वितरित, मल्टी-एजेंट डीप रीइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तावित करता है जो केंद्रीकृत योजनाओं की तुलना में सिग्नलिंग ओवरहेड को काफी कम करते हुए और मौजूदा वितरित विधियों से बेहतर प्रदर्शन करते हुए, कुल थ्रूपुट को अधिकतम करने और उपयोगकर्ता दर आवश्यकताओं को पूरा करने के लिए प्रीकोडिंग मैट्रिसेस को कुशलतापूर्वक निर्धारित करता है।

मूल लेखक: Mohammad Hossein Shokouhi, Vincent W. S. Wong

प्रकाशित 2026-05-04

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohammad Hossein Shokouhi, Vincent W. S. Wong

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक विशाल वायरलेस नेटवर्क की कल्पना करें जो एक बहुत बड़े, हलचल भरे कॉन्सर्ट हॉल की तरह है। इस हॉल में, हर जगह सैकड़ों छोटे-छोटे स्पीकर (जिन्हें O-RU कहा जाता है) बिखरे हुए हैं, और हजारों दर्शक (जिन्हें यूजर कहा जाता है) अपने पसंदीदा गानों को स्पष्ट रूप से सुनने की कोशिश कर रहे हैं।

पुराने दिनों में, कॉन्सर्ट हॉल में बीच में एक ही विशाल साउंड सिस्टम होता था। लेकिन जब हॉल बहुत बड़ा या बहुत भीड़भाड़ वाला हो जाता, तो वह सिस्टम संघर्ष करने लगता; कुछ लोग संगीत को पूरी तरह से सुनते थे, जबकि पीछे या कोनों में बैठे लोगों को केवल शोर सुनाई देता था।

यह शोध पत्र इस कॉन्सर्ट को चलाने का एक नया तरीका प्रस्तावित करता है: सेल-फ्री मैसिव MIMO (Cell-Free Massive MIMO)। एक बड़े स्पीकर के बजाय, प्रत्येक छोटा स्पीकर सीधे विशिष्ट दर्शकों की ओर ध्वनि भेजने के लिए मिलकर काम करता है। लक्ष्य यह सुनिश्चित करना है कि हर कोई अपना गाना ज़ोर से और स्पष्ट रूप से सुने, बिना एक व्यक्ति के गाने के शोर के दूसरे व्यक्ति के गाने को दबा दे (इसे इंटरफेरेंस/हस्तक्षेप कहा जाता है)।

हालाँकि, सैकड़ों स्पीकर्स को पूरी तरह से समन्वय (कोऑर्डिनेट) करने के लिए कहना अविश्वसनीय रूप से कठिन है। यह एक 1,000 लोगों के समूह को एक कंडक्टर के बिना, बिना एक साथ निर्देश चिल्लाए, पूर्ण सामंजस्य में गाने के लिए तैयार करने जैसा है। यदि वे समन्वय करने के लिए आपस में बात करने की कोशिश करते हैं, तो संचार लाइनें जाम हो जाती हैं (बहुत अधिक सिग्नलिंग ओवरहेड)। यदि वे केवल अनुमान लगाते हैं, तो संगीत अव्यवस्थित सुनाई देता है।

समस्या: "कंडक्टर" बनाम "अराजकता"

शोधकर्ताओं ने इसे हल करने के दो मौजूदा तरीकों को देखा:

एक केंद्रीकृत कंडक्टर (The Centralized Conductor): एक सुपर-ब्रेन (एक केंद्रीय कंप्यूटर) गणना करता है कि प्रत्येक स्पीकर को वास्तव में क्या करना चाहिए। यह छोटे समूहों के लिए अच्छा काम करता है, लेकिन यदि समूह बहुत बड़ा हो जाता है, तो मस्तिष्क अत्यधिक बोझिल हो जाता है, और निर्देश पहुँचने में बहुत समय लगता है।
स्वतंत्र गायक (The Independent Singers): प्रत्येक स्पीकर स्वयं निर्णय लेता है कि उसे क्या करना है। यह तेज़ है, लेकिन समन्वय के बिना, वे अक्सर एक-दूसरे के काम में बाधा डालते हैं, जिससे शोर का ढेर लग जाता है।

समाधान: एक स्मार्ट, बहु-स्तरीय टीम

लेखकों ने एक नया ढांचा प्रस्तावित किया है जो O-RAN (ओपन रेडियो एक्सेस नेटवर्क) नामक एक आधुनिक नेटवर्क आर्किटेक्चर में फिट बैठता है। O-RAN को एक स्मार्ट प्रबंधन प्रणाली के रूप में समझें जो नेटवर्क के विभिन्न हिस्सों को कुशलतापूर्वक एक-दूसरे से बात करने की अनुमति देती है।

उनका समाधान एक मल्टी-एजेंट डीप रीइन्फोर्समेंट लर्निंग (DRL) फ्रेमवर्क है। यहाँ यह बताया गया है कि यह कैसे काम करता है, एक रचनात्मक उपमा का उपयोग करते हुए:

1. "विशेषज्ञ" और "छात्र"

एक मास्टर कंडक्टर (इटरेटिव एल्गोरिदम) की कल्पना करें जो जानता है कि संगीत को व्यवस्थित करने का सही तरीका क्या है, लेकिन वह बहुत धीमा और थका हुआ है। उसे हर एक नोट के लिए जटिल गणित की गणना करनी पड़ती है।

नवाचार: मास्टर से हर सेकंड गणित पूछने के बजाय, शोधकर्ताओं ने AI छात्रों (DRL एजेंट्स) की एक टीम को प्रशिक्षित किया है जो मास्टर को देखकर उनकी "अंतर्दृष्टि" (इंट्यूशन) सीख सके।
AI पूरी रचना को शून्य से कैलकुलेट करने की कोशिश नहीं करता है। इसके बजाय, यह मास्टर द्वारा किए गए कार्यों के आधार पर कुछ स्मार्ट और त्वरित निर्णय लेने (जैसे वॉल्यूम या टाइमिंग को एडजस्ट करना) के लिए सीखता है। इसे "एक्सपर्ट नॉलेज" का उपयोग करना कहा जाता है।

2. तीन-गति वाली घड़ी (Multi-Timescale)

यह शोध पत्र समय को संभालने का एक चतुर तरीका पेश करता है, जैसे कि तीन अलग-अलग गति वाली एक घड़ी:

धीमी घड़ी (Non-RT लूप): कभी-कभार (हर कुछ सेकंड में), "मास्टर" (एक केंद्रीय AI ट्रेनर) छात्रों की सामान्य रणनीति को अपडेट करता है। यह उन्हें भीड़ में होने वाले बड़े बदलावों को संभालने के लिए सिखाता है।
मध्यम घड़ी (Near-RT लूप): हर कुछ मिलीसेकंड में, छात्र (जो एक केंद्रीय कंट्रोलर पर चलते हैं) वर्तमान भीड़ के घनत्व के आधार पर पूरे समूह के लिए "वॉल्यूम नॉब्स" और "टाइमिंग" को तेज़ी से एडजस्ट करते हैं।
तेज़ घड़ी (RT लूप): हर मिलीसेकंड में, स्थानीय स्पीकर (O-RUs) चलते हुए दर्शकों तक सटीक रूप से पहुँचने के लिए अपने बीम में सूक्ष्म, तात्कालिक समायोजन करते हैं। वे छात्रों द्वारा सेट किए गए "वॉल्यूम नॉब्स" का उपयोग करके इसे तुरंत करते हैं।

3. "सीक्रेट हैंडशेक" (डिस्ट्रीब्यूटेड कोऑर्डिनेशन)

हर स्पीकर को हर दूसरे स्पीकर से चिल्लाकर बात करने के बजाय (जिससे नेटवर्क जाम हो जाता है), वे केवल अपने निकटतम पड़ोसियों और एक स्थानीय प्रबंधक से बात करते हैं।

वे बस इतना साझा करते हैं जिससे वे एक-दूसरे के काम में बाधा न डालें।
यह उन नर्तकों के समूह जैसा है जो कोरियोग्राफी जानते हैं। उन्हें पूरे कमरे से पूछने की ज़रूरत नहीं है कि उन्हें क्या करना है; वे बस अपने बगल वाले व्यक्ति को देखते हैं और संगीत को सुनते हैं, और उन्हें पता होता है कि उन्हें कहाँ जाना है।

परिणाम: उन्होंने क्या पाया?

शोधकर्ताओं ने यह देखने के लिए सिमुलेशन चलाए कि उनका नया "AI-निर्देशित समूह" पुराने तरीकों की तुलना में कैसा प्रदर्शन करता है:

बेह बेहतर साउंड क्वालिटी: नए सिस्टम ने पुराने डिस्ट्रीब्यूटेड तरीकों (जहाँ स्पीकर्स अकेले काम करते थे) की तुलना में 50% तक अधिक कुल डेटा (थ्रूपुट) प्रदान किया।
मास्टर के समान प्रदर्शन: इसने "केंद्रीकृत कंडक्टर" (परफेक्ट लेकिन धीमे तरीके) के लगभग बराबर प्रदर्शन किया, लेकिन यह बहुत तेज़ था।
कम ट्रैफिक: क्योंकि स्पीकर्स को लगातार केंद्रीय मस्तिष्क को निर्देश चिल्लाने की आवश्यकता नहीं थी, इसलिए नेटवर्क ट्रैफिक (सिग्नलिंग ओवरहेड) में 99.8% तक की कमी आई। यह एक हज़ार फोन कॉल को एक सिंगल टेक्स्ट मैसेज से बदलने जैसा है।
अनुकूलन क्षमता: यदि किसी यूजर को अचानक तेज़ कनेक्शन की आवश्यकता होती है (जैसे पॉडकास्ट सुनने से 4K मूवी देखने में स्विच करना), तो सिस्टम बिना क्रैश हुए उस ज़रूरत को पूरा करने के लिए खुद को स्वचालित रूप से एडजस्ट कर लेता है।
मजबूत (Robust): भले ही स्पीकर्स दर्शकों को पूरी तरह से न सुन पा रहे हों (शोर या "इम्परफेक्ट चैनल एस्टीमेशन" के कारण), AI सिस्टम सही कदम उठाने का अनुमान लगाने में आश्चर्यजनक रूप से अच्छा है, और अक्सर शोर वाले वातावरण में पारंपरिक गणितीय तरीकों से बेहतर प्रदर्शन करता है।

सारांश में

यह शोध पत्र एक विशाल वायरलेस नेटवर्क को प्रबंधित करने का एक स्मार्ट और स्केलेबल तरीका प्रस्तुत करता है। एक धीमे, ओवरलोडेड केंद्रीय मस्तिष्क या अराजक स्वतंत्र स्पीकर्स पर निर्भर रहने के बजाय, उन्होंने AI एजेंट्स की एक टीम बनाई है जो विशेषज्ञ गणित से सीखती है लेकिन स्थानीय स्तर पर तेज़ी से कार्य करती है। वे शोर से बचने के लिए पर्याप्त समन्वय करते हैं, यह सुनिश्चित करते हुए कि "कॉन्सर्ट हॉल" में हर किसी को एक स्पष्ट, उच्च-गुणवत्ता वाला सिग्नल मिले, भले ही भीड़ बहुत बड़ी और तेज़ गति से चलती हुई क्यों न हो।

यहाँ शोध पत्र "Distributed Precoding for Cell-free Massive MIMO in O-RAN: A Multi-agent Deep Reinforcement Learning Framework" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र ओपन रेडियो एक्सेस नेटवर्क (O-RAN) आर्किटेक्चर के भीतर एकीकृत सेल-फ्री मैसिव MIMO प्रणालियों में प्रीकोडिंग (precoding) की चुनौती को संबोधित करता है।

संदर्भ: सेल-फ्री मैसिव MIMO में, कई ओपन रेडियो यूनिट्स (O-RUs) समान कवरेज और उच्च क्षमता सुनिश्चित करने के लिए मिलकर काम करते हैं। बीम को निर्देशित करने और इंटर-यूज़र इंटरफेरेंस (inter-user interference) को कम करने के लिए प्रीकोडिंग अत्यंत महत्वपूर्ण है।
चुनौती:
- केंद्रीकृत योजनाएं (Centralized schemes): (जैसे, सेंट्रलइज्ड रेगुलराइज्ड जीरो-फोर्सिंग, C-RZF) उच्च प्रदर्शन प्रदान करती हैं लेकिन वे स्केलेबिलिटी समस्याओं, उच्च कम्प्यूटेशनल जटिलता और E2 इंटरफेस (O-DUs और RICs के बीच) पर अत्यधिक सिग्नलिंग ओवरहेड से ग्रस्त होती हैं।
- पूर्णतः वितरित योजनाएं (Fully distributed schemes): (जैसे, डिस्ट्रीब्यूटेड RZF) ओवरहेड को कम करती हैं लेकिन अक्सर उच्च इंटर-O-RU इंटरफेरेंस और वैश्विक समन्वय की कमी के कारण उप-इष्टतम (suboptimal) प्रदर्शन की ओर ले जाती हैं।
- मौजूदा ML दृष्टिकोण: प्रीकोडिंग मैट्रिसेस निर्धारित करने के लिए प्रत्यक्ष डीप रिइन्फोर्समेंट लर्निंग (DRL) उच्च-आयामी (high-dimensional) स्टेट/एक्शन स्पेस के कारण घने डिप्लॉयमेंट में विफल हो जाता है, जिससे कन्वर्जेंस की समस्याएं आती हैं। इसके अलावा, कई मौजूदा विधियां केवल कुल थ्रूपुट को अधिकतम करने पर ध्यान केंद्रित करती हैं, बिना व्यक्तिगत उपयोगकर्ताओं के लिए न्यूनतम डेटा दर आवश्यकताओं की गारंटी दिए।
लक्ष्य: एक ऐसा वितरित, स्केलेबल और लो-लेटेंसी प्रीकोडिंग फ्रेमवर्क विकसित करना जो उपयोगकर्ता की न्यूनतम दर आवश्यकताओं की गारंटी दे, कुल थ्रूपुट को अधिकतम करे और O-RAN पदानुक्रम के भीतर सिग्नलिंग ओवरहेड को कम करे।

2. कार्यप्रणाली (Methodology)

लेखक एक हाइब्रिड मल्टी-टाइमस्केल फ्रेमवर्क का प्रस्ताव करते हैं जो एक्सपर्ट नॉलेज (पुनरावृत्ति एल्गोरिदम से) और मल्टी-एजेंट डीप रिइन्फोर्समेंट लर्निंग (DRL) को जोड़ता है। यह समाधान पदानुक्रमित O-RAN आर्किटेक्चर (Non-RT RIC, Near-RT RIC, और O-DUs) का लाभ उठाता है।

A. गणितीय सूत्रीकरण (Mathematical Formulation)

अनुकूलन समस्या (Optimization Problem): लेखक न्यूनतम दर बाधाओं ( $R_{min}$ ) और ट्रांसमिट पावर बाधाओं के अधीन कुल थ्रूपुट को अधिकतम करने के लिए एक नॉन-कॉन्वेक्स अनुकूलन समस्या को सूत्रित करते हैं।
रूपांतरण: समस्या को एक समकक्ष वेटेड मिनिमम मीन स्क्वायर एरर (WMMSE) समस्या के रूप में पुनर्गठित किया गया है।
पुनरावृत्ति समाधान (Iterative Solution): एक ब्लॉक कोऑर्डिनेट डिसेंट (BCD) दृष्टिकोण का उपयोग करके निम्नलिखित को पुनरावृत्ति से अपडेट किया जाता है:
1. रिसीव फिल्टर्स ( $U$ )
2. वेट मैट्रिसेस ( $W$ )
3. प्रीकोडिंग मैट्रिसेस ( $V$ )
मुख्य अंतर्दृष्टि: सेल-फ्री सिस्टम में, प्रीकोडिंग मैट्रिसेस O-RUs के बीच जुड़े होते हैं। हालांकि, रिसीव फिल्टर्स ( $U$ ) और वेट्स ( $W$ ), प्रभावी चैनल सारांशों पर निर्भर करते हैं जो "चैनल हार्डनिंग" प्रदर्शित करते हैं, जिससे वे तात्कालिक प्रीकोडिंग मैट्रिसेस की तुलना में तीव्र उतार-चढ़ाव के प्रति कम संवेदनशील होते हैं।

B. प्रस्तावित मल्टी-एजेंट DRL फ्रेमवर्क

प्रत्यक्ष रूप से उच्च-आयामी प्रीकोडिंग मैट्रिसेस की भविष्यवाणी करने के बजाय (जो कम्प्यूटेशनल रूप से महंगा और कठिन है), यह फ्रेमवर्क पुनरावृत्ति एल्गोरिदम से प्राप्त कम-आयामी मध्यवर्ती चरों ( $U$ और $W$ ) को सीखने के लिए DRL का उपयोग करता है।

मल्टी-एजेंट आर्किटेक्चर:
- एजेंट्स (Agents): प्रत्येक उपयोगकर्ता को एक DRL एजेंट सौंपा गया है।
- अवलोकन (Observation): प्रत्येक एजेंट समान बड़े पैमाने के फेडिंग प्रोफाइल साझा करने वाले हस्तक्षेप करने वाले उपयोगकर्ताओं ( $I_k$ ) के एक उपसमूह से प्रभावी इंटरफेरेंस चैनल्स ( $\Xi_{k,i}$ ) को देखता है।
- एक्शन (Action): एजेंट रिसीव फिल्टर ( $U_k$ ) और वेट मैट्रिक्स का चोलेस्की फैक्टर ( $L_k$ , जहाँ $W_k = L_k L_k^H$ ) आउटपुट करता है। यह एक्शन स्पेस के आयाम को काफी कम कर देता है।
- एल्गोरिदम: रिवॉर्ड (थ्रूपुट) और पॉलिसी एंट्रॉपी के संयोजन को अधिकतम करने के लिए सॉफ्ट एक्टर-क्रिटिक (SAC) एल्गोरिदम का एक मल्टी-एजेंट विस्तार उपयोग किया गया है।

C. मल्टी-टाइमस्केल O-RAN डिप्लॉयमेंट

इस फ्रेमवर्क को विभिन्न परिचालन टाइमस्केल्स के आधार पर अलग-अलग O-RAN घटकों में वितरित किया गया है:

Non-RT लूप (> 1 सेकंड):
- घटक: Non-RT RIC (rApps)।
- कार्य: DRL मॉडल (एक्टर और क्रिटिक नेटवर्क) को प्रशिक्षित करना और पैरामीटर्स को अपडेट करना।
Near-RT लूप (10 ms – 1 सेकंड):
- घटक: Near-RT RIC (xApps)।
- **कार्य: प्रत्येक उपयोगकर्ता के लिए वर्तमान चैनल सांख्यिकी के आधार पर एजेंट $U_k$ और $W_k$ निर्धारित करते हैं। इन्हें O-DUs को भेजा जाता है।
रियल-टाइम (RT) लूप (< 1 मिलीसेकंड):
- घटक: O-DUs (dApps)।
- कार्य: प्राप्त $U_k$ और $W_k$ के साथ, तात्कालिक चैनल स्टेट इंफॉर्मेशन (CSI) और पावर बाधाओं के लिए सीखे गए लैग्रेंज मल्टीप्लायर ( $\xi_l$ ) का उपयोग करके, O-DUs एक क्लोज्ड-फॉर्म अपडेट समीकरण का उपयोग करके अंतिम प्रीकोडिंग मैट्रिसेस ( $V_{k,l}$ ) की गणना करते हैं।
- Inter-O-DU संचार: एक नया D2 इंटरफेस प्रस्तावित है जो युग्मित (coupled) O-RUs के लिए आवश्यक चैनल/प्रीकोडिंग जानकारी को बदलने की अनुमति देता है, जिससे E2 इंटरफेस पर लोड कम होता है।

3. मुख्य योगदान (Key Contributions)

नया अनुकूलन सूत्रीकरण: कोहेरेंट जॉइंट ट्रांसमिशन के साथ सेल-फ्री मैसिव MIMO के लिए एक नॉन-कॉन्वेक्स प्रीकोडिंग समस्या को सूत्रित किया गया, जिसे WMMSE समस्या के रूप में पुनर्गठित किया गया और BCD के माध्यम से हल किया गया।
एक्सपर्ट-गाइडेड DRL: एक हाइब्रिड फ्रेमवर्क प्रस्तावित किया गया जहाँ DRL उच्च-आयामी प्रीकोडिंग मैट्रिसेस के बजाय कम-आयामी मध्यवर्ती चरों ( $U, W$ ) को सीखता है। यह सीखने की प्रक्रिया को बेहतर बनाने और स्थिरता लाने के लिए अनुकूलन सिद्धांत (optimization theory) का लाभ उठाता है।
पदानुक्रमित O-RAN कार्यान्वयन: इसे Non-RT, Near-RT और RT लूप्स में वितरित किया गया, जिसमें रियल-टाइम प्रीकोडिंग के लिए dApps और अनुकूलन/प्रशिक्षण के लिए xApps/rApps का उपयोग किया गया।
गतिशील अनुकूलन क्षमता: यह फ्रेमवर्क बिना पुनरप्रशिक्षण के वास्तविक समय में लैग्रेंज मल्टीप्लायर्स को अपडेट करके उपयोगकर्ता की न्यूनतम डेटा दर आवश्यकताओं ( $R_{min}$ ) के अनुसार खुद को गतिशील रूप से अनुकूलित करता है।
सिग्नलिंग में कमी: एक वितरित तंत्र पेश किया गया जो C-RZF की तुलना में E2 इंटरफेस पर सिग्नलिंग ओवरहेड को काफी कम कर देता है।

4. प्रदर्शन परिणाम (Performance Results)

विस्तृत सिमुलेशन C-RZF, D-RZF, WMMSE और विभिन्न DRL बेसलाइन्स (E2E-DRL, DRL-WMMSE) के विरुद्ध किए गए।

कुल थ्रूपुट (Aggregate Throughput):
- D-RZF से 24.4% तक अधिक।
- WMMSE से 35.8% तक अधिक।
- End-to-End DRL से 50.2% तक अधिक।
- सेंट्रलाइज्ड RZF (C-RZF) के समान प्रदर्शन प्राप्त करता है, लेकिन काफी कम जटिलता के साथ।
सिग्नलिंग ओवरहेड:
- C-RZF की तुलना में E2 इंटरफेस सिग्नलिंग ओवरहेड को 99.81% तक कम करता है। ऐसा इसलिए है क्योंकि केवल कम-आयामी मध्यवर्ती चर ही साझा किए जाते हैं, पूर्ण चैनल मैट्रिक्स नहीं।
स्केलेबिलिटी:
- केंद्रीकृत विधियों के विपरीत, इसकी कम्प्यूटेशनल जटिलता उपयोगकर्ताओं और O-RUs की संख्या के साथ कुशलतापूर्वक स्केल होती है।
- प्रत्येक Near-RT लूप के लिए इन्फरेंस लेटेंसी 6.38 ms है, जो 10 ms के लक्ष्य के भीतर है।
मजबूती (Robustness):
- मोबिलिटी (Mobility): फ्रेमवर्क उच्च उपयोगकर्ता वेग (45 किमी/घंटा तक) पर भी प्रदर्शन बनाए रखता है, जिसमें न्यूनतम गिरावट (<4%) होती है।
- अपूर्ण CSI: गंभीर चैनल अनुमान त्रुटियों के तहत, प्रस्तावित लर्निंग-आधारित विधि केंद्रीकृत विश्लेषणात्मक विधि (C-RZF) से बेहतर प्रदर्शन करती है।
- फेयरनेस (Fairness): $R_{min}$ को समायोजित करके, फ्रेमवर्क कुल थ्रूपुट को अधिकतम करने और सेल-एज उपयोगकर्ताओं के लिए निष्पक्षता सुनिश्चित करने के बीच संतुलन बना सकता है।

5. महत्व (Significance)

यह शोध पत्र सैद्धांतिक अनुकूलन (theoretical optimization) और व्यावहारिक तैनाती (practical deployment) के बीच के अंतर को पाटता है।

व्यावहारिकता: यह प्रदर्शित करता है कि कैसे O-RAN का लचीला आर्किटेक्चर सख्त रियल-टाइम बाधाओं का पालन करते हुए जटिल AI/ML समाधानों (DRL) को होस्ट कर सकता है।
दक्षता: यह डोमेन नॉलेज (इटरेटिव एल्गोरिदम) का उपयोग करके सीखने के स्थान (learning space) को कम करके वायरलेस सिस्टम के लिए DRL की "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) को हल करता है।
भविष्य के लिए तैयार: यह फ्रेमवर्क गतिशील नेटवर्क स्थितियों (उपयोगकर्ता गतिशीलता, बदलती QoS आवश्यकताएं) और अपूर्ण चैनल जानकारी को संभालने के लिए डिज़ाइन किया गया है, जो इसे 6G सेल-फ्री नेटवर्क के लिए एक व्यवहार्य विकल्प बनाता है।

संक्षेप में, यह शोध पत्र सेल-फ्री मैसिव MIMO प्रीकोडिंग के लिए एक मजबूत, स्केलेबल और कुशल समाधान प्रस्तुत करता है जो O-RAN इकोसिस्टम के भीतर ऑप्टिमाइज़ेशन थ्योरी और मल्टी-एजेंट रिइन्फोर्समेंट लर्निंग के तालमेल का लाभ उठाता है।