⚡ electrical engineering

Adaptive Machine Learning Framework for UAV Trajectory Optimization in O-RAN

यह शोध पत्र एक अनुकूलन योग्य मशीन लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो O-RAN आर्किटेक्चर के भीतर, मॉडल चयन तंत्र और निरंतर ट्रांसफर लर्निंग का लाभ उठाकर 6G नेटवर्क में गतिशील वातावरण में अभिसरण समय (convergence time) को महत्वपूर्ण रूप से कम करने और दक्षता में सुधार करने के लिए UAV प्रक्षेपवक्रों (trajectories) को अनुकूलित करता है।

मूल लेखक: Chenrui Sun, Swarna Bindu Chetty, Gianluca Fontanesi, Mahnaz Arvaneh, Walid Saad, Hamed Ahmadi

प्रकाशित 2026-06-24

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chenrui Sun, Swarna Bindu Chetty, Gianluca Fontanesi, Mahnaz Arvaneh, Walid Saad, Hamed Ahmadi

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

कल्पना कीजिए कि आपके पास एक बहुत ही स्मार्ट, स्वायत्त ड्रोन (एक UAV) है जिसे किसी संदेश को पहुँचाने या इंटरनेट प्रदान करने के लिए एक शहर के बीच से उड़ना है। इसका काम कठिन है: इसे अपने गंतव्य तक पहुँचने के लिए सबसे तेज़ रास्ता खोजना होगा, साथ ही ज़मीनी नेटवर्क से जुड़ा रहना होगा, सिग्नल डेड ज़ोन (जहाँ सिग्नल न मिले) से बचना होगा और बैटरी खत्म होने से भी बचना होगा।

अतीत में, यदि यह ड्रोन किसी ऐसे नए शहर में उड़ता था जिसे इसने पहले कभी नहीं देखा था, तो यह एक ऐसे पर्यटक की तरह था जो बिना किसी मानचित्र और बिना किसी भाषा कौशल के किसी विदेशी देश में पहुँच गया हो। इसे शून्य से शुरुआत करनी पड़ती थी, हर सड़क और सिग्नल पैटर्न को नए सिरे से सीखना पड़ता था। इसमें बहुत समय लगता था और बहुत अधिक ऊर्जा बर्बाद होती थी।

यह शोध पत्र इस ड्रोन को सिखाने का एक स्मार्ट तरीका प्रस्तावित करता है, जो O-RAN (जो 6G नेटवर्क के लिए एक सुपर-इंटेलिजेंट, लचीला ट्रैफिक कंट्रोल सेंटर की तरह है) नामक प्रणाली का उपयोग करता है। यहाँ उनका समाधान सरल अवधारणाओं में दिया गया है:

1. "ट्रैवल गाइड" लाइब्रेरी (ट्रांसफर लर्निंग)

ड्रोन को सब कुछ शून्य से सीखने के बजाय, शोधकर्ताओं ने इसे "ट्रैवल गाइड्स" (प्री-ट्रेन्ड AI मॉडल) की एक लाइब्रेरी दी।

विचार: यदि ड्रोन किसी नए शहर में जा रहा है, तो सिस्टम अपनी लाइब्रेरी में देखता है कि क्या उसके पास कोई ऐसा गाइड है जो उस शहर जैसा दिखता हो।
उपमा: कल्पना कीजिए कि आप एक शेफ हैं। यदि आप एक बेहतरीन इतालवी भोजन बनाना जानते हैं, और अचानक आपको एक ऐसे नए किचन में खाना बनाना पड़े जो बिल्कुल आपके इतालवी किचन जैसा ही है, तो आपको प्याज काटने या पानी उबालने को फिर से सीखने की ज़रूरत नहीं है। आप बस अपना इतालवी रेसिपी साथ ले जाते हैं और उसमें थोड़ा बदलाव करते हैं।
नवाचार: यह पेपर एक "मॉडल सिलेक्शन" तंत्र पेश करता है। यह एक स्मार्ट लाइब्रेरियन की तरह है जो केवल कोई भी किताब नहीं उठाता। यह नए शहर की विशेषताओं (इमारतें कितनी ऊँची हैं, सड़कें कितनी भीड़भाड़ वाली हैं, सेल टावर कहाँ हैं) की तुलना लाइब्रेरी के शहरों से करता है। यह उस गाइड को चुनता है जो सबसे सटीक मेल खाता है।

2. "यूनिवर्सल फॉलबैक" (द जनरल मॉडल)

क्या होगा यदि ड्रोन एक ऐसे शहर में पहुँच जाए जो पूरी तरह से अद्वितीय हो—लाइब्रेरी में कुछ भी मेल न खाए?

समाधान: सिस्टम के पास एक "जनरल मॉडल" (जिसे $M_G$ कहा जाता है) है। इसे एक "सर्वाइवल गाइड" के रूप में सोचें जिसे एक काल्पनिक, औसत शहर पर प्रशिक्षित किया गया है जो हर चीज़ के तत्वों को मिलाता है। यह किसी विशिष्ट स्थान के लिए एकदम सही नहीं है, लेकिन यह ड्रोन को तुरंत क्रैश हुए बिना सुरक्षित रूप से उड़ने के लिए पर्याप्त है।
सुरक्षा जाल: यदि लाइब्रेरियन कोई सटीक मैच नहीं ढूँढ पाता है, तो ड्रोन शून्य से शुरू करने के बजाय इस जनरल मॉडल का उपयोग शुरुआती बिंदु के रूप में करता है।

3. "निरंतर सुधरता हुआ" मस्तिष्क (कंटीन्यूअल लर्निंग)

सिस्टम केवल एक उड़ान के बाद रुक नहीं जाता है।

प्रक्रिया: हर बार जब ड्रोन किसी नए शहर में उड़ता है और कुछ नया सीखता है, तो उस अनुभव को "जनरल मॉडल" में वापस फीड किया जाता है।
उपमा: यह एक छात्र की तरह है जो हर गर्मियों की छुट्टियों के बाद अपने सामान्य ज्ञान के आधार को अपडेट करता है। भले ही वह ऐसी जगह गया हो जो उसकी पिछली यात्राओं से मेल नहीं खाती थी, नए सबक उसके "सामान्य ज्ञान" को अगली यात्रा के लिए और भी स्मार्ट बनाते हैं। समय के साथ, जनरल मॉडल लगभग किसी भी शहर का मास्टर बन जाता है।

4. "स्मार्ट ट्रैफिक कंट्रोलर" (O-RAN आर्किटेक्चर)

यह सब O-RAN फ्रेमवर्क के भीतर होता है।

उपमा: O-RAN को आकाश में एक केंद्रीय मस्तिष्क (RIC कंट्रोलर्स) के रूप में सोचें जो ड्रोन से बात करता है।
- "नियर-रियल-टाइम" मस्तिष्क: यह वर्तमान मानचित्र के आधार पर पलक झपकते ही निर्णय लेता है (जैसे "अभी बाएँ मुड़ो!")।
- "नॉन-रियल-टाइम" मस्तिष्क: यह बैकग्राउंड में भारी सोच-विचार का काम करता है, जो ड्रोन्स द्वारा सीखी गई बातों के आधार पर गाइड्स की लाइब्रेरी और जनरल मॉडल को अपडेट करता है।

उन्होंने क्या सिद्ध किया?

शोधकर्ताओं ने वास्तविक शहर के मानचित्रों (जैसे यॉर्क, ओटावा, बीजिंग और लंदन) और जटिल कंप्यूटर सिमुलेशन का उपयोग करके इसका परीक्षण किया जो इमारतों से रेडियो सिग्नल कैसे टकराते हैं, इसकी नकल करते हैं।

परिणाम: अपने "स्मार्ट लाइब्रेरियन" का उपयोग करके सबसे अच्छा गाइड चुनने से, ड्रोन ने नए शहरों में शून्य से सीखने की तुलना में 44% से 56% तेज़ी से उड़ना सीख लिया।
तुलना: यह उन पुराने तरीकों की तुलना में भी 40% तक तेज़ था जो बिना यह जाँच किए कि शहर वास्तव में समान हैं या नहीं, केवल एक रैंडम गाइड उठा लेते थे।
यह क्यों महत्वपूर्ण है: 6G और आपातकालीन प्रतिक्रिया की दुनिया में, समय और बैटरी जीवन बचाना मतलब ड्रोन को जहाँ ज़रूरत है वहाँ तेज़ी से पहुँचाना और वहाँ अधिक समय तक रहना।

संक्षेप में: यह पेपर ड्रोन्स को स्मार्ट यात्री बनना सिखाता है। हर शहर को शून्य से याद करने के बजाय, वे समान शहरों की एक लाइब्रेरी और एक "सर्वाइवल गाइड" साथ रखते हैं जो हर नई जगह जाने पर और भी स्मार्ट होता जाता है, और यह सब एक केंद्रीय 6G मस्तिष्क द्वारा समन्वित होता है।

तकनीकी सारांश: O-RAN में UAV प्रक्षेपवक्र अनुकूलन के लिए अनुकूली मशीन लर्निंग फ्रेमवर्क

समस्या विवरण
6G ओपन रेडियो एक्सेस नेटवर्क (O-RAN) आर्किटेक्चर के भीतर ओपन रेडियो यूनिट्स (O-RUs) के रूप में अनमैन्ड एरियल व्हीकल्स (UAVs) की तैनाती स्केलेबल और अनुकूलनीय नेटवर्क कवरेज के लिए एक आशाजनक समाधान प्रदान करती है। हालांकि, गतिशील, अपरिचित शहरी वातावरणों में UAV प्रक्षेपवक्र (trajectories) को अनुकूलित करना एक महत्वपूर्ण चुनौती पेश करता है। पारंपरिक सुदृढीकरण लर्निंग (Reinforcement Learning - RL) दृष्टिकोण, जो एकल-वातावरण अनुकूलन के लिए प्रभावी हैं, विविध परिदृश्यों में खराब अनुकूलन क्षमता प्रदर्शित करते हैं। जब एक UAV एक नए वातावरण में प्रवेश करता है जिसमें अलग-अलग इमारतों का लेआउट, स्थलाकृति या संचार विशेषताएँ होती हैं, तो मानक RL मॉडल आमतौर पर शून्य से पुन: प्रशिक्षण (retraining) की आवश्यकता रखते हैं। यह प्रक्रिया गणनात्मक रूप से महंगी और समय लेने वाली है, जो वास्तविक समय के संचालन और स्केलेबिलिटी में बाधा डालती है। इसके अलावा, मौजूदा ट्रांसफर लर्निंग (TL) विधियों में अक्सर स्रोत मॉडलों की लक्ष्य वातावरणों के लिए उपयुक्तता का मूल्यांकन करने के लिए तंत्रों की कमी होती है, जिससे "नेगेटिव ट्रांसफर" का जोखिम रहता है जहाँ असमान वातावरणों से प्राप्त ज्ञान प्रदर्शन में सुधार करने के बजाय उसे कम कर देता है।

कार्यप्रणाली
यह शोध पत्र एक नवीन फ्रेमवर्क का प्रस्ताव करता है जो विविध परिदृश्यों में स्केलेबिलिटी और वास्तविक समय के संचालन की बाधाओं को दूर करने के लिए O-RAN आर्किटेक्चर के भीतर उन्नत निरंतर ट्रांसफर लर्निंग (Continual Transfer Learning - CTL) को एकीकृत करता है। मुख्य कार्यप्रणाली तीन मुख्य घटकों से बनी है:

मॉडल चयन तंत्र (Model Selection Mechanism): सिस्टम विशिष्ट शहरी वातावरणों (जैसे यॉर्क, लंदन, ओटावा) में प्रशिक्षित किए गए प्री-ट्रेन्ड डीप डिटर्मिनिस्टिक पॉलिसी ग्रेडिएंट (DDQN) मॉडलों का एक पुस्तकालय (library) बनाए रखता है। जब एक UAV एक नए वातावरण ( $E_{new}$ ) का सामना करता है, तो फ्रेमवर्क पर्यावरणीय विशेषताओं (इमारत की ऊंचाई, घनत्व, बेस स्टेशन वितरण, मानचित्र का आकार और UAV की ऊंचाई) का प्रतिनिधित्व करने वाले फीचर वेक्टर्स निकालता है। $E_{new}$ और लाइब्रेरी के सभी वातावरणों के बीच एक संयुक्त समानता स्कोर (composite similarity score) की गणना की जाती है। यदि उच्चतम समानता स्कोर एक पूर्व-निर्धारित थ्रेशोल्ड से अधिक है, तो ट्रांसफर लर्निंग के लिए सबसे समान प्री-ट्रेन्ड मॉडल का चयन किया जाता है।
फ़ालबैक जनरल मॉडल ( $M_G$ ): उन मामलों में जहाँ लाइब्रेरी में कोई पर्याप्त समान मॉडल मौजूद नहीं है (अर्थात, समानता स्कोर थ्रेशोल्ड से नीचे गिर जाता है), सिस्टम एक फ़ालबैक मॉडल, $M_G$ का उपयोग करता है। यह मॉडल शुरू में एक सिंथेटिक शहरी वातावरण पर प्रशिक्षित किया जाता है जो सभी उपलब्ध वास्तविक दुनिया के शहरों के प्रमुख संरचनात्मक मापदंडों को एकत्रित और औसत करके बनाया गया है। यह डिज़ाइन सुनिश्चित करता है कि $M_G$ एक तटस्थ, निष्पक्ष शहरी सेटिंग का प्रतिनिधित्व करे, जो विशिष्ट शहर की रूपात्मकता (morphologies) के प्रति ओवरफिटिंग को रोकता है और नेगेटिव ट्रांसफर परिदृश्यों के लिए एक विश्वसनीय आधार प्रदान करता है।
निरंतर लर्निंग (CL) एकीकरण: फ्रेमवर्क $M_G$ को निरंतर अपडेट करने के लिए CL का उपयोग करता है। जैसे-जैसे UAVs नए वातावरणों में कार्य करते हैं और नए नीतियां (policies) उत्पन्न करते हैं, इन मॉडलों को न केवल लाइब्रेरी में संग्रहीत किया जाता है, बल्कि भारित एकत्रीकरण (weighted aggregation) के माध्यम से $M_G$ को परिष्कृत करने के लिए भी उपयोग किया जाता है। मौजूदा $M_G$ और नए मॉडल को दिए जाने वाले भार (weights) नए वातावरण और मूल प्रशिक्षण स्थितियों के बीच समानता पर निर्भर करते हैं, जिससे सिस्टम विविध परिदृश्यों में ज्ञान को प्रगतिशील रूप से संचित कर सकता है और कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम कर सकता है।

संपूर्ण सिस्टम को O-RAN संरचना के भीतर एम्बेडेड किया गया है। नॉन-रियल-टाइम RIC (Non-RT RIC) मॉडल चयन, ट्रांसफर लर्निंग और निरंतर लर्निंग अपडेट के लिए rApps को होस्ट करता है, जबकि नियर-रियल-टाइम RIC (Near-RT RIC) वास्तविक समय में शहर की समानता तुलना, मॉडल डिस्पैचिंग और प्रक्षेपवक्र अनुमान के लिए xApps का उपयोग करता है।

प्रमुख योगदान
यह शोध पत्र निम्नलिखित विशिष्ट योगदानों को रेखांकित करता है:

अनुकूली मॉडल चयन: एक परिवेश समानता मीट्रिक के आधार पर लाइब्रेरी से सबसे उपयुक्त प्री-ट्रेन्ड प्रक्षेपवक्र नीति का चयन करने के लिए एक तंत्र का विकास, जो पुन: प्रशिक्षण के ओवरहेड को काफी कम करता है।
मजबूत फ़ालबैक मॉडल: एक सिंथेटिक फ़ालबैक मॉडल ( $M_G$ ) का निर्माण जिसे निरंतर लर्निंग के माध्यम से लगातार अपडेट किया जाता है, जिससे सिस्टम अनदेखे वातावरणों में आधारभूत प्रदर्शन बनाए रखने और सामान्यीकरण (generalization) में सुधार करने में सक्षम होता है।
O-RAN एकीकरण: वास्तविक समय के अनुमान और निरंतर लर्निंग लूप को सक्षम करने के लिए xApps और rApps का उपयोग करते हुए O-RAN आर्किटेक्चर के भीतर एक एकीकृत UAV प्रक्षेपवक्र प्रणाली का कार्यान्वयन।
वास्तविक-विश्व सत्यापन: उच्च-सटीकता वाले रे-ट्रेसड (ray-traced) RSSI मानचित्रों का उपयोग करके फ्रेमवर्क का सत्यापन, जिसमें विवर्तन (diffraction) और मल्टीपाथ प्रभावों जैसी वास्तविक प्रसार स्थितियाँ शामिल हैं।

परिणाम
कई शहरी वातावरणों (यॉर्क, बीजिंग, ओटावा आदि सहित) में किए गए सिमुलेशन प्रस्तावित फ्रेमवर्क की प्रभावकारिता को प्रदर्शित करते हैं:

अभिसरण गति (Convergence Speed): मॉडल चयन-आधारित ट्रांसफर लर्निंग दृष्टिकोण शून्य से पुन: प्रशिक्षण (DDQN) की तुलना में अभिसरण समय को 44% से 56% तक कम कर देता है।
पारंपरिक TL के साथ तुलना: प्रस्तावित विधि पारंपरिक ट्रांसफर लर्निंग (बिना मॉडल चयन के) की तुलना में अभिसरण में 40% तक सुधार करती है।
विशिष्ट परिदृश्यों में प्रदर्शन:
- यॉर्क के वातावरण में, जहाँ कोई अत्यधिक समान स्रोत मौजूद नहीं था, फ़ालबैक मॉडल $M_G$ ने 880 एपिसोड में अभिसरण प्राप्त किया, जो सर्वश्रेष्ठ लाइब्रेरी मॉडल (940 एपिसोड) और DDQN बेसलाइन (1380 एपिसोड) से बेहतर प्रदर्शन करता है।
- ओटावा में, संरचनात्मक रूप से समान मैनचेस्टर मॉडल से ट्रांसफर करने पर 750 एपिसोड में अभिसरण प्राप्त हुआ, जो DDQN बेसलाइन से 44.8% बेहतर है।
- बीजिंग में, समान यॉर्क मॉडल से ट्रांसफर करने के परिणामस्वरूप 590 एपिसोड में अभिसरण हुआ, जो बेसलाइन से 45.9% बेहतर है।
नेगेटिव ट्रांसफर: अध्ययन इस बात पर प्रकाश डालता है कि असमान वातावरणों (जैसे रॉसलिन से ओटावा में ट्रांसफर करना) से मॉडल चुनने से अभिसरण धीमा हो सकता है और प्रदर्शन प्रशिक्षण से शुरू करने की तुलना में खराब हो सकता है, जो समानता-आधारित चयन तंत्र की आवश्यकता को प्रमाणित करता है।
निरंतर लर्निंग का प्रभाव: हालांकि CL-अपडेटेड फ़ालबैक मॉडल विशिष्ट उदाहरणों में हमेशा सर्वश्रेष्ठ चयनित ट्रांसफर मॉडलों से बेहतर नहीं रहे, लेकिन उन्होंने समय के साथ बेहतर अनुकूलन क्षमता प्रदर्शित की, जिससे यह सुनिश्चित हुआ कि जैसे-जैसे लाइब्रेरी का विस्तार होता है, सिस्टम मजबूत बना रहे।

महत्व और दावे
लेखकों का दावा है कि यह कार्य विषम शहरी परिदृश्यों में अनुकूलन क्षमता के संबंध में UAV प्रक्षेपवक्र अनुकूलन के महत्वपूर्ण अंतर को संबोधित करता है। मॉडल चयन को निरंतर अपडेट किए जाने वाले फ़ालबैक तंत्र के साथ जोड़कर, जो O-RAN फ्रेमवर्क के भीतर है, यह सिस्टम यह सुनिश्चित करता है कि UAV शून्य से पुन: प्रशिक्षण की अत्यधिक लागत के बिना नए वातावरणों में तेजी से अनुकूल हो सकें। शोध पत्र इस बात पर जोर देता है कि यह दृष्टिकोण न केवल सीखने की गति को बढ़ाता है, बल्कि नेगेटिव ट्रांसफर को रोककर मजबूत और विश्वसनीय संचालन भी सुनिश्चित करता है। वास्तविक-विश्व रे-ट्रेसिंग डेटा और O-RAN आर्किटेक्चर का एकीकरण इस फ्रेमवर्क को स्केलेबल, इंटेलिजेंट 6G नेटवर्क परिनियोजन के लिए एक व्यावहारिक कदम के रूप में स्थापित करता है। लेखक नोट करते हैं कि भविष्य के कार्य में मॉडल चयन रणनीतियों और ऊर्जा-कुशल प्रक्षेपवक्र योजना में और अधिक सुधारों का अन्वेषण किया जाएगा।

1. "ट्रैवल गाइड" लाइब्रेरी (ट्रांसफर लर्निंग)

2. "यूनिवर्सल फॉलबैक" (द जनरल मॉडल)

3. "निरंतर सुधरता हुआ" मस्तिष्क (कंटीन्यूअल लर्निंग)

4. "स्मार्ट ट्रैफिक कंट्रोलर" (O-RAN आर्किटेक्चर)

उन्होंने क्या सिद्ध किया?

इसी तरह के और पेपर