诸如AR/VR/MR这样的扩展现实XR流量正越来越多地使用蜂窝网络进行传输。与头显相关联的用户设备UE可以从诸如应用服务器的服务器接收XR流量。UE可以经由基站从服务器接收XR流量。
例如，UE可以经由基站周期性地向服务器发送定向信息。定向信息可以基于用户头部移动或身体移动来指示UE的姿势。服务器可以基于定向信息来生成与渲染场景相关联的XR流量。服务器可以经由基站向UE发送XR流量。
UE可以向基站发送测量报告，并且基站可以基于测量报告来触发UE的波束和/或测量更新。然而，UE的移动或旋转可能会影响UE的性能。例如，UE可以是使用FR2的VR一体机，并包含一组一个或多个天线。用户头部的移动或旋转可能导致头显的波束变得与基站的波束不对齐，并因而影响头显的性能，直到UE接收到波束和/或测量更新并执行波束改变。这可能会导致延迟并降低吞吐量。
在名为“ User equipment extended reality information-based beam management”的专利申请中，高通就描述了一种优化技术。概括来说，相关发明可以允许UE至少部分地基于UE的预测方位来请求或执行波束改变。
UE的预测方位可以指示UE在未来时间的预测方位。方位信息可以指示UE的当前方位（例如，当前位置、移动或旋转）或UE方位的变化率。在一个方面，方位信息可以指示UE的过去方位。
UE可以确定与预测方位相关联的波束信息。波束信息可以指示在UE定向在预测定向时与经由波束通信相关联的性能。波束信息可以指示当UE定向在预测定向时期望提供阈值性能的波束。
UE可以至少部分地基于映射预测定向和波束信息的表来确定预测定向和/或波束信息。备选地和/或附加地，UE可以至少部分地基于提供指示UE的当前方位的方位信息作为模型的输入来确定预测方位和/或波束信息。
模型可以至少部分地基于定向信息生成指示预测定向和/或波束信息的输出。UE可以至少部分地基于预测的定向和/或波束信息来确定是否需要波束改变。当波束信息指示UE在预测方位处的性能降级时，UE可以请求和/或执行波束改变。结果，UE可以根据UE的定向的改变主动地改变波束，这可以使得UE的波束保持与基站的波束对准，从而防止UE的性能降级。
图3是示出了基于信息的波束管理。如图3所示，基站110和UE 120可以彼此通信。如附图标记305所示，UE 120可以获得定向信息。方位信息可以指示UE的当前方位或UE方位的变化率。
在一个实施例中，方位信息指示六自由度姿态。六自由度姿态可以至少部分地基于检测到UE 120的旋转运动和平移运动来指示UE 120的位置和取向。其中，UE 120是头戴式显示器，并且方位信息指示与用户头部的方位相对应的六自由度姿态。
UE 120至少部分地基于与UE 120相关联的摄像头获得的图像数据、与UE 120关联的加速计获得的加速度数据、或与UE 120相关联的陀螺仪获得的陀螺仪数据等来检测UE 120的旋转运动或平移运动。UE 120可以将加速计数据和/或陀螺仪数据与图像数据的特征对齐或融合，并且可以至少部分地基于对齐或融合的数据来生成指示姿态的定向信息。
如参考数字310所示，UE 120可以确定UE 120的预测方位。UE 120的预测方位可以对应于UE 120在未来时间的预测位置、移动或旋转，例如初始时间之后大约25ms或大约100ms等。
可以至少部分地基于定向信息动态地确定未来时间。例如，未来时间可以至少部分地基于指示UE 120的定向的第一变化率的定向信息而对应于第一未来时间。至少部分地基于指示UE 120的定向的第二较慢变化率的定向信息，未来时间可以对应于第一未来时间之后的第二未来时间。
UE 120可以至少部分地基于与在UE 120执行的应用相关联的度量来确定预测的定向。例如，所述应用可以是用户从固定点观看虚拟世界的XR应用，并且UE 120可以至少部分地基于从固定点查看虚拟世界的用户来确定预测方位。
在一个实施例中，UE 120可以利用模型来确定UE 120的预测方位。模型可以包括数据结构，例如查找表。数据结构可以将当前方位信息或方位变化率映射到预测方位。
UE 120可以至少部分地基于历史方位信息来确定当前方位信息或方位变化率到预测方位的映射。历史方位信息可以指示UE 120在多个时间段上的一系列方位或方位变化率。UE 120可以至少部分地基于UE 120在多个时间段上的一系列定向或定向变化率来确定当前定向信息或定向变化速率到预测定向的映射。
作为示例，UE 120可以至少部分地基于UE 120在多个时间段上的一系列取向或取向变化率来确定UE 120从第一取向移动到第二取向的次数。当UE 120从第一方位移动到第二方位的次数满足阈值时，UE 120可以将第一方位映射到第二方向。
在一个实施例中，模型可以包括人工智能模型，例如机器学习模型。AI模型可以接收定向信息作为输入，并且可以生成指示UE 120的预测定向的输出。可以至少部分地基于历史方位信息来训练AI模型。AI模型可以训练为至少部分地基于指示UE 120的当前方位的方位信息、UE 120的预测方位以及反映预测方位对于UE 120的目前方位准确的置信度度量的置信度得分。
在一个实施例中，UE 120可以至少部分地基于方位信息来确定多个预测方位。如附图标记315所示，UE 120可以确定与预测方位相关联的波束信息。波束信息可以指示UE 120当前使用的波束在预测方位处的预测性能相对于UE 120当前方位处的波束性能。
例如，波束信息可以指示UE 120向预测方位的移动是否可能导致上行链路信道、下行链路信道、TCI状态或与波束相关联的空间关系的降级。
在一个实施例中，UE 120可以利用模型来确定波束信息。UE 120可以至少部分地基于与相对于其他波束的最高性能相关联的波束，将波束映射到UE 120的特定定向。UE 120可以至少部分地基于映射波束来确定要在预测方位处使用的波束。
UE 120至少部分地基于确定与预测定向相关联的波束，从当前波束改变为与预测定向相关联的波束。
如附图标记320所示，UE 120可以发送并且基站110可以接收与UE 120的预测方位相关联的波束的指示。
波束组可以与UE 120将从当前波束改变为包括在波束组中的波束的相应时间相关联。例如，UE 120可以至少部分地基于方位信息来确定与第一未来时间相关联的第一预测方位、与第二未来时间相关的第二预测方位、以及与第三未来时间相关关联的第三预测方位。所述指示可以指示UE 120将在第一未来时间改变为第一波束，在第二未来时间改变第二波束，并且在第三未来时间改变成第三波束。
如参考数字325所示，基站110可以至少部分地基于指示来发送，并且UE 120可以接收更新的波束或测量配置。更新的波束或测量配置与UE 120处的波束切换或天线面板切换相关联。
波束切换可以与切换UE 120的下行链路或上行链路TCI状态相关联；或与要由UE 120在下行链路或上行链路中测量的波束数量的变化相关联；或与基站110向UE 120发送的测量信号相关联。
基站110发送指示更新的波束或测量配置的MAC-CE消息。例如，MAC-CE消息可以指示要激活的TCI状态或要去激活的TCI状态。
如附图标记330所示，UE 120可以至少部分地基于更新的波束或测量配置来执行波束改变。UE 120可以至少部分地基于执行波束改变来与基站110通信。
图5是示出结合基于UE定向的波束更新来训练和使用AI模型示例。这里描述的机器学习模型训练和使用可以使用机器学习系统来执行。机器学习系统可以包括或可以包括在UE 120、基站110、计算设备、服务器、云计算环境等中。
经过训练后的机器学习系统可以将严格且自动化的过程应用于基于UE定向的波束更新。机器学习系统使得能够识别和/或识别数十、数百、数千或数百万个特征和/或特征值，用于数十、几百、数千或几百万个观察，从而相对于至少部分地基于UE 120的当前方位来执行波束更新。高通指出，这可以提高准确性和一致性，并减少了与波束更新相关的延迟。
图6示出了由UE执行的示例过程600。
过程600可以包括获得与UE相关联的方位信息，其中UE的姿势包括与UE相关的位置信息和方位信息（框610）。例如，UE可以获得与UE相关联的方位信息，其中UE的姿势包括与UE相关的位置信息和方位信息。
过程600可以包括发送与UE的预测方位相关联的波束的指示，其中UE的预测方向至少部分地基于方位信息（框620）。例如，UE可以发送与UE的预测方位相关联的波束的指示，其中UE的预测方向至少部分地基于方位信息。
过程600可以包括至少部分地基于指示接收更新的波束或测量配置（框630）。例如，UE可以至少部分地基于所述指示来接收更新的波束或测量配置。
来源：映维网
投稿：tougao@arinchina.com
稿件/商务合作： Vicky（微信 ARC-vicky）电话：18700987744
创始人：张明军（微信 13720775110）
更多精彩内容，请关注ARinChina微信公众号(ID:X增强现实)
评论