DARPA | 世界上最大的“5G+AI+仿真”探索项目
关注 走向智能论坛 ，与我们同行！
美国国防高级研究计划局DARPA为期三年的“频谱协作挑战赛”，即将达到尾声。本文详细分析了这一大胆的探索项目中，美军顶尖研究机构是如何将“5G、AI和仿真”这三项高科技全面融合发挥到极限的。同时，也由此一窥用AI高效管理5G频谱等资源的科技远景。本文来自：学术Plus，版权归原作者和机构所有，经授权由《走向智能论坛》微信公号推荐阅读。
DARPA | 世界上最大的“5G+AI+仿真”探索项目
近年来，第五代移动通信（5G）技术和人工智能（AI）技术发展全面驶入快车道，其研究开发和产业应用如火如荼，这其中也面临不少的新问题新挑战，需要运用仿真技术和平台这一已有半个多世纪发展史，但依然生机勃勃的认识改造世界的第三种方法来帮助解决。无线频谱的高效利用是包括5G在内的移动通信应用的基础性难题，AI的发展进步为解决这一问题提供了多种可能解决方案，但各种方案孰优孰劣，必须真刀真枪比拼一下才行，这就需要有一个能反映真实应用场景的全面的仿真验证环境来进行比武。
肇始于2016年的美国防部高级研究计划局（DARPA）的为期三年的“频谱协作挑战赛”（Spectrum Collaboration Challenge，简称SC2），就是一个面向这一问题的大胆探索项目，目前已进入最终决赛阶段，13只队伍将最终将一决雌雄，让我们有机会领略DARPA这一美军顶尖研究机构如何将5G、AI和仿真这三项高科技全面融合发挥到极限。
一、5G频谱需求剧增
亟待新型频谱利用方案
2019年4月美国防部国防创新委员会发布的《5G生态系统：对美国国防部的风险与机遇》报告指出，5G所带来一系列新技术，将会在从无人驾驶汽车到智能城市、从虚拟现实到作战网络等各领域重新建立公众及个人的业务标准。从4G向5G的转变将极大地影响全球通信网络的未来，并从根本上改变国防部的运作环境。
频谱在5G的运营、开发和推广中发挥关键作用。峰值数据速率由无线服务可用的频谱数量决定。在4G中，最多可以将5个20兆赫的信道连接在一起。但在5G中，可以连接多达5个100兆赫的信道，使速度比4G和4G长期演进（LTE）快约20倍左右。虽然部分5G技术将被部署到现有的蜂窝网络频谱中，并在性能上实现一定的提高，但5G高速发展应用将需要更多频谱，以便为国防部和其他部门提高效能提供机会。
当前使用的频谱管理方法已有近一个世纪的历史，它通过将频谱划分为严格的专有许可频段来隔离无线系统，这些频段被分配在广大的地理区域空间内使用。通过这种方法来确保不同终端使用不同的频段进行通信，彼此之间不发生干扰。然而，这种人为划定谱段的方法，难以适应频谱的动态供需变化。在很多时候，获得频谱使用许可的组织或个人并没有充分使用所分配的频段，而其他频段则不堪重负，从而降低了频谱的使用效率，并使有限的频谱资源显得更加稀缺。
5G时代，对有限的无线电频谱资源的需求正在飙升。近年来，无线数据传输年增长率达到50%，这背后主要的驱动力包括：人们在智能手机上随时播放视频和浏览社交媒体需求，5G所支持的万物互联、虚拟/增强现实、人工智能、自动驾驶等新应用生态迸发的高带宽、低延迟需求。为了满足这些需求，除了不断增加可供5G等无线网络使用的频谱资源外，尽可能提高频谱利用效率也是必需探索的路径。这意味着各种无线技术越来越不可能拥有专用频段，而是必须共享可用频谱。然而现在并没有十分有效的共享频谱方案。
5G环境下终端数量巨大、种类繁多，这使得频谱高效共享问题更加复杂。机器学习和深度学习等人工智能技术有望为5G带来更主动的频谱需求预测能力，这对于实现5G宏大愿景是必不可少的。基于AI的5G频谱利用优化的目标是使基站和终端自主地决定所使用的频段，所有设备通过学习数据而不是依靠预先建立的固定规则策略构建协同的无线通信网络，获得比使用传统频段划分方案的无线通信网络更高的性能。
DARPA的智能无线电方法可能在即将到来的5G时代被证明是“基础性的”。正如DARPA的SC2项目经理保罗·蒂尔曼（Paul Tilghman）所言，“美国5G发展的一个重点是频谱共享的概念。然而，其中一个挑战是没有明确的实现路径或系统结构。我们将SC2视为在帮助不同无线电网络同时使用频谱方面表现非常出色的技术之一。”
二、AI赋能的频谱利用方案
呼之欲出
共享频段问题并非在5G时代才出现，21世纪初，蓝牙和新出现的无线局域网（Wi-Fi）都是用2.4GHz的视距微波频段，差点导致蓝牙技术灭绝。最终，蓝牙工程师修改了其标准，并通过开发蓝牙设备的跳频技术避免了早期灭绝的噩运。蓝牙设备在检测到Wi-Fi信号后，会将通信转移到空闲频段。跳频只是避免共享频段的无线通信设备间相互干扰的一种方法。但在5G的复杂网络环境下，仅依靠跳频技术难以满足日益增长的无线通信频段共享需求，必须探讨基于AI的频谱共享新方案。
依据DARPA基于技术特征对AI技术发展阶段的分析判断，AI已经历第一波和第二波浪潮，将迎来第三波浪潮。
第一波AI技术浪潮开始于上世纪60年代初，以“手工知识”为特征，通过建立一套逻辑规则来表示特定领域中的知识，针对严密定义的问题进行推理，没有学习能力，处理不确定性的能力很弱。
第二波AI技术浪潮开始于上世纪60年代末，以“统计学习”为特征，针对特定的问题域建立统计模型，利用大数据对它们其进行训练，具有很低程度的推理能力，但不具有上下文能力。
第三波AI技术浪潮以“适应环境”（上下文自适应）为特征，可持续学习并且可解释，针对真实世界现象建立能够生成解释性模型的系统，机器与人之间可以进行自然的交流，系统在遇到新的任务和情况时能够学习及推理。AI的持续自主学习能力将是第三波AI技术浪潮的核心动力。
2.2 频谱协作挑战赛“三原则”
在DARPA目前已举行的“频谱协作挑战赛”中，第一波和第二波AI技术都派上了用场。在挑战赛开始时，几乎所有团队都采用了第一波（AI）方法，为协作共享频谱的编写一般规则。每个团队编写的规则略有不同，但他们开发的每个系统都有一些共同的一般原则：
（1）系统需要监听每个网络需要使用的频率。
（2）在剩余的频段中，每个频段只能分配一个无线通信终端，而且团队应该是“好邻居”，即不要求超过频谱的平均份额。
（3）如果没有空频段，无线电终端应选择干扰最小的频段。
2.3 第一波AI频谱共享方案
问题可能比看上去，更难
不幸的是，这些规则无法捕捉到频谱管理的所有特性，妨碍了无线通信终端的协作能力，从而导致意外后果。在挑战赛中，出现了很多使用这类简单规则的失败案例。例如，第二条规则，是做一个“好邻居”而不是独占频率。原则上，这种协作方法应该为其他团队提供在需要时获得更多频谱的机会。但在实践中，这种策略却导致三个团队留下了大量完全未使用的频谱。
为了解决基于第一波AI频谱共享方案的问题，团队必须编写另一条规则。但当新规则出现异常时，他们会通过编写另一条规则来解决这个问题，如此类推。这些不断出现的异常导致不断地为解决问题的编写新规则是第一波AI的主要缺点。一个看似简单的问题最终可能会比看上去更难解决。
2.4 第二波AI频谱共享方案
精准的预测能力
因此，在2018年12月9日的挑战赛中，团队已经开始转向第二波AI方法。有些团队已经初步建立了基于第二波AI的频谱预测方案，可以快速识别其他团队的无线通信策略，并使用这些信息快速改变自己的无线通信规则。“感知和避免”是一种较容易被想到的策略。当蓝牙设备发现其欲使用的频谱正被Wi-Fi路由器使用时，它就会跳转到一个新的频率。但是蓝牙的跳频工作，部分原因是Wi-Fi以可预测的方式工作（即以特定的频率广播，不会改变这种行为）。
在实际竞赛中，每个团队的无线通信状态均不相同，完全不可预测，使这种有意识避免冲突的策略变得毫无意义。相反，更好的方法是预测未来频谱的状态，然后根据这些预测来决定哪些频段可用——哪怕只打开一两分钟，就足以传输一部分数据。更精确的预测将允许团队利用每个机会传输更多的数据，而不被其他团队干扰。第二波AI有望在未来获得更精确的频谱预测能力。
三、无线频谱挑战的“斗兽场”
3.1 世界上最大的射频仿真实验环境
为了满足为期三年、三个阶段400余场频谱共享方案pk的需要，DARPA清理打造了名为“斗兽场”（Colosseum）的世界上最大的射频仿真试验环境。目前该试验环境位于马里兰州劳雷尔市约翰霍普金斯大学的应用物理实验室（APL）54平方米的服务器机房内。“斗兽场”共使用了21个服务器机架，总耗电量达65千瓦，其所需的空调制冷量几乎相当于10所大型住宅。
图：“斗兽场”的平台一角（来源：SC2官网）
“斗兽场”为大规模军民领域电磁频谱使用和管理方案研究、测试、验证等提供了理想的解决方案。该测试环境具有开创性，可在1平方千米范围内仿真包括手机、军用无线电、物联网设备和其他无线通信设备在内的数百种无线通信设备之间的交互，并可实现高保真的无线通信信号穿越、反弹、回声仿真，将真实信号从发射机转发到接收机。
该测试环境使用美国国家仪器公司（NI）制造的128台双天线“软件定义无线电”（SDR）单元组装而成。为了从物理世界的无线电中仿真出电磁波，APL与NI合作，在测试平台中投入了64个“现场可编程门阵列”（FPGA），可执行超过150万亿次浮点（teraflops）仿真运算。每个FPGA都仿照一个电磁场景设计，可使SDR单元能在任意环境中运行。在SC2的每场比赛中，各个队伍可以直接将无线电频率信号“广播”到“斗兽场”。该试验平台拥有足够的计算能力，根据给定环境的详细数学模型来计算这些信号的行为方式。
3.2“斗兽场”的挑战所在
“斗兽场”设计过程中遇到的最大挑战之一是将SDR技术与云计算环境集成在一起，以供多个团队远程访问（其中包括参与“频谱协作挑战赛”第一阶段比赛的30支团队），并在同一测试平台中同时实现多个团队的各种基于AI和SDR框架。
测试平台的无线电仿真信道数为256乘256，可实现256个无线设备间的实时计算和超过65000个信道的交互仿真。每个仿真信道的带宽（信息内容）为100MHz，这意味着测试平台任一时刻的带宽达到25.6GHz。此外，每个信道的接发频率可在10MHz（如广播FM收音机）和6GHz（如WiFi）间调整。测试平台每秒产生和处理的无线电数据量超过52TB，超过了整个美国国会图书馆印刷品集的预估信息量。
图：无线电频率（RF）场景
DARPA通过一系列RF场景测试SC2竞赛队的无线电设计，旨在仿真协同式自主无线电在现实世界中面临的挑战。这些自定义的RF场景包括环境的三维模型和所有无线电的运动。由此，工具集自动生成数TB的数据，这些数据描述了每对无线电在移动时无线电波传播的变化特征。这些数据实时流入“斗兽场”以驱动实验。（来源：SC2官网）
3.3 协同智能无线网络CIRN
为了在“斗兽场”中验证自己的方案，每个参加SC2的竞赛队要设计自己的“协同智能无线网络”（Collaborative Intelligent Radio Networks，CIRN），并能够与其他竞争队的CIRN自主协同的无线网络。CIRN通过自动化推理和协同来解决当前频谱管理的低效、劳动密集问题。具体而言，CIRN通过AI模型预测出使用不同无线电通信标准的独立系统之间共享无线电频率的最佳方式，并随情况的变化动态调整。
图：SC2竞赛者技术架构（来源：SC2官网，https://www.spectrumcollaborationchallenge.com）
图：SC2结果可视化（来源：SC2官网）识别二维码查看动图原图
四、5G+AI+仿真
仍将任重道远
初步成就
目前，DARPA的频谱协作挑战赛（SC2）已经接近尾声。经过两年多的竞赛，SC2首次见证了自主无线电集体共享无线频谱的初步实现，传输的数据远远超过为每个无线电分配专用频率所能传输的数据。
据蒂尔曼介绍，在2018年12月举行的一次演示中，人工智能无线电的性能比人类频谱管理员高出50％。但目前各竞赛团队所用的机器学习算法仍有很大的改进空间，“为了充分利用频谱，我们还有150%的工作要做，确保这些频谱共享方案走上正确的轨道。缩小差距并让每个人都有机会使用频谱是我们的最终目标。这是我们希望在今年10月的冠军争夺赛中看到的。”
2019年10月23日，“斗兽场”仿真测试环境将移师洛杉矶美国移动世界大会SC2现场锦标赛场，13支队伍将再次出战，来证明基于人工智能的无线频谱管理可以创造一个无线通信的新时代。
图：13支SC2决赛阶段参赛队LOGO（来源：SC2官网）
落实到应用仍有距离
虽然结果令人欣喜，但是使用人工智能来管理无线电频谱还为时过早，DARPA面临最大的挑战就是，将理论转变为实际应用。例如，2004年国防高级研究的自动驾驶研究成功后，在商用车中的应用又花了10年时间。不管如何，DARPA在推动5G+AI+仿真方面已经迈出了关键的一步，在此基础上，随着5G、AI技术研究和应用不断取得突破，用AI来高效管理5G频谱等资源远景一定能早日成为现实。
作者简介：
大林——学术plus高级评论员
相关阅读
相关内容
微信扫码咨询专知VIP会员