Преодоление информационного разрыва: управляемый искусственным интеллектом контроль качества многоадресного вещания 5G

Кабельное телевидение (CATV) остается краеугольным камнем того, как национальные трансляции и информация о чрезвычайных ситуациях доходят до тысяч домохозяйств. К сожалению, многие старые многоквартирные дома не были построены с учетом волоконно-оптической проводки, что делает переоснащение необходимой инфраструктурой CATV слишком дорогостоящим или непрактичным и лишает жителей возможности доступа к услугам вещания.

Одной из новых альтернатив является технология 5G MBS (Multicast/Broadcast Services), которая использует беспроводные сигналы 5G для одновременной передачи одного и того же телевизионного потока многим домохозяйствам. Благодаря эффективному использованию ограниченного радиочастотного спектра, она предлагает реальный путь к модернизации инфраструктуры CATV.

Однако у многоадресного вещания 5G есть фундаментальное ограничение. Обычные соединения 5G на смартфонах являются двусторонними, поэтому, когда пакет данных не поступает, принимающее устройство может просто запросить повторную передачу. Многоадресное вещание может не поддерживать такие обратные каналы, что означает невозможность повторной передачи потерянных пакетов данных и кратковременную остановку видеопотока.

Обычные протоколы связи 5G, разработанные с учетом запросов на повторную передачу и обеспечивающие максимальную скорость, не предназначены для работы в ситуациях, когда повторная передача ограничена.

Чтобы решить эту проблему, исследовательская группа под руководством профессора Джиро Катто и кандидата наук Касидиса Арунруангсирилерта из Университета Васэда, Япония, разработала облегченную модель искусственного интеллекта, которая предсказывает условия беспроводной связи до того, как они ухудшатся, и соответствующим образом корректирует параметры передачи.

Результаты их исследований были представлены на 104-й конференции IEEE по автомобильным технологиям 2026 года (VTC2026-Осень), которая состоялась 8 сентября в Бостоне, штат Массачусетс, США, и опубликованы на сервере препринтов arXiv.

Эта модель искусственного интеллекта была обучена с использованием примерно 26 миллионов измерений, получаемых каждые 0,5 миллисекунды из коммерческой сети 5G, что позволяет ей фиксировать быстрые колебания радиосвязи, которые не учитываются в грубых наборах данных. Важно отметить, что он полностью основан на информации, уже собранной смартфонами во время стандартной работы, и достаточно компактен для работы в режиме реального времени на потребительских устройствах, не требуя специального оборудования.

Tests on a real-world commercial 5G network showed that the AI model selected an error-free transmission setting for approximately 87% of video segments, compared with only 32% for a conventional speed-oriented approach. The model also operated in less than 0.07 milliseconds on smartphone chipsets released from 2020 onward, introducing no perceptible delay to viewers.

The researchers said, "Our study stands as a practical example of AI-native wireless communication, in which AI takes on decision-making responsibilities in next-generation networks, and represents a meaningful step toward the long-sought convergence of broadcasting and broadband on a single, spectrally efficient wireless platform."

Overall, this strategy could help bridge the information gap in underserved areas, contributing to a society where everyone has equal access to broadcast services.

Beyond improving television services, the researchers believe the same approach could benefit many forms of one-way wireless communication where retransmission is impossible, including satellite communications, autonomous vehicles, industrial systems and scientific exploration.

The findings also demonstrate how local 5G infrastructure, currently used primarily by large organizations, could deliver practical public services. "We hope that this work encourages broader use of local 5G as a tool for solving social challenges and serving the public good," the researchers conclude.