Network-initiated data transfers over the user plane in wireless systems

Abstract

Methods, systems, and devices for network-initiated data transfers over the user plane in current and emerging wireless cellular networks are described. The described embodiments advantageously reduce network congestion in the control plane, which is typically utilized for these data transfers. An example wireless communication method includes transmitting, by a network function of a core network to a wireless device via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device, and receiving, from the wireless device, a response to the network-initiated request. In this example method, the network-initiated request comprises an information related to the user plane or a purpose for establishing the user plane.

Description

NETWORK-INITIATED DATA TRANSFERS OVER THE USER PLANE IN WIRELESS SYSTEMSTECHNICAL FIELD

[0001] This disclosure is directed generally to digital wireless communications.BACKGROUND

[0002] Mobile telecommunication technologies are moving the world toward an increasingly connected and networked society. In comparison with the existing wireless networks, next generation systems and wireless communication techniques will need to support a much wider range of use-case characteristics and provide a more complex and sophisticated range of access requirements and flexibilities.

[0003] Long-Term Evolution (LTE) is a standard for wireless communication for mobile devices and data terminals developed by 3rd Generation Partnership Project (3GPP) . LTE Advanced (LTE-A) is a wireless communication standard that enhances the LTE standard. The 5th generation of wireless system, known as 5G, advances the LTE and LTE-Awireless standards and is committed to supporting higher data-rates, large number of connections, ultra-low latency, high reliability and other emerging business needs.SUMMARY

[0004] Techniques are disclosed for network-initiated data transfers over the user plane (UP) , e.g., to support machine learning (ML) models, in current and emerging cellular networks. The described embodiments advantageously reduce network congestion in the control plane, which is currently being used for data transfers for artificial intelligence (AI)  / ML-related applications.

[0005] In an example aspect, a wireless communication method includes transmitting, by a network function of a core network to a wireless device via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device, and receiving, from the wireless device, a response to the network-initiated request. In this example, the network-initiated request includes an information related to the user plane or a purpose for establishing the user plane.

[0006] In another example aspect, a wireless communication method includes receiving, by a wireless device from a network function of a core network via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device, and transmitting, to the network function, a response to the network-initiated request. In this example, the network-initiated request includes information related to the user plane or a purpose for establishing the user plane.

[0007] In yet another example aspect, the above-described methods are embodied in the form of processor-executable code and stored in a non-transitory computer-readable storage medium. The code included in the computer readable storage medium when executed by a processor, causes the processor to implement the methods described in this patent document.

[0008] In yet another example aspect, a device that is configured or operable to perform the above-described methods is disclosed.

[0009] The above and other aspects and their implementations are described in greater detail in the drawings, the descriptions, and the claims.

[0010] BRIEF DESCRIPTION OF THE DRAWING

[0011] FIG. 1 shows an example architecture for the Fifth Generation Core (5GC) network.

[0012] FIG. 2 shows an example data collection architecture of the network data analytics function (NWDAF) from any 5GC network function (NF) .

[0013] FIG. 3 shows an example network data analytics exposure architecture.

[0014] FIG. 4 is a timing diagram of an example method for a network-initiated machine learning (ML) model transfer, data transfer, or user equipment (UE) training data collection via the user plane (UP) .

[0015] FIG. 5 is a timing diagram of an example method for a network-initiated ML model update via the UP.

[0016] FIG. 6 is a timing diagram of an example method for configuring the ML model.

[0017] FIG. 7 shows a flowchart for an example wireless communication method.

[0018] FIG. 8 shows a flowchart for another example wireless communication method.

[0019] FIG. 9 shows a block diagram of an example hardware platform that may be a part of a network device or a communication device.

[0020] FIG. 10 shows an example of wireless communication including a base station (BS) and user equipment (UE) based on some implementations of the disclosed technology.DETAILED DESCRIPTION

[0021] In existing wireless communication standards (e.g., 3GPP Rel-18) , various artificial intelligence and machine learning (AI / ML) systems are being deployed to manage complex networks intelligently, address system optimization problems, and improve user experience in Fifth Generation (5G) New Radio (NR) system and beyond. AI / ML models can be readily deployed in many applications in mobile devices in existing 5G NR systems and upcoming 6G system deployments, e.g., image recognition, natural language recognition, speech recognition, and video processing.

[0022] The ML model size, especially for large language models (LLMs) , is generally large, e.g., one billion parameters typically require 2 GB, and the largest Llama-2 model has 70 billion parameters. Existing systems are deliver the ML models to a User Equipment (UE) via the control plane (CP) , which can overload one or more network functions (e.g., AMF) and increase Service Based Interface (SBI) signaling costs in 5GC. Furthermore, the delivery latency via the control plane is relatively large compared to that of the user plane (UP) .

[0023] Embodiments of the disclosed technology provide methods and systems for network-initiated data transfers over the UP between the UE and any 5GC network function (NF) , which mitigates the drawbacks described above.

[0024] The example headings for the various sections below are used to facilitate the understanding of the disclosed subject matter and do not limit the scope of the claimed subject matter in any way. Accordingly, one or more features of one example section can be combined with one or more features of another example section. Furthermore, 5G terminology is used for the sake of clarity of explanation, but the techniques disclosed in the present document are not limited to 5G technology only, and may be used in wireless systems that implemented other protocols, such as 6G technology.

[0025] 1 Introduction

[0026] The Fifth Generation Core (5GC) Network architecture relies on a "Service-Based Architecture" (SBA) framework, where the architecture elements are defined in terms of "Network Functions" (NFs) rather than by "traditional" Network Entities. Via interfaces of a common framework, any given NF offers its services to all the other authorized NFs and / or to any "consumers" that are permitted to make use of these provided services. Such an SBA approach offers modularity and reusability.

[0027] 1.1 5GC Architecture

[0028] FIG. 1 shows an example architecture for the 5GC network. As shown therein, the 5GC network includes the following components:

[0029] –User Equipment (UE) .

[0030] –Radio Access Network (RAN) . The RAN manages the radio resource and delivers the user data received over the N3 interface to UE and delivers the user data from UE over the N3 interface. The RAN performs mapping between DRBs (Dedicated Radio Bearers) and the quality of service (QoS) flows in the Packet Data Unit (PDU) session.

[0031] –Access and Mobility Management Function (AMF) . The AMF supports the following functionalities: registration management, connection management, and reachability management and mobility management. This function also performs access authentication and access authorization. The AMF is the non-access stratum (NAS) security termination and relays the Session Management (SM) NAS between UE and Session Management Function (SMF) , etc.

[0032] –Session Management Function (SMF) . The SMF supports the following functionalities: session establishment, modification and release, UE internet protocol (IP) address allocation & management (including optional authorization functions) , selection and control of user plane function (UPF) , downlink data notification, etc. The SMF controls the UPF via N4 interface association. The SMF provides PDR (Packet Detection Rule) to UPF to instruct how to detect user data traffic, FAR (Forwarding Action Rule) , QER (QoS Enforcement Rule) and URR (Usage Reporting Rule) to instruct the UPF how to perform the user data traffic forwarding, QoS handling and usage reporting for the user data traffic detected by using the PDR.

[0033] –User Plane Function (UPF) . The UPF supports the following functionalities: serving as an anchor point for intra- / inter-radio access technology (RAT) mobility, packet routing & forwarding, traffic usage reporting, QoS handling for the user plane, downlink packet buffering and downlink data notification triggering, etc. General Packet Radio Services (GPRS) tunneling protocol user plane (GTP-U) tunnel is used over N3 interface between the RAN and UPF, and is per PDU session. For downlink traffic the UPF binds the downlink traffic to QoS flows within the GTP-U tunnel of the PDU session by using the FARs received from SMF. For uplink traffic, the RAN transfer the user plane traffic to QoS flows identified by the UE.

[0034] –Policy Control Function (PCF) . The PCF provides QoS policy rules to control plane functions (CPFs) to enforce the rules. The PCF transforms the AF requests into Policy and Charging Control (PCC) rules that apply to PDU Sessions.

[0035] –Unified Data Management (UDM) . The UDM performs the generation of the 3rd Generation Partnership Project (3GPP) Authentication and Key Agreement (AKA) Authentication Credential, access authorization based on subscription data, UE's serving network function (NF) registration management (e.g. storing serving AMF for UE, storing serving SMF for UE's PDU session) , subscription management, etc. The UDM accesses the Unified Data Repository (UDR) to retrieve UE subscription data and store the UE context in the UDR. In some examples, the UDM and UDR can be deployed together.

[0036] 1.2 Network Data Analytics Function (NWDAF)

[0037] The Network Data Analytics Function (NWDAF) is a 5GC NF located on the control plane and performs statistical data analysis (e.g., the distribution information of the datasets) and machine learning (ML) -related tasks in 5GS. The NWDAF may interact with different entities for different purposes, e.g., data collection (as shown in FIG. 2) and data analytics exposure (as shown in FIG. 3) . Some of the various functions supported by the NWDAF include the following:

[0038] –Data collection based on subscription to events provided by AMF, SMF, UPF, PCF, UDM, Network Slice Admission Control Function (NSACF) , AF (directly or via Network Exposure Function (NEF) ) and OAM;

[0039] –Analytics and data collection using the Data Collection Coordination Function;

[0040] –Retrieval of information from data repositories (e.g. UDR via UDM for subscriber-related information or via NEF Packet Flow Detection function (PFDF) for Packet Flow Detection (PFD) information) ;

[0041] –Data collection of location information from the Location Services system;

[0042] –Storage and retrieval of information from Analytics Data Repository Function;

[0043] –Analytics and data collection from Messaging Framework Adaptor Function;

[0044] –Retrieval of information about NFs (e.g., from the Network Repository Function (NRF) for NF-related information) ;

[0045] –On-demand provision of analytics to consumers;

[0046] –Provision of bulked data related to analytics identifiers (IDs) ;

[0047] –Provision of accuracy information about analytics IDs; and / or

[0048] –Provision of ML model accuracy information or ML model accuracy degradation related to an ML model.

[0049] In existing implementations, a single instance or multiple instances of the NWDAF may be deployed in a Public Land Mobile Network (PLMN) . An NWDAF can contain the following logical functions:

[0050] –Analytics logical function (AnLF) : A logical function in NWDAF, which performs inference, derives analytics information (i.e., derives statistics and / or predictions based on analytics consumer request) and exposes analytics service i.e., Nnwdaf_AnalyticsSubscription or Nnwdaf_AnalyticsInfo.

[0051] –Model training logical function (MTLF) : A logical function in NWDAF, which trains machine learning (ML) models and exposes new training services (e.g., providing trained ML model) .

[0052] An NWDAF can contain an MTLF or an AnLF, or both logical functions.

[0053] 1.3 Location Management Function (LMF)

[0054] The LMF manages the overall coordination and scheduling of resources required for the location of a UE that is registered with or accessing 5GCN. It also calculates or verifies a final location and any velocity estimate and may estimate the achieved accuracy. The LMF receives location requests for a target UE from the serving AMF using the Nlmf interface. The LMF interacts with the UE in order to exchange location information applicable to UE assisted and UE based position methods and interacts with the NG-RAN, N3IWF or TNAN in order to obtain location information.

[0055] The LMF shall determine the result of the positioning in geographical coordinates and / or in local coordinates. If requested and if available, the positioning result may also include the velocity of the UE. The coordinate type (s) is determined by LMF when receiving a location request, based on LCS Client type and supported GAD shapes. If the location request indicates regulatory LCS Client type the LMF shall determine a geographical location and optionally a location in local coordinates. For location request indicates a value added LCS Client type, the LMF may determine the UE location in local coordinates or geographical coordinates or both. If the supported GAD shapes is not received or local coordinates is not included in the supported GAD shapes, the LMF shall determine a geographical location.

[0056] Additional functions which may be performed by an LMF to support location services include the following:

[0057] –Support a request for a single location, a periodic location, and / or a triggered location, received from a serving AMF for a target UE.

[0058] –Determine type and number of position methods and procedures based on UE and PLMN capabilities, QoS, UE connectivity state per access type, LCS Client type, coordinate type and optionally service type and indication of requiring reliable UE location information.

[0059] –Report UE location estimates directly to a Gateway Mobile Location Centre (GMLC) for periodic or triggered location of a target UE.

[0060] –Support cancelation of periodic or triggered location for a target UE.

[0061] –Support the provision of broadcast assistance data to UEs via NG-RAN in ciphered or un-ciphered form and forward any ciphering keys to subscribed UEs via the AMF.

[0062] –Support change of a serving LMF for periodic location reporting or triggered location reporting for a target UE.

[0063] –Support of receiving stored UE Positioning Capability from AMF and support of providing updated UE Positioning Capability to AMF.

[0064] –Map the UE location to a geographical area where the PLMN is or is not allowed to operate based on the request from AMF.

[0065] –Support determination of a UE location at a scheduled location time.

[0066] –Support determination of indoor or outdoor for a location estimate.

[0067] –Determine whether to use user plane or control plane for positioning.

[0068] –Support handling of 5GC-MT-LR, 5GC-NI-LR, 5GC-MO-LR and deferred 5GC-MT-LR for periodic or triggered location over a user plane connection between UE and LMF over TLS.

[0069] –Support collection of GNSS assistance data from AFs.

[0070] –Support service level PRU Association, PRU Association update, and / or PRU Disassociation.

[0071] –LMF supports verification of a PRU initiated Association or Disassociation by checking whether there is an PRU verified indication from AMF.

[0072] –LMF stores the received PRU information contained in service level PRU Association message and removes the PRU information after PRU Disassociation.

[0073] –LMF keeps PRU information for PRUs which are in OFF state.

[0074] –LMF may indicate support of PRU function to NRF via NF profile and may further send the PRU indication via NF profile update if PRU is stationary PRU.

[0075] –LMF may request a PRU to associate to a new LMF by returning a Routing ID of the new LMF.

[0076] Herein, PRU ON / OFF states indicate temporarily availability of the PRU functionality of a UE at the serving LMF (e.g., PRU OFF due to other high priority tasks / energy saving at the UE, or the UE temporarily loses network coverage) .

[0077] –Support selection of a PRU based on stored PRU information if the LMF needs to obtain the  location measurements from the PRU to assist positioning of a target UE.

[0078] –Support to obtain PRU location measurements.

[0079] –Support to obtain PRU location measurements from other PRU serving LMF (s) .

[0080] –As a serving LMF of target UE (s) , support discovery and selection of other PRU serving LMF (s) by querying the NRF and support to request PRU location measurements from the selected LMF (s) .

[0081] –As a serving LMF of PRU (s) , support to provide PRU location measurements to other LMF (s) after receiving a request from other LMF (s) .

[0082] –Support to determine UE location using obtained PRU location measurements.

[0083] –Support a request for user plane reporting from a UE to an LCS Client or AF for a periodic or triggered 5GC-MT-LR. Subsequently, support the transfer of cumulative event reports from the target UE via control plane back to the H-GMLC and LCS Client or AF. Also support any request for assistance data received in a cumulative event report.

[0084] –Determine UE location for a UE connecting to a MBSR based on location and velocity of the MBSR and the timing of the location estimations for the target UE and MBSR.

[0085] –For a regulatory location service, support reporting of multiple INTERMEDIATE location estimates to GMLC.

[0086] 1.4 Operation, Administration, and Maintenance (OAM) function

[0087] The Operation, Administration, and Maintenance (OAM) function includes a set of processes and tools that is essential for ensuring the efficient and reliable functioning of telecommunication networks. OAM encompasses various activities aimed at managing network performance, diagnosing issues, and maintaining overall network health.

[0088] Operation. Day-to-day management of the network, including monitoring network performance, configuring network devices, and ensuring smooth functionality.

[0089] Administration. Involves tasks such as setting up user accounts, managing network resources, and enforcing security policies to ensure the network operates within defined parameters.

[0090] Maintenance. Entails regular and preventive activities to keep the network in optimal condition, such as software updates, hardware checks, and troubleshooting faults.

[0091] 1.5 Over-the-Top (OTT) Server

[0092] An OTT (Over-the-Top) server is a critical component in the ecosystem of delivering media and streaming services over the internet. OTT refers to the delivery of audio, video, and other media content directly to users over the internet, bypassing traditional cable or broadcast television platforms. Popular OTT services  include Netflix, Amazon Prime Video, and Disney+. In some embodiments, the OTT sever may be an AF (Application Function) in 5GC.

[0093] 1.6 Examples of AI / ML positioning

[0094] In existing implementations, AI / ML-positioning includes:

[0095] Direct AI / ML positioning. Herein, the output of an AI / ML model (e.g., the UE location) is used in the positioning process. In other examples, direct AI / ML positioning includes fingerprinting based on channel observation as the input of AI / ML model.

[0096] AI / ML assisted positioning. Herein, the output of an AI / ML model (e.g., new measurements and / or enhancement of existing measurements) is used in the positioning process. In other examples, AI / ML assisted positioning includes line-of-sight (LOS) and non-line-of-sight (NLOS) LOS / NLOS identification, timing and / or angle of measurement, likelihood of measurement, etc.

[0097] It is noted that, as used in this patent document, data includes training data, which is the input for an ML model training operation.

[0098] 2 Example embodiments of the disclosed technology

[0099] Embodiments of the disclosed technology provide methods and procedures for a network-initiated ML model transfer, data transfer, or UE data collection via the user plane (e.g., as described in Section 2.1 and the timing diagram in FIG. 4) , a network-initiated ML model update via the user plane (e.g., as described in Section 2.2 and the timing diagram in FIG. 5) , and preparing and / or configuring the ML model (e.g., as described in Section 2.3 and the timing diagram in FIG. 6) .

[0100] 2.1 Network-initiated ML model transfer, data transfer, UE data collection

[0101] FIG. 4 is a timing diagram of an example method for a network-initiated ML model transfer, data transfer, or UE training data collection via the user plane (UP) . As shown therein, this example method includes the following operations:

[0102] 0. The LMF (or other NF) makes a decision to deliver data or the ML model to the UE, or perform (training) data collection from UE. If the LMF determines the requirements for delivering the data or the ML model to UE, or performing (training) data collection but it does not have the ability to build a UP connection for the specified purpose (s) , it may select another LMF via NRF to complete this process. If the re-selection happens, the source LMF may send UE ID and the purpose (s) (e.g., deliver data or the ML model to UE, or perform (training) data collection from UE via UP) to the target LMF.

[0103] 1. The LMF initiates the UP building procedure by sending user plane information and the purpose of building / using UP (e.g., (training) data transfer, ML model transfer, or perform (training) data collection from UE) . The user plane information includes the user plane address of the LMF and / or security information related to the ML model transfer or data transfer. If the LMF intends to deliver the ML model, it may include the use of ML model as well, e.g., the ML model is to be used for AI / ML positioning (i.e., direct  AI / ML positioning or AI / ML assisted positioning) , and / or an analytics ID of the ML model. If the LMF intends to perform data transfer or (training) data collection, it may specify in the message what (training) data (e.g., the data or dataset description) will be transferred to or collected from the UE.

[0104] 2. The AMF forwards the user plane information and the purpose of building the user plane to UE via a Non-Access Stratum (NAS) downlink (DL) message.

[0105] 3. The UE can send an acknowledgement (ACK) message to the LMF through AMF, to acknowledge the use of user plane connection for data transfer, ML model transfer, or performing (training) data collection from UE. Alternatively, the UE can send a rejection (or negative ACK (NACK) ) message that includes the reason (s) for rejecting the building of the UP (e.g., the UE does not support UP building, the UE is temporarily unavailable, the UE being overloaded, the system being overloaded, the UE lacking the requisite computing power, etc. ) .

[0106] In some embodiments, the UE may also specify its AI-related information in this message. In some examples, the AI-related information includes a UE ID, UE AI configuration information, an ML model type (e.g., neural network, support vector machine (SVM) , random forest (RF) ) , a maximum size of the ML model file, an ML model parameter dimension, a maximum number of ML model parameters per model, time-related information (e.g., when the ML model is needed, when the data can be delivered to UE, when the (training) data collection can be performed) , ML model filter information (e.g., Area of Interest, S-NSSAI) , UE location information, UE computing power information, ML model complexity information (e.g., maximum restriction on model complexity) , ML model accuracy information, ML model metrics information, ML model running environment information, Analytics ID, the use of the ML model (e.g., for direct AI / ML positioning or AI / ML-assisted positioning) , the inference input information of the ML model, energy consumption information of the ML model (e.g., the maximum energy (or cost) to train or perform inference using the ML model) .

[0107] 4. The AMF forwards the ACK or NACK message to the LMF.

[0108] 5. The UE establishes a secure user plane (UP) connection with LMF. As an alternative to step (3) above, the UE can send an acknowledgement message to the LMF after establishing the secured user plane connection with LMF.

[0109] 6. If the purpose of building user plane is to transfer the ML model, the LMF prepares the ML model. In an example, it can train the ML model itself. In another example, it can request a trained ML model from NWDAF, OAM or OTT server (e.g., an AF) . Details regarding preparing (or configuring) the ML model are described in Section 2.3. If the purpose of building the user plane is to perform a data transfer, LMF may collect data from other 5GC NFs, OAM, RAN, or another LMF, before it sends the collected data to UE via the UP.

[0110] 7 / 8. The LMF delivers the data or ML model information (e.g., the ML model file, ML model file size, ML model execution environment, inference input data information, a uniform resource locator (URL)  / fully qualified domain name (FQDN) link containing the ML model or ML model parameters, the number of parameter in the ML model, the ML model complexity, the estimated energy consumption information related  to the ML model, an Area of Interest information related to the ML model (e.g., Tracking Area, cell or below cell) ) to the UE via the UP. In other embodiments, the LMF can also request the UE to provide (training) data using UP. If the UE did not report its AI-related information in step 3, the LMF may request UE to provide the AI-related information via UP.

[0111] 2.2 Network-initiated ML model update

[0112] FIG. 5 is a timing diagram of an example method for a network-initiated ML model update via the UP. As shown therein, this example method includes the following operations:

[0113] 1. The source LMF subscribes to UE mobility event.

[0114] 2. The AMF notifies the source LMF that the target UE location has changed, and also provides the new location of the UE.

[0115] 3. The LMF determines the ML model that the UE is currently possesses (or is using) is not suitable, and that an ML model update at the UE-side is needed.

[0116] 4. If the source LMF can perform the ML model update itself, it executes steps 8 / 9 by delivering the updated ML model information (e.g., the updated ML model file, updated ML model file size, updated ML model execution environment, updated inference input data information, a updated uniform resource locator (URL)  / fully qualified domain name (FQDN) link containing ML model or updated ML model parameters, updated number of parameters in the ML model, updated ML model complexity, the updated estimation of energy consumption information related to the ML model, updated Area of Interest (e.g., Tracking Area, cell or below cell) information related to the ML model, a new ML model ID) to the UE.

[0117] Alternatively, the LMF may need to select another LMF via NRF, e.g., if the UE has moved out of its serving area or the new ML model information that the UE needs at its new location cannot be provided by the source LMF, to deliver the updated ML model information to the UE. In some examples, the selected LMF can perform extra data collection and ML model training / re-training before sending the updated ML model information to UE.

[0118] 5. After discovering the target LMF (and / or the selected LMF) with NRF, the source LMF sends an ML model update request to the target LMF. The request may include the NWDAF ID and vendor ID if the original ML model was trained by NWDAF, the ML model information, UE AI-related information (received by source LMF in step 3 of Section 2.1) , and / or the current UE location.

[0119] 6. The target LMF starts building the UP by executing steps 1-5 in Section 2.1.

[0120] 7. After building the UP, the target LMF prepares and / or configures the ML model (which is similar to step 6 described in Section 2.1) , and is further detailed in Section 2.3.

[0121] 8 / 9. The LMF delivers the updated ML model information to the UE via UP.

[0122] 10. The target LMF send a UE ML model update response to target LMF, which can include a success or failure indication for the UE ML model update.

[0123] 2.3 ML model preparation and configuration

[0124] FIG. 6 is a timing diagram of an example method for preparing and / or configuring the ML model, and clarifies step 6 in Section 2.1 and step 7 in Section 2.2. As shown therein, this example method includes the following operations:

[0125] 1. To train the ML model, the LMF can retrieve UE AI-related information from AMF, UDM, and / or UDR.

[0126] 2a. Option A. The LMF collects training data from UE, RAN, or other 5GC NF, and trains the ML model.

[0127] 2a. Option B. The LMF may select / re-select the appropriate NWDAF or alternative LMF using NRF before sending the ML model request or subscribe message. The (re) selection of NWDAF may be performed in the ML model update scenario (e.g., the UE has moved out of the serving area of the original NWDAF or the original NWDAF can not provide the corresponding ML model to the new UE location) . The LMF (re) selection may occur if the (original) LMF cannot perform ML model training; it then selects the alternative LMF to perform ML model training and then obtains the trained ML model therefrom.

[0128] 2b. The LMF send an ML model request / subscribe message to NWDAF, OAM, OTT server, or another LMF. The request message may include UE AI-related information, an analytics ID, or the use of the ML model (e.g., the ML model is to be used for AI / ML positioning, Analytics ID) . The details of UE AI-related information have been described above in step 3 of Section 2.1.

[0129] 2c. If the LMF does not provide UE AI-related information, the NWDAF, OAM, or OTT server may retrieve it from AMF, UDM, and / or UDR.

[0130] 2d. The NWDAF, OAM, OTT server, or alternative LMF performs data collection and model training.

[0131] 2e. The NWDAF, OAM, OTT server, or alternative LMF sends the ML model information to LMF.

[0132] 2.4 Example methods and implementations

[0133] In some embodiments, and in the context of the embodiments described in Section 2.1 through 2.3, the Location Management Function (LMF) , or another similarly-configured network function, is configured to perform the following operations:

[0134] –Indicate the use of UP in the UP building process between the LMF and UE.

[0135] –Prepare ML model or data before sending them to UE.

[0136] –Perform ML model transfer, (training) data collection or delivery to UE.

[0137] –Trigger and perform ML model update process to UE.

[0138] –If the ML model update process includes LMF re-selection from NRF, send an ML model request and receives an ML model update response.

[0139] –Re-select a LMF from NRF to deliver data or the ML model to UE, or perform (training) data collection from UE via UP.

[0140] –Re-select a NWDAF from NRF to obtain a new ML model, then deliver it to the UE (e.g., as part of the ML model update scenario) .

[0141] In some embodiments, and in the context of the embodiments described in Section 2.1 through 2.3, the User Equipment (UE) is configured to perform the following operations:

[0142] –Send UP building purpose ACK / NACK to LMF.

[0143] –Report UE AI-related information to LMF.

[0144] –Receive ML model information and / or data from LMF.

[0145] –Send (training) data to LMF.

[0146] In some embodiments, and in the context of the embodiments described in Section 2.1 through 2.3, the NWDAF, the OAM, and / or the OTT server is configured to send the trained or updated ML model information to the LMF in response to a request therefrom.

[0147] FIG. 7 shows a flowchart for an example wireless communication method 700. The method 700 includes, at operation 710, transmitting, by a network function of a core network to a wireless device via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device. In some examples, the network-initiated request includes an information related to the user plane or a purpose for establishing the user plane.

[0148] The method 700 includes, at operation 720, receiving, from the wireless device, a response to the network-initiated request.

[0149] FIG. 8 shows a flowchart for another example wireless communication method 800. The method 800 includes, at operation 810, receiving, by a wireless device from a network function of a core network via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device. In some examples, the network-initiated request comprises information related to the user plane or a purpose for establishing the user plane.

[0150] The method 800 includes, at operation 820, transmitting, to the network function, a response to the network-initiated request.

[0151] The described features can be implemented to further provide one or more of the following technical solutions:

[0152] 1. A wireless communication method, comprising: transmitting, by a network function of a core network to a wireless device via a control plane network function, a network-initiated request to establish a user  plane between the network function and the wireless device, wherein the network-initiated request comprises an information related to the user plane or a purpose for establishing the user plane; and receiving, from the wireless device, a response to the network-initiated request.

[0153] 2. A wireless communication method, comprising: receiving, by a wireless device from a network function of a core network via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device, wherein the network-initiated request comprises information related to the user plane or a purpose for establishing the user plane; and transmitting, to the network function, a response to the network-initiated request.

[0154] 3. The method of solution 1 or 2, wherein the information related to the user plane comprises a user plane address of the network function, security information related to transferring data or a machine learning (ML) model over the user plane, and / or information related to the purpose for establishing the user plane.

[0155] 4. The method of solution 1 or 2, wherein the purpose for establishing the user plane comprises at least one of (a) transferring data to the wireless device, (b) transferring a machine learning (ML) model to the wireless device, or (c) transferring training data for the ML model from the wireless device.

[0156] 5. The method of solution 4, wherein, when the purpose is transferring the ML model to the wireless device, the network-initiated request further includes a use for the ML model or an analytics identifier (ID) related to the ML model.

[0157] 6. The method of solution 5, wherein the use of the ML model comprises (a) direct artificial intelligence (AI)  / ML positioning or (b) AI / ML assisted positioning.

[0158] 7. The method of solution 4, wherein, when the purpose is transferring the data or the training data, the network-initiated request further includes data or a dataset description.

[0159] 8. The method of solution 4, wherein the response to the network-initiated request comprises an acknowledgement message or a rejection message including a reason for rejecting an establishment of the user plane.

[0160] 9. The method of solution 8, wherein the acknowledgement message comprises artificial intelligence (AI) -related information for the wireless device.

[0161] 10. The method of solution 9, wherein the AI-related information comprises at least one of an identifier (ID) of the wireless device, AI configuration information, an ML model type, a maximum size of the ML model, a parameter dimension of the ML model, a maximum number of parameters of the ML model, time-related information, filter information for the ML model, location information for the wireless device, computing power information of the wireless device, complexity information of the ML model, accuracy information for the ML model, ML model metrics information, running environment information for the ML model, a use of the ML model by the wireless device, an inference input information of the ML model, an energy consumption information related to the ML model, a use for the ML model, or an analytics ID related to the ML model.

[0162] 11. The method of solution 8, wherein the reason comprises the wireless device not supporting the  establishment of the user plane between the wireless device and the network function, the wireless device being temporarily unavailable, the wireless device being overloaded, a system of the wireless device being overloaded, the wireless device lacking a requisite computing power for ML model training and / or ML model inference, or the wireless device not supporting AI-related functionalities.

[0163] 12. The method of solution 8 or 11, wherein, prior to the establishment of the user plane, the network function is configured to receive the response to the network-initiated request via the control plane network function.

[0164] 13. The method of solution 8, wherein, subsequent to the establishment of the user plane, the network function is configured to receive the acknowledgement message directly from the wireless device, and wherein the acknowledgement message acknowledges one or more uses of the user plane.

[0165] 14. The method of solution 4, wherein, upon receiving the ML model and / or the training data for the ML model over the user plane, the wireless device is configured to perform an additional training operation on the ML model or an inference operation using the ML model.

[0166] 15. The method of solution 4, wherein the network function is a source network function and is configured to subscribe to a mobility event of the wireless device.

[0167] 16. The method of solution 15, wherein the source network function is configured to determine, based on a new location of the wireless device, that updated information for the ML model is required.

[0168] 17. The method of solution 16, wherein, when the source network function is configured to generate and transmit the updated information for the ML model to the wireless device.

[0169] 18. The method of solution 16, wherein the source network function is configured to select a target network function and transmit, to the target network function, a request for the updated information for the ML model.

[0170] 19. The method of solution 18, wherein the source network function is further configured to transmit, to the target network function, artificial intelligence (AI) -related information for the wireless device.

[0171] 20. The method of solution 18 or 19, wherein the target network function is configured, upon receiving the request for the updated information for the ML model, to generate and transmit the updated information for the ML model to the wireless device.

[0172] 21. The method of solution 20, wherein the target network function is configured to transmit the updated information for the ML model to the wireless device via the source network function.

[0173] 22. The method of solution 20, wherein the target network function is configured to transmit the updated information for the ML model to the wireless device directly.

[0174] 23. The method of any of solutions 16 to 22, wherein the updated information for the ML model comprises an updated ML model file, an updated ML model file size, an updated ML model execution environment, an updated inference input information, an updated uniform resource locator (URL)  / fully qualified  domain name (FQDN) link containing the ML model, updated parameters of the ML model, an updated number of parameters of the ML model, an updated complexity information of the ML model, an updated energy consumption information of the ML model, an updated area of interest information related to the ML model, a new ML model ID, updated values of ML model metrics, or updated accuracy information for the ML model.

[0175] 24. The method of solution 4, wherein the wireless device is configured to receive, upon an establishment of the user plane, at least one of a machine learning (ML) model information, a trained ML model information, data, or training data from the network function.

[0176] 25. The method of solution 24, wherein the ML model information comprises an ML model file, an ML model file size, an ML model execution environment, an inference input information, parameters of the ML model, a uniform resource locator (URL)  / fully qualified domain name (FQDN) link containing the ML model or the parameters of the ML model, a number of parameters of the ML model, a complexity information of the ML model, an estimated energy consumption information related to the ML model, an area of interest information related to the ML model, values of ML model metrics, used ML model metrics, or accuracy information for the ML model.

[0177] 26. The method of solution 24, wherein the network function is configured to receive artificial intelligence (AI) -related information for the wireless device.

[0178] 27. The method of solution 26, wherein, subsequent to receiving the AI-related information, the network function is configured to receive training data and generates the trained ML model information.

[0179] 28. The method of solution 26, wherein, subsequent to receiving the AI-related information, the network function is configured to select an alternative network function to generate the trained ML model information.

[0180] 29. The method of solution 28, wherein the alternative network function is configured to: receive a request, from the network function, to generate the trained ML model information; transmit, in response to receiving the request, the trained ML model information to the network function.

[0181] 30. The method of solution 29, wherein the request further comprises artificial intelligence (AI) -related information for the wireless device, an analytics identifier (ID) related to the wireless device, or a use of the ML model.

[0182] 31. The method of solution 29, wherein the alternative network function is configured to receive artificial intelligence (AI) -related information for the wireless device from the control plane network function, a data management network function, or a data repository function.

[0183] 32. The method of solution 31, wherein the data management network function is a Unified Data Management (UDM) and the data repository function is a Unified Data Repository (UDR) .

[0184] 33. The method of any of solutions 29 to 32, wherein the alternative network function is configured to: collect additional training data; and generate, based on the additional training data, the trained ML model information.

[0185] 34. The method of any of solutions 28 to 33, wherein the alternative network function comprises at least one of: a network data analytics function (NWDAF) , an operation, administration, and maintenance (OAM) network function, an over-the-top (OTT) server, an Application Function (AF) , or an alternative location management function (LMF) .

[0186] 35. The method of any of solutions 1 to 34, wherein the network function is a location management function (LMF) .

[0187] 36. The method of any of solutions 1 to 35, wherein the control plane network function is an access and mobility management function (AMF) and the core network is a fifth generation core (5GC) network.

[0188] 37. An apparatus for wireless communication comprising one or more processors, configured to cause the apparatus to implement the method recited in one or more of solutions 1 to 36.

[0189] 38. A non-transitory computer readable program storage medium having code stored thereon, the code, when executed by one or more processors, causing the one or more processors to implement the method recited in one or more of solutions 1 to 36.

[0190] FIG. 9 shows a block diagram of an example hardware platform 900 that may be a part of a network device (e.g., base station) or a communication device (e.g., a user equipment (UE) ) . The hardware platform 900 includes at least one processor 910 and a memory 905 having instructions stored thereupon. The instructions upon execution by the processor 910 configure the hardware platform 900 to perform the operations described in FIGS. 4 to 8 and in the various embodiments described in this patent document. The transmitter 915 transmits or sends information or data to another device. For example, a network device transmitter can send a message to a user equipment. The receiver 920 receives information or data transmitted or sent by another device. For example, a user equipment can receive a message from a network device.

[0191] The implementations as discussed above will apply to a wireless communication. FIG. 10 shows an example of a wireless communication system (e.g., a 5G or NR cellular network) that includes a base station 1020 and one or more user equipment (UE) 1011, 1012 and 1013. In some embodiments, the UEs access the BS (e.g., the network) using a communication link to the network (sometimes called uplink direction, as depicted by dashed arrows 1031, 1032, 1033) , which then enables subsequent communication (e.g., shown in the direction from the network to the UEs, sometimes called downlink direction, shown by arrows 1041, 1042, 1043) from the BS to the UEs. In some embodiments, the BS send information to the UEs (sometimes called downlink direction, as depicted by arrows 1041, 1042, 1043) , which then enables subsequent communication (e.g., shown in the direction from the UEs to the BS, sometimes called uplink direction, shown by dashed arrows 1031, 1032, 1033) from the UEs to the BS. The UE may be, for example, a smartphone, a tablet, a mobile computer, a machine to machine (M2M) device, an Internet of Things (IoT) device, and so on.

[0192] Some of the embodiments described herein are described in the general context of methods or processes, which may be implemented in one embodiment by a computer program product, embodied in a computer-readable medium, including computer-executable instructions, such as program code, executed by computers in networked environments. A computer-readable medium may include removable and non- removable storage devices including, but not limited to, Read Only Memory (ROM) , Random Access Memory (RAM) , compact discs (CDs) , digital versatile discs (DVD) , etc. Therefore, the computer-readable media can include a non-transitory storage media. Generally, program modules may include routines, programs, objects, components, data structures, etc. that perform particular tasks or implement particular abstract data types. Computer-or processor-executable instructions, associated data structures, and program modules represent examples of program code for executing steps of the methods disclosed herein. The particular sequence of such executable instructions or associated data structures represents examples of corresponding acts for implementing the functions described in such steps or processes.

[0193] Some of the disclosed embodiments can be implemented as devices or modules using hardware circuits, software, or combinations thereof. For example, a hardware circuit implementation can include discrete analog and / or digital components that are, for example, integrated as part of a printed circuit board. Alternatively, or additionally, the disclosed components or modules can be implemented as an Application Specific Integrated Circuit (ASIC) and / or as a Field Programmable Gate Array (FPGA) device. Some implementations may additionally or alternatively include a digital signal processor (DSP) that is a specialized microprocessor with an architecture optimized for the operational needs of digital signal processing associated with the disclosed functionalities of this application. Similarly, the various components or sub-components within each module may be implemented in software, hardware or firmware. The connectivity between the modules and / or components within the modules may be provided using any one of the connectivity methods and media that is known in the art, including, but not limited to, communications over the Internet, wired, or wireless networks using the appropriate protocols.

[0194] While this document contains many specifics, these should not be construed as limitations on the scope of an invention that is claimed or of what may be claimed, but rather as descriptions of features specific to particular embodiments. Certain features that are described in this document in the context of separate embodiments can also be implemented in combination in a single embodiment. Conversely, various features that are described in the context of a single embodiment can also be implemented in multiple embodiments separately or in any suitable sub-combination. Moreover, although features may be described above as acting in certain combinations and even initially claimed as such, one or more features from a claimed combination can in some cases be excised from the combination, and the claimed combination may be directed to a sub-combination or a variation of a sub-combination. Similarly, while operations are depicted in the drawings in a particular order, this should not be understood as requiring that such operations be performed in the particular order shown or in sequential order, or that all illustrated operations be performed, to achieve desirable results.

[0195] Only a few implementations and examples are described and other implementations, enhancements and variations can be made based on what is described and illustrated in this disclosure.

Claims

1.A wireless communication method, comprising:transmitting, by a network function of a core network to a wireless device via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device, wherein the network-initiated request comprises an information related to the user plane or a purpose for establishing the user plane; andreceiving, from the wireless device, a response to the network-initiated request.2.A wireless communication method, comprising:receiving, by a wireless device from a network function of a core network via a control plane network function, a network-initiated request to establish a user plane between the network function and the wireless device, wherein the network-initiated request comprises information related to the user plane or a purpose for establishing the user plane; andtransmitting, to the network function, a response to the network-initiated request.3.The method of claim 1 or 2, wherein the information related to the user plane comprises a user plane address of the network function, security information related to transferring data or a machine learning (ML) model over the user plane, and / or information related to the purpose for establishing the user plane.4.The method of claim 1 or 2, wherein the purpose for establishing the user plane comprises at least one of (a) transferring data to the wireless device, (b) transferring a machine learning (ML) model to the wireless device, or (c) transferring training data for the ML model from the wireless device.5.The method of claim 4, wherein, when the purpose is transferring the ML model to the wireless device, the network-initiated request further includes a use for the ML model or an analytics identifier (ID) related to the ML model.6.The method of claim 5, wherein the use of the ML model comprises (a) direct artificial intelligence (AI)  / ML positioning or (b) AI / ML assisted positioning.7.The method of claim 4, wherein, when the purpose is transferring the data or the training data, the network-initiated request further includes data or a dataset description.8.The method of claim 4, wherein the response to the network-initiated request comprises an acknowledgement message or a rejection message including a reason for rejecting an establishment of the user plane.9.The method of claim 8, wherein the acknowledgement message comprises artificial intelligence (AI) -related information for the wireless device.10.The method of claim 9, wherein the AI-related information comprises at least one of an identifier (ID)  of the wireless device, AI configuration information, an ML model type, a maximum size of the ML model, a parameter dimension of the ML model, a maximum number of parameters of the ML model, time-related information, filter information for the ML model, location information for the wireless device, computing power information of the wireless device, complexity information of the ML model, accuracy information for the ML model, ML model metrics information, running environment information for the ML model, a use of the ML model by the wireless device, an inference input information of the ML model, an energy consumption information related to the ML model, a use for the ML model, or an analytics ID related to the ML model.11.The method of claim 8, wherein the reason comprises the wireless device not supporting the establishment of the user plane between the wireless device and the network function, the wireless device being temporarily unavailable, the wireless device being overloaded, a system of the wireless device being overloaded, the wireless device lacking a requisite computing power for ML model training and / or ML model inference, or the wireless device not supporting AI-related functionalities.12.The method of claim 8 or 11, wherein, prior to the establishment of the user plane, the network function is configured to receive the response to the network-initiated request via the control plane network function.13.The method of claim 8, wherein, subsequent to the establishment of the user plane, the network function is configured to receive the acknowledgement message directly from the wireless device, and wherein the acknowledgement message acknowledges one or more uses of the user plane.14.The method of claim 4, wherein, upon receiving the ML model and / or the training data for the ML model over the user plane, the wireless device is configured to perform an additional training operation on the ML model or an inference operation using the ML model.15.The method of claim 4, wherein the network function is a source network function and is configured to subscribe to a mobility event of the wireless device.16.The method of claim 15, wherein the source network function is configured to determine, based on a new location of the wireless device, that updated information for the ML model is required.17.The method of claim 16, wherein, when the source network function is configured to generate and transmit the updated information for the ML model to the wireless device.18.The method of claim 16, wherein the source network function is configured to select a target network function and transmit, to the target network function, a request for the updated information for the ML model.19.The method of claim 18, wherein the source network function is further configured to transmit, to the target network function, artificial intelligence (AI) -related information for the wireless device.20.The method of claim 18 or 19, wherein the target network function is configured, upon receiving the request for the updated information for the ML model, to generate and transmit the updated information for the ML model to the wireless device.21.The method of claim 20, wherein the target network function is configured to transmit the updated information for the ML model to the wireless device via the source network function.22.The method of claim 20, wherein the target network function is configured to transmit the updated information for the ML model to the wireless device directly.23.The method of any of claims 16 to 22, wherein the updated information for the ML model comprises an updated ML model file, an updated ML model file size, an updated ML model execution environment, an updated inference input information, an updated uniform resource locator (URL)  / fully qualified domain name (FQDN) link containing the ML model, updated parameters of the ML model, an updated number of parameters of the ML model, an updated complexity information of the ML model, an updated energy consumption information of the ML model, an updated area of interest information related to the ML model, a new ML model ID, updated values of ML model metrics, or updated accuracy information for the ML model.24.The method of claim 4, wherein the wireless device is configured to receive, upon an establishment of the user plane, at least one of a machine learning (ML) model information, a trained ML model information, data, or training data from the network function.25.The method of claim 24, wherein the ML model information comprises an ML model file, an ML model file size, an ML model execution environment, an inference input information, parameters of the ML model, a uniform resource locator (URL)  / fully qualified domain name (FQDN) link containing the ML model or the parameters of the ML model, a number of parameters of the ML model, a complexity information of the ML model, an estimated energy consumption information related to the ML model, an area of interest information related to the ML model, values of ML model metrics, used ML model metrics, or accuracy information for the ML model.26.The method of claim 24, wherein the network function is configured to receive artificial intelligence (AI) -related information for the wireless device.27.The method of claim 26, wherein, subsequent to receiving the AI-related information, the network function is configured to receive training data and generates the trained ML model information.28.The method of claim 26, wherein, subsequent to receiving the AI-related information, the network function is configured to select an alternative network function to generate the trained ML model information.29.The method of claim 28, wherein the alternative network function is configured to:receive a request, from the network function, to generate the trained ML model information;transmit, in response to receiving the request, the trained ML model information to the network function.30.The method of claim 29, wherein the request further comprises artificial intelligence (AI) -related information for the wireless device, an analytics identifier (ID) related to the wireless device, or a use of the ML model.31.The method of claim 29, wherein the alternative network function is configured to receive artificial intelligence (AI) -related information for the wireless device from the control plane network function, a data management network function, or a data repository function.32.The method of claim 31, wherein the data management network function is a Unified Data Management (UDM) and the data repository function is a Unified Data Repository (UDR) .33.The method of any of claims 29 to 32, wherein the alternative network function is configured to:collect additional training data; andgenerate, based on the additional training data, the trained ML model information.34.The method of any of claims 28 to 33, wherein the alternative network function comprises at least one of:a network data analytics function (NWDAF) ,an operation, administration, and maintenance (OAM) network function,an over-the-top (OTT) server,an Application Function (AF) , oran alternative location management function (LMF) .35.The method of any of claims 1 to 34, wherein the network function is a location management function (LMF) .36.The method of any of claims 1 to 35, wherein the control plane network function is an access and mobility management function (AMF) and the core network is a fifth generation core (5GC) network.37.An apparatus for wireless communication comprising one or more processors, configured to cause the apparatus to implement the method recited in one or more of claims 1 to 36.38.A non-transitory computer readable program storage medium having code stored thereon, the code, when executed by one or more processors, causing the one or more processors to implement the method recited in one or more of claims 1 to 36.

Images