特表 2024-518705 ネットワークマニフェストに基づくＡＩ／ＭＬモデル配信

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-05-02

(54)【発明の名称】ネットワークマニフェストに基づくＡＩ／ＭＬモデル配信

(51)【国際特許分類】

   H04L 41/16 20220101AFI20240424BHJP

   H04W 40/02 20090101ALI20240424BHJP

   H04L 41/0806 20220101ALI20240424BHJP

   H04L 45/302 20220101ALI20240424BHJP

   H04L 41/147 20220101ALI20240424BHJP

   G06F 18/20 20230101ALI20240424BHJP

【ＦＩ】

H04L41/16

H04W40/02

H04L41/0806

H04L45/302

H04L41/147

G06F18/20

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2023562209

(86)(22)【出願日】2022-04-19

(85)【翻訳文提出日】2023-11-16

(86)【国際出願番号】 EP2022060212

(87)【国際公開番号】W WO2022223499

(87)【国際公開日】2022-10-27

(31)【優先権主張番号】21305521.3

(32)【優先日】2021-04-20

(33)【優先権主張国・地域又は機関】EP

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．３ＧＰＰ

２．ＷＣＤＭＡ

３．ＡＮＤＲＯＩＤ

４．ｉＯＳ

(71)【出願人】

【識別番号】523295556

【氏名又は名称】インターディジタル・シーイー・インターミディエート・ソシエテ・パ・アクシオンス・シンプリフィエ

(74)【代理人】

【識別番号】110001243

【氏名又は名称】弁理士法人谷・阿部特許事務所

(74)【代理人】

【識別番号】110002848

【氏名又は名称】弁理士法人ＮＩＰ＆ＳＢＰＪ国際特許事務所

(72)【発明者】

【氏名】オンノ、ステファン

(72)【発明者】

【氏名】キンキ、シリル

(72)【発明者】

【氏名】フィロシュ、ティエリー

【テーマコード（参考）】

5K030

5K067

【Ｆターム（参考）】

5K030HC09

5K030LB05

5K030LE16

5K067AA21

5K067DD11

5K067EE02

5K067EE16

(57)【要約】

一実装形態では、マニフェストアプリケーションサーバは、ターゲットＵＥ能力に適合された特定のＡＩ／ＭＬモデルをダウンロード又は更新するためのいくつかのネットワーク通信経路を示す、「マニフェスト」と呼ばれる記述テキストファイルをＵＥに提供する。ＡＩ／ＭＬモデルは、チャンクに分割されると想定される。マニフェストファイルは、システム内にある異なる種類のＵＥに関して最良の全体的なネットワーク効率を達成するために、マニフェストアプリケーションサーバによって集中制御される。マニフェストファイルは、デバイスツーデバイスの通信経路と、ＵＥ自体によって提供される関連情報（帯域幅、チャンクＩＤなど）とを含む。マニフェストアプリケーションサーバは、特定のモデルチャンクをダウンロードするための異なるネットワーク通信経路及び関連する予想されるネットワーク制限を記述する異なるマニフェストのセットを公開する。

【特許請求の範囲】

【請求項1】

無線送信／受信ユニット（ＷＴＲＵ）によって実行される方法であって、
ＡＩ／ＭＬモデルをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を受信することであって、前記情報は、ＡＩ／ＭＬモデル情報を更に含む、ことと、
前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルのための複数のＡＩ／ＭＬモデルチャンクを決定することと、
前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルの前記複数のＡＩ／ＭＬモデルチャンクのそれぞれのモデルチャンクをダウンロードするために、前記複数の通信ネットワーク経路から１つのネットワーク通信経路を決定することと、
前記ＡＩ／ＭＬモデルの前記それぞれのモデルチャンクをダウンロードするために、前記１つのネットワーク通信経路との通信を確立することと、
前記ＡＩ／ＭＬモデルの前記それぞれのモデルチャンクに基づいて、前記ＡＩ／ＭＬモデルの少なくともサブセットを構築することと、
前記ＡＩ／ＭＬモデルの前記少なくともサブセットに対して推論を実行することと、を含む、方法。

【請求項2】

前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルの別のモデルチャンクをダウンロードするために、前記複数のネットワーク通信経路から別のネットワーク通信経路を決定することであって、前記別のモデルチャンクは、前記ＡＩ／ＭＬモデルの前記少なくともサブセットを構築するために使用される、こと、を更に含む、請求項１に記載の方法。

【請求項3】

前記受信された情報に基づいて、複数のＡＩ／ＭＬモデルから前記ＡＩ／ＭＬモデルを決定することを更に含む、請求項１又は２に記載の方法。

【請求項4】

ＡＩ／ＭＬ関連イベント情報及びユーザ機器許可のうちの少なくとも１つを示すプロビジョニング情報を受信することと、
前記ＷＴＲＵのモデルサブスクリプション情報を示す情報をサーバに送信することと、を更に含む、請求項１～３のいずれか一項に記載の方法。

【請求項5】

サーバによって実行される方法であって、
無線送信／受信ユニット（ＷＴＲＵ）からモデルサブスクリプション情報を受信することと、
前記モデルサブスクリプション情報に基づいてイベントのためのＡＩ／ＭＬモデルを選択することであって、前記ＡＩ／ＭＬモデルは複数のモデルチャンクを含む、ことと、
前記モデルサブスクリプション情報に基づいて、前記ＡＩ／ＭＬモデルの前記複数のモデルチャンクのそれぞれのモデルチャンクをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を生成することと、
前記生成された情報を前記ＷＴＲＵに送信することと、を含む、方法。

【請求項6】

前記ＷＴＲＵの１つ以上の近隣ＷＴＲＵを識別する近隣マップを受信することを更に含む、請求項５に記載の方法。

【請求項7】

前記ＷＴＲＵのプロファイル情報を受信することを更に含む、請求項５又は６に記載の方法。

【請求項8】

別のイベントが発生したと判定することと、
前記別のイベントについて前記情報を更新することと、
前記更新された情報を前記ＷＴＲＵに送信することと、を更に含む、請求項５～７のいずれか一項に記載の方法。

【請求項9】

前記モデルサブスクリプション情報が、モデル要求情報、ユーザ機器プロファイル、ネットワーク情報、及び環境情報のうちの少なくとも１つを含む、請求項４又は５に記載の方法。

【請求項10】

前記モデル要求情報が、モデルタイプ、モデルサブセット、及びモデル要求識別のうちの少なくとも１つを含む、請求項９に記載の方法。

【請求項11】

前記ユーザ機器プロファイルが、オペレーティングシステム、ユーザ機器識別、実行中のＡＩ／ＭＬエンジン、エンジンバージョン、及びＣＰＵ／ＧＰＵ能力のうちの少なくとも１つを示す、請求項９又は１０に記載の方法。

【請求項12】

前記ネットワーク情報は、前記ＷＴＲＵが近隣ＷＴＲＵからチャンクを受信するネットワーク能力を示し、近隣ＷＴＲＵによって提供される通信モード、ネットワークリンクタイプ、Ｄ２Ｄ通信リンクの情報のうちの少なくとも１つを示す、請求項９～１１のいずれか一項に記載の方法。

【請求項13】

前記ネットワーク情報は、前記ユーザ機器ネットワークが近隣ＷＴＲＵにチャンクを供給するネットワーク能力を示し、前記ＷＴＲＵによって提供される通信モード、ネットワークリンクタイプ、Ｄ２Ｄ通信リンクの情報のうちの少なくとも１つを示す、請求項９～１２のいずれか一項に記載の方法。

【請求項14】

前記環境情報は、サーバが前記ＡＩ／ＭＬモデルの選択を決定するのに有用な情報であり、イベントまでの推定距離及び前記イベントからの位置のうちの少なくとも１つを含む、請求項９～１３のいずれか一項に記載の方法。

【請求項15】

前記ＡＩ／ＭＬモデル情報が、モデル識別子、モデルサイズ、前記ＡＩ／ＭＬモデルのチャンク数、モデル使用タイプ、モデル使用タイプ拡張、及び適用時間のうちの少なくとも１つを含む、請求項１～１４のいずれか一項に記載の方法。

【請求項16】

前記モデル使用タイプが、フルモデルタイプ及び増分モデルタイプのうちの少なくとも１つを含む、請求項１５に記載の方法。

【請求項17】

前記モデル使用タイプ拡張が、通常タイプ、特殊化タイプ、及び適応タイプのうちの少なくとも１つを含む、請求項１５又は１６に記載の方法。

【請求項18】

前記ＡＩ／ＭＬモデル情報が、前記モデルチャンクについて、チャンクタイプ、チャンク番号、チャンクサイズ、チェックサム、推論時間、予想利用可能時間、予想推論時間、予想ダウンロード頻度利用可能性、メモリフットプリント、前記ＡＩ／ＭＬモデルを記憶するメモリ内での前記モデルチャンクの位置を示すために使用されるメモリローディングオフセットのうちの少なくとも１つを含む、請求項１～１７のいずれか一項に記載の方法。

【請求項19】

前記モデルチャンクタイプが、予測出力を提供する通常チャンク、又は予測出力のない中間チャンクを示す、請求項１８に記載の方法。

【請求項20】

ネットワーク通信経路についての前記情報が、少なくともネットワークリンクタイプ、ネットワークアドレス、通信モード、及び予想ダウンロード時間を示す、請求項１～１９のいずれか一項に記載の方法。

【請求項21】

前記ＡＩ／ＭＬモデルの前記複数のモデルチャンクのうちの少なくとも２つが、異なるチャンクタイプを有する、請求項１～２０のいずれか一項に記載の方法。

【請求項22】

前記Ｄ２Ｄ通信リンクの前記情報が、Ｄ２Ｄ無線リソース情報、Ｄ２Ｄアプリケーション識別子、及びＤ２Ｄ認証情報のうちの少なくとも１つを示す、請求項１２～２１のいずれか一項に記載の方法。

【請求項23】

前記Ｄ２Ｄアプリケーション識別子が、３ＧＰＰ Ｐｒｏｓｅ識別子又は情報を含む、請求項２２に記載の方法。

【請求項24】

前記情報がマニフェストアプリケーションファイルに含まれる、請求項１～２３のいずれか一項に記載の方法。

【請求項25】

１つ以上のプロセッサと少なくともメモリとを含む装置であって、前記１つ以上のプロセッサは、請求項１～２４のいずれか一項に記載の方法を実行するように構成されている、装置。

【請求項26】

実行されると、請求項１～２４のいずれか一項に記載の方法を実施する機械実行可能命令を記憶している非一時的機械可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本実施形態は、概して、ＡＩ／ＭＬ（人工知能／機械学習）モデルの配信に関する。

【背景技術】

【0002】

ＡＩ／ＭＬ技術は、画像強調、オーディオノイズ低減、自動翻訳、及びナビゲーションなどの様々な領域で使用することができる。この新しい知能は、デバイス、例えば、カメラ、マイクロフォン、及び温度計に埋め込まれたセンサによって生成される膨大な量のデータを正確かつ迅速に処理及び解釈することによって達成することができる。これらのセンサは、デバイスのすぐ近くで起こることを反映することを目的とする。したがって、環境の変化は、最終的なアプリケーション及びユーザ体験に影響を与える。

【発明の概要】

【0003】

一実施形態によれば、無線送信／受信ユニット（ＷＴＲＵ）によって実行される方法が提示され、この方法は、ＡＩ／ＭＬモデルをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を受信することであって、上記情報はＡＩ／ＭＬモデル情報を更に含む、ことと、上記受信された情報に基づいて、上記ＡＩ／ＭＬモデルのための複数のＡＩ／ＭＬモデルチャンクを決定することと、上記受信された情報に基づいて、上記ＡＩ／ＭＬモデルの上記複数のＡＩ／ＭＬモデルチャンクのそれぞれのモデルチャンクをダウンロードするために、上記複数の通信ネットワーク経路から１つのネットワーク通信経路を決定することと、上記aＡＩ／ＭＬモデルの上記それぞれのモデルチャンクをダウンロードするために、上記１つのネットワーク通信経路との通信を確立することと、上記ＡＩ／ＭＬモデルの上記それぞれのモデルチャンクに基づいて、上記ＡＩ／ＭＬモデルの少なくともサブセットを構築することと、上記ＡＩ／ＭＬモデルの上記少なくともサブセットに対して推論を実行することと、を含む。

【0004】

別の実施形態によれば、サーバによって実行される方法が提示され、この方法は、無線送信／受信ユニット（ＷＴＲＵ）からモデルサブスクリプション情報を受信することと、上記モデルサブスクリプション情報に基づいてイベントのためのＡＩ／ＭＬモデルを選択することであって、上記ＡＩ／ＭＬモデルは複数のモデルチャンクを含む、ことと、上記モデルサブスクリプション情報に基づいて、上記ＡＩ／ＭＬモデルの上記複数のモデルチャンクのそれぞれのモデルチャンクをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を生成することと、上記生成された情報を上記ＷＴＲＵに送信することと、を含む。

【0005】

更なる実施形態は、本明細書に記載の方法を実施するように構成されたシステムを含む。そのようなシステムは、プロセッサと、プロセッサ上で実行されたときに本明細書で説明される方法を実施するように動作する命令を記憶する、非一時的コンピュータ記憶媒体と、を含み得る。

【図面の簡単な説明】

【0006】

【図1A】１つ以上の開示される実施形態が実装され得る例示的な通信システムを示すシステム図である。

【図1B】一実施形態による、図１Ａに示される通信システム内で使用され得る例示的な無線送信／受信ユニット（ＷＴＲＵ）を示すシステム図である。

【図2】一実施形態による、ネットワークマニフェストに基づいてＡＩ／ＭＬモデルを配信するためのシステムの概要を示す。

【図3】一実施形態による、ＡＩ／ＭＬモデルダウンローディングを実行するためのシーケンス図を示す。

【図4】一実施形態による、ＵＥ１及びＵＥ２のためのマニフェスト情報の例を示す。

【図5】一実施形態による、ＵＥ１及びＵＥ２のためのマニフェスト情報の例を示す。

【図6】フルモデルを示す。

【図7】増分モデルを示す。

【図8A】特殊化モデルを示す。

【図8B】は特殊化モデル更新を示す。

【図9A】一実施形態による、マルチキャストカルーセルモードにおけるチャンクｍ２ダウンロード、チャンクｍ３ダウンロード、及びチャンクｍ０ダウンロードをそれぞれ示す。

【図9B】一実施形態による、マルチキャストカルーセルモードにおけるチャンクｍ２ダウンロード、チャンクｍ３ダウンロード、及びチャンクｍ０ダウンロードをそれぞれ示す。

【図9C】一実施形態による、マルチキャストカルーセルモードにおけるチャンクｍ２ダウンロード、チャンクｍ３ダウンロード、及びチャンクｍ０ダウンロードをそれぞれ示す。

【図10】ＤＮＮモデル分割の一例を示す。

【図11】一実施形態による、ＡＩ／ＭＬモデルからのカルーセル作成を示す。

【発明を実施するための形態】

【0007】

図１Ａは、１つ以上の開示された実施形態が実装され得る、例示的な通信システム１００を示す図である。通信システム１００は、音声、データ、ビデオ、メッセージ伝達、ブロードキャストなどのコンテンツを、複数の無線ユーザに提供する、多重アクセスシステムであり得る。通信システム１００は、複数の無線ユーザが、無線帯域幅を含むシステムリソースの共有を通じて、上記のようなコンテンツにアクセスすることを可能にし得る。例えば、通信システム１００は、コード分割多重アクセス（code division multiple access、ＣＤＭＡ）、時分割多重アクセス（time division multiple access、ＴＤＭＡ）、周波数分割多重アクセス（frequency division multiple access、ＦＤＭＡ）、直交ＦＤＭＡ（orthogonal FDMA、ＯＦＤＭＡ）、シングルキャリアＦＤＭＡ（single-carrier FDMA、ＳＣ－ＦＤＭＡ）、ゼロテールユニークワードＤＦＴ－Ｓｐｒｅａｄ ＯＦＤＭ（zero-tail unique-word DFT-Spread OFDM、ＺＴ ＵＷ ＤＴＳ－ｓ ＯＦＤＭ）、ユニークワードＯＦＤＭ（unique word OFDM、ＵＷ－ＯＦＤＭ）、リソースブロックフィルタ処理ＯＦＤＭ、フィルタバンクマルチキャリア（filter bank multicarrier、ＦＢＭＣ）などの、１つ以上のチャネルアクセス方法を用い得る。

【0008】

図１Ａに示すように、通信システム１００は、無線送／受信ユニット（ＷＴＲＵ）１０２ａ、１０２ｂ、１０２ｃ、１０２ｄ、ＲＡＮ１０４、ＣＮ１０６、公衆交換電話網（public switched telephone network、ＰＳＴＮ）１０８、インターネット１１０、及び他のネットワーク１１２を含み得るが、開示された実施形態は、任意の数のＷＴＲＵ、基地局、ネットワーク、及び／又はネットワーク要素を想定していることが理解されるであろう。ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄの各々は、無線環境において動作し、かつ／又は通信するように構成された、任意のタイプのデバイスであり得る。例として、それらのいずれも「局」及び／又は「ＳＴＡ」と称され得るＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄは、無線信号を送信及び／又は受信するように構成され得、ユーザ機器（user equipment、ＵＥ）、移動局、固定又は移動加入者ユニット、加入ベースのユニット、ページャ、セルラ電話、携帯情報端末（personal digital assistant、ＰＤＡ）、スマートフォン、ラップトップ、ネットブック、パーソナルコンピュータ、無線センサ、ホットスポット又はＭｉ－Ｆｉデバイス、モノのインターネット（Internet of Things、ＩｏＴ）デバイス、ウォッチ又は他のウェアラブル、ヘッドマウントディスプレイ（head-mounted display、ＨＭＤ）、車両、ドローン、医療デバイス及びアプリケーション（例えば、遠隔手術）、工業用デバイス及びアプリケーション（例えば、工業用及び／又は自動処理チェーンコンテキストで動作するロボット及び／又は他の無線デバイス）、家電デバイス、商業用及び／又は工業用無線ネットワークで動作するデバイスなどを含み得る。ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、及び１０２ｄのいずれも、互換的にＵＥと称され得る。

【0009】

通信システム１００はまた、基地局１１４ａ及び／又は基地局１１４ｂを含み得る。基地局１１４ａ、１１４ｂの各々は、ＣＮ１０６、インターネット１１０、及び／又は他のネットワーク１１２などの１つ以上の通信ネットワークへのアクセスを容易にするために、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの少なくとも１つと無線でインターフェース接続するように構成された任意のタイプのデバイスであり得る。例として、基地局１１４ａ、１１４ｂは、基地局トランシーバ（base transceiver station、ＢＴＳ）、ノードＢ、ｅノードＢ、ホームノードＢ、ホームｅノードＢ、ｇＮＢ、ＮＲノードＢ、サイトコントローラ、アクセスポイント（access point、ＡＰ）、無線ルータなどであり得る。基地局１１４ａ、１１４ｂは各々単一の要素として示されているが、基地局１１４ａ、１１４ｂは、任意の数の相互接続された基地局及び／又はネットワーク要素を含み得ることが理解されるであろう。

【0010】

基地局１１４ａは、基地局コントローラ（base station controller、ＢＳＣ）、無線ネットワークコントローラ（radio network controller、ＲＮＣ）、リレーノードなど、他の基地局及び／又はネットワーク要素（図示せず）も含み得る、ＲＡＮ１０４の一部であり得る。基地局１１４ａ及び／又は基地局１１４ｂは、セル（図示せず）と称され得る、１つ以上のキャリア周波数で無線信号を送信及び／又は受信するように構成され得る。これらの周波数は、認可スペクトル、未認可スペクトル、又は認可及び未認可スペクトルの組み合わせであり得る。セルは、相対的に固定され得るか又は経時的に変化し得る特定の地理的エリアに、無線サービスのカバレッジを提供し得る。セルは、更にセルセクタに分けられ得る。例えば、基地局１１４ａと関連付けられたセルは、３つのセクタに分けられ得る。したがって、一実施形態では、基地局１１４ａは、３つのトランシーバを、すなわち、セルのセクタごとに１つのトランシーバを含み得る。一実施形態では、基地局１１４ａは、多重入力多重出力（multiple-input multiple output、ＭＩＭＯ）技術を用い得、セルのセクタごとに複数のトランシーバを利用し得る。例えば、ビームフォーミングを使用して、所望の空間方向に信号を送信及び／又は受信し得る。

【0011】

基地局１１４ａ、１１４ｂは、エアインターフェース１１６を介して、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの１つ以上と通信し得るが、このエアインターフェース１１６は、任意の好適な無線通信リンク（例えば、無線周波数（radio frequency、ＲＦ）、マイクロ波、センチメートル波、マイクロメートル波、赤外線（infrared、ＩＲ）、紫外線（ultraviolet、ＵＶ）、可視光など）であり得る。エアインターフェース１１６は、任意の好適な無線アクセス技術（radio access technology、ＲＡＴ）を使用して確立され得る。

【0012】

より具体的には、上記のように、通信システム１００は、多重アクセスシステムであり得、例えば、ＣＤＭＡ、ＴＤＭＡ、ＦＤＭＡ、ＯＦＤＭＡ、ＳＣ－ＦＤＭＡなどの、１つ以上のチャネルアクセススキームを用い得る。例えば、ＲＡＮ１０４及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃの基地局１１４ａは、広帯域ＣＤＭＡ（wideband CDMA、ＷＣＤＭＡ）を使用してエアインターフェース１１６を確立し得る、ユニバーサル移動体通信システム（Universal Mobile Telecommunications System、ＵＭＴＳ）地上無線アクセス（Terrestrial Radio Access、ＵＴＲＡ）などの無線技術を実装し得る。ＷＣＤＭＡは、高速パケットアクセス（High-Speed Packet Access、ＨＳＰＡ）及び／又は進化型ＨＳＰＡ（ＨＳＰＡ＋）などの通信プロトコルを含み得る。ＨＳＰＡは、高速ダウンリンク（Downlink、ＤＬ）パケットアクセス（High-Speed Downlink Packet Access、ＨＳＤＰＡ）及び／又は高速アップリンクパケットアクセス（High-Speed UL Packet Access、ＨＳＵＰＡ）を含み得る。

【0013】

一実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、進化型ＵＭＴＳ地上無線アクセス（Evolved UMTS Terrestrial Radio Access、Ｅ－ＵＴＲＡ）などの無線技術を実装し得、これは、ロングタームエボリューション（Long Term Evolution、ＬＴＥ）及び／又はＬＴＥ－Ａｄｖａｎｃｅｄ（LTE-Advanced、ＬＴＥ－Ａ）及び／又はＬＴＥ－Ａｄｖａｎｃｅｄ Ｐｒｏ（ＬＴＥ－Ａ Ｐｒｏ）を使用してエアインターフェース１１６を確立し得る。

【0014】

一実施形態では、基地局１１４ａ、及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、新たな無線（New Radio、ＮＲ）技術を使用して、エアインターフェース１１６を確立し得る、ＮＲ無線アクセスなどの無線技術を実装し得る。

【0015】

一実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、複数の無線アクセス技術を実装し得る。例えば、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、例えば、デュアルコネクティビティ（dual connectivity、ＤＣ）原理を使用して、ＬＴＥ無線アクセス及びＮＲ無線アクセスを一緒に実装し得る。したがって、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃによって利用されるエアインターフェースは、複数のタイプの無線アクセス技術、及び／又は複数のタイプの基地局（例えば、ｅＮＢ及びｇＮＢ）に送られる／そこから送られる送信によって特徴付けられ得る。

【0016】

他の実施形態では、基地局１１４ａ及びＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃは、ＩＥＥＥ８０２．１１（すなわち、無線フィデリティ（Wireless Fidelity、ＷｉＦｉ）、ＩＥＥＥ８０２．１６（すなわち、ワイマックス（Worldwide Interoperability for Microwave Access、ＷｉＭＡＸ）、ＣＤＭＡ２０００、ＣＤＭＡ２０００ １Ｘ、ＣＤＭＡ２０００ ＥＶ－ＤＯ、暫定規格２０００（ＩＳ－２０００）、暫定規格９５（ＩＳ－９５）、暫定規格８５６（ＩＳ－８５６）、汎欧州デジタル移動電話方式（Global System for Mobile communications、ＧＳＭ）、ＧＳＭ進化型高速データレート（Enhanced Data rates for GSM Evolution、ＥＤＧＥ）、ＧＳＭ ＥＤＧＥ（ＧＥＲＡＮ）などの無線技術を実装し得る。

【0017】

図１Ａの基地局１１４ｂは、例えば、無線ルータ、ホームＮｏｄｅＢ、ホームｅノードＢ又はアクセスポイントであり得、事業所、家庭、車両、キャンパス、工業施設、（例えば、ドローンによる使用のための）空中回廊、道路などの場所などの局所的エリアにおける無線接続を容易にするために、任意の好適なＲＡＴを利用し得る。一実施形態では、基地局１１４ｂ及びＷＴＲＵ１０２ｃ、１０２ｄは、ＩＥＥＥ８０２．１１などの無線技術を実装して、無線ローカルエリアネットワーク（ＷＬＡＮ）を確立し得る。一実施形態では、基地局１１４ｂ及びＷＴＲＵ１０２ｃ、１０２ｄは、ＩＥＥＥ８０２．１５などの無線技術を実装して、無線パーソナルエリアネットワーク（wireless personal area network、ＷＰＡＮ）を確立し得る。更に別の実施形態では、基地局１１４ｂ及びＷＴＲＵ１０２ｃ、１０２ｄは、セルラベースのＲＡＴ（例えば、ＷＣＤＭＡ、ＣＤＭＡ２０００、ＧＳＭ、ＬＴＥ、ＬＴＥ－Ａ、ＬＴＥ－Ａ Ｐｒｏ、ＮＲなど）を利用して、ピコセル又はフェムトセルを確立し得る。図１Ａに示すように、基地局１１４ｂは、インターネット１１０への直接接続を有し得る。したがって、基地局１１４ｂは、ＣＮ１０６を介してインターネット１１０にアクセスする必要がない場合がある。

【0018】

ＲＡＮ１０４は、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのうちの１つ以上に、音声、データ、アプリケーション、及び／又はボイスオーバインターネットプロトコル（voice over internet protocol、ＶｏＩＰ）サービスを提供するように構成された任意のタイプのネットワークであり得る、ＣＮ１０６と通信し得る。データは、例えば、異なるスループット要件、レイテンシ要件、エラー許容要件、信頼性要件、データスループット要件、モビリティ要件などの、様々なサービス品質（quality of service、ＱｏＳ）要件を有し得る。ＣＮ１０６は、通話制御、ビリングサービス、モバイルロケーションベースのサービス、プリペイド通話、インターネット接続性、映像配信などを提供し、かつ／又はユーザ認証などの高レベルセキュリティ機能を実施し得る。図１Ａには示されていないが、ＲＡＮ１０４及び／又はＣＮ１０６は、ＲＡＮ１０４と同じＲＡＴ又は異なるＲＡＴを用いる他のＲＡＮと直接又は間接的に通信し得ることが理解されよう。例えば、ＮＲ無線技術を利用し得るＲＡＮ１０４に接続されることに加えて、ＣＮ１０６はまた、ＧＳＭ、ＵＭＴＳ、ＣＤＭＡ２０００、ＷｉＭＡＸ、Ｅ－ＵＴＲＡ又はＷｉＦｉ無線技術を用いて別のＲＡＮ（図示せず）と通信し得る。

【0019】

ＣＮ１０６はまた、ＰＳＴＮ１０８、インターネット１１０、及び／又は他のネットワーク１１２にアクセスするために、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのゲートウェイとして機能し得る。ＰＳＴＮ１０８は、基本電話サービス（plain old telephone service、ＰＯＴＳ）を提供する公衆交換電話網を含み得る。インターネット１１０は、相互接続されたコンピュータネットワーク及びデバイスのグローバルシステムを含み得るが、これらのネットワーク及びデバイスは、送信制御プロトコル（transmission control protocol、ＴＣＰ）、ユーザデータグラムプロトコル（user datagram protocol、ＵＤＰ）、及び／又はＴＣＰ／ＩＰインターネットプロトコルスイートのインターネットプロトコル（internet protocol、ＩＰ）などの、共通通信プロトコルを使用する。ネットワーク１１２は、他のサービスプロバイダによって所有及び／又は運営される、有線及び／又は無線通信ネットワークを含み得る。例えば、ネットワーク１１２は、ＲＡＮ１０４と同じＲＡＴ又は異なるＲＡＴを用い得る１つ以上のＲＡＮに接続された別のＣＮを含み得る。

【0020】

通信システム１００におけるＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄのいくつか又は全ては、マルチモード能力を含み得る（例えば、ＷＴＲＵ１０２ａ、１０２ｂ、１０２ｃ、１０２ｄは、異なる無線リンクを介して異なる無線ネットワークと通信するための複数のトランシーバを含み得る）。例えば、図１Ａに示されるＷＴＲＵ１０２ｃは、セルラベースの無線技術を用い得る基地局１１４ａ、及びＩＥＥＥ８０２無線技術を用い得る基地局１１４ｂと通信するように構成され得る。

【0021】

図１Ｂは、例示的なＷＴＲＵ１０２を示すシステム図である。図１Ｂに示すように、ＷＴＲＵ１０２は、とりわけ、プロセッサ１１８、トランシーバ１２０、送信／受信要素１２２、スピーカ／マイクロフォン１２４、キーパッド１２６、ディスプレイ／タッチパッド１２８、非リムーバブルメモリ１３０、リムーバブルメモリ１３２、電源１３４、全地球測位システム（global positioning system、ＧＰＳ）チップセット１３６、及び／又は他の周辺機器１３８を含み得る。ＷＴＲＵ１０２は、一実施形態との一貫性を有したまま、前述の要素の任意の部分的組み合わせを含み得ることが理解されよう。

【0022】

プロセッサ１１８は、汎用プロセッサ、専用プロセッサ、従来のプロセッサ、デジタル信号プロセッサ（digital signal processor、ＤＳＰ）、複数のマイクロプロセッサ、ＤＳＰコアと関連付けられた１つ以上のマイクロプロセッサ、コントローラ、マイクロコントローラ、特定用途向け集積回路（Application Specific Integrated Circuit、ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array、ＦＰＧＡ）回路、任意の他のタイプの集積回路（integrated circuit、ＩＣ）、状態機械などであり得る。プロセッサ１１８は、信号コーディング、データ処理、電力制御、入力／出力処理、及び／又はＷＴＲＵ１０２が無線環境で動作することを可能にする任意の他の機能性を実行し得る。プロセッサ１１８は、送信／受信要素１２２に結合され得るトランシーバ１２０に結合され得る。図１Ｂは、プロセッサ１１８及びトランシーバ１２０を別個のコンポーネントとして示すが、プロセッサ１１８及びトランシーバ１２０は、電子パッケージ又はチップにおいて一緒に統合され得るということが理解されよう。

【0023】

送信／受信要素１２２は、エアインターフェース１１６を介して基地局（例えば、基地局１１４ａ）に信号を送信するか又は基地局（例えば、基地局１１４ａ）から信号を受信するように構成され得る。例えば、一実施形態では、送信／受信要素１２２は、ＲＦ信号を送信及び／又は受信するように構成されたアンテナであり得る。一実施形態では、送信／受信要素１２２は、例えば、ＩＲ、ＵＶ又は可視光信号を送信及び／又は受信するように構成されたエミッタ／検出器であり得る。更に別の実施形態では、送信／受信要素１２２は、ＲＦ信号及び光信号の両方を送信及び／又は受信するように構成され得る。送信／受信要素１２２は、無線信号の任意の組み合わせを送信及び／又は受信するように構成され得るということが理解されよう。

【0024】

送信／受信要素１２２は、単一の要素として図１Ｂに示されているが、ＷＴＲＵ１０２は、任意の数の送信／受信要素１２２を含み得る。より具体的には、ＷＴＲＵ１０２は、ＭＩＭＯ技術を用い得る。したがって、一実施形態では、ＷＴＲＵ１０２は、エアインターフェース１１６を介して無線信号を送受信するための２つ以上の送信／受信要素１２２（例えば、複数のアンテナ）を含み得る。

【0025】

トランシーバ１２０は、送信／受信要素１２２によって送信される信号を変調し、送信／受信要素１２２によって受信される信号を復調するように構成され得る。上記のように、ＷＴＲＵ１０２は、マルチモード能力を有し得る。したがって、トランシーバ１２０は、例えばＮＲ及びＩＥＥＥ８０２．１１などの複数のＲＡＴを介してＷＴＲＵ１０２が通信することを可能にするための複数のトランシーバを含み得る。

【0026】

ＷＴＲＵ１０２のプロセッサ１１８は、スピーカ／マイクロフォン１２４、キーパッド１２６、及び／又はディスプレイ／タッチパッド１２８（例えば、液晶ディスプレイ（liquid crystal display、ＬＣＤ）表示ユニット若しくは有機発光ダイオード（organic light-emitting diode、ＯＬＥＤ）表示ユニット）に結合され得、これらからユーザが入力したデータを受信し得る。プロセッサ１１８はまた、ユーザデータをスピーカ／マイクロフォン１２４、キーパッド１２６、及び／又はディスプレイ／タッチパッド１２８に出力し得る。加えて、プロセッサ１１８は、非リムーバブルメモリ１３０及び／又はリムーバブルメモリ１３２などの任意のタイプの好適なメモリから情報にアクセスし、かつ当該メモリにデータを記憶し得る。非リムーバブルメモリ１３０は、ランダムアクセスメモリ（random-access memory、ＲＡＭ）、読み取り専用メモリ（read-only memory、ＲＯＭ）、ハードディスク又は任意の他のタイプのメモリ記憶デバイスを含み得る。リムーバブルメモリ１３２は、加入者識別モジュール（subscriber identity module、ＳＩＭ）カード、メモリスティック、セキュアデジタル（secure digital、ＳＤ）メモリカードなどを含み得る。他の実施形態では、プロセッサ１１８は、サーバ又はホームコンピュータ（図示せず）上など、ＷＴＲＵ１０２上に物理的に配置されていないメモリから情報にアクセスし、かつ当該メモリにデータを記憶し得る。

【0027】

プロセッサ１１８は、電源１３４から電力を受信し得るが、ＷＴＲＵ１０２における他のコンポーネントに電力を分配し、かつ／又は制御するように構成され得る。電源１３４は、ＷＴＲＵ１０２に電力を供給するための任意の好適なデバイスであり得る。例えば、電源１３４は、１つ以上の乾電池（例えば、ニッケルカドミウム（nickel-cadmium、ＮｉＣｄ）、ニッケル亜鉛（nickel-zinc、ＮｉＺｎ）、ニッケル金属水素化物（nickel metal hydride、ＮｉＭＨ）、リチウムイオン（lithium-ion、Ｌｉ－ｉｏｎ）など）、太陽セル、燃料セルなどを含み得る。

【0028】

プロセッサ１１８はまた、ＧＰＳチップセット１３６に結合され得、これは、ＷＴＲＵ１０２の現在の場所に関する場所情報（例えば、経度及び緯度）を提供するように構成され得る。ＧＰＳチップセット１３６からの情報に加えて又はその代わりに、ＷＴＲＵ１０２は、基地局（例えば、基地局１１４ａ、１１４ｂ）からエアインターフェース１１６を介して場所情報を受信し、かつ／又は２つ以上の近くの基地局から受信されている信号のタイミングに基づいて、その場所を判定し得る。ＷＴＲＵ１０２は、一実施形態との一貫性を有したまま、任意の好適な位置判定方法によって位置情報を取得し得るということが理解されよう。

【0029】

プロセッサ１１８は、他の周辺機器１３８に更に結合され得、他の周辺機器１３８には、追加の特徴、機能、及び／又は有線若しくは無線接続を提供する１つ以上のソフトウェア及び／又はハードウェアモジュールが含まれ得る。例えば、周辺機器１３８には、加速度計、電子コンパス、衛星トランシーバ、（写真及び／又はビデオのための）デジタルカメラ、ユニバーサルシリアルバス（universal serial bus、ＵＳＢ）ポート、振動デバイス、テレビトランシーバ、ハンズフリーヘッドセット、Ｂｌｕｅｔｏｏｔｈ（登録商標）モジュール、周波数変調（frequency modulated、ＦＭ）無線ユニット、デジタル音楽プレーヤ、メディアプレーヤ、ビデオゲームプレーヤモジュール、インターネットブラウザ、仮想現実及び／又は拡張現実（Virtual Reality/Augmented Reality、ＶＲ／ＡＲ）デバイス、アクティビティトラッカなどが含まれ得る。周辺機器１３８は、１つ以上のセンサを含み得、センサは、ジャイロスコープ、加速度計、ホール効果センサ、磁力計、方位センサ、近接センサ、温度センサ、時間センサ、ジオロケーションセンサ、高度計、光センサ、タッチセンサ、磁力計、気圧計、ジェスチャセンサ、生体認証センサ、及び／又は湿度センサのうちの１つ以上であり得る。

【0030】

ＷＴＲＵ１０２は、（例えば、ＵＬ（例えば、送信用）及びダウンリンク（例えば、受信用）の両方のための特定のサブフレームと関連付けられた）信号のいくつか又は全ての送信及び受信が並列及び／又は同時であり得る、全二重無線機を含み得る。全二重無線機は、ハードウェア（例えば、チョーク）又はプロセッサを介した信号処理（例えば、別個のプロセッサ（図示せず）又はプロセッサ１１８を介して）を介して自己干渉を低減し、かつ又は実質的に排除するための干渉管理ユニットを含み得る。一実施形態では、ＷＲＴＵ１０２は、（例えば、ＵＬ（例えば、送信用）又はダウンリンク（例えば、受信用）のいずれかのための特定のサブフレームと関連付けられた）信号のうちのいくつか又は全てのうちのどれかの送信及び受信のための半二重無線機を含み得る。

【0031】

ＷＴＲＵは、図１Ａ～図１Ｂに、無線端末装置として説明されているが、特定の代表的な実施形態では、そのような端末装置は、通信ネットワークとの有線通信インターフェースを（例えば、一時的に又は恒久的に）使用し得ることが想定される。

【0032】

図１Ａ～図１Ｂ、及び図１Ａ～図１Ｂの対応する説明を考慮して、ＷＴＲＵ１０２ａ～ｄ、基地局１１４ａ～ｂ、ｅＮｏｄｅ－Ｂ１６０ａ～ｃ、ＭＭＥ１６２、ＳＧＷ１６４、ＰＧＷ１６６、ｇＮＢ１８０ａ～ｃ、ＡＭＦ１８２ａ～ｂ、ＵＰＦ１８４ａ～ｂ、ＳＭＦ１８３ａ～ｂ、ＤＮ１８５ａ～ｂ、及び／又は本明細書に記載される任意の他のデバイスのうちの１つ以上に関して本明細書に記載される機能のうちの１つ以上又は全部は、１つ以上のエミュレーションデバイス（図示せず）によって実行され得る（図示せず）。エミュレーションデバイスは、本明細書に説明される機能の１つ以上又は全てをエミュレートするように構成された１つ以上のデバイスであり得る。例えば、エミュレーションデバイスを使用して、他のデバイスを試験し、かつ／又はネットワーク及び／若しくはＷＴＲＵ機能をシミュレートし得る。

【0033】

エミュレーションデバイスは、ラボ環境及び／又はオペレータネットワーク環境における他のデバイスの１つ以上の試験を実装するように設計され得る。例えば、１つ以上のエミュレーションデバイスは、通信ネットワーク内の他のデバイスを試験するために、有線及び／又は無線通信ネットワークの一部として完全に若しくは部分的に実装され、かつ／又は展開されている間、１つ以上若しくは全ての機能を実行し得る。１つ以上のエミュレーションデバイスは、有線及び／又は無線通信ネットワークの一部として一時的に実装／展開されている間、１つ以上若しくは全ての機能を実行し得る。エミュレーションデバイスは、試験を目的として別のデバイスに直接結合され得、かつ／又は地上波無線通信を使用して試験を実行し得る。

【0034】

１つ以上のエミュレーションデバイスは、有線及び／又は無線通信ネットワークの一部として実装／展開されていない間、全てを含む１つ以上の機能を実行し得る。例えば、エミュレーションデバイスは、１つ以上のコンポーネントの試験を実装するために、試験実験室での試験シナリオ、並びに／又は展開されていない（例えば、試験用の）有線及び／若しくは無線通信ネットワークにおいて利用され得る。１つ以上のエミュレーションデバイスは、試験機器であり得る。ＲＦ回路（例えば、１つ以上のアンテナを含み得る）を介した直接ＲＦ結合及び／又は無線通信は、データを送信及び／又は受信するように、エミュレーションデバイスによって使用され得る。

【0035】

ディープニューラルネットワーク（ＤＮＮ）は、ある入力ドメインを別のドメイン、すなわち、出力にマッピングする複雑な関数である。ＤＮＮは、いくつかのニューラル層で（典型的には直列に）構成され、各ニューラル層は、いくつかのパーセプトロンで構成されている。パーセプトロンは、入力と非線形関数、例えばシグモイド関数との線形結合からなる関数である。したがって、ＤＮＮは、２つの要素、すなわち、アーキテクチャ（パーセプトロンの数及びパーセプトロン間の接続を含む）と、パラメータ（線形関数の重み及び、必要であれば、非線形関数のパラメータである）とで構成されている。機械学習（ＭＬ）アルゴリズムによって巨大なデータセットに対して訓練されると、これらのモデルは、近年、広範囲の用途に有用であることが証明されてきており、人工知能（ＡＩ）、コンピュータビジョン、オーディオ処理、及びいくつかの他の領域における最先端技術に著しい改善をもたらしている。今日のそれらの普及により、それらは、多くの場合、「ＡＩ／ＭＬモデル」と呼ばれる。

【0036】

ＡＩ／ＭＬモデルは、基本的に、特定のアーキテクチャ又は構成に対してトレーニングの間に学習される重みのセットにあり、アーキテクチャ又は構成は、モデルがどんな層を含むか、及びそれらの層がどのように接続されるかを指定する。

【0037】

モバイルデバイスにインストールされるアプリケーションの多くは、ＡＩ／ＭＬアルゴリズムに依存することが予想される。アプリケーションが依存するＡＩ／ＭＬモデルは、ユーザ体験を維持するか又は更に改善するために、最初にダウンロード又は更新され得る。このダウンロード又は更新プロセスは、高速かつ効率的であり、アプリケーションを妨げないものとする。

【0038】

モバイルネットワークオペレータ及びコンテンツプロバイダは、例えば、以下のような多くの課題に直面する。
・最大数の要求者に対してＡＩ／ＭＬモデルをいつでもどこでも利用可能にする。
・多種多様なモバイルデバイスを包含するＡＩ／ＭＬモデルポートフォリオを提供する。
・サービス品質を維持し、超大型のＡＩ／ＭＬモデルの同時ダウンロードによって引き起こされるネットワーク輻輳を回避する。

【0039】

４Ｇ／５Ｇ／６Ｇ環境におけるモバイルアプリケーションは、ワイヤレスネットワークを介してエンドユーザデバイス上にダウンロードされるＡＩ／ＭＬモデルにますます依存することになる。３ＧＰＰ ＳＡ１（ＴＲ２２．８７４）における５ＧＳでのＡＩ／ＭＬモデル転送に関する最近の研究は、ユースケースを提案し、この主題に関する高レベル要件を定義する。一例として、例えばコンサート又はカーレースなどのソーシャルイベント中に、何千人もの人々が、ＡＩ／ＭＬモデルを必要とするスマートフォン上でアプリケーションを使用する。これらのＡＩ／ＭＬモデルは、イベントエリアに特有で、またソーシャルイベント自体に特有であり、ソーシャルイベント自体の間も、光又は音のようないくつかの環境変化とともに進化し得る。ＡＩ／ＭＬモデルは、最初にダウンロードされる必要がある。

【0040】

イベントが開始すると、何千人もの人々がアプリケーションを起動し、これは、同じＡＩ／ＭＬモデルの何千ものダウンロードをトリガする。各ＡＩ／ＭＬモデルは数百Ｍバイトになるので、これは、膨大なダウンリンクトラフィックを生成し、このトラフィックを非常に短い時間で基地局及びＡＩ／ＭＬモデルサーバが処理することは非常に困難である。利用可能なスペクトルリソースは限られているので、これは、制限されたスループット、並びに起こり得る輻輳問題及び遅延をもたらし、また結果として、エンドユーザにとって不十分なＱｏＥにもつながる。

【0041】

表１は、ソーシャルイベント中に利用可能な潜在的なＡＩ／ＭＬモデルを示す。

【0042】

【表1】

【0043】

表１の第１の行を例として使用すると、表１は、人（したがってＵＥ）がイベントのコンサートホールに入るとき（第１の「シーン」ｓｃｅｎｅ＿０として参照される）、ＵＥが、このコンサートホールの音響及び他の特性に対して専用のいくつかの特定のＡＩ／ＭＬモデルを収集することができると読み取ることができる（Ｅ００＿Ａはコンサートホールのオーディオに特化されたモデルであり、Ｅ００＿Ｖはコンサートホールのビデオに特化されたモデルであり、Ｅ００＿Ｐはこのコンサートホールでピクチャを撮るように特化されたモデルである）。

【0044】

６４ＫＢの平均モデルサイズを考慮すると、５０００個のＵＥが同じモデル（例えば、Ｅ００＿Ａ）を要求し、１秒以内にそれを使用したい場合、６４ＫＢ^＊８^＊５０００＝２．５６Ｇｂ／ｓのダウンリンクビットレートを必要とする。

【0045】

本出願は、ターゲットＵＥ能力に適応された特定のＡＩ／ＭＬモデルをダウンロードし、更に更新するために、ＵＥが異なるネットワーク通信経路のマニフェスト（例えば、記述テキストファイル）を収集するための方法を提供する。ネットワーク経路は、適所にある異なる種類のＵＥに関して最良の全体的なネットワーク効率を達成するために、アプリケーションサーバによって集中制御される。ＡＩ／ＭＬモデルは、チャンクに分割されると想定される。チャンクは、ＡＩ／ＭＬモデルのサブセットであり、重み値のセットからなる。結果として、ＡＩ／ＭＬアプリケーションサーバ／マニフェストサーバは、特定のモデルチャンクをダウンロードするための異なるネットワーク通信経路及び関連する予想されるネットワーク制限を記述する異なるマニフェストのセットを公開する。

【0046】

ネットワーク通信経路は、ローカルリンク（例えば、ストリーミング能力を提供する近隣のリーディングＵＥからそれらの近傍への直接通信）、又は遠距離リンク（例えば、ＵＥと、クラウド内に、エッジに、若しくはコアネットワーク内に位置するリモートＡＩ／ＭＬサーバとの間の通信）であり得る。ローカルリンク又は遠距離リンクのいずれかで、ＵＥとＡＩ／ＭＬサーバとの間の１対１のユニキャスト通信、又は１対多の通信を使用することができる。１対多の通信は、ブロードキャスト、グループキャスト、マルチキャスト（例えば、様々なチャンク頻度に従ってＡＩ／ＭＬモデルチャンクをストリーミングするマルチキャストカルーセル）を使用し得る。通信パターンは、リクエスト／レスポンスであっても、サブスクライブ／通知であってもよい。定期的な更新では、コールバック又は通知が必要である。本出願の残りの部分では、１対多の通信を指すために「マルチキャスト」という用語を使用し、これは、マルチキャスト、グループキャスト、又はブロードキャストであり得る。

【0047】

近隣のダウンロードのためのソースとしてダイレクトネットワーク経路を含めるために、モデルチャンクを近隣に再配信することができるいわゆるリーディングＵＥが、その能力をＡＩ／ＭＬサーバに登録し、更に更新する。加えて、要求量を考慮してマルチキャストカルーセルのチャンク頻度分布の調整を検討し得、すなわち、要求がより多くなると、チャンク頻度が増加し得る。

【0048】

有利なことに、本出願は、サービス品質を維持し、かつ膨大な数のユーザによる超大型のＡＩ／ＭＬモデルの同時ダウンロードによって引き起こされるネットワーク輻輳を回避する方法を開示する。提案される方法は、ＢＳＳ（基地局システム）スペクトルリソースを節約し、ＡＩ／ＭＬモデルサーバ上の負荷を低減し、ＡＩ／ＭＬモデルダウンロード時間を低減し、ユーザ体験を改善し得る。

【0049】

図２は、潜在的にＵＥの大きなセットがＡＩ／ＭＬモデルサーバからＡＩ／ＭＬモデルをダウンロードすることを望む設定を示す。ＵＥは、ＡＩ／ＭＬアプリケーションデータを要求するＵＥの量に関してネットワークリソースが制限されている同じ制限されたエリア内でごく近傍に位置する。マニフェストアプリケーションサーバ、マルチキャストＡＩ／ＭＬモデルサーバ、ユニキャストＡＩ／ＭＬモデルサーバは、エッジ内で、コアネットワーク内で、又はコアネットワークの背後で、基地局の傍に／基地局と同じ場所に配置することができる。

【0050】

「イベントエリア」は、ソーシャルイベントが行われるエリアであり、例えば、コンサートホールである。このエリアは、イベント中に静的であると考えられる。いくつかの特定のＡＩ／ＭＬモデルが、この特定のイベントエリアのために開発され、訓練されていると仮定する。イベント中、環境は変化することがあり、例えば、ある瞬間に、光環境又は音環境が変化し得る。

【0051】

「ダイレクトサーバエリア」は、デバイスがデバイスツーデバイス（Ｄ２Ｄ）交換を行うのに十分近い、エリアである。このエリアは主に動的であり、イベント中の人々の動きに起因して時間とともに進展する。

【0052】

ＵＥ１、ＵＥ２、ＵＥ３、ＵＥ４、ＵＥ５は、ＢＳＳカバレッジ下にある。ＵＥ７は、一時的にＢＳＳカバレッジ外である。ＵＥ７は、ある瞬間にカバレッジ下にあったので、マニフェストを収集することができている。

【0053】

図３は、一実施形態による、図２に示されたセットアップに対するシーケンス図を詳述する。特に、図３は、ＵＥ２の近傍にあるＵＥ１がＵＥ２のソースであるという条件で、第１のＵＥ１ソースからのマニフェスト及びモデルダウンロードと、それに続く第２のＵＥ２からのマニフェスト及びモデルダウンロードとを更に示す。ＡＩ／ＭＬモデルは、３つのチャンク（チャンク０、チャンク１、チャンク２）を含む。

【0054】

図３において、マニフェストアプリケーションサーバは、ＵＥがＡＩ／ＭＬサーバからモデルデータの全体又は一部を取得するためのネットワーク通信経路及び条件のセットを含むマニフェストを提供する。ＡＩ／ＭＬサーバは、ＵＥのためのＡＩ／ＭＬモデルデータを提供する。ＡＩ／ＭＬモデルサーバは、クラウド上又はコアネットワークのエッジ上にあることができる。加えて、マニフェストアプリケーションサーバの制御下にあるソースＵＥのリストは、ＰｒｏＳｅのようなローカルＤ２Ｄ通信を介してＡＩ／ＭＬサーバとして機能し得る（３ＧＰＰ ＴＳ２３．３０３、「Ｐｒｏｘｉｍｉｔｙ－ｂａｓｅｄ ｓｅｒｖｉｃｅ（ＰｒｏＳｅ）：Ｓｔａｇｅ ２」を参照されたい）。Ｄ２Ｄサーバを含むＡＩ／ＭＬモデルサーバは、ユニキャスト、マルチキャスト、又はブロードキャストモードからデータモデルを提供し得る。

【0055】

ＵＥ（ＵＥ１、ＵＥ２、ＵＥ３）は、ＡＩ／ＭＬアルゴリズムを実行するために、イベントモデルの全体又は一部をダウンロードするためのイベントマニフェストを要求するＡＩ／ＭＬイベントアプリケーションを実行する。

【0056】

以下に手順を詳細に説明する。

【0057】

１．モデルサーバ登録／更新：ＡＩ／ＭＬサーバがプロビジョニングされ、定期的に更新される。

【0058】

２．イベント識別：マニフェストにサブスクライブする前に、ＵＥは、関連イベント情報、例えば、許可を含むイベント識別がプロビジョニングされるべきである。異なるプロビジョニング技術が、アプリケーションから、又はネットワーク探索から行われ得る。ＵＥは、少なくとも、更なるサブスクリプションのために必要とされるイベント／モデル識別子を得るべきである。

【0059】

３．イベント条件：イベント条件を監視及び追跡する、イベントエリア内に位置するエンティティ（アプリケーション機能／サーバ）であり得るイベント条件トラッカ。条件イベントが変化すると（例えば、計画による新しいシーン）、トラッカは、関連するＡＩ／ＭＬモデルを選択するために、マニフェストアプリケーションサーバ及びＡＩ／ＭＬモデルサーバに対して新しいイベント条件をトリガする。一例は、コンサートのモデルに対する光修正を必要とする新しい光更新条件であり得る。屋内の場合、ライトニングディレクタ（lightning director）は、新しい歌が演奏されると開始する新しい光の投射を開始するように、イベント条件トラッカアプリケーションを制御し得る。このイベント時間は、正確なイベント時間に対してライブでトリガされなければならない。屋外では、これは新しい気象条件（晴れ、曇り）からトリガすることができる。イベントは、例えば、日没して夜になったときに、スケジュールされてもよい。

【0060】

４．近隣探索：ＵＥ１は、他のＵＥのためのＤ２Ｄソースであり、ユニキャストサーバ及びマルチキャストサーバへの特権アクセスを有する。ＵＥ１は、マニフェスト及びＡＩ／ＭＬモデルデータをダウンロードするためにカバレッジ上になければならない。ＵＥ１は、最初に、ＵＥ近隣マップを構築するために、その近傍にある近隣ＵＥがどれであるかをリッスンし得る。マニフェストアプリケーションサーバは、この近隣マップを使用して、関連するダイレクトＤ２Ｄソース、すなわち、近傍に位置するダイレクトＤ２Ｄソースのみを選択し得る。この例では、ＵＥ１は近隣ＵＥを発見し、ＵＥ２及びＵＥ３を含む近隣マップを構築し得る。近隣探索は、近隣において探索要求を送信した後に探索応答をリッスンすることから、上記のように探索告知メッセージを監視することに基づき得る。

【0061】

５．ＵＥ１マニフェストダウンロード又はモデルサブスクリプション：次いで、ＵＥ１は、ＡＩ／ＭＬサーバとの通信を確立し、少なくともイベント識別子を含むモデル情報、ＵＥプロファイル及びネットワーク情報などの異なるサブスクリプションパラメータに従って、特定のイベントに対するＭｏｄｅｌＳｕｂｓｃｒｉｂｅをサブスクライブする。例えば、サブスクリプションパラメータは、以下のいくつか又は全てを含むことができる。
・シーン情報：
○シーン識別子：例えば、ｓｃｅｎｅ＿０、ｓｃｅｎｅ＿１、ａｌｌ＿ｓｃｅｎｅｓ、．．．
・モデル情報
○モデルタイプ：オーディオ、ビデオ、ピクチャ（複数の選択肢が可能）
○モデルサブセット：部分的／完全、例えば、限られたチャンクの場合は部分的、モデル全体の場合は完全
○モデル要求識別子許可
・ＵＥプロファイル
○オペレーティングシステム：ｉＯＳ／Ａｎｄｒｏｉｄ
○ＵＥ名
○ＡＩ／ＭＬエンジン
○ＡＩ／ＭＬエンジンバージョン
○ＣＰＵ／ＧＰＵ能力（ＮＰＵ／ＧＰＵタイプ、ＮＮＡＰＩ、ＣＰＵタイプ、利用可能なＲＡＭ）
・ネットワーク情報
○ＵＥネットワーク能力リスト：（マルチキャスト、ユニキャスト、ダイレクトＤ２Ｄ）
○隣接ＵＥ（ソースＵＥ用）：近隣ＵＥ識別子のリスト
○近隣構成（デフォルト：全リスト／近隣リストのみ）
・環境
○関心点の局所化
■遠／近距離
■前方／側方距離
○左／右距離。雑音測定較正の抜粋：アップロードするデータ

【0062】

６．ＵＥ１のためのマニフェストを構築する：マニフェストアプリケーションサーバは、他の以前のプロファイルに対してサブスクリプションプロファイルを計算し、ＵＥ１に類似するプロファイルを探し、そうでなければ、ＵＥ１プロファイルのための新しいＡＩ／ＭＬマニフェストを計算する。マニフェストアプリケーションサーバは、最初に、異なる通信モードに対して遠距離ＡＩ／ＭＬサーバ上で利用可能な全てのネットワークリソースを探し得る。
・ユニキャスト：マニフェストアプリケーションサーバは、ＵＥ能力に従って、及びＵＥプロファイル範囲（プレミアム、ミディアム、ベーシック）に従って、ＡＩ／ＭＬモデルサーバ能力を検索する。マニフェストアプリケーションサーバは、一連の異なるユニキャストＡＩ／ＭＬモデルサーバを選択し得る。次いで、マニフェストファイル内の可能なＡＩ／ＭＬモデルサーバごとにユニキャストアドレスを提供する。
・マルチキャストカルーセル：ユニキャストと同様に、マニフェストアプリケーションサーバは、ＵＥに適応された１つ又はいくつかのマルチキャストソースを探す。マルチキャストカルーセルの場合、ＡＩ／ＭＬマルチキャストサーバは、チャンク全体に対する各特定のチャンクの比率パラメータを提供しなければならない。例えば、０．５の比率は、時間の半分で、カルーセルがこの同じチャンクを送信することを意味する。ＡＩ／ＭＬマルチキャストサーバはまた、以前の比率並びにそれ自体の能力に結びついた平均予想利用可能時間を計算し得る。別の可能性は、カルーセル内のチャンクｍ０の比率を初期要求の数でインデックス付けすることであり、すなわち、より多くのチャンクｍ０が要求されるほど、それがカルーセルでより頻繁に出現し、これは遅延を減少させる。

【0063】

マニフェストアプリケーションサーバはまた、ＵＥ１近隣マップを計算して、ＵＥ１への代替ダイレクトソースとみなすことができる近隣ＵＥのローカルＡＩ／ＭＬモデルサーバを見つけてもよい。マニフェストアプリケーションサーバは、マニフェストに新しいＤ２Ｄネットワークリソースを追加し得る。このステップでは、マニフェストアプリケーションサーバは、ＵＥ１のために利用可能なローカルリソースを考慮又は発見し、マニフェストファイルは遠距離リソースのみを含む。

【0064】

マニフェストアプリケーションサーバは、コアネットワークと通信して、保留中の要求に関する追加のＵＥ情報を取得し得る。
・ＵＥデータプランレベル：プレミアム／ベーシック
・ＵＥイベントサブスクリプションオプション：はい／いいえ
・Ｄ２Ｄ／ＰｒｏＳｅアプリケーション許可：イベント許可のはい／いいえ

【0065】

最後に、マニフェストアプリケーションサーバは、ＵＥ１のための特定のマニフェストを構築する。ＵＥ１のためのマニフェストは、ＵＥ１がＵＥソースとして機能し、レガシーサーバへの特権アクセスを有するので、ユニキャスト及びマルチキャストリソースのみを公開する。チャンク情報は、異なる予想ダウンロード時間に従って異なるチャンクを提供する１つのユニキャストサーバ及び１つのマルチキャストサーバを含む。

【0066】

ＵＥ１のためのマニフェストは、マニフェスト構成を提供する、図４に示されるような特性を有するモデル及びモデルのチャンクのリストを含む。

【0067】

７．ＵＥ１モデルダウンロード：ＵＥ１は、ダウンロードを最適化するために両方のサーバとの通信を確立し、例えば、ユニキャストサーバからチャンクｍ０を取得し、マルチキャストカルーセルサーバから更なるチャンクｍ１、ｍ２を取得する。

【0068】

８．ＵＥ２マニフェストダウンロード又はモデルサブスクリプション：これは、ＵＥ２に対するものであることを除いて、ＵＥ１マニフェストダウンロード又はモデルサブスクリプションと同様である。次いで、ＵＥ２は、ＡＩ／ＭＬサーバとの通信を確立し、同様にＭｏｄｅｌＳｕｂｓｃｒｉｂｅをサブスクライブする。

【0069】

特に、ＵＥ２は、Ｄ２Ｄネットワーク能力、具体的には、ＵＥがどの種類の近隣構成を予期するかを示し得る。デフォルトでは、マニフェストアプリケーションサーバは、全てのＵＥソースと、各異なるＵＥソースがどのチャンクを供給するかをリストする。ＵＥ２が「近隣リストのみ」を示す場合、マニフェストアプリケーションサーバは、異なるＵＥソースから受信された全ての関連する近隣リストを計算し、次いで、ＵＥ２の近傍又はＵＥ２に十分に近いＵＥソースのみを追加する。

【0070】

ＵＥ２に対するものであることを除いてステップ６と同様に、マニフェストアプリケーションサーバは、異なる通信モード、すなわちユニキャスト、マルチキャスト、マルチキャストカルーセルについて、ＵＥ２近隣マップに関して遠距離通信から又はローカルＤ２Ｄ通信から利用可能な全てのネットワークリソースを探す。ステップ６とは異なり、マニフェストアプリケーションサーバは、近傍のＵＥを見つける。

【0071】

９．ＵＥ２のためのマニフェストを構築する：ＵＥ２のためのマニフェストファイルは、別のＵＥソース、例えば、ＵＥ４を含み得るが、ＵＥ４はＵＥ２の近傍にない。その場合、近隣構成に応じて２つのオプションがある。
・全リスト：マニフェストは、ソースＵＥとしてＵＥ４を示す。異なるリストされたソースＵＥとの通信の確立（例えば、Ｐｉｎｇ）を試みるか、又はＵＥ２がすでに発見したＵＥのみを考慮するかは、ＵＥ２次第である。
・近隣リストのみ：上記とは異なり、マニフェストは、関連するＵＥ１ソースのみを示す。ＵＥ４は現れない。

【0072】

ＵＥ２のためのマニフェストは、マニフェスト構成を提供する、図５に示されるような特性を有するモデル及びモデルのチャンクのリストを含む。ＵＥ２は、ＵＥ１が要求されたチャンクｍ０、ｍ１、ｍ２を非常に低い予想遅延で提供し得ることを発見する。ＵＥ２は、ＵＥ１とのＤ２Ｄ通信を確立し、ＵＥ１からチャンクｍ０、ｍ１、ｍ２をダウンロードする。

【0073】

任意のＵＥがＡＩ／ＭＬマニフェストを受信すると、そのＵＥは、マニフェストの全体又は一部を計算し、適用する。このＵＥは、１つ又はいくつかのネットワーク通信経路に接続して、必要なモデルチャンクをダウンロードし得る。次いで、モデルをメモリに入れ、アプリケーションを実行する。

【0074】

１０．ＵＥ２モデルダウンロード：ＵＥ２は、ＵＥ１とのユニキャスト通信を確立して、ｍ０、ｍ１、及びｍ２をダウンロードする。通信を確立する前に、ＵＥ１及びＵＥ２は、互いに通信することを許可されるものとする。したがって、ＵＥは、通信を可能にするための関連するセキュリティ材料を用いて構成され得る。

【0075】

上記において、Ｄ２Ｄ通信は、いくつかの１対１及び１対多の通信、すなわち、ＰＣ５インターフェースを介した３ＧＰＰにおけるグループキャスト又はブロードキャストとも呼ばれるマルチキャストを含み得る。１対多の通信の場合、ＵＥは、通常、パラメータ（マルチキャストアドレス、グループＩＤ、及び無線関連パラメータ）のセットを用いて構成されている。一般に、ＰＣ５上の３ＧＰＰ Ｄ２Ｄでは、明示的なシグナリングプロトコルがない。したがって、ソースＵＥ（例えば、ＵＥ１）は、適切な無線リソースを見つけ、宛先レイヤ２のＩＤとして（例えば、ＰｒｏＳｅレイヤ２を使用して）ＩＰマルチキャストアドレスグループＩＤにＩＰデータを送信する。グループコンテキストを用いて構成された受信側ＵＥ（例えば、ＵＥ２）は、適切な無線リソースをリッスンし、宛先レイヤ２のＩＤに含まれるグループＩＤ（例えば、ＰｒｏＳｅレイヤ２）に従ってフレームをフィルタアウトする。

【0076】

したがって、別の実施形態は、３ＧＰＰによる１対多のＤ２Ｄ通信を含み、Ｄ２Ｄマルチキャスト経路を示すマニフェストは、グループＩＤ及び無線関連パラメータなどの追加の構成パラメータを搬送し得る。マルチキャストＤ２Ｄチャンクの例は、以下とすることができる。
チャンクｍ１：ＵＥ１：マルチキャストグループアドレス、グループＩＤ（例えば、ＰｒｏｓＥ）、無線関連パラメータ、予想：２ｍｓ。

【0077】

上記では、ＵＥがマニフェスト及びＡＩ／ＭＬモデルをダウンロードするための手順について説明した。ステップは、上述した順序で実行することができることに留意されたい。しかしながら、ステップの順序は調整することもできる。例えば、ステップ「４．近隣探索」は、いつでも実行することができ、理想的にはＵＥがイベントエリアに入ると実行される。ステップ「４．近隣探索」が遅れて実行される場合、マニフェストファイルは、Ｄ２Ｄ通信経路を含まない可能性があり、したがって、ユニキャスト通信経路及びマルチキャスト通信経路に限定される。ＵＥは、いつでも、例えば、新しい近隣マップをトリガする新しい近隣探索を受信した後、ＵＥが新しいイベント条件を検出したとき、又はＵＥが新しいプロファイルを有する新しいモデルをサーバに要求するとき、その近隣マップをマニフェストサーバに対して更新し得る。

【0078】

ＡＩ／ＭＬモデルサーバは、イベント条件更新を受信すると、新しい新鮮なＡＩ／ＭＬモデル及び新しい新鮮なマニフェストを計算し得る。サブスクリプションに従って、ＵＥは、マニフェスト更新を介して新しいモデルが利用可能であることを通知される。

【0079】

図３で説明した手順は、３ＧＰＰ ＴＳ ２６．５０１「５Ｇ Ｍｅｄｉａ Ｓｔｒｅａｍｉｎｇ（５ＧＭＳ）；Ｇｅｎｅｒａｌ ｄｅｓｃｒｉｐｔｉｏｎ ａｎｄ ａｒｃｈｉｔｅｃｔｕｒｅ」などの現在又は将来の３ＧＰＰ規格に従って適用され得る。代替的に、ユニキャストのためのマニフェストベースの手順は、セクション５．２．３「Ｕｎｉｃａｓｔ Ｄｏｗｎｌｉｎｋ Ｍｅｄｉａ Ｓｔｒｅａｍｉｎｇ Ｓｅｓｓｉｏｎ ｅｓｔａｂｌｉｓｈｍｅｎｔ ＤＡＳＨ ｓｔｒｅａｍｉｎｇ」において説明されるようなＤＡＳＨストリーミング手順と同様であり得る。

【0080】

図３において説明されるようなマニフェストＡＰサーバは、５ＧＭＳダウンリンクアプリケーション機能（略して５ＧＭＳｄ ＡＦ）と同様であり得、ＡＩ／ＭＬモデルサーバ（ユニキャスト）は、５ＧＭダウンリンクアプリケーションサーバ（略して５ＧＭＳｄ ＡＳ）と同様であり得る。マルチキャスト（カルーセル又は非カルーセル）は、３ＧＰＰ ＴＳ ２６．５０２「５Ｇ ｍｕｌｔｉｃａｓｔ－ｂｒｏａｄｃａｓｔ ｓｅｒｖｉｃｅｓ；Ｕｓｅｒ Ｓｅｒｖｉｃｅ ａｒｃｈｉｔｅｃｔｕｒｅ」などの現在又は将来の３ＧＰＰ規格に従って適用され得る。マルチキャストブロードキャストサービス機能（略してＭＢＳＦ）は、マルチキャストサービスの制御のためのマニフェストアプリケーションサーバの構成要素であり得、マルチキャストブロードキャストアプリケーションサーバ（ＭＢＳ ＡＳ）は、ＡＩ／ＭＬモデルサーバ（マルチキャスト）と同様であり得る。

【0081】

図４及び図５は、ＵＥ１及びＵＥ２のためのマニフェストの例を示す。より一般的には、ＡＩ／ＭＬモデルマニフェストは、シーンに対して使用可能な、全ての利用可能なモデル、並びにチャンクに分割された各ＡＩ／ＭＬモデルの全体又は一部をダウンロードするための全ての可能なネットワーク通信経路及び条件の情報を含む。一実施形態では、マニフェストは、以下の情報の一部又は全部を含む。

【0082】

マニフェスト構成
・マニフェスト情報
・マニフェストバージョン
・イベント識別子
・モデルリスト［
○モデル識別子
○モデルメディアタイプの列挙｛オーディオ、ビデオ、ピクチャ｝
○モデル記述：モデルの短い記述
○モデルサイズ
○モデル名
○モデルフレームワーク
○互換性フレームワークバージョン
○互換性ＮＮＡＰＩバージョン
○関連メタデータファイル参照
○モデルチャンク番号
○モデル使用タイプ：列挙｛フル、増分｝
○モデル使用タイプ拡張：列挙｛通常、特殊化、適応｝
○特殊化：記述
○帯域幅：フロート
○モデル適用時間
○チャンク情報［
■チャンクＩＤ番号
■チェックサム
■チャンクタイプ
■メモリ＿ローディング＿オフセット
■予想＿利用可能＿時間
■予想＿頻度＿利用可能性
■ユニキャストＩＰアドレスリスト［］
■マルチキャストＩＰアドレスリスト［］
■Ｄ２Ｄ探索＿グループ＿識別子リスト［］
］＃チャンクのリストの終了
］＃モデルのリストの終了

【0083】

以下では、マニフェストに含まれる情報について説明する。
・マニフェスト情報：文字列－マニフェストに関する一般的な情報を通信する（例えば、＜エリア名＞＜イベント記述＞専用のマニフェスト）
・マニフェストバージョン：文字列－マニフェストの変更ごとに更新される
・イベント識別子：文字列－イベント及びイベントのシーンを定義し、コンサート、スポーツイベントなどであり得る。
・モデル識別子：文字列
・モデルメディアタイプ：文字列－モデルのメディアターゲット（すなわち、オーディオ、ビデオ、ピクチャ）
・モデル記述：文字列－モデルの短い記述
・モデルサイズ：整数－ダウンロードされるモデルのサイズをキロバイトで定義する。
・モデル名：文字列－モデル名、例えばｒｅｓｎｅｔ５０、ｖｇｇ－１６などを定義する。
・モデルフレームワーク：このモデルを実行するのに必要なＩＡフレームワーク（例えば、テンソルフロー、ＰｙＴｏｒｃｈ、．．．）
・互換性フレームワークバージョン：例えば、テンソルフロー＞１．１０
・互換性ＮＮＡＰＩバージョン：モデルを実行するために予想されるＮＮＡＰＩバージョン
・関連メタデータ：ファイル参照、例えば、オブジェクト／人物認識のためのオブジェクト／アーティスト／楽器ブランドの名前を含むファイル
・モデルチャンク番号：整数－フルモデルについて、チャンク＃０を含む、チャンクの数を定義する
・モデル使用タイプ：列挙｛フル、増分｝
○フル：ＡＩ／ＭＬモデルは分割されず、完全にダウンロードされてから、ＡＩ／ＭＬフレームワークにロードし、実行することができる。
○増分：通常モデルがＮ個のサブモデルに分割され、これらのサブモデルの各々は個別に移送することができる。第１のチャンク（「モデルエントリ」）は、そのまま使用することができ、すなわち、結果を生成し得る。
・モデル使用タイプ拡張｛通常、特殊化、適応｝
○通常：ＡＩ／ＭＬモデルは分割され、生成されたチャンクに対して特定のプロセスが適用されることはない。
○特殊化：通常モデルがＮ個のサブモデルに分割されるが、最大でＮ－１個のサブモデルが特殊化される。チャンク＃０は、特殊化されていないベースモデルである。多くの特殊化が定義され得る。
○適応：通常モデルがＮ個のサブモデルに分割され、Ｎ－１個のチャンクが圧縮されるか又は圧縮されない。
・特殊化：文字列－そのモデルの特殊化方法を定義する。例えば、モデルは鳥を検出し、特殊化は「海鳥」である。
・帯域幅：フロート－ＵＥの帯域幅能力を定義する。
・モデル適用時間：文字列－モデルが適用可能である時間を定義する。

【0084】

モデル使用タイプ
・フルモデル
図６に示されるように、このモデルは、動作するために全てのチャンクを必要とし、すなわち、モデルがｎ個のチャンクから構成される場合、ＵＥは、モデルを実行することができるように、ｎ個全てのチャンクを取得する必要がある。イベント条件が変化し、新しいモデルが必要になると、ＵＥは、新しいチャンクを全て収集する必要がある。
・増分：
この種のモデルはいくつかのチャンクから構成されるが、最初のｎ個のチャンクのみを用いて、劣化した方法で動作することができる。残りのチャンクは、より良い結果を得ることを可能にするが、必須ではない。図７に示される例では、チャンク０（対応のチャンク０’）のみが必須である。
・特殊化：
これは、最後に特殊化されるフルモデルである。図８Ａに示す例では、２つのモデルが同じ３つのチャンク０、１、及び２を含んでおり、特殊化を含む最後のチャンク３のみが異なっている。これは、イベント変更をこの種のモデルによって管理することができる場合、図８Ｂに示すように、モデルの最後の部分のみを更新する必要があることを意味する。

【0085】

チャンク情報
ネットワークチャンク情報は、アプリケーションがチャンクを機械学習フレームワークに適合させるのを助けるものとする。チャンク情報部は、一般的な情報について上記で定義されたモデルチャンク番号に依存する個々のチャンク情報のセット又はリストを含む。
・チャンクＩＤ番号：整数－０から（モデルチャンク番号－１）までのチャンク番号を定義する。このパラメータは、チャンクが再送信されなければならない場合に有用であり得る。
・チャンクチェックサム：１６進数－各チャンクの完全性をチェックするためのｓｈａ２５６チェックサム。
・チャンクタイプ：列挙－チャンクのタイプを定義する。
○「モデルエントリ」はベースチャンクであり、推論プロセスを開始するために必須である。
○「通常中間チャンク」は、動作するために「モデルエントリ」を必要とする。
○「最終チャンク」は、モデルの終わりを意味する。
○「特殊化された中間チャンク」は、「モデルエントリ」チャンク又は「通常中間チャンク」の後に続き得る。これは情報提供である。
○「適応チャンク」は、モデルサーバが適応モードをサポートすることを意味し、したがって、アプリケーションは、「帯域幅」パラメータを使用して、その利用可能な帯域幅に適応されるチャンクを要求することができる。
注：これら全てのチャンクは、正しい順序、すなわち、「モデルエントリ」、「通常中間チャンク」、及び最後に「最終チャンク」の順序で到着しない可能性がある。この問題を回避するために、具体的なパラメータ「メモリ＿ローディング＿オフセット」を以下で説明されるように設定する。
・ユニキャストＩＰアドレスリスト［］：ユニキャストでアクセス可能なモデルサーバＩＰアドレスのリスト。
・マルチキャストＩＰアドレスリスト［］：マルチキャストカルーセルのリスト。
・Ｄ２Ｄ探索＿グループ＿識別子リスト［］：近隣探索のためのＤ２Ｄグループのリスト
・Ｄ２Ｄマルチキャスト／グループキャスト／ブロードキャスト無線関連パラメータ：Ｄ２Ｄ受信機は、その無線パラメータを構成し、無線リソースをリッスンし、宛先レイヤＩＤに従ってフレームをフィルタアウトする
・予想推論時間：整数－ミリ秒（ｍｓ）で表され、モデルが入力データを処理し、決定を計算するのにかかる時間を定義する。マニフェストサーバは、受信したデバイスプロファイル、能力、及び情報から、デバイスに適用される平均推論時間を計算することができる。
・予想利用可能時間：整数－ミリ秒（ｍｓ）で表され、ダウンロード持続時間、すなわち、チャンクモデルをＡＩ／ＭＬフレームワークメモリにロードし、使用することができるようになる前の遅延を定義する。マルチキャストカルーセルの場合、この時間は、転送時間に、チャンクがカルーセルで利用可能になるまでの遅延を加えたものを考慮に入れる。
・予想頻度利用可能性：フロート－比率であり、マルチキャストカルーセルモードに対して使用される。ある期間（例えば、１分間）において、チャンクがカルーセル内で利用可能である頻度を定義する。
・メモリローディングオフセット：整数－チャンクがＡＩ／ＭＬフレームワークメモリ内においてコピーされるべきオフセットを定義する。このパラメータは、マルチキャストカルーセルモードに対して有用であり、特に、全てのチャンクがある期間において等しく利用可能ではない場合、例えば、チャンクｍ０がカルーセル内により頻繁に存在する場合に有用である。

【0086】

マニフェスト構成モデルの記述は、ＩＳＯ／ＩＥＣ ２３００９－１「Ｄｙｎａｍｉｃ ａｄａｐｔｉｖｅ ｓｔｒｅａｍｉｎｇ ｏｖｅｒ ＨＴＴＰ（ＤＡＳＨ）－Ｐａｒｔ １：Ｍｅｄｉａ ｐｒｅｓｅｎｔａｔｉｏｎ ｄｅｓｃｒｉｐｔｉｏｎ ａｎｄ ｓｅｇｍｅｎｔ ｆｏｒｍａｔｓ」に、又はＴＳ ２６．２４７「Ｔｒａｎｓｐａｒｅｎｔ ｅｎｄ－ｔｏ－ｅｎｄ Ｐａｃｋｅｔ－ｓｗｉｔｃｈｅｄ Ｓｔｒｅａｍｉｎｇ Ｓｅｒｖｉｃｅ（ＰＳＳ）；Ｐｒｏｇｒｅｓｓｉｖｅ Ｄｏｗｎｌｏａｄ ａｎｄ Ｄｙｎａｍｉｃ Ａｄａｐｔｉｖｅ Ｓｔｒｅａｍｉｎｇ ｏｖｅｒ ＨＴＴＰ（３ＧＰ－ＤＡＳＨ）」において、両方ともユニキャスト表現について記載されているメディアプレゼンテーション記述（ＭＰＤ）から着想され得る。マルチキャストカルーセルを含むマルチキャスト表現については、ＥＴＳＩ ＴＳ １０３ ７６９「Ｄｉｇｉｔａｌ Ｖｉｄｅｏ Ｂｒｏａｄｃａｓｔｉｎｇ（ＤＶＢ）；Ａｄａｐｔｉｖｅ ｍｅｄｉａ ｓｔｒｅａｍｉｎｇ ｏｖｅｒ ＩＰ ｍｕｌｔｉｃａｓｔ」から着想され得る。

【0087】

特に、マニフェスト情報、マニフェストバージョン、イベント識別子、モデルリストで構成される上記のマニフェスト構成は、上記の参考文献による同じタイプのフォーマット及びプレゼンテーションに従い得るが、ＡＩ／ＭＬに適合したパラメータを、定義及び記述する。例えば、用語「メディア」は、「ＡＩ／ＭＬモデルデータ」として精密化され得る。

【0088】

以下では、ネットワークチャンク情報の例が提供される。

【0089】

カルーセルモードで利用可能なチャンクの例。
リスト｛
・チャンクＩＤ番号：１
・チャンクチェックサム：
ｄｂ７２ａ３ｆ７４ｃｂｃｆ０４８４１ｆｅ４０１３ａａ１ｆｄ２７６６７１３３９７９２４ｆ１５ａ９５５７ａｃｂ９９３ｆｂ０２８２３ｅ
・チャンクタイプ：通常中間チャンク
・ユニキャストＩＰアドレスリスト：［］
・マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
・Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
・予想利用可能時間：１２ｍｓ
・予想頻度利用可能性：０．５０
・メモリローディングオフセット：０ｘ２００
｝

【0090】

Ｄ２Ｄモードで利用可能なチャンクの例。
リスト｛
・チャンクＩＤ番号：５
・チャンクチェックサム：５ａ７３ａ３ｆ７４ｃｂｃｆ０４８４１ｆｅ４０１３ａａ１ｆｄ２７６６７１３３９７９２４ｆ１５ａ９５５７ａｃｂ９９３ｆｂ０２８２３ｅ
・チャンクタイプ：通常中間チャンク
・ユニキャストＩＰアドレスリスト：［１００．２００．１０．２０］
・マルチキャスト／グループキャスト／ブロードキャストＩＰアドレスリスト：［］
・Ｄ２Ｄ探索＿グループ＿識別子リスト：［１２４５５８２１２２］（例えば、図５から、ＵＥ１のＩＰアドレス）
・Ｄ２Ｄマルチキャスト／グループキャスト／ブロードキャスト無線関連パラメータ
・予想利用可能時間：５
・メモリローディングオフセット：０ｘ８００
｝

【0091】

マルチキャストカルーセルダウンロード及びメモリローディングオフセットパラメータ

【0092】

マルチキャストカルーセルは、エンティティ、例えば、モバイルネットワークオペレータ（ＭＮＯ）、コンテンツプロバイダ、又はサードパーティによって管理される。それらはカルーセルを全てのチャンクと適合させ、チャンクがカルーセル内で編成される方法は多種多様であり得、様々な戦略に依存し得る。したがって、それらは、チャンクｍ０を、他のチャンクと比較してより頻繁に提示すると決定することができる。チャンクｍ０は最も重要なチャンクなので、これは論理的な決定であり、このチャンクはサブモデルであり、かつそのまま使用することができ、また次のチャンクが到着し、フルモデルが再構築されるまで推論結果を配信する。

【0093】

ＵＥがマルチキャストカルーセルにサブスクライブすると、カルーセルは、必ずしもチャンクｍ０ではないその時間のチャンクの送信を開始する。したがって、図９Ａでは、ＵＥに配信される第１のチャンクは、チャンクｍ２である。図中、斜めのストライプは、全てのチャンクがダウンロードされてロードされると占有される空きメモリを表す。

【0094】

効率性のために、ＵＥはチャンクｍ２をドロップしないものとする。以下のパラメータを使用して、ＡＩ／ＭＬフレームワークをチャンクｍ２に事前に適合させることができる。
・モデルサイズ：モデル全体のためのメモリ空間を予約するために使用される。
・メモリローディングオフセット：チャンクをＡＩ／ＭＬフレームワークメモリ内の正しいアドレスに配置するために使用される。
・モデル名。

【0095】

一例では、ＡＰＩコードは、ｌｏａｄ＿ｍｏｄｅｌ（モデル名、モデルサイズ、メモリローディングオフセット、チャンク＿データ）として表すことができる。

【0096】

図９Ｂは、第２のチャンク、ｍ３の送信を示す。チャンクｍ２に関して、ＵＥは、同じＡＰＩを用いてｍ３をＡＩ／ＭＬフレームワークメモリにロードする。

【0097】

図９Ｃでは、チャンクｍ０は、ＵＥによってダウンロードされ、次いでＡＩ／ＭＬフレームワークメモリにロードされる。ローディング動作の後、ｍ０は動作可能である。これは、（カメラ、マイクロフォンなどからの）センサデータがモデルに適合することができ、モデルが推論し、予測結果を生成することを意味する。

【0098】

ｍ０の後、次のチャンクは、ｍ４、ｍ５、ｍ６、再びｍ０（すでにロードされているのでドロップされる）及びｍ１である。ｍ１がロードされると、完全なモデルが動作可能となり、より高いスコアを有する推論結果を配信することができる。ダウンロードをより効率的にするために、他のチャンク順序付け戦略を想定することができる。

【0099】

チャンク作成
元のＡＩ／ＭＬモデルは、図１０の例に示すように、様々な方法に従ってチャンクに分割される。ＡＩ／ＭＬモデルを分割するのは、ＡＩ／ＭＬモデルサーバを管理するエンティティ（ＭＮＯ、コンテンツプロバイダ、サードパーティ）次第である。

【0100】

図１０は、早期終了（ＥＥ）機構に基づいてモデルを分割する例を示す。ディープニューラルネットワーク（ＤＮＮ）は、いくつかのスコア条件が満たされると、プロセスがより早く停止し、結果（スコア）を生成するように再設計されてきた。より早く終了することによって、スコアは、モデル全体が解析された場合よりも小さくなり得るが、時間は節約されている。したがって、この早期終了機構を再利用して、サイズが過大でなく、したがってネットワーク上で迅速に移送することができる、「モデルエントリ」と呼ばれる第１のチャンクを作成することが可能である。この「モデルエントリ」チャンクは、フルＤＮＮモデルのベースであり、そのままで、すなわち他のチャンクなしで動作することができる。反対に、チャンクｍ２が最初に到着した場合、チャンクｍ０の結果が機能することを必要とするため、結果を生成することができない。モデルが再び組み立てられると、元のモデルとして動作する。

【0101】

図１０の例では、前処理された画像がモデルに適合し、各層は、最終出力まで、次の層のための入力となる特徴を生成する。

【0102】

カルーセル作成及び予想頻度利用可能性パラメータ
一実施形態では、モデルは最初に多くのチャンクに分割され、生成されたチャンクは、次いで、図１１に示すように、異なる戦略に従ってカルーセルに適合する。

【0103】

マニフェスト内のパラメータ「予想＿頻度＿利用可能性」は、チャンクがカルーセルループ内に現れる回数を指定する。したがって、カルーセルは、持続時間、例えば、３分によって定義されると想定する。この時間フレーム内で、チャンクｍ０は、他のチャンクの存在に比例して何度も現れることができる。「予想＿頻度＿利用可能性」のパラメータ値が０．５０（５０％）であれば、半分の時間、カルーセルがチャンクｍ０を送信し、残りの時間は、チャンクｍ１～ｍ７の間で共有されることを意味する。チャンクがカルーセル内に分布させられる方法は、ここでは説明されず、モバイルネットワークオペレータ又はコンテンツプロバイダ又はサードパーティに依存する。

【0104】

ＡＩ／ＭＬフレームワーク
ＡＩフレームワークは、いくつかの関連するＡＩタスクを実行するためのＡＰＩを提供する。ｌｏａｄ＿ｍｏｄｅｌ（）及びｕｐｄａｔｅ＿ｍｏｄｅｌ（）という少なくとも２つのＡＩフレームワークＡＰＩを使用することができる。

【0105】

以下では、マニフェストの例が提供される。この例では、コンサートが開始され、芸術監督がシーン変更を計画しており、新しいマニフェストが、このオプションにサブスクライブしているＵＥに送信される。この新しいシーンに対して、３つの新しいモデルが、オーディオ、ビデオ及びピクチャに対して提案される。これらは全て増分フォーマットで利用可能である。いくつかのモデルは、ユニキャストで及び／又はマルチキャストで及び／又はＤ２Ｄで利用可能である。

【0106】

マニフェスト情報：シーンＥ００のイベントエリア内に存在するＵＥに対して専用のマニフェスト。
マニフェストバージョン：２０２１．１３１５
イベント識別子：コンサートＸ
モデル＿リスト＝［
／^＊第１のモデル：オーディオ記録をクリーンアップするためのオーディオタイプモデル。３つのチャンクを有する増分モードで利用可能である。ｐｙｔｏｒｃｈフレームワークとともに使用可能である。ｉｄ＝２のチャンクはユニキャストで利用可能であり、マルチキャストカルーセルとともに利用可能である。^＊／
［
モデル＿識別子：Ｅ００＿Ａ
モデル＿メディア＿タイプ：オーディオ
モデル＿記述：「クリーンアップオーディオ記録」
モデル＿名：「ノイズ除去」＃＃例えば、簡潔にするために、モデル名は「ｍ」であり、チャンク名はｍ０、ｍ１、ｍ２として識別される。

【0107】

モデル＿フレームワーク：ｐｙｔｏｒｃｈ
互換性＿フレーム＿ワーク＿バージョン：１．５．１
互換性＿ＮＮＡＰＩ＿バージョン：１．３
関連＿メタデータ＿ファイル＿参照：ｍｅｔａｄａｔａ＿ａ．ｄａｔａ
モデル＿チャンク＿番号：３
モデル＿使用＿タイプ：増分
モデル＿使用＿タイプ＿拡張：特殊化
モデル＿サイズ：８００００バイト
帯域幅：なし
特殊化：「人々の口笛」
モデル＿適用＿時間：即時
チャンク＿情報＝［
［
チャンク＿ｉｄ＿番号：０
チェックサム：ｄｂ７２ａ３ｆ７４ｃｂｃｆ０４８４１ｆｅ４０１３ａａ１ｆｄ２７６６７１３３９７９２４ｆ１５ａ９５５７ａｃｂ９９３ｆｂ０２８２３ｅ
タイプ：モデルエントリ
ユニキャストＩＰアドレスリスト：［１７２．２３．２４．２５］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：２５
予想＿頻度＿利用可能性：
メモリ＿ローディング＿オフセット：０ｘ０
］，［
チャンク＿ｉｄ＿番号：１
チェックサム：ｆａｅ０１５ｄｆ３６８５ａａｅ２６５ｆｃ０２ａｄ３６２００２ｄｆａ２３ｃｃ６００７ａｄ８ａｄ２２５４１ａｃｆ３６００２ｅｆ２２１０ａ
タイプ：特殊化された中間チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：６０
予想＿頻度＿利用可能性：０．２０
メモリ＿ローディング＿オフセット：０ｘ９８９６８０
］，［
チャンク＿ｉｄ＿番号：２
チェックサム：１０２ａｄ２５ｄ４ｃ８９ａａｄ３６２ｃ００ａｄｆｂｂ６３ｂ２１４５ｂ０１ｃ２５ａｄ６９５４４ａｄｃ２３ｃａａ０２１２３０ｄｆｆｃ９
タイプ：最終チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：３０
予想＿頻度＿利用可能性：０．２０
メモリ＿ローディング＿オフセット：０ｘ１Ｃ９Ｃ３８０
］，［
チャンク＿ｉｄ＿番号：２
チェックサム：１０２ａｄ２５ｄ４ｃ８９ａａｄ３６２ｃ００ａｄｆｂｂ６３ｂ２１４５ｂ０１ｃ２５ａｄ６９５４４ａｄｃ２３ｃａａ０２１２３０ｄｆｆｃ９
タイプ：最終チャンク
ユニキャストＩＰアドレスリスト：［１７２．２３．２４．２５］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：２５
予想＿頻度＿利用可能性：
メモリ＿ローディング＿オフセット：０ｘ１Ｃ９Ｃ３８０
］
］／^＊チャンクリストの終了^＊／
］，／^＊第１のモデル記述の終了^＊／
／^＊第２のモデル：環境光を改善するためのビデオタイプモデル。４つのチャンクを有する増分モードで利用可能である。テンソルフローフレームワークとともに使用可能である。ｉｄ＝０のチャンクはユニキャストで利用可能であり、マルチキャストカルーセルとともに利用可能である。^＊／
［
モデル＿識別子：Ｅ００＿Ｖ
モデル＿メディア＿タイプ：ビデオ
モデル＿記述：「環境光改善」
モデル＿名：「照明」
モデル＿フレームワーク：テンソルフロー
互換性＿フレーム＿ワーク＿バージョン：１．５．１
互換性＿ＮＮＡＰＩ＿バージョン：１．３
関連＿メタデータ＿ファイル＿参照：ｍｅｔａｄａｔａ＿ｖ．ｄａｔａ
モデル＿チャンク＿番号：４
モデル＿使用＿タイプ：増分
モデル＿使用＿タイプ＿拡張：特殊化
モデル＿サイズ：９００００
帯域幅：なし
特殊化：「冷光除去」
モデル＿適用＿時間：即時
チャンク＿情報＝［
［
チャンク＿ｉｄ＿番号：０
チェックサム：ｅｄ０２１４ａａｄ５６２４ｃｄｄ２０１５ａ１２４８ａａｄ９５８６ｄｃ３ｂ６１ｃ２４ａ０１ａ１２５ｄ２ｄｅａ０２３ｅｆ０２９８ａａｄ８ｃ５
タイプ：モデルエントリ
ユニキャストＩＰアドレスリスト：［１７２．２３．２４．２５］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：５０
予想＿頻度＿利用可能性：
メモリ＿ローディング＿オフセット：０ｘ０
］，［
チャンク＿ｉｄ＿番号：０
チェックサム：ｅｄ０２１４ａａｄ５６２４ｃｄｄ２０１５ａ１２４８ａａｄ９５８６ｄｃ３ｂ６１ｃ２４ａ０１ａ１２５ｄ２ｄｅａ０２３ｅｆ０２９８ａａｄ８ｃ５
タイプ：モデルエントリ
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：４０
予想＿頻度＿利用可能性：０．６０
メモリ＿ローディング＿オフセット：０ｘ０
］，［
チャンク＿ｉｄ＿番号：１
チェックサム：ｆａｅ０１５ｄｆ３６８５ａａｅ２６５ｆｃ０２ａｄ３６２００２ｄｆａ２３ｃｃ６００７ａｄ８ａｄ２２５４１ａｃｆ３６００２ｅｆ２２１０ａａ２３６６
タイプ：通常中間チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：３０
予想＿頻度＿利用可能性：０．２０
メモリ＿ローディング＿オフセット：０ｘＥ４Ｅ１Ｃ０
］，［
チャンク＿ｉｄ＿番号：２
チェックサム：２５ｄｆ０３１ａｄｅ２５００ｃｆ３６ｂｂ０１２４ａ４５８ａ７３６００ｂｂ３６９５ｄｅ１２ａｄ１４５ｅ０ａ２３６ｅｄ０ｃｂ３６４ａ５ｄｅ２
タイプ：特殊化された中間チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：４０
予想＿頻度＿利用可能性：０．１０
メモリ＿ローディング＿オフセット：０ｘ２６２５Ａ００
］，［
チャンク＿ｉｄ＿番号：３
チェックサム：３２ａ０ｃｆ０ｂ１２４５ｆ０ｃ０ｂ２３６ａ６９ｄｅ３２５００２１ｃｆ２３６ａｄ６５ｆ３４５ａ８ｄｃ０００ｂ０３６ｆｂ０ｂｂ３６５ａ７８ｅ０１
タイプ：最終チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：３０
予想＿頻度＿利用可能性：０．１０
メモリ＿ローディング＿オフセット：０ｘ４２Ｃ１Ｄ８０
］
］，／^＊チャンクリストの終了^＊／
］，／^＊第２のモデル記述の終了^＊／
／^＊第３のモデル：いくつかのシーン効果を適用するためのピクチャタイプモデル。４つのチャンクを有する増分モードで利用可能である。テンソルフローフレームワークとともに使用可能である。ｉｄ＝０を有するチャンクはユニキャストで利用可能であり、マルチキャストカルーセルとともに利用可能であり、全ての中間チャンクはＤ２Ｄで利用可能である。^＊／
［
モデル＿識別子：Ｅ００＿Ｐ
モデル＿メディア＿タイプ：ピクチャ
モデル＿記述：「いくつかのシーン効果を適用する」
モデル＿名：「照明」
モデル＿フレームワーク：テンソルフロー
互換性＿フレーム＿ワーク＿バージョン：１．５．１
互換性＿ＮＮＡＰＩ＿バージョン：１．３
関連＿メタデータ＿ファイル＿参照：ｍｅｔａｄａｔａ＿ｐ．ｄａｔａ
モデル＿チャンク＿番号：４
モデル＿使用＿タイプ：増分
モデル＿使用＿タイプ＿拡張：通常
モデル＿サイズ：３５０００
帯域幅：なし
特殊化：モデル＿適用＿時間：即時
チャンク＿情報＝［
［
チャンク＿ｉｄ＿番号：０
チェックサム：ｄｆ０１２０ｅｆ２ａａ０２６９ｄｆｃ３５０４ａｃｖ０１２ｅｅ０２８ａ７８ｄ００２ａａ３ｆ６９５８ｅｆｃｂｂ０３６２１０ｂ０ａｅ０４４７ａ０ｆ
タイプ：モデルエントリ
ユニキャストＩＰアドレスリスト：［１７２．２３．２４．２５］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：３５
予想＿頻度＿利用可能性：
メモリ＿ローディング＿オフセット：０ｘ０
］，［
チャンク＿ｉｄ＿番号：０
チェックサム：ｄｆ０１２０ｅｆ２ａａ０２６９ｄｆｃ３５０４ａｃｖ０１２ｅｅ０２８ａ７８ｄ００２ａａ３ｆ６９５８ｅｆｃｂｂ０３６２１０ｂ０ａｅ０４４７ａ０ｆ
タイプ：モデルエントリ
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［２２４．０．１．ｘ］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［］
予想＿利用可能＿時間：２５
予想＿頻度＿利用可能性：０．５０
メモリ＿ローディング＿オフセット：０ｘ０
］，［
チャンク＿ｉｄ＿番号：１
チェックサム：８７ａｄ５ｅｆ６９６５ｄｃ２３６５８８ｂ６９７ａ８５００２ｂ０ｂ３６５ｄ６ｅ９７８ａｃｃ０２１４ａ２５４ａｂｂ００ａ３ｄｆ３６４５ａ８７ｅ
タイプ：通常中間チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［１２４５５８２１２２］
予想＿利用可能＿時間：５
予想＿頻度＿利用可能性：
メモリ＿ローディング＿オフセット：０ｘ４Ｃ４Ｂ４０
］，［
チャンク＿ｉｄ＿番号：２
チェックサム：５３ａｄ３６５９ｆｆ５５ｂｂ０２４５８ｃｆｃ３６９７８ａｅｄ００１ｃ２ｆ２３５ａ５ａ５ｄ６９５８ａｅｆｃ０２ｂｂ３５２４ｄｃ０ｂｂ３６５ｄ４
タイプ：通常中間チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［１２４５５８２１２２］
予想＿利用可能＿時間：６
予想＿頻度＿利用可能性：０
メモリ＿ローディング＿オフセット：０ｘＥ４Ｅ１Ｃ０
］，［
チャンク＿ｉｄ＿番号：３
チェックサム：ａｄ３６９２６５ｃｂｂ３５２０１ａａｄ５２４８ｃｂｂ２５９５８ａｅｆｆ３２６ｅ０１２ａ３６ｃｆｂ０２４５ａｅｄｂ３６ａｄｃ０２１５ｄｂ０ｂ
タイプ：最終チャンク
ユニキャストＩＰアドレスリスト：［］
マルチキャストＩＰアドレスリスト：［］
Ｄ２Ｄ探索＿グループ＿識別子リスト：［１２４５５８２１２２］
予想＿利用可能＿時間：５
予想＿頻度＿利用可能性：０
メモリ＿ローディング＿オフセット：０ｘ１Ｃ９Ｃ３８０
］
］／^＊チャンクリストの終了^＊／
］／^＊第２のモデル記述の終了^＊／
］／^＊モデルリストの終了^＊／
注：マニフェストファイルは、マニフェストが更新であるとき、例えば、モデルの改善又は新しいサーバアドレスがあるときに必要とされる。

【0108】

本出願において、様々な数値が使用されている。具体的な値は、例示目的のために提供され、記載の態様は、これらの具体的な値に限定されない。

【0109】

特徴及び要素は、特定の組み合わせにおいて上で説明されているが、当業者は、各特徴又は要素が単独で又は他の特徴及び要素との任意の組み合わせで使用され得ることを理解されよう。加えて、本明細書に説明される方法は、コンピュータ又はプロセッサによる実行のためにコンピュータ可読媒体に組み込まれたコンピュータプログラム、ソフトウェア又はファームウェアに実装され得る。非一時的なコンピュータ可読記憶媒体の例としては、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、レジスタ、キャッシュメモリ、半導体メモリデバイス、内部ハードディスク及びリムーバブルディスクなどの磁気媒体、磁気光学媒体及びＣＤ－ＲＯＭディスク及びデジタル多用途ディスク（ＤＶＤ）などの光学媒体が挙げられるが、これらに限定されない。ソフトウェアと関連付けられたプロセッサを使用して、ＵＥ、ＷＴＲＵ、端末、基地局、ＲＮＣ又は任意のホストコンピュータにおいて使用するためのビデオエンコーダ、ビデオデコーダ、又はその両方、無線周波数トランシーバを実装し得る。

【0110】

更に、上記の実施形態では、処理プラットフォーム、コンピューティングシステム、コントローラ、及びプロセッサを含む他のデバイスが記載されている。これらのデバイスは、少なくとも１つの中央処理装置（「ＣＰＵ」）及びメモリを含み得る。コンピュータプログラミングの技術分野における当業者の慣例によれば、動作、及び演算又は命令の記号表現の言及は、様々なＣＰＵ及びメモリによって実施され得る。そのような動作及び演算又は命令は、「実行」、「コンピュータ実行」、又は「ＣＰＵ実行」されることと呼ばれ得る。

【0111】

当該技術分野における通常の技術を有する者には、動作及び記号的に表現された演算又は命令が、ＣＰＵによる電気信号の操作を含むことが理解されるであろう。電気システムは、電気信号の結果的な変換又は減少を引き起こすことができるデータビットを表し、メモリシステムのメモリ位置にデータビットを維持し、それによってＣＰＵの動作及び他の信号の処理を再構成又は別の方法で変更する。データビットが維持されるメモリ位置は、データビットに対応する、又はデータビットを表す特定の電気的特性、磁気的特性、又は光学的特性を有する物理的位置である。例示的な実施形態は、上述したプラットフォーム又はＣＰＵに限定されず、他のプラットフォーム及びＣＰＵが、提供される方法をサポートし得ることを理解されたい。

【0112】

データビットはまた、磁気ディスク、光学ディスク、及び任意の他の揮発性（例えば、ランダムアクセスメモリ（「ＲＡＭ」））又はＣＰＵによって読み取り可能な不揮発性（例えば、読み取り専用メモリ（「ＲＯＭ」））大容量記憶システムを含む、コンピュータ可読媒体上に維持され得る。コンピュータ可読媒体は、処理システム上に排他的に存在するか、又は処理システムに対してローカル又はリモートであり得る複数の相互接続された処理システム間で分散された、協調的又は相互接続されたコンピュータ可読媒体を含んでもよい。代表的な実施形態は、上述のメモリに限定されず、他のプラットフォーム及びメモリが、記載された方法をサポートし得るということが理解される。

【0113】

例示的な実施形態において、本明細書に記載されている動作、プロセスなどのいずれも、コンピュータ可読媒体に格納されたコンピュータ可読命令として実装されてもよい。コンピュータ可読命令は、移動体、ネットワーク要素、及び／又は任意の他のコンピューティングデバイスのプロセッサによって実行され得る。

【0114】

ハードウェア又はソフトウェアの使用は、一般に（常にではないが、特定の状況では、ハードウェアとソフトウェアとの間の選択が大きな意味を持ち得る）、コスト対効率のトレードオフを意味する設計上の選択事項である。本明細書に記載されているプロセス及び／又はシステム及び／又は他の技術が効果的であり得る様々なビークル（例えばハードウェア、ソフトウェア、及び／又はファームウェア）が存在し得、好ましいビークルは、プロセス及び／又はシステム及び／又は他の技術が配備される状況によって変化し得る。例えば、実装者が、速度及び正確性が最重要であると判定した場合、実装者は、主にハードウェア及び／又はファームウェアのビークルを選択することができる。柔軟性が最重要である場合、実装者は、主にソフトウェア実装を選択することができる。代替的に、実装者は、ハードウェア、ソフトウェア、及び／又はファームウェアの何らかの組み合わせを選択してもよい。

【0115】

前述の詳細な説明では、ブロック図、フローチャート、及び／又は例の使用を通じて、デバイス及び／又はプロセスの様々な実施形態を示した。そのようなブロック図、フローチャート、及び／又は例が１つ以上の機能及び／又は動作を含む限り、そのようなブロック図、フローチャート、又は例の中の各機能及び／又は各動作は、広範なハードウェア、ソフトウェア、ファームウェア、又はそれらの実質的に任意の組み合わせによって、個別にかつ／又は集合的に実装されてよいことが当業者には理解されるであろう。好適なプロセッサとしては、例として、ＧＰＵ（グラフィックスプロセッシングユニット）、汎用プロセッサ、専用プロセッサ、従来型プロセッサ、デジタル信号プロセッサ（ＤＳＰ）、複数のマイクロプロセッサ、ＤＳＰコアと関連する１つ以上のマイクロプロセッサ、コントローラ、マイクロコントローラ、特定用途向け集積回路（ＡＳＩＣ）、アプリケーション特定用途向け標準製品（ＡＳＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）回路、任意のその他のタイプの集積回路ＩＣ）、及び／又は状態機械が挙げられる。

【0116】

上記では特徴及び要素が特定の組み合わせにおいて提供されているが、当該技術分野の通常の技術を有する者には、各特徴若しくは各要素を単独で使用する、又は他の特徴及び要素との任意の組み合わせにおいて使用できることが理解されるであろう。本開示は、本出願に記載されている特定の実施形態の観点において限定されるものではなく、これらの実施形態は、様々な態様の例示として意図されるものである。当業者には明らかなように、本発明の趣旨及び範囲から逸脱することなく、多くの修正及び変形を行うことができる。本出願の説明において使用されているいかなる要素、動作、又は指示も、そのように明示的に提示されていない限り、本発明にとって重要又は本質的であると解釈されるべきではない。本明細書に列挙したものに加えて、本開示の範囲内の機能的に等価な方法及び装置が、上述した説明から、当業者には明らかであろう。そのような修正及び変形は、添付の請求項の範囲に入ることが意図されている。本開示は、添付の請求項の条項によってのみ限定されるものであり、かかる請求項が権利を有する均等物の完全な範囲とともに、限定されるものである。本開示は、特定の方法又はシステムに限定されないことを理解されたい。

【0117】

本明細書で使用される用語は、特定の実施形態のみを説明する目的のためであり、限定することを意図するものではないということも理解されたい。

【0118】

特定の代表的な実施形態では、本明細書に記載の主題のいくつかの部分は、特定用途用集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、及び／又は他の統合フォーマットを介して実装され得る。しかしながら、本明細書に開示されている実施形態のいくつかの態様は、その全体又は一部が、１つ以上のコンピュータ上で動作する１つのコンピュータプログラムとして（例えば１つ以上のコンピュータシステム上で動作する１つ以上のプログラムとして）、１つ以上のプロセッサ上で動作する１つ以上のプログラムとして（例えば１つ以上のマイクロプロセッサ上で動作する１つ以上のプログラムとして）、ファームウェアとして、又はこれらの実質的に任意の組み合わせとして、集積回路において等価的に実施され得ること、並びに、回路を設計すること、及び／又は、ソフトウェア及び／若しくはファームウェアのコードを書くことが、この開示に照らして当業者の技術の範囲内であることが、当業者には認識されるであろう。加えて、本明細書に記載されている主題のメカニズムが、様々な形態のプログラム製品として配布され得ること、及び、本明細書に記載されている主題の例示的な実施形態が、配布を実際に行うために使用される特定のタイプの信号担持媒体にかかわらず適用されることが、当業者には理解されるであろう。信号担持媒体の例としては、フロッピーディスク、ハードディスクドライブ、ＣＤ、ＤＶＤ、デジタルテープ、コンピュータメモリなどの記録可能型媒体、並びに、デジタル及び／又はアナログ通信媒体（例えば光ファイバケーブル、導波管、有線通信リンク、無線通信リンクなど）などの送信型媒体が挙げられ、ただしこれらに限定されない。

【0119】

本明細書に記載されている主題は、場合によっては、異なる他の構成要素内に含まれるか、又は、異なる他の構成要素に接続されている、異なる構成要素を示していることがある。そのような図示されたアーキテクチャは単なる例であり、実際には、同じ機能を達成する他の多くのアーキテクチャが実装され得ることを理解されたい。概念的には、同じ機能を達成するための構成要素の任意の配置は、所望の機能が達成され得るように、効果的に「関連付けられる」。したがって、特定の機能を達成するために本明細書において組み合わされた、任意の２つの構成要素は、アーキテクチャ又は中間構成要素に関係なく、所望の機能が達成されるように、互いに「関連付けられた」として見ることができる。同様に、そのように関連付けられた任意の２つの構成要素は、所望の機能を達成するために互いに「動作可能に接続されている」、又は「動作可能に結合されている」とみなすこともでき、そのように関連付けることができる任意の２つの構成要素は、所望の機能を達成するために互いに「動作可能に結合可能」であるとみなすこともできる。動作可能に結合可能の具体例としては、物理的に嵌合可能かつ／若しくは物理的に相互作用する構成要素、及び／又は、無線で相互作用可能かつ／若しくは無線で相互作用する構成要素、及び／又は、論理的に相互作用するかつ／若しくは論理的に相互作用可能な構成要素が挙げられ、ただしこれらに限定されない。

【0120】

本明細書における実質的に任意の複数形及び／又は単数形の用語の使用に関して、当業者は、文脈及び／又は用途に適切であるように、複数形から単数形に、かつ／又は単数形から複数形に変換することができる。本明細書では、明瞭にする目的で、様々な単数形／複数形の並べ換えが明示的に記載され得る。

【0121】

一般に、本明細書、特に添付の請求項（例えば添付の請求項の本体）において使用されている用語は、一般に「非限定」用語として意図されることが当業者には理解されるであろう（例えば、「含んでいる」という用語は、「含んでいるがそれらに限定されない」と解釈するべきであり、「有する」という用語は、「を少なくとも有する」と解釈するべきであり、「含む」という用語は、「含むがそれらに限定されない」と解釈するべきである）。更に、導入された請求項の特定の数の記載が意図される場合、そのような意図は請求項に明示的に記載されており、そのような記載がない場合、そのような意図は存在しないことが、当業者には理解されるであろう。例えば、１つの項目のみが意図される場合、「単一」という用語又は類似する言葉が使用され得る。理解を助けるために、以下の添付の請求項及び／又は本明細書の説明は、請求項の記載を導入するために「少なくとも１つの」及び「１つ以上の」という導入句の使用を含み得る。しかしながら、このような句の使用は、不定冠詞「ａ」又は「ａｎ」による請求項の記載の導入が、そのような導入された請求項の記載を含む任意の特定の請求項を、１つのそのような記載のみを含む実施形態に制限することを意味するものと解釈すべきではなく、たとえ同じ請求項に、導入句「１つ以上の」又は「少なくとも１つの」及び「ａ」又は「ａｎ」などの不定冠詞が含まれていても同様である（例えば「ａ」及び／又は「ａｎ」は「少なくとも１つの」又は「１つ以上」を意味するものと解釈すべきである）。請求項の記載を導入するために使用される定冠詞の使用も同様である。加えて、導入された請求項の特定の数の記載が明示的に記載されている場合でも、かかる記載は少なくとも記載された数を意味するものと解釈されるべきであることが、当業者には認識されるであろう（例えば、他の修飾語なしの「２つの記載」という単純な記載は、少なくとも２つの記載、又は２つ以上の記載を意味する）。更に、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」に類似する表記が使用される場合、一般に、そのような構造は、当業者がその表記を理解するであろう意味として意図される（例えば、「Ａ、Ｂ、及びＣのうちの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、Ａ及びＢを一緒に、Ａ及びＣを一緒に、Ｂ及びＣを一緒に、並びに／又は、Ａ、Ｂ、及びＣを一緒に、有するシステムを含み、ただしこれらに限定されない）。「Ａ、Ｂ、又はＣのうちの少なくとも１つ」に類似する表記が使用される場合、一般に、そのような構造は、当業者がその表記を理解するであろう意味として意図される（例えば、「Ａ、Ｂ、又はＣのうちの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、Ａ及びＢを一緒に、Ａ及びＣを一緒に、Ｂ及びＣを一緒に、並びに／又は、Ａ、Ｂ、及びＣを一緒に、有するシステムを含み、ただしこれらに限定されない）。明細書、特許請求の範囲、又は図面のいずれにおいても、２つ以上の代替的な用語を提示する実質的に任意の離接的な語及び／又は句は、用語の一方、用語のいずれか、又は両方の用語を含む可能性を企図するものと理解されるべきであることが、当業者には更に理解されるであろう。例えば、「Ａ又はＢ」という句は、「Ａ」若しくは「Ｂ」又は「Ａ及びＢ」の可能性を含むものと理解されたい。更に、本明細書で使用される、複数の項目のリスト及び／又は複数の項目のカテゴリのリストが後ろに続く「～のいずれか」という用語は、項目及び／又は項目のカテゴリの、「のいずれか」、「の任意の組み合わせ」、「の任意の複数」、及び／又は「の任意の複数の組み合わせ」を、個別に、又は他の項目及び／又は他の項目のカテゴリとの組み合わせにおいて、含むことを意図している。更に、本明細書で使用される場合、「セット／組」又は「グループ／群」という用語は、ゼロを含む任意の数の項目を含むことが意図される。追加的に、本明細書で使用される、「数」という用語は、ゼロを含む任意の数を含むことを意図している。

【0122】

加えて、本開示の特徴又は態様がＭａｒｋｕｓｈ群の観点から説明されている場合、当業者には、本開示がそれによってＭａｒｋｕｓｈ群の任意の個々のメンバー又はメンバーのサブグループの観点からも説明されることが認識されるであろう。

【0123】

当業者には理解されるように、書面による説明を提供するという観点など、あらゆる目的のために、本明細書に開示される全ての範囲は、その任意の可能な部分範囲及び部分範囲の組み合わせも包含している。任意の列挙された範囲は、同じ範囲が、少なくとも等しい２分の１、３分の１、４分の１、５分の１、１０分の１などに分解されることを十分に説明して可能にするものとして、容易に認識することができる。非限定的な例として、本明細書に記載されている各範囲は、下位３分の１、中央の３分の１、及び上位３分の１などに容易に分解され得る。また、当業者には理解されるように、「まで」、「少なくとも」、「より大きい」、「より小さい」等の全ての言葉は、言及された数を含み、かつ、上述したように更に部分範囲に分解され得る範囲を意味する。最後に、当業者には理解されるように、範囲は個々の各要素を含む。したがって、例えば、１～３個のセルを有するグループは、１個、２個、又は３個のセルを有するグループを指す。同様に、１～５個のセルを有するグループは、１個、２個、３個、４個、又は５個のセルを有するグループを指し、以下同様である。

【0124】

更に、請求項は、特にそのように記載されない限り、提供された順序又は提供された要素に限定されるものとして読まれるべきではない。加えて、いかなる請求項においても、「ための手段」という用語の使用は、米国特許法第１１２条、第６項、又はミーンズプラスファンクションの請求項形式に訴えることを意図しており、「ための手段」という用語を有さないいかなる請求項もそのようには意図されていない。

【0125】

システムは、マイクロプロセッサ／汎用コンピュータ（図示せず）上のソフトウェアで実装され得ることが企図される。特定の実施形態では、様々な構成要素の機能のうちの１つ以上は、汎用コンピュータを制御するソフトウェアに実装され得る。

【0126】

加えて、本発明は、特定の実施形態を参照して本明細書に例示及び説明されるが、本発明は、示された詳細に限定されることを意図していない。むしろ、特許請求の範囲及びその等価物の範囲内において、しかも本発明から逸脱することなく、詳細に様々な修正を行うことができる。

【図1A】

【図1B】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図9A】

【図9B】

【図9C】

【図10】

【図11】

【手続補正書】

【提出日】2023-12-12

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

無線送信／受信ユニット（ＷＴＲＵ）によって実行される方法であって、
ＡＩ／ＭＬモデルをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を受信することであって、前記情報は更に、ＡＩ／ＭＬモデル情報を含み、前記複数のネットワーク通信経路の各々について通信モード及び予想ダウンロード時間のうちの少なくとも１つを示す、ことと、
前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルのための複数のＡＩ／ＭＬモデルチャンクを決定することと、
前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルの前記複数のＡＩ／ＭＬモデルチャンクのそれぞれのモデルチャンクをダウンロードするために、前記複数の通信ネットワーク経路から１つのネットワーク通信経路を決定することと、
前記ＡＩ／ＭＬモデルの前記それぞれのモデルチャンクをダウンロードするために、前記１つのネットワーク通信経路との通信を確立することと、
前記ＡＩ／ＭＬモデルの前記それぞれのモデルチャンクに基づいて、前記ＡＩ／ＭＬモデルの少なくともサブセットを構築することと、
前記ＡＩ／ＭＬモデルの前記少なくともサブセットに対して推論を実行することと、を含む、方法。

【請求項2】

サーバによって実行される方法であって、
無線送信／受信ユニット（ＷＴＲＵ）からモデルサブスクリプション情報を受信することと、
前記モデルサブスクリプション情報に基づいてイベントのためのＡＩ／ＭＬモデルを選択することであって、前記ＡＩ／ＭＬモデルは複数のモデルチャンクを含む、ことと、
前記モデルサブスクリプション情報に基づいて、前記ＡＩ／ＭＬモデルの前記複数のモデルチャンクのそれぞれのモデルチャンクをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を生成することであって、前記情報は更に、ＡＩ／ＭＬモデル情報を含み、前記複数のネットワーク通信経路の各々について通信モード及び予想ダウンロード時間のうちの少なくとも１つを示す、ことと、
前記生成された情報を前記ＷＴＲＵに送信することと、を含む、方法。

【請求項3】

前記ＡＩ／ＭＬモデル情報が、モデルチャンクについて、チャンクタイプ、チャンク番号、チャンクサイズ、チェックサム、推論時間、予想利用可能時間、予想推論時間、予想ダウンロード頻度利用可能性、メモリフットプリント、前記ＡＩ／ＭＬモデルを記憶するメモリ内での前記モデルチャンクの位置を示すために使用されるメモリローディングオフセットのうちの少なくとも１つを含む、請求項２に記載の方法。

【請求項4】

ネットワーク通信経路についての前記情報が、少なくともネットワークリンクタイプ及びネットワークアドレスを更に示す、請求項２に記載の方法。

【請求項5】

前記通信モードが、ユニキャスト、マルチキャスト、マルチキャストカルーセルモードのうちの少なくとも１つを含む、請求項１に記載の方法。

【請求項6】

前記ＡＩ／ＭＬモデル情報が、モデル識別子、モデルサイズ、前記ＡＩ／ＭＬモデルのチャンク数、モデル使用タイプ、モデル使用タイプ拡張、及び適用時間のうちの少なくとも１つを含む、請求項１に記載の方法。

【請求項7】

前記モデル使用タイプが、フルモデルタイプ及び増分モデルタイプのうちの少なくとも１つを含む、請求項６に記載の方法。

【請求項8】

前記モデル使用タイプ拡張が、通常タイプ、特殊化タイプ、及び適応タイプのうちの少なくとも１つを含む、請求項６に記載の方法。

【請求項9】

前記ＡＩ／ＭＬモデル情報が、モデルチャンクについて、チャンクタイプ、チャンク番号、チャンクサイズ、チェックサム、推論時間、予想利用可能時間、予想推論時間、予想ダウンロード頻度利用可能性、メモリフットプリント、前記ＡＩ／ＭＬモデルを記憶するメモリ内での前記モデルチャンクの位置を示すために使用されるメモリローディングオフセットのうちの少なくとも１つを含む、請求項１に記載の方法。

【請求項10】

ネットワーク通信経路についての前記情報が、少なくともネットワークリンクタイプ及びネットワークアドレスを更に示す、請求項１に記載の方法。

【請求項11】

無線送信／受信ユニット（ＷＴＲＵ）であって、
ＡＩ／ＭＬモデルをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報を受信するように構成された受信機であって、前記情報は更に、ＡＩ／ＭＬモデル情報を含み、前記複数のネットワーク通信経路の各々について通信モード及び予想ダウンロード時間のうちの少なくとも１つを示す、受信機と、
１つ以上のプロセッサであって、
前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルのための複数のＡＩ／ＭＬモデルチャンクを決定し、
前記受信された情報に基づいて、前記ＡＩ／ＭＬモデルの前記複数のＡＩ／ＭＬモデルチャンクのそれぞれのモデルチャンクをダウンロードするために、前記複数の通信ネットワーク経路から１つのネットワーク通信経路を決定し、
前記ＡＩ／ＭＬモデルの前記それぞれのモデルチャンクをダウンロードするために、前記１つのネットワーク通信経路との通信を確立し、
前記ＡＩ／ＭＬモデルの前記それぞれのモデルチャンクに基づいて、前記ＡＩ／ＭＬモデルの少なくともサブセットを構築し、
前記ＡＩ／ＭＬモデルの前記少なくともサブセットに対して推論を実行する、ように構成されている、１つ以上のプロセッサと、を含む、ＷＴＲＵ。

【請求項12】

前記通信モードが、ユニキャスト、マルチキャスト、マルチキャストカルーセルモードのうちの少なくとも１つを含む、請求項１１に記載のＷＴＲＵ。

【請求項13】

前記ＡＩ／ＭＬモデル情報が、モデル識別子、モデルサイズ、前記ＡＩ／ＭＬモデルのチャンク数、モデル使用タイプ、モデル使用タイプ拡張、及び適用時間のうちの少なくとも１つを含む、請求項１１に記載のＷＴＲＵ。

【請求項14】

前記モデル使用タイプが、フルモデルタイプ及び増分モデルタイプのうちの少なくとも１つを含む、請求項１３に記載のＷＴＲＵ。

【請求項15】

前記モデル使用タイプ拡張が、通常タイプ、特殊化タイプ、及び適応タイプのうちの少なくとも１つを含む、請求項１３に記載のＷＴＲＵ。

【請求項16】

前記ＡＩ／ＭＬモデル情報が、モデルチャンクについて、チャンクタイプ、チャンク番号、チャンクサイズ、チェックサム、推論時間、予想利用可能時間、予想推論時間、予想ダウンロード頻度利用可能性、メモリフットプリント、前記ＡＩ／ＭＬモデルを記憶するメモリ内での前記モデルチャンクの位置を示すために使用されるメモリローディングオフセットのうちの少なくとも１つを含む、請求項１１に記載のＷＴＲＵ。

【請求項17】

ネットワーク通信経路についての前記情報が、少なくともネットワークリンクタイプ及びネットワークアドレスを更に示す、請求項１１に記載のＷＴＲＵ。

【請求項18】

無線送信／受信ユニット（ＷＴＲＵ）からモデルサブスクリプション情報を受信するように構成された受信機と、
１つ以上のプロセッサであって、
前記モデルサブスクリプション情報に基づいてイベントのためのＡＩ／ＭＬモデルであって、前記ＡＩ／ＭＬモデルは複数のモデルチャンクを含む、ＡＩ／ＭＬモデルを選択し、
前記モデルサブスクリプション情報に基づいて、前記ＡＩ／ＭＬモデルの前記複数のモデルチャンクのそれぞれのモデルチャンクをダウンロードするために利用可能な複数のネットワーク通信経路を示す情報であって、前記情報は更に、ＡＩ／ＭＬモデル情報を含み、前記複数のネットワーク通信経路の各々について通信モード及び予想ダウンロード時間のうちの少なくとも１つを示す、情報を生成する、ように構成されている、１つ以上のプロセッサと、
前記生成された情報を前記ＷＴＲＵに送信するように構成された送信機と、を含む、サーバ。

【請求項19】

前記ＡＩ／ＭＬモデル情報が、モデルチャンクについて、チャンクタイプ、チャンク番号、チャンクサイズ、チェックサム、推論時間、予想利用可能時間、予想推論時間、予想ダウンロード頻度利用可能性、メモリフットプリント、前記ＡＩ／ＭＬモデルを記憶するメモリ内での前記モデルチャンクの位置を示すために使用されるメモリローディングオフセットのうちの少なくとも１つを含む、請求項１８に記載のサーバ。

【請求項20】

ネットワーク通信経路についての前記情報が、少なくともネットワークリンクタイプ及びネットワークアドレスを更に示す、請求項１８に記載のサーバ。

【国際調査報告】