멀티유저 XR 서비스를 위한 상황인식 엣지클라우드 연속체 오케스트레이션

초록

본 논문은 5G·6G 기반의 엣지‑클라우드 연속체에서 멀티유저 XR 서비스를 효율적으로 제공하기 위해, 서비스‑네트워크‑컴퓨팅‑인프라 4계층을 파라미터화한 수학적 모델을 제시한다. 컨텍스트 인식을 통해 실시간 네트워크 상태·디바이스 능력·사용자 상호작용을 반영하고, 동적 자원 배치·마이그레이션을 최적화한다. 모델 검증을 통해 제안 방식의 실현 가능성과 성능 향상을 입증한다.

상세 분석

논문은 XR 서비스가 요구하는 초저지연·고대역폭을 만족시키기 위해 엣지와 클라우드 사이의 연속체를 어떻게 오케스트레이션할 것인가에 초점을 맞춘다. 먼저 기존 5G/6G 표준과 ISO/IEC 19941, ETSI GR ZSM 등 국제 표준을 검토하며, 현재 오케스트레이션 프레임워크가 멀티유저 환경의 복합적인 컨텍스트(네트워크 지연, 사용자 위치, 디바이스 사양, 상호작용 강도 등)를 충분히 반영하지 못한다는 문제점을 도출한다.

핵심 기여는 네 계층(사용자 장비, 엣지 노드, 포그/클라우드, 서비스 관리) 각각에 대한 파라미터 집합을 정의하고, 이를 수학적으로 공식화한 모델이다. 각 파라미터는 실시간 측정값과 예측값으로 구분되며, 라그랑주 승수법을 이용해 지연·에너지·비용 제약을 동시에 만족하는 최적 배치를 도출한다. 특히, 컨텍스트 인식 메커니즘은 (1) 네트워크 상태 변화 감지, (2) 사용자 수와 상호작용 패턴 분석, (3) 디바이스별 렌더링 요구량 추정 등 3단계 프로세스로 구성되어, 오케스트레이터가 서비스 인스턴스를 엣지와 클라우드 사이에서 무중단으로 마이그레이션하거나 복제할 수 있게 한다.

검증 부분에서는 시뮬레이션 환경을 구축해 기존 정적 오케스트레이션과 비교했을 때 평균 지연이 30 % 이상 감소하고, 에너지 소비가 22 % 절감되는 결과를 보였다. 또한, 사용자 수가 급증하는 상황에서도 서비스 품질(QoE) 저하를 최소화하는 동적 스케일링 능력을 확인하였다.

한계점으로는 실제 물리적 인프라에서의 구현 비용, 보안·프라이버시 관리, 그리고 AI 기반 예측 모델의 학습 데이터 부족 문제가 언급된다. 향후 연구에서는 멀티도메인 협업을 위한 표준 인터페이스 설계와, 실시간 컨텍스트 추론을 위한 경량화된 머신러닝 모델 개발이 필요하다고 제시한다.