동적 자원 할당 프레임워크 DRASTIC 6G 네트워크 슬라이싱 기반 촉각 인터넷 작업 인식

초록

본 논문은 6G 환경에서 eMBB와 HRLLC 서비스를 동시에 지원하는 네트워크 슬라이스를 대상으로, 마코프 변조 포아송 트래픽과 로봇 작업 난이도(덱스터리티) 지수를 고려한 동적 PRB 할당 방식을 제안한다. Lyapunov 기반 드리프트‑플러스‑패널티와 Advantage Actor‑Critic(A2C) 강화학습을 결합해 큐 안정성과 확률적 지연 제약을 동시에 만족하도록 설계했으며, O‑RAN xApp 형태로 구현 가능함을 보인다. 시뮬레이션 결과는 제안 방식이 기존 라운드‑로빈·프로포셔널‑페어와 비교해 HRLLC 지연 신뢰성을 크게 향상시키고, 전체 스루풋을 유지함을 입증한다.

상세 분석

DRASTIC은 6G 무선망에서 eMBB와 HRLLC 두 종류의 슬라이스가 공존할 때 발생하는 자원 경쟁 문제를 근본적으로 재구성한다. 먼저 HRLLC 트래픽을 단순 포아송이 아닌 두 상태 마코프 변조 포아송 프로세스(MMPP)로 모델링함으로써 인간‑로봇 상호작용에서 나타나는 버스트성 및 비정규성을 정량화한다. 특히 로봇의 작업 난이도를 나타내는 dexterity index(DXI)가 실시간으로 도착률 λi(t) = λS_i(t) − β·DXI_i에 영향을 주어, 어려운 작업일수록 명령 전송 빈도가 감소하도록 설계한다. 이는 전통적인 외부 트래픽 가정과 달리 통신‑제어 루프가 서로 피드백하는 폐쇄‑루프 특성을 정확히 반영한다.

큐 동역학은 HRLLC와 eMBB 각각에 대해 별도 수식(F_i, G_i)으로 정의되며, 서비스율 r_i(t)는 PRB 할당 ρ_ij(t)와 레일리 페이딩 h_ij(t)를 이용한 Shannon 용량식으로 계산된다. 이러한 복합 시스템에서 목표는 장기 평균 데이터율을 최대화하면서, HRLLC 사용자의 지연 초과 확률 Pr(D_i > D_max) ≤ 1−χ_h 를 만족시키는 것이다. 직접적인 꼬리 확률 최적화는 계산 복잡도가 높아지므로, 지연 제약을 지수형 surrogate y_i(t)=exp