kth.sePublikationer KTH
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
AI-Assisted Improved Service Provisioning for Low-Latency XR over 5G NR
Indian Institute of Technology Kharagpur, G. S. Sanyal School of Telecommunications, Kharagpur, India.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Teknisk informationsvetenskap.ORCID-id: 0000-0002-2246-9905
Indian Institute of Technology Kharagpur, G. S. Sanyal School of Telecommunications, Kharagpur, India.
Indian Institute of Technology Kharagpur, G. S. Sanyal School of Telecommunications, Kharagpur, India.
2024 (Engelska)Ingår i: IEEE Networking Letters, E-ISSN 2576-3156, Vol. 6, nr 1, s. 31-35Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Extended Reality (XR) is one of the most important 5G/6G media applications that will fundamentally transform human interactions. However, ensuring low latency, high data rate, and reliability to support XR services poses significant challenges. This letter presents a novel AI-assisted service provisioning scheme that leverages predicted frames for processing rather than relying solely on actual frames. This method virtually increases the network delay budget and consequently improves service provisioning, albeit at the expense of minor prediction errors. The proposed scheme is validated by extensive simulations demonstrating a multi-fold increase in supported XR users and also provides crucial network design insights.

Ort, förlag, år, upplaga, sidor
Institute of Electrical and Electronics Engineers Inc. , 2024. Vol. 6, nr 1, s. 31-35
Nyckelord [en]
5G NR, AI, AR, Extended reality (XR), VR
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:kth:diva-356974DOI: 10.1109/LNET.2023.3316390Scopus ID: 2-s2.0-85209468819OAI: oai:DiVA.org:kth-356974DiVA, id: diva2:1916681
Anmärkning

QC 20241129

Tillgänglig från: 2024-11-28 Skapad: 2024-11-28 Senast uppdaterad: 2026-04-20Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Roy, Dibbendu

Sök vidare i DiVA

Av författaren/redaktören
Roy, Dibbendu
Av organisationen
Teknisk informationsvetenskap
I samma tidskrift
IEEE Networking Letters
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 66 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf