무인 항공기(UAV)의 차세대 무선 시스템에 대한 빠른 통합은 지속적인 연결을 보장하기 위해 원활하고 신뢰할 수 있는 핸드오버(HO) 메커니즘을 요구합니다. 그러나 잦은 토폴로지 변화, 높은 이동성 및 동적 채널 변동으로 인해 전통적인 HO 방식은 UAV 지원 6G 네트워크에 적합하지 않습니다. 본 논문은 기존 HO 최적화 연구에 대한 포괄적인 리뷰를 제시하며, 지능형 이동성 관리를 가능하게 하는 인공지능(AI) 및 머신러닝(ML) 접근 방식을 강조합니다. 조사된 작품들은 비-UAV HO, 공중 기지국 역할을 하는 UAV, 사용자 장비로 작동하는 UAV의 세 가지 주요 시나리오로 분류되며, 각각 전통적인 규칙 기반 및 AI/ML 기반 패러다임 아래에서 검토됩니다. 비교 통찰은 전통적인 방법이 정적인 환경이나 낮은 이동 환경에서는 여전히 효과적이지만, AI 및 ML 기반 접근 방식이 적응성, 예측 정확도 및 전체 네트워크 내구성을 크게 향상시킨다는 것을 보여줍니다. 심층 강화 학습 및 연합 학습(FL)과 같은 새로운 기술은 미래 6G 생태계에서 능동적이고 확장 가능하며 에너지 효율적인 HO 결정을 위한 강력한 잠재력을 보여줍니다. 본 논문은 주요 개방 문제를 요약하고, 탄력적인 UAV 지원 HO 관리를 위한 하이브리드, 분산 및 맥락 인식 학습 프레임워크로의 미래 방향을 제시합니다.
Zaid 외 (Mon,)는 이 질문을 연구했습니다.