Editorial Ilmu Komputer & AI
Open AccessOA2026
AI/ML untuk Komunikasi D2D di Jaringan 5G/6G dan Sekitarnya: Konsep, Aplikasi, Tantangan, dan Arah Masa Depan
Survei terstruktur pendekatan kecerdasan artifisial dan pembelajaran mesin untuk komunikasi device-to-device, mencakup paradigma klasik, lanjutan, dan yang sedang berkembang menuju otonomi 6G.
Iacovos I. Ioannou; C. Christophorou; V. Vassiliou· IEEE Open Journal of the Communications Society· 2026· DOI 10.1109/OJCOMS.2026.3694216
Masalah inti
Komunikasi Device-to-Device (D2D) memungkinkan tautan langsung antar perangkat yang berdekatan, melewati base station untuk meningkatkan efisiensi spektral, efisiensi energi, kapasitas sistem, dan latensi ultra-rendah. Manfaat ini krusial bagi aplikasi yang sedang berkembang seperti Vehicle-to-Everything (V2X), Industrial IoT, dan extended reality. Namun, komunikasi D2D menghadapi tantangan teknis yang terus-menerus: penemuan perangkat, pemilihan mode, manajemen interferensi, kontrol daya, keamanan, alokasi sumber daya radio, densifikasi sel dan offloading, penyediaan kualitas layanan, integrasi millimeter-wave, dan handover yang mulus. Sifat dinamis dan kompleks dari tantangan-tantangan ini telah mendorong penelitian ekstensif ke dalam solusi Kecerdasan Artifisial (AI) dan Pembelajaran Mesin (ML). Survei ini menyediakan tinjauan terstruktur dan multidimensi atas pendekatan AI/ML untuk komunikasi D2D, mengorganisasi literatur ke dalam tiga generasi besar: teknik klasik (misalnya, Fuzzy Logic, Q-Learning, Neural Networks, GA/PSO/ACO), paradigma lanjutan (misalnya, DRL, GNN, FL, MARL), dan teknologi yang sedang berkembang (misalnya, LLM, Generative AI, Semantic Communication, RIS). A
Inovasi
Survei ini melaporkan rentang kinerja indikatif untuk teknik AI/ML di berbagai tantangan D2D, yang disintesiskan dari studi heterogen. Temuan utama meliputi:
- **Teknik klasik** (misalnya, Fuzzy Logic, Q-Learning) menawarkan kompleksitas rendah dan konvergensi cepat tetapi kesulitan dengan ruang keadaan berdimensi tinggi dan lingkungan dinamis.
- **Paradigma lanjutan** (misalnya, DRL, GNN, FL, MARL) menunjukkan kemampuan adaptasi dan skalabilitas yang lebih baik, dengan DRL mencapai keuntungan signifikan dalam alokasi sumber daya dan manajemen interferensi. Namun, mereka menimbulkan biaya komputasi yang lebih tinggi dan memerlukan pelatihan ekstensif.
- **Teknologi yang sedang berkembang** (misalnya, LLM, Generative AI, Semantic Communication, RIS) menunjukkan janji untuk kontrol D2D otonom yang sadar konteks, tetapi masih dalam tahap awal kematangan penelitian.
Analisis lintas sektor mengungkap trade-off: sementara teknik lanjutan dan yang sedang berkembang meningkatkan kinerja dan otonomi, mereka sering meningkatkan kompleksitas dan konsumsi energi. Tren konvergensi dan skalabilitas menunjukkan bahwa MARL dan FL lebih cocok untuk penyebaran terdistribusi dan padat, sedangkan DR
Komunikasi Device-to-Device (D2D) memungkinkan tautan langsung antar perangkat yang berdekatan, melewati base station untuk meningkatkan efisiensi spektral, efisiensi energi, kapasitas sistem, dan latensi ultra-rendah. Manfaat ini krusial bagi aplikasi yang sedang berkembang seperti Vehicle-to-Everything (V2X), Industrial IoT, dan extended reality. Namun, komunikasi D2D menghadapi tantangan teknis yang terus-menerus: penemuan perangkat, pemilihan mode, manajemen interferensi, kontrol daya, keamanan, alokasi sumber daya radio, densifikasi sel dan offloading, penyediaan kualitas layanan, integrasi millimeter-wave, dan handover yang mulus. Sifat dinamis dan kompleks dari tantangan-tantangan ini telah mendorong penelitian ekstensif ke dalam solusi Kecerdasan Artifisial (AI) dan Pembelajaran Mesin (ML). Survei ini menyediakan tinjauan terstruktur dan multidimensi atas pendekatan AI/ML untuk komunikasi D2D, mengorganisasi literatur ke dalam tiga generasi besar: teknik klasik (misalnya, Fuzzy Logic, Q-Learning, Neural Networks, GA/PSO/ACO), paradigma lanjutan (misalnya, DRL, GNN, FL, MARL), dan teknologi yang sedang berkembang (misalnya, LLM, Generative AI, Semantic Communication, RIS). Alih-alih mengatalogkan metode secara terpisah, survei ini menyintesiskan literatur melalui perspektif analitis lintas sektor termasuk cakupan tantangan, trade-off kinerja dan kompleksitas, tren konvergensi dan skalabilitas, kesiapan otonomi, dan kematangan penelitian di lebih dari 170 referensi, termasuk karya terbaru dari 2023 hingga 2025 yang relevan dengan sistem D2D berorientasi 6G. Angka kinerja dilaporkan sebagai rentang indikatif yang disintesiskan dari studi heterogen dan tidak digunakan untuk peringkat langsung antar makalah tanpa normalisasi terhadap kondisi eksperimental yang umum. Survei ini juga membahas kerangka DAI/BDIx sebagai salah satu jalur yang mungkin menuju kontrol D2D terdistribusi otonom dan mencatat bahwa validasi testbed ADROIT6G awal kini telah dilaporkan untuk blok kontrol yang mendukung BDIx dalam lingkungan beyond-5G stand-alone, sementara hasil D2D/6G cell-free berbasis klaster terbaru semakin memperluas basis empiris yang mendukung. Akhirnya, dua belas isu terbuka diidentifikasi dan peta jalan menuju sistem D2D yang cerdas, terdistribusi, dan sadar penyebaran di jaringan 6G diuraikan.
Survei ini mengadopsi metodologi tinjauan terstruktur dan multidimensi. Literatur diorganisasi ke dalam tiga generasi besar teknik AI/ML untuk komunikasi D2D:
Mengapa penting
Survei ini memberikan analisis kritis AI/ML untuk komunikasi D2D, menekankan bahwa tidak ada satu teknik pun yang menangani semua tantangan. Metode klasik tetap relevan untuk skenario kompleksitas rendah, sementara paradigma lanjutan menawarkan keseimbangan antara kinerja dan skalabilitas. Teknologi yang sedang berkembang menjanjikan otonomi penuh tetapi memerlukan pematangan lebih lanjut. Kerangka DAI/BDIx disajikan sebagai arsitektur yang layak untuk kontrol D2D terdistribusi otonom, mengintegrasikan agen belief-desire-intention (BDI) dengan AI terdistribusi. Validasi testbed ADROIT6G atas blok kontrol yang mendukung BDIx dalam lingkungan beyond-5G stand-alone menandai tonggak penting, menunjukkan kelayakan praktis. Namun, tantangan tetap ada: perbandingan kinerja antar studi terhambat oleh kondisi eksperimental yang heterogen, sehingga memerlukan normalisasi. Survei ini menguraikan peta jalan menuju sistem D2D yang cerdas, terdistribusi, dan sadar penyebaran di 6G, menyerukan tolok ukur terstandardisasi, algoritma hemat energi, dan mekanisme keamanan yang kuat. Arah masa depan termasuk mengintegrasikan semantic communication dan RIS dengan AI/ML untuk tautan D2D yang sadar konteks dan ultra-reliabel, serta memanfaatkan LLM untuk pengambilan keputusan zero-shot di lingkungan dinamis. Dua belas isu terbuka memberikan agenda penelitian bagi komunitas.
Siapa yang sebaiknya membaca
Praktisi dan peneliti ilmu komputer
Membuka konten member…