본 논문은 6G 무선 접속 네트워크(RAN)에서 최적의 기지국(BS) 배치를 위한 강화 학습(RL) 기반 프레임워크인 AutoBS를 소개합니다. AutoBS는 근접 정책 최적화(PPO) 알고리즘과 디지털 네트워크 트윈(DNT)을 위한 생성 모델인 PMNet으로부터 얻은 빠르고 현장 특정 경로 손실 예측을 활용합니다. AutoBS는 커버리지와 용량 간의 균형을 맞추는 배치 전략을 효율적으로 학습하여 단일 기지국 시나리오에서는 완전 탐색 용량의 약 95%(다중 기지국에서는 90%)를 달성하면서 추론 시간을 수 시간에서 밀리초로 단축하여 실시간 애플리케이션(예: 임시 배치)에 매우 적합합니다. 따라서 AutoBS는 대규모 6G 네트워크를 위한 확장 가능하고 자동화된 솔루션을 제공하며, 최소한의 계산 오버헤드로 동적 환경의 요구 사항을 충족합니다.
