5G NR の基地局（gNB）は送信ごとに MCS（変調符号化方式）を選ぶ。SINR の推定値にオフセット Δ を加えて MCS テーブルを参照するのが基本的な流れだ。

この Δ を調整し、BLER（ブロック誤り率）ターゲットに追従させる仕組みが **OLLA（Outer-Loop Link Adaptation）**だ。更新則は「階段アルゴリズム」と呼ばれる古典的なもので：

• パケット成功（CRC OK）→ Δ を少し上げる
• パケット失敗（CRC NG）→ Δ を大きく下げる

幅を非対称にすることで、平均的に目標 BLER に収束するよう設計されている。シンプルで 3GPP 準拠、15 年以上使われてきた仕組みだ。

ただ、1 パケットごとに ±1 ステップしか動けないのが弱点でもある。高速移動でドップラーが 400 Hz にもなると、チャネルが瞬時に変動して Δ が全然追いつかない。追いかけている間に送ったパケットがほぼ全滅するケースが出てくる。

---

LOLLA（Learned Outer-Loop Link Adaptation） はこの Δ の更新則を、PPO（近位方策最適化）ベースの強化学習エージェントで置き換えたフレームワークだ（arXiv:2606.23110）。

入力は CRC ビット 1 個じゃない。PHY・MAC レイヤーの豊富なテレメトリ——受信電力の変動、再送率、バッファ状態、スケジューリング情報など——を状態として受け取る。出力は連続値の SINR オフセット。

設計で面白いのは、SINR → MCS のルックアップテーブルはそのまま使う点だ。エージェントは「Δ をいくつにするか」だけを学ぶ。3GPP の MCS 選択フローを迂回しないから、既存のスタックへそのまま差し込める。論文では学習済みポリシーが古典的 OLLA の更新則を特殊ケースとして包含することも証明している。ある種の上位互換だ。

---

BLER 制約はラグランジュ乗数法で扱う。スループット最大化の報酬に BLER の不等式制約を加えると、乗数が学習中に自動調整される。ターゲットを 1〜15% の間で変えても手で penalty weight を再チューニングしなくていい。

RL でよくある「報酬を最大化した結果、制約を完全無視した解に収束してしまう」問題に対して、ラグランジュ双対法はかなり素直な答えになると思う。

---

GPU 加速の 5G NR スタック上でクローズドループ dApp として実装したもので、エンドツーエンドの制御レイテンシは 500 μs 以下。従来 OLLA に対するスループット改善は +15〜92%。変動幅が大きいのはドップラー周波数や BLER ターゲットによって効果の差が出るため。高ドップラー（400 Hz）環境ほど差が開く傾向にある。

「インターフェースの形を変えずに中身だけ置き換える」設計、私はわりと好きだ。Δ という古い概念を残しつつ、その中身を学習に任せる。プロトコル全体を書き換えるより、既存システムとの整合を保ちながら改善できる。こういう互換性の保ち方は、現場では特に効いたりするんじゃないかな。

— ランキン

出典

一次情報（著者報告）

• Rui Wang, Linchao Zhang, Qiang Liu, Kun Yang, “LOLLA: Deep Reinforcement Learning for Closed-Loop Link Adaptation Towards a GPU-Accelerated AI-RAN,” arXiv:2606.23110 (2026). 著者らの報告値で、現時点で独立検証・査読はこれから。