6G in-X subnetværk er kortdistances laveffektsceller, der er designet til at imødekomme ekstreme krav til kommunikation i form af datahastighed, forsinkelse og pålidelighed. Dog udgør interferens en betydelig begrænsende faktor for ekstrem kommunikation i tætte udrulninger af in-X subnetværk. Nylige studier har foreslået løsninger til styring af interferens baseret på ”multi-agent reinforcement learning”, hvor problemet med radioressourceoptimering modelleres som en ”multi-Markov decision process”. Studierne har været baseret på enten centraliseret eller distribueret træning. Mens centraliseret træning drager fordel af erfaringerne fra alle delnetværkene under træningen, kan det medføre kompromittering af privatliv og sikkerhed, da det kræver deling af målinger mellem delnetværkene og en centraliseret agent. Derimod er agenter i distribueret træning udelukkende afhængige af lokale målinger af miljøet for at træffe beslutninger, hvilket ofte fører til konvergensproblemer. For at overvinde disse udfordringer foreslås en klient-til-server ”horizontal federated reinforcement learning” model, hvor viden deles implicit gennem lokalt trænede modelvægte. Simulationer i et industrielt miljø ved hjælp af 3GPP-udbredelsesmodeller har vist lovende resultater med hensyn til hurtig konvergens, marginale præstationsforbedringer og robusthed over for ikke-stationære miljøer.