TL;DR本文描述了如何利用深度强化学习框架进行物理层和 MAC 层的不同参数之间的关系学习，以优化协议设计任务。
Abstract
Evolving amendments of 802.11 standards feature a large set of physical and
mac layer control parameters to support the increasing communication objectives
spanning application requirements and network dynamics.
本文对数据驱动介质访问控制（MAC）协议进行了新颖的分类，分为三个级别：第一级 MAC，使用多智能体深度强化学习（MADRL）构建的面向任务的神经协议；第二级 MAC，通过将第一级 MAC 的输出转化为明确符号来开发神经网络导向的符号协议；第三级 MAC，利用大型语言模型（LLMs）和生成模型的语言导向的语义协议。通过这种分类，我们旨在探究每个级别的机遇和挑战，并从信息论和相关原理以及选定的案例研究中提供对数据驱动 MAC 协议的轨迹的见解，同时为未来的研究方向提供启示。