Jun, 2021

感知极致：毫米波虚拟现实与深度强化学习相遇

PDF
TL;DR本文研究如何为无线移动用户提供超可靠、节能的虚拟现实（VR）体验，以配合协同多点传输技术和毫米波通信增强无线 VR 体验。此外，本文将无线 VR 体验增强问题制定为一个与序列相关的混合整数问题，并提出了一种基于深度强化学习 (DRL) 的优化算法来解决该问题。与各种基准算法相比，仿真结果表明，该算法比基准算法更节能（达到 4.14%）。
virtual realityultra-reliableenergy-efficientcomp transmissionmmwave communications
发现论文，激发创造
  • 面向用户的异构行为深度强化学习在无线网络下的元宇宙虚拟现实中的应用

    本文基于虚拟现实技术和 Metaverse 的背景，针对多用户场景下，提出了一种基于 DRL 算法的用户中心多通道帧生成和传输的方法 UCHA，以提升用户体验。

    Feb, 2023

  • 无线虚拟现实网络中联邦回声状态学习以最小化出现中断

    本研究探讨通过优化算法来降低虚拟现实中断（BIP）的出现，尤其针对无线用户以提高他们的虚拟现实体验，提出了一种基于深度 ESN 的分布式学习算法，成功地减少了 16% 至 26% 的 BIP，并将虚拟现实应用类型、传输延迟、VR 视频质量和用户对虚拟环境的认识等要素都考虑其中。

    Dec, 2018

  • 用户中心深度强化学习在无线网络元宇宙中的虚拟现实应用

    本文介绍了一种基于多用户虚拟现实计算卸载的深度强化学习方法，可在符合多种要求和约束条件下找到近乎最优解，以此来探索 Metaverse 等虚拟世界的社交互动特点。

    Mar, 2023

  • 无线网络下的虚拟现实：服务质量模型和基于学习的资源管理

    在小型细胞网络中，通过使用基于多属性效用理论的新型虚拟现实模型，找到了在虚拟现实无线网络中的上下行无线资源配置问题的最佳解决方案。

    Mar, 2017

  • 移动虚拟现实通信、缓存和计算：建模和权衡

    该研究提出了一种基于移动边缘计算的移动 VR 传递框架，可以在移动 VR 设备上缓存一部分视野范围并运行某些后期处理程序，从而通过优化资源分配来减小所需传输速率的平均值，以满足给定的延迟约束。

    Jun, 2018

  • 基于深度强化学习的 6G 无线通信下移动边缘计算与 AI 启用的 Web3 Metaverse

    该研究提出了一种全新的质量服务（Quality-of-Service）模型，利用深度强化学习方法来找到多用户社交中接近最优的信道资源分配。全面的实验证明采用该质量服务模型可以提升整体社交体验。

    Dec, 2023

  • 高移动毫米波系统的深度学习协同波束成形

    本文提出一种整合了机器学习和协调波束成形技术的解决方案，以克服毫米波系统中窄波束的使用以及高度移动用户在基站之间切换等挑战，并支持高度移动的毫米波应用，同时实现可靠的覆盖、低延迟和可忽略的训练开销。

    Apr, 2018

  • 基于位置感知模仿环境的深度强化学习在 RIS 辅助下的毫米波 MIMO 系统中的应用

    本文提出了一种基于位置感知仿真环境的深度强化学习算法，用于协同波束形成设计的可重构智能表面 (mmWave) 多输入多输出系统中，仿真结果表明所提出的算法具有更为鲁棒的性能。

    May, 2022

  • 蜂群无人机实现的无线 VR 网络中，基于 Echo-Liquid 神经网络的 360 度内容传输和缓存

    本文针对无人机采集并传输视频至虚拟现场（VR）用户时遇到的内容缓存和传输问题进行了深入研究，提出了一种基于深度学习算法的内容缓存和传输优化方案，可提高网络可靠性并减少后勤负荷。

    Apr, 2018

  • 移动边缘计算系统中基于深度学习的混合 5G 服务：借鉴数字孪生技术

    本论文提出了一种基于深度学习的移动边缘计算系统，旨在通过优化用户关联、资源分配和卸载概率来最小化归一化能量消耗，并考虑服务质量要求。仿真结果表明，相比现有方法，我们的方法可以实现更低的归一化能量消耗，并具有更少的计算复杂度。

    Jun, 2019