MMDec, 2022

利用异步混合强化学习在无线通信下的元宇宙延迟和可靠性优化

PDF
TL;DR文章提出在 Metaverse 中异步联合上下行场景中，设计了一个新型的多智能体强化学习算法结构来优化计算卸载和通道分配决策，以及优化下行阶段的传输功率，实验结果表明该算法相较于现有算法能够在满意的训练时间内获得更好的解决方案。
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

  • 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

  • 基于分层强化学习的低时延高可靠通信编排

    应用多智能体分层强化学习框架，优化无线资源分配，在 5G 的超可靠低延迟通信服务中实现更好的性能并减少信号传输和延迟开销，特别适用于工厂自动化场景。

    Jul, 2023

  • 无人机辅助混合行动增强学习的语义通信

    本研究旨在探索使用助理无人机的上行语义通信，以提高偏远地区元宇宙用户的数据采集效率。为了在重建质量和计算能量成本之间平衡的同时减少上行数据采集时间，我们提出了一种混合动作强化学习框架，用于在语义模型规模、信道分配、传输功率和无人机轨迹上做出决策。变量分为离散类型和连续类型，并由两个不同的强化学习代理进行优化以生成合并的动作。模拟结果表明，所提出的混合动作强化学习框架可以在不同的参数设置下有效提高上行语义数据采集的效率，并优于基准情况。

    Aug, 2023

  • 无线系统通过异步多用户深度强化学习实现交接控制

    本文提出了一个两层框架，使用深度强化学习进行异步的多用户控制，用于学习在支持移动物联网用户或传统蜂窝用户的大规模无线系统中，以降低手动切换率并确保一定的系统吞吐量。

    Jan, 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

  • 基于注意力机制的实时无人机语义通信强化学习

    本文研究了移动地面用户的空地超可靠低延迟通信问题，提出了一种名为 GAXNet 的多智能体深度强化学习框架，通过避免无人机之间的碰撞来控制多个无人机，从而实现低误差率和低延迟。

    May, 2021

  • 自给自足的多接入机制与连续深度强化学习用于动态元宇宙应用

    在 6G 通信系统中，Metaverse 为一种新范式，旨在创建由许多世界构成的虚拟环境，其中每个世界都提供不同的服务。本文通过使用自适应人工智能（Adaptive AI）来实现自持续性策略，解决了多通道环境下的多用户接入问题，提出了一种基于连续学习的双重深度 Q 学习（DDQL）技术，该技术可以有效地提高吞吐量并在高度动态场景下快速收敛。

    Sep, 2023

  • 多智能体强化学习在基于竞拍的长期网络资源分配中的应用：V2X 应用

    本文旨在研究如何实现计算任务从移动代理转移，其提出了一种基于分散决策的机制来促使代理间在博弈与合作之间平衡。为此，该文设计了一个新的多代理在线学习算法，并通过 V2X 应用的模拟得出了良好的收敛性和泛化性能。

    Jul, 2022

  • 基于深度强化学习的移动边缘对抗检测在数字孪生与元宇宙中的应用

    本研究旨在解决互联网车联网拍摄实时场景并将其投入虚拟现实的实时数字双生技术中，从而应用于增强现实辅助驾驶；同时，针对数字双生技术招致了对手攻击的问题，提出了一种基于异构行动近端策略优化（HAPPO）算法的解决方法。实验结果表明，HAPPO 在关键指标上优于基准模型。

    Mar, 2023