远程控制任务的语义和有效通信与动态特征压缩
基于远程无线控制和 5G 及更高级别系统，本研究研究了优化传输策略以实现有效沟通的方法，提出了采用集合向量量化变分自编码器进行编码，并训练深度强化学习代理动态调整量化水平，通过在基准控制问题上的测试显示其具有显著的性能提升。
Jan, 2024
这篇论文提出了一种名为 “Cyber-Physical POMDP” 的模型，将目标导向通信和网络控制相结合，以实现分散的移动机器人的协调，通过联合训练可以显着提高总体性能并可导致通信行动的隐式协调。
Feb, 2023
本文提出了一种基于深度学习（DL）和向量量化（VQ）的语义通信系统 VQ-DeepSC，通过卷积神经网络（CNN）提取图像的多尺度语义特征并利用多尺度语义嵌入空间实现语义特征量化，从而使数据兼容数字通信系统，同时通过对抗训练引入 PatchGAN 鉴别器来提高接收图像的质量。实验结果表明，与 BPG 在数字通信系统方面相比，所提出的 VQ-DeepSC 具有更强的鲁棒性，并且在 MS-SSIM 性能方面与 DeepJSCC 方法相当。
Sep, 2022
通过多任务学习，本文探讨了以目标为导向和语义为基础的通信在下一代通信网络中的机遇和挑战。该方法使用深度神经网络，将专用的编码器部署在发送端，将多个任务特定的解码器共同部署在接收端，集中训练以处理包括语义信息保留、源输入重构和集成感知和通信在内的各种任务。通过将解码器部署在多个接收器上，采用去中心化学习，解决了通信负载和隐私问题，利用联邦学习技术在分布式节点之间分发模型更新。然而，该方法的有效性取决于所采用的深度学习模型的鲁棒性。我们审查了在训练和测试阶段可能产生的对抗性攻击的潜在漏洞，这些攻击旨在操纵编码器端的输入以及接收端空中接收到的信号，凸显了加固语义通信以防范潜在的多领域攻击的重要性。总体而言，在多任务学习框架中，任务导向通信、语义通信和集成感知与通信的共同鲁棒设计成为下一代网络系统中实现上下文感知、资源高效和安全通信的关键因素。
Jan, 2024
在 6G 时代，智能交通系统、数字孪生、远程监控有望成为普遍实践。为了解决无线网络中庞大数据量和频繁更新的挑战，本文提出了一种基于强化学习的新型代理驱动生成语义通信（A-GSC）框架。通过无缝地结合源信息的内在属性和任务相关的情境信息，本研究在语义通信领域进行了创新，同时引入了生成人工智能（GAI），实现了语义编码器和解码器的独立设计。在实证分析中，基于 CDNet2014 数据集验证了所设计模型的有效性，并证明了整体 A-GSC 框架在节能和重构准确性方面的性能提升。
Apr, 2024
该研究利用平均成本约束马尔可夫决策过程理论和 Lagrangian 动态规划，探索了在有损且受速率限制的通道上进行多个马尔可夫源的远程估计的语义感知通信；通过使用结构优化结果和开发新的策略搜索算法，可以最小化长期状态依赖成本和估计误差；为了避免马尔可夫决策过程的维度问题，提出了基于 Lyapunov 优化定理的在线低复杂度 Drift-plus-Penalty 调度算法。
Mar, 2024
本研究开发了一种语义通信框架用于图像传输；引入多模态度量方法对比提取得到的语义信息与原始图像之间的相关性，以最小化每个服务器的传输延迟同时满足用户 ISS 需求为目标，提出了基于价值分解的最大熵多智能体强化学习算法以解决资源块的分配问题，在模拟实验中将传输延迟降低至传统多智能体强化学习的 16.1%。
Jan, 2023
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
边缘计算下的 AI 推理在边缘设备上高效进行已成为智能应用（如自动驾驶和虚拟现实 / 增强现实）所必需的。我们针对移动设备和边缘服务器之间特征传输的优化问题，提出了一种在线优化框架。通过利用语义知识库来驱动多级特征传输，考虑传输过程中的时间因素和动态元素，我们的方法基于现有方法构建，解决了动态信道条件和设备移动的挑战。为了解决在线优化问题，我们设计了一种基于软演员 - 评论家的深度强化学习系统，并设计了一个精心设计的奖励函数来进行实时决策，克服了 NP-hard 问题的优化困难，并在尊重延迟限制的同时实现了语义损失的最小化。数值结果显示，相较于各种系统设置下的传统贪婪方法，我们的方法具有优势。
Nov, 2023
在未来的 6G 无线网络中，语义和效能方面的通信将起到基础作用，将意义和相关性融入传输中。本文提出了一个新的面向目标的语义通信框架，通过潜在空间对齐来减轻语义不匹配问题。我们提出了一种动态优化策略，适应相对表示、通信参数和计算资源，实现了高效能、低延迟、面向目标的能源储效率的语义通信。数值结果表明我们的方法在减轻设备间不匹配问题的同时，优化了能源消耗、延迟和效能。
Mar, 2024