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
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。
Dec, 2022
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%)。
Jun, 2021
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
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
提出了一个适用于 VR 服务的基于学习的激励机制框架,包含深度强化学习拍卖师用于加速双倍荷兰式拍卖,并采用以感知质量为度量的质量度量,设计了优化定价分配规则的拍卖机制。实验结果表明,该框架可以实现接近最优的社会福利,同时比基准方法减少至少一半的拍卖信息交换成本。
Nov, 2021
基于边缘智能和深度学习的多视角合成框架,实现了在元宇宙中无线内容传输的高效计算、存储和通信资源,并通过联邦学习和转移学习,提供了有效的学习过程和快速领域适应性。
Dec, 2023
该论文提出了一个新颖的服务质量模型,用于具有不同帧率和晕动感要求的异构 360 度视频。我们使用自设计的差异化深度强化学习算法,采用帧槽结构和逐帧优化的方法进行研究。我们设计了两种结构 SIDO 和 MIDO,在这种异构场景中进行了广泛的实验以证明其有效性。
Aug, 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
本文提出了一种基于动态无人机辅助的车辆双生物迁移框架,使用空地一体化网络中的无人机作为辅助服务器,以平衡 RSU 的负载并提高双生物迁移质量。模拟结果表明,与其他基准方案相比,基于扩散式强化学习算法和无人机辅助的方法效果更好。
Jun, 2024