Mar, 2023

使用 gRPC 提高 DareFightingICE 中 AI 数据传输效率

PDF
TL;DR本文提出了一种新的 DareFightingICE 平台的通信接口，使用 gRPC 替代 Py4J 提高了数据传输的效率并降低了延迟，通过实验验证该接口有效减少了 65% 的延迟、提高了稳定性并消除了当前接口存在的丢帧问题。
darefightingiceaigrpclatencydata transfer
发现论文，激发创造
  • 限带宽下的多智能体通信学习 —— 基于互联网数据包路由的应用

    本研究提出了一种门控机制来自适应地剪枝无用消息，使得在多智能体通信时，性能得到显著提升，同时在真实世界中的数据包路由任务和四个基准测试任务中，比现有的基于深度强化学习和基于规则的方法都表现良好。

    Feb, 2019

  • 高效边缘人工智能的算法与系统

    本文综述了近期在人工智能边缘计算系统中与解决通信挑战相关的技术，着重介绍了从算法和系统两个方面提高在网络边缘的训练与推理的通信效率的方法，并突出了未来研究方向。

    Feb, 2020

  • 远程控制任务的语义和有效通信与动态特征压缩

    本研究考虑了机器人群和远程无线控制任务中的有效通信问题，并提出使用基于 VQ-VAE 编码的 DRL 动态适应量化级别的方案来提高系统性能。

    Jan, 2023

  • Diff-GO：扩散目标导向通信实现超高频谱效率

    基于扩散模型的生成人工智能为超高频谱效率与准确恢复传输图像信号提供了新的框架，通过计算和带宽效率权衡的方式，实现了卓越的计算 - 带宽平衡。

    Nov, 2023

  • 目标导向的语义通信与失真率弹性的联合通信和计算框架

    基于率失真理论，该研究提出一种创新方法，分析沟通和语义压缩引起的失真，以评估其对人工智能模型性能的影响，并预先估计 AI 任务的经验性准确性，从而使目标导向的语义沟通问题成为可能。

    Sep, 2023

  • 动态特征压缩下的有效通信

    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

  • 蛇形学习：6G 通信与计算高效分布式学习框架

    本研究介绍了一种成本效益高的分布式学习框架 Snake Learning，它在 6G 网络中考虑了计算能力的异构性和本地数据分布，通过逐层更新机制显著降低了存储、内存和通信需求，在计算机视觉和大型语言模型任务中展现了出色的适应性和效率。

    May, 2024

  • 通过消息修剪实现有限带宽下的学习代理通信

    本文提出一种门控机制以解决多智能体系统中有限带宽的问题，可大幅减少不必要的信息传递，提高信息传递的性能和效率。

    Dec, 2019

  • BRIEDGE: 适应性脑电图边缘人工智能用于多脑到多机器人交互

    通过脑机接口技术的近期进展，该论文提出了 BRIEDGE 作为一种端到端系统，通过脑电自适应神经网络和编码解码通信框架实现多脑对多机器人的交互。实验结果表明，BRIEDGE 在异构脑电数据的分类准确性方面取得了最佳表现，且在嘈杂环境下具有更稳定的性能。

    Mar, 2024

  • 资源受限边缘推理中的通信计算权衡

    本文提出了一种有效的边缘计算推理方法，并探讨了在设备模型的计算成本和中间特征的通信成本之间进行的关键权衡。通过模型拆分点选择、通信感知模型压缩和任务导向的中间特征编码，提出了一个三步框架来有效地进行推理，实验结果表明，与基准方法相比，我们的提出的框架具有更好的权衡，可以显著减少推理延迟。

    Jun, 2020