本文提出一种基于语义的通信框架，其中基站从文本数据中提取语义信息并采用知识图表达，将其发给每个用户，用户再采用图到文本生成模型进行还原。为了优化性能，本文提出了一个同时考虑语义精度和完整性的语义相似度度量方法，同时解决了基站资源分配、文本内容和时延约束之间的优化问题。这里采用了基于强化学习的算法，结合了注意力网络来评估语义信息中每个三元组的重要性。

Aug, 2022

本文提出了一种新的元宇宙通信范式，通过紧凑的三维面部描述符对虚拟化身面部进行语义压缩，旨在提高灵活性、效率和语义意义，以促进基于人工智能的理解，并与最先进的视频编码标准进行性能比较，取得了显著的率 - 准确性表现改善。该方案有望实现基于机器分析的数字人类通信，并成为元宇宙中的交互和通信的基石。

Sep, 2023

本文提出了一种基于 6G 无线系统的新型语义通信框架，将元宇宙分解成人 / 机器代理专用的语义多元宇宙，每个代理保存一个语义编码器和一个生成器，利用 AI 技术来提高通信效率并处理本地场景和交互。此框架可以应用于分布式学习、多智能体强化学习、信令游戏和符号 AI 等多个领域。

Dec, 2022

本文介绍了一种分层的基于 SemCom 的车联网元宇宙框架，分析了安全漏洞，并提供了防御解决方案，同时指出 SemCom 在车联网元宇宙中的未来研究方向。

Jun, 2023

本研究提供一种新颖的迭代合同设计和多智能体强化学习算法来解决在 Metaverse 中数据为主线的复制的逆向选择问题，以鼓励 IoT 设备与虚拟服务提供商合作。

Feb, 2023

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

我们提出了一种自适应语义资源分配方案，通过语义比特量化（SBQ）与现有无线通信兼容，解决了动态无线环境中由语义度量和传输度量之间的附加映射关系引入的环境感知不准确的问题，并通过联合优化基站的传输波束，语义表示的比特数，子信道分配和带宽资源分配，解决了将整体有效的语义通信服务质量最大化的问题。通过混合深度强化学习（DRL）算法提出了一种智能资源分配方案，在无线通信中能够有效抵抗语义噪声并获得卓越的性能，比几种基准方案提高了 13% 的 SC-QoS 性能。

Dec, 2023

提出了一种基于语义通信的新框架 WiserVR，旨在利用深度学习算法实现高性能的特征提取和语义恢复，通过共享知识和联合语义通道编码方法，构建语义位置图来有效地降低通信延迟，提高传输信任度和适应各种通道状态，实现对 VR 用户的连续 360° 视频帧的无线传输。

Nov, 2022

该研究提出了一种基于多模态语义信息传输的图像传输方法，通过提取多模态语义信息并传输，接收方使用图像生成模型生成多张图像，并根据语义相似性进行选择。研究探索了评估原始图像和生成图像的语义特征相似性的新指标，并表明所提出的方法可促进通过移动网络进行各种服务应用的照片的传输与利用。

Apr, 2024

本次调查重点研究了延续现实（AR）和虚拟现实（VR）用户的无处不在的语义元宇宙的智能和时空特征，包括人工智能（AI），时空数据表示（STDR），语义物联网（SIoT）和语义增强数字孪生（SDT），并详细调查了这四个基本系统组件的代表性技术，以及典型应用案例等。未来无处不在的语义元宇宙的机会包括可扩展性和互操作性，隐私和安全，性能测量和标准化以及伦理考虑和负责任的人工智能。

Jul, 2023