基于联邦多智能体深度强化学习的自适应社交元宇宙流媒体
机器学习
2025-06-24 v1 人工智能
多媒体
网络与互联网体系结构
摘要
社交元宇宙是一种日益增长的数字生态系统，融合了虚拟与物理世界，允许用户进行社交互动、工作、购物和娱乐。然而，隐私仍是一个重大挑战，因为沉浸式交互需要持续收集生物识别和行为数据。同时，确保高质量、低延迟的流媒体也困难，因为现实互动、沉浸式渲染和带宽优化对带宽要求极高。为此，我们提出了 ASMS（Adaptive Social Metaverse Streaming，自适应社交元宇宙流媒体），一种基于联邦多智能体近端策略优化（F-MAPPO）的新型流媒体系统。ASMS 利用 F-MAPPO，将联邦学习（FL）与深度强化学习（DRL）相结合，以在保护用户隐私的同时动态调整流媒体比特率。实验结果表明，在 various network conditions 下，ASMS 相较于现有流媒体方法至少提升 14% 的用户体验。因此，ASMS 通过提供在动态且资源受限网络环境下的无缝沉浸式流媒体，提升了社交元宇宙的体验，同时确保敏感用户数据始终保留在本地设备上。
引用
@article{arxiv.2506.17342,
title = {Adaptive Social Metaverse Streaming based on Federated Multi-Agent Deep Reinforcement Learning},
author = {Zijian Long and Haopeng Wang and Haiwei Dong and Abdulmotaleb El Saddik},
journal= {arXiv preprint arXiv:2506.17342},
year = {2025}
}
备注
Accepted by IEEE Transactions on Computational Social Systems