面向信息共享的AI生成激励机制与全双工语义通信
信号处理
2023-06-29 v2
摘要
下一代互联网服务，如元宇宙(Metaverse)，依赖混合现实(MR)技术提供沉浸式用户体验。然而，MR头戴式设备(HMDs)有限的计算能力阻碍了此类服务的部署。因此，我们提出了一种基于全双工设备到设备(D2D)语义通信的高效信息共享方案来解决此问题。我们的方法使用户能够避免繁重且重复的计算任务，例如所有MR用户视图图像中的人工智能生成内容(AIGC)。具体而言，一个用户可将其视图图像中生成的内容和提取的语义信息传输给附近用户，这些用户随后可利用该信息在其视图图像下获得计算结果的空间匹配。我们使用广义小尺度衰落模型分析了全双工D2D通信的性能，包括可达速率和误码概率。为促进用户间的语义信息共享，我们设计了一种契约理论的AI生成激励机制。所提出的扩散模型生成最优契约设计，优于两种深度强化学习算法，即近端策略优化和软 actor-critic 算法。我们的数值分析实验证明了所提方法的有效性。本文代码见 https://github.com/HongyangDu/SemSharing
引用
@article{arxiv.2303.01896,
title = {AI-Generated Incentive Mechanism and Full-Duplex Semantic Communications for Information Sharing},
author = {Hongyang Du and Jiacheng Wang and Dusit Niyato and Jiawen Kang and Zehui Xiong and Dong In Kim},
journal= {arXiv preprint arXiv:2303.01896},
year = {2023}
}
备注
Accepted by IEEE JSAC