基于多头注意力状态估计的卫星辅助车联网连接管理
网络与互联网体系结构
2025-12-25 v1 人工智能
摘要
在集成卫星-陆地车联网中管理连接对于 6G 至关重要，却面临动态条件和部分可见性的挑战。本 letter 引入了多智能体演员-评论家（MAAC）与卫星辅助多头自注意力（MAAC-SAM），一个 novel 多智能体强化学习框架，使车辆能够在 Vehicle-to-Satellite（V2S）、Vehicle-to-Infrastructure（V2I）和 Vehicle-to-Vehicle（V2V）链路之间自主管理连接。我们的关键创新是集成多头注意力机制，这使得即使在车辆之间信息共享不稳定且有限的情况下，也能进行稳健的状态估计。该框架进一步利用自模仿学习（SIL）和指纹技术以提高学习效率和实时决策。基于真实 SUMO 交通模型和 3GPP 合规配置的仿真结果表明，MAAC-SAM 在传输效用上比现有 terrestrial 和卫星辅助基线高出最高 14%，并在不同车辆密度和共享水平下保持高估计精度。
引用
@article{arxiv.2508.01060,
title = {Connectivity Management in Satellite-Aided Vehicular Networks with Multi-Head Attention-Based State Estimation},
author = {Ibrahim Althamary and Chen-Fu Chou and Chih-Wei Huang},
journal= {arXiv preprint arXiv:2508.01060},
year = {2025}
}