基于深度强化学习的视频-触觉无线资源切片技术
信号处理
2025-03-19 v1
摘要
在Tactile Internet中实现视频-触觉无线资源切片需要 sophisticated strategy 来满足视频和触觉数据的不同需求，确保两者的同步传输，并解决触觉反馈的严苛时延要求。本文引入了一个基于深度强化学习的无线资源切片框架，以动态平衡视频和触觉模态之间的无线资源来解决视频-触觉遥操作挑战。该框架采用 refined reward function，考虑时延、数据包丢失、数据速率以及两模态的同步需求，以优化资源分配。通过满足视频-触觉遥操作的具体服务需求，该框架在保持有效资源切片（execution intervals 最多达50 ms）的同时，实现了用户满意度提升最高可达25%。
引用
@article{arxiv.2503.14066,
title = {Deep Reinforcement Learning-based Video-Haptic Radio Resource Slicing in Tactile Internet},
author = {Georgios Kokkinis and Alexandros Iosifidis and Qi Zhang},
journal= {arXiv preprint arXiv:2503.14066},
year = {2025}
}
备注
6 pages, 7 figures, 4 tables, conference paper