基于扩散的强化学习用于车辆元宇宙中动态无人机辅助的车辆孪生迁移
人工智能
2024-06-11 v1 机器人学
摘要
空地一体化网络可以缓解地面交通网络的通信压力，并在路侧单元（RSU）覆盖稀疏的偏远地区以及用户对车辆服务需求高的市中心区域，提供6G赋能的车辆元宇宙服务卸载。车辆孪生（VT）是物理车辆的数字孪生，用于实现更沉浸和逼真的车辆服务，可以卸载和更新到RSU上，为乘客和驾驶员管理和提供车辆元宇宙服务。车辆的高机动性和RSU信号的有限覆盖范围，使得当车辆离开RSU的信号覆盖范围时，需要进行VT迁移以确保服务的连续性。然而，不均匀的VT任务迁移可能会使某些RSU过载，从而导致服务延迟增加，进而影响用户的沉浸式体验。在本文中，我们提出了一种在空地一体化网络中的动态无人机辅助VT迁移框架，其中无人机作为空中边缘服务器，在VT任务卸载期间协助地面RSU。在该框架中，我们提出了一种基于扩散的强化学习（RL）算法，该算法能够在无人机辅助的车载网络中高效地做出沉浸式VT迁移决策。为了平衡RSU的工作负载并提高VT迁移质量，我们设计了一种基于启发式搜索策略的无人机动态路径规划算法。仿真结果表明，所提出的基于扩散的RL算法在无人机辅助下性能优于其他基线方案。
引用
@article{arxiv.2406.05422,
title = {Diffusion-based Reinforcement Learning for Dynamic UAV-assisted Vehicle Twins Migration in Vehicular Metaverses},
author = {Yongju Tong and Jiawen Kang and Junlong Chen and Minrui Xu and Gaolei Li and Weiting Zhang and Xincheng Yan},
journal= {arXiv preprint arXiv:2406.05422},
year = {2024}
}