面向 6G 网络中时延鲁棒 ISAC 的数字孪生辅助信念状态强化学习
网络与互联网体系结构
2026-04-30 v1
摘要
通信感知一体化 (ISAC) 为第六代 (6G) 网络实现了联合数据传输与环境感知，但集中式和虚拟化的 RAN 控制环路引入了遥测时延，导致观测滞后和控制不稳定。本文提出了一种数字孪生辅助的信念状态强化学习框架，以实现时延鲁棒的 ISAC。数字孪生 (DT) 利用扩展卡尔曼滤波器根据延迟遥测重构同步的信念状态，近端策略优化智能体执行通信与感知的联合波束成形和功率分配。在遥测时延高达 100 ms 的闭环仿真中，该方法相较于对时延不敏感的深度强化学习 (DRL) 和启发式基线展现出一致的性能提升。在 50 ms 时延下，与仅使用 DT 的控制器相比，所提方法将中位吞吐量提升了 12%，将感知误差降低了 7%，同时将可靠性违规次数降低了一个数量级。即使在 100 ms 时延下，所提方法仍保留了其零时延吞吐量的约 88%。这些结果表明，数字孪生辅助的信念状态控制能够在 6G 网络中现实的遥测时延下实现稳定且高效的 ISAC 运行。
引用
@article{arxiv.2604.25967,
title = {Digital Twin-assisted belief-state reinforcement learning for latency-robust ISAC in 6G networks},
author = {Himanshu Tiwari and Binayak Kar and Priyanshu Tiwari},
journal= {arXiv preprint arXiv:2604.25967},
year = {2026}
}
备注
6 Pages, 7 Figures, accepted for presentation at IEEE INFOCOM 2026 Workshop (ISAC-FutureG), Tokyo, Japan