数字孪生辅助的网络内与边缘协同计算用于元宇宙中的联合用户关联、任务卸载与资源分配
分布式、并行与集群计算
2026-04-06 v1 信息论
math.IT
摘要
扩展现实（XR）的进步推动了元宇宙的发展，元宇宙要求高效地将 2D 场景实时转换为 3D 对象，这是一个计算密集型过程，需要进行任务卸载，因为涉及复杂的感知、视觉和音频处理。这一挑战因上行链路（UL）和下行链路（DL）数据特征的不对称性而更加复杂，其中 2D 数据在上行链路传输，3D 内容在下行链路渲染。为解决这一问题，我们提出了一种基于数字孪生（DT）的网络内计算（INC）辅助多接入边缘计算（MEC）框架，通过超可靠低延迟通信（URLLC）实现实时同步与协同计算。在该框架中，网络运营商为 XR 用户设备（XUD）管理无线和计算资源，而 XUD 自主卸载任务以最大化其效用。我们将 XUD 与运营商之间的交互建模为 Stackelberg 博弈，其中最优卸载策略构成具有纳什均衡（NE）的精确势博弈，运营商的问题被表述为异步马尔可夫决策过程（MDP）。我们进一步提出了一种去中心化方案，其中 XUD 根据运营商对卸载模式（INC-E 或仅 MEC）和 DL 功率分配的联合 UL-DL 优化来确定卸载决策。我们开发了一种纳什异步混合多智能体强化学习（AMRL）算法来预测 UL 用户关联和 DL 传输功率，从而实现 NE。仿真结果表明，所提方法通过降低延迟和优化元宇宙环境中的资源利用，显著提升了系统效用、上行速率和能效。
引用
@article{arxiv.2604.02938,
title = {Digital Twin-Assisted In-Network and Edge Collaboration for Joint User Association, Task Offloading, and Resource Allocation in the Metaverse},
author = {Ibrahim Aliyu and Seungmin Oh and Sangwon Oh and Jinsul Kim},
journal= {arXiv preprint arXiv:2604.02938},
year = {2026}
}