6G工业子网中可靠及时通信的分布式学习
网络与互联网体系结构
2025-06-16 v1
摘要
新兴6G工业网络设想了自主的in-X子网，以支持高效且经济实惠的短距离、本地化连接，用于自主控制操作。在此类网络中支持事件驱动的关键控制流量的及时传输具有挑战性，原因在于有限的无线资源、动态设备活动和高移动性。在本文中，我们提出了一种分布式的、基于学习的随机接入协议，该协议建立了隐式的子网间协调，以最小化碰撞概率并改善及时传输。每个子网独立地学习并根据中心接入点广播的竞争特征信号选择接入配置，从而在动态流量和移动条件下实现自适应、无碰撞接入。所提出的方法具有轻量级神经网络模型和在线训练的特点，使其适合部署在受限的工业子网中。仿真结果表明，与基线方法相比，我们的方法显著提高了及时数据包传输的概率，尤其是在密集和高负载场景中。例如，在60个子网和5个无线信道的工业环境中，我们提出的方法相比经典的Multi-Armed Bandit（MAB）实现了21%的及时数据包传输概率提升。
引用
@article{arxiv.2506.11749,
title = {Distributed Learning for Reliable and Timely Communication in 6G Industrial Subnetworks},
author = {Samira Abdelrahman and Hossam Farag and Gilberto Berardinelli},
journal= {arXiv preprint arXiv:2506.11749},
year = {2025}
}