基于注意力动作选择的5G中扩展现实（XR）编解码适配
网络与互联网体系结构
2024-05-28 v1
摘要
扩展现实（XR）服务将通过提供无缝虚拟和增强现实体验来 revolutionize 5th和6th代无线网络应用程序。这些应用程序对网络基础设施提出了重大挑战，机器学习算法由于其适应性可被用于解决。本文提出了一种多智能体强化学习（MARL）解决方案，用于优化XR流量的编解码器参数，进行与调整数据包大小（APS）算法的比较。我们的合作多智能体系统使用乐观Q值混合（oQMIX）方法处理Cloud Gaming（CG）、增强现实（AR）和虚拟现实（VR）流量。增强措施包括注意力机制和slate-Markov决策过程（MDP），以提高动作选择。仿真结果显示，我们的解决方案在XR指数、抖动、延迟和数据包丢失率（PLR）方面分别超过APS，平均提升30.1%、15.6%、16.5%和50.3%。APS倾向于提高吞吐量，但也会增加数据包丢失。相反，oQMIX降低了PLR、延迟和抖动，同时保持良好的吞吐量。
引用
@article{arxiv.2405.15872,
title = {Extended Reality (XR) Codec Adaptation in 5G using Multi-Agent Reinforcement Learning with Attention Action Selection},
author = {Pedro Enrique Iturria-Rivera and Raimundas Gaigalas and Medhat Elsayed and Majid Bavand and Yigit Ozcan and Melike Erol-Kantarci},
journal= {arXiv preprint arXiv:2405.15872},
year = {2024}
}
备注
6 pages, 5 figures, 2 tables