临场感最大化：毫米波赋能的虚拟现实遇上深度强化学习
网络与互联网体系结构
2021-07-09 v2 人工智能
人机交互
机器学习
摘要
本文研究为无线移动用户提供超高可靠且节能的虚拟现实（VR）体验的问题。为确保向移动用户可靠传输超高清（UHD）视频帧并增强其沉浸式视觉体验，采用了协作多点（CoMP）传输技术与毫米波（mmWave）通信。由于用户移动与时变无线信道，无线VR体验增强问题被建模为一个序列相关且混合整数的问题，目标是在接入点（APs）与用户头戴式显示器（HMDs）的功耗约束下最大化用户在虚拟世界中的临场感（FoP）。然而，由于缺乏用户精确追踪信息以及问题的序列相关与混合整数特性，该问题难以直接求解。为克服此挑战，我们提出一种并行回声状态网络（ESN）学习方法，通过分别训练AP采集的新鲜与历史追踪样本来预测用户追踪信息。基于学习结果，我们提出一种基于深度强化学习（DRL）的优化算法来求解所述问题。在该算法中，我们实现深度神经网络（DNNs）作为可扩展方案以生成整数决策变量，并求解连续功率控制问题以评判整数决策变量。最后，将所提算法与多种基准算法进行性能比较，并讨论了不同设计参数的影响。仿真结果表明，所提算法比基准算法节能4.14%。
引用
@article{arxiv.2107.01001,
title = {Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning},
author = {Peng Yang and Tony Q. S. Quek and Jingxuan Chen and Chaoqun You and Xianbin Cao},
journal= {arXiv preprint arXiv:2107.01001},
year = {2021}
}