生成式 AI 赋能的车载网络：基础、框架与案例研究
网络与互联网体系结构
2023-04-24 v1 信息论
math.IT
摘要
认识到生成式 AI 的集成能为智能交通系统带来巨大改进，本文探讨了生成式 AI 技术在车载网络中的集成，重点关注其潜在应用与挑战。生成式 AI 凭借生成逼真数据并促进高级决策过程的能力，在与车载网络结合时可增强多种应用，如导航优化、交通预测、数据生成与评估。尽管有这些前景广阔的应用，生成式 AI 与车载网络的集成仍面临若干挑战，如实时数据处理与决策、适应动态且不可预测的环境，以及隐私与安全问题。为应对这些挑战，我们提出了一种多模态语义感知框架以提升生成式 AI 的服务质量。通过利用多模态与语义通信技术，该框架能够使用文本与图像数据创建多模态内容，为接收车辆提供更可靠的引导，并最终提升系统可用性与效率。为进一步提升框架内信息传输与重构的可靠性和效率，以生成式 AI 赋能的车对车（V2V）通信为案例研究，提出了一种基于深度强化学习（DRL）的资源分配方法。最后，我们讨论了生成式 AI 赋能车载网络领域的潜在研究方向与预期进展。
引用
@article{arxiv.2304.11098,
title = {Generative AI-enabled Vehicular Networks: Fundamentals, Framework, and Case Study},
author = {Ruichen Zhang and Ke Xiong and Hongyang Du and Dusit Niyato and Jiawen Kang and Xuemin Shen and H. Vincent Poor},
journal= {arXiv preprint arXiv:2304.11098},
year = {2023}
}
备注
8 pages, 4 figures