基于生成式扩散的车载嵌入式AI网络迁移的高效AI Twin迁移合同设计
人工智能
2024-10-03 v1
摘要
嵌入式AI是一 rapidly advancing 的领域，旨在搭建 cyberspace 与 physical space 之间的鸿沟，支持广泛应用。这种演进导致开发了Vehicular Embodied AI NETwork（VEANET），将先进AI能力集成到车载系统中，以增强自主运作和决策。嵌入式智能体（如自动驾驶车辆）是能够感知环境并采取行动以实现特定目标的自主实体，主动与物理世界交互。嵌入式Twin是这些嵌入式智能体的数字模型，针对 cyberspace 中的各种智能应用。VEANET中，嵌入式AI Twin作为车载AI助手，使用生成式AI模型执行支持自主驾驶的多样任务。鉴于自动驾驶车辆的计算资源有限，这些车辆常将计算密集型任务（如构建和更新嵌入式AI Twin）卸载到附近的RSU。然而，由于车辆的快速移动性和单个RSU覆盖范围的有限，嵌入式AI Twin需要在实时内从当前RSU迁移到其他RSU，这导致选择合适RSU以实现高效迁移的挑战。鉴于信息不对称，车辆无法获取RSU的详细信息。为此，本文构建了车辆与备用RSU之间多维合同理论模型。考虑到车辆可能表现出非理性行为，我们使用前景理论而非期望效用理论来建模车辆的实际效用。最后，我们采用基于生成式扩散模型的算法来识别最优合同设计。与传统深度强化学习算法相比，数值结果表明了所提出方案的有效性。
引用
@article{arxiv.2410.01176,
title = {Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks},
author = {Yue Zhong and Jiawen Kang and Jinbo Wen and Dongdong Ye and Jiangtian Nie and Dusit Niyato and Xiaozheng Gao and Shengli Xie},
journal= {arXiv preprint arXiv:2410.01176},
year = {2024}
}