6G AI原生网络中的目标导向与语义通信：6G-GOALS方法
信号处理
2024-02-13 v1
摘要
近年来AI技术的进步显著扩展了设备智能，促进了分布式AI智能体之间的联合与协作。这些进步对未来6G移动网络架构提出了新的要求。为了满足这些需求，必须超越经典边界，整合通信、计算、控制和智能。本文提出了面向AI原生6G网络的目标导向与语义通信的6G-GOALS方法。所提出的方法将语义、语用和目标导向通信融入AI原生技术，旨在以更相关、更有效和更及时的方式促进智能体之间的信息交换，从而优化带宽、延迟、能量和电磁场（EMF）辐射。重点是将数据提炼到最相关的形式和简洁表示，与源意图或目的目标与上下文对齐，或服务于特定目标。6G-GOALS建立在三个基本支柱上：i) AI增强的语义数据表示、感知、压缩和通信；ii) 基础AI推理和因果语义数据表示、上下文相关性和价值，以实现目标导向的有效性；iii) 通过更高效的无线服务实现可持续性。最后，我们展示了两个概念验证，在近期用例中实现了语义、目标导向和语用通信原则。我们的研究涵盖了项目的愿景、方法和潜在影响。
引用
@article{arxiv.2402.07573,
title = {Goal-Oriented and Semantic Communication in 6G AI-Native Networks: The 6G-GOALS Approach},
author = {Emilio Calvanese Strinati and Paolo Di Lorenzo and Vincenzo Sciancalepore and Adnan Aijaz and Marios Kountouris and Deniz Gündüz and Petar Popovski and Mohamed Sana and Photios A. Stavrou and Beatriz Soret and Nicola Cordeschi and Simone Scardapane and Mattia Merluzzi and Lanfranco Zanzi and Mauro Boldi Renato and Tony Quek and Nicola di Pietro and Olivier Forceville and Francesca Costanzo and Peizheng Li},
journal= {arXiv preprint arXiv:2402.07573},
year = {2024}
}