面向目标的语义通信用于数字孪生中的机械臂重建：特征与时间选择
机器人学
2026-01-27 v2 系统与控制
系统与控制
摘要
作为工业界最具前景的技术之一，数字孪生（DT）通过精确重建物理实体的虚拟副本，实现对现实系统的实时监测和预测分析。然而，由于通信开销不断增加，这种重建面临前所未有的挑战，尤其是数字机械臂重建。为此，我们提出了一种新颖的面向目标语义通信（GSC）框架，以提取用于 DT 中机械臂重建任务的 GSC 信息，旨在在严格和宽松的重建误差约束下最小化通信负载。与定期传输重建消息以进行实时 DT 重建的传统重建框架不同，我们的框架实现了特征选择（FS）算法从重建消息中提取语义信息，以及基于深度强化学习的时间选择算法，以随时间选择性地传输语义信息。我们通过 Pybullet 仿真和基于 Franka Research 3 机械臂的实验室实验验证了所提出的 GSC 框架。对于一系列不同的机器人任务，仿真结果表明，与传统通信框架相比，我们的框架在严格重建误差约束下可将通信负载降低至少 59.5%，在宽松约束下降低 80%。此外，实验结果证实了框架的有效性，严格约束下通信负载降低 53%，宽松约束下降低 74%。演示视频见：https://youtu.be/2OdeHKxcgnk。
引用
@article{arxiv.2411.08835,
title = {Goal-oriented Semantic Communication for Robot Arm Reconstruction in Digital Twin: Feature and Temporal Selections},
author = {Shutong Chen and Emmanouil Spyrakos-Papastavridis and Yichao Jin and Yansha Deng},
journal= {arXiv preprint arXiv:2411.08835},
year = {2026}
}
备注
Accepted by IEEE Journal on Selected Areas in Communications