面向智能交通数字孪生的生成式 AI 激活下的 UAV 轨迹规划、推理优化与任务卸载联合优化
机器学习
2026-04-10 v1 人工智能
摘要
为实现智能交通数字孪生 (ITDT)，无人机 (UAV) 需要处理路边传感器的感知数据。此时，部署在 UAV 上的生成式人工智能 (GAI) 技术，如扩散模型，用于将原始感知数据转化为高质量且有价值的数据。因此，我们提出了 GAI 激活的 ITDT。一组扩散模型推理 (DMI) 任务在 UAV 上动态处理的过程同时影响 DT 更新的保真度和延迟。本文研究了 DMI 任务卸载、推理优化和 UAV 轨迹规划的联合优化问题，旨在构建系统效用最大化 (SUM) 问题，以解决 GAI 激活的 ITDT 中的保真度-延迟权衡。为在网络动态环境下寻求解决方案，我们将 SUM 问题建模为异构智能体马尔可夫决策过程，并提出基于序列更新的异构智能体双延迟深度确定性策略梯度 (SU-HATD3) 算法，该算法能够快速学习近最优解。数值结果表明，与多个基线算法相比，所提算法在提高系统效用和收敛速度方面具有显著优势。
引用
@article{arxiv.2604.07687,
title = {Joint Task Offloading, Inference Optimization and UAV Trajectory Planning for Generative AI Empowered Intelligent Transportation Digital Twin},
author = {Xiaohuan Li and Junchuan Fan and Bingqi Zhang and Rong Yu and Xumin Huang and Qian Chen},
journal= {arXiv preprint arXiv:2604.07687},
year = {2026}
}