面向工厂内 6G 子网络的学习型功率控制协议
机器学习
2025-05-12 v1 网络与互联网体系结构
信号处理
摘要
In-X 子网络旨在满足多样化 6G 用例中对短距离通信的严格要求。在工厂内场景中，有效的功率控制对于减轻潜在高子网络密度导致的干扰影响至关重要。该领域现有的功率控制方法主要侧重于数据平面，往往忽略了信令开销的影响。此外，先前的工作通常采用以网络为中心的视角，依赖于中央控制器可随时获得完整且最新的信道状态信息（CSI）的假设。本文引入了一种新颖的多智能体强化学习（MARL）框架，旨在使接入点能够在工厂内子网络环境中自主学习信令和功率控制协议。通过将问题形式化为部分可观察马尔可夫决策过程（POMDP）并利用多智能体近端策略优化（MAPPO），所提出的方法取得了显著优势。仿真结果表明，基于学习的方法将信令开销降低了 8 倍，同时其缓冲区刷新率仅比理想的“Genie”方法低 5%。
引用
@article{arxiv.2505.05967,
title = {Learning Power Control Protocol for In-Factory 6G Subnetworks},
author = {Uyoata E. Uyoata and Gilberto Berardinelli and Ramoni Adeogun},
journal= {arXiv preprint arXiv:2505.05967},
year = {2025}
}
备注
Accepted for presented at IEEE EuCNC & 6G Summit 2025