学会聚焦：面向可重构反射面的 CSI-free 分层 MARL
人工智能
2026-04-14 v2 信号处理
摘要
可重构智能表面（RIS）有潜力为下一代毫米波（mmWave）网络构建智能无线电环境。然而，信道状态信息（CSI）估计的 prohibitive 计算开销以及集中优化中固有的维度爆炸严重阻碍了大规模实际部署。为克服这些瓶颈，我们引入了一种由分层多智能体强化学习（HMARL）架构驱动的「CSI-free」范式来控制机械可重构反射面。通过用可获取的用户定位数据替代基于导频的信道估计，我们的框架利用空间智能进行宏观尺度波传播管理。控制问题被分解为两层神经网络架构：高层控制器执行时间扩展的离散用户到反射面分配，而低层控制器在集中训练分散执行（CTDE）方案下利用多智能体近端策略优化（MAPPO）自主优化连续焦点。全面的确定性光线追踪评估表明，这种分层框架相比集中式基线实现了高达 7.79 dB 的巨大 RSSI 增强。此外，该系统展现出鲁棒的多用户可扩展性，并在实际亚米级定位跟踪误差下保持高度鲁棒的波束聚焦性能。通过消除 CSI 开销同时保持高保真信号重定向，本工作为智能无线环境建立了可扩展且经济高效的蓝图。
引用
@article{arxiv.2604.05165,
title = {Learning to Focus: CSI-Free Hierarchical MARL for Reconfigurable Reflectors},
author = {Hieu Le and Mostafa Ibrahim and Oguz Bedir and Jian Tao and Sabit Ekin},
journal= {arXiv preprint arXiv:2604.05165},
year = {2026}
}