6G V2X 中面向联合通信与控制的信息价值学习
机器学习
2025-09-15 v3
摘要
随着细胞车联网（C-V2X）向第六代（6G）网络演进，连接自主车辆（CAVs）正成为关键应用。利用数据驱动的机器学习（ML），特别是深度强化学习（DRL），预计将显著提升 CAV 在车辆控制和 V2X 通信不确定性下的决策能力。这两种决策过程紧密交织，信息价值（VoI）作为它们之间的关键桥梁。本文引入顺序随机决策过程（SSDP）模型以定义和评估 VoI，展示了其在优化 CAV 通信系统中的应用。具体而言，我们正式定义了 SSDP 模型，并证明 MDP 模型是其特例。SSDP 模型的一个关键优势在于显式表示可增强决策所需信息的集合。此外，由于当前关于 VoI 的研究碎片化，我们提出了基于 MDP、强化学习（RL）和最优控制理论的系统化 VoI 建模框架。我们定义了不同的 VoI 类别并讨论了相应的估计方法。最后，我们提出了一种结构化方法，利用各种 VoI 指标优化“何时”、“传递什么”以及“如何”通信问题。为此，构建了带有 VoI 关联奖励函数的 SSDP 模型，这些奖励函数源自 VoI 基于优化目标。虽然我们使用一个简单的车辆跟随控制问题来说明所提出的方法，但其在广泛的网络控制系统中用于随机、顺序控制和通信决策的联合优化方面具有重大潜力。
引用
@article{arxiv.2505.06978,
title = {Learning Value of Information towards Joint Communication and Control in 6G V2X},
author = {Lei Lei and Kan Zheng and Xuemin and Shen},
journal= {arXiv preprint arXiv:2505.06978},
year = {2025}
}