基于强化学习的工厂自动化系统多连接资源分配
信号处理
2022-08-29 v1
摘要
我们提出基于多连接和强化学习的移动机器人超可靠低时延通信（URLLC）联合用户关联、信道分配与功率分配方案。移动机器人需要以固定间隔从中央导引系统接收控制消息。我们采用两阶段通信方案，其中机器人可形成多个簇。簇内机器人彼此靠近，并可进行可靠的设备到设备（D2D）通信。在第一阶段，接入点（APs）在时延约束内将簇的组合载荷传输给簇首。簇首在第二阶段将该消息广播给其成员。我们为第一阶段开发了分布式多智能体强化学习（MARL）算法，用于联合用户关联与资源分配（RA）。簇首利用其本地信道状态信息（CSI）来决定连接的 APs 以及子带和功率水平。簇首利用多连接连接到多个 APs 以提升可靠性。目标是最大化所有机器人的成功载荷投递概率。示例仿真结果表明，所提方案可接近集中式算法的性能，并且相较于单连接（簇首仅能连接 1 个 AP 时）在可靠性上提供显著增益。
引用
@article{arxiv.2208.12662,
title = {Reinforcement Learning based Multi-connectivity Resource Allocation in Factory Automation Systems},
author = {Mohammad Farzanullah and Hung V. Vu and Tho Le-Ngoc},
journal= {arXiv preprint arXiv:2208.12662},
year = {2022}
}
备注
5 pages, 3 figures, conference