基于车联网的移动元宇宙在 6G 无线通信下的资源分配：一种深度强化学习方法

提升人与人之间的交互性与互联性是元宇宙的亮点之一。元宇宙依赖一种核心方法——数字孪生，即将物理世界的物体、人物、动作和场景复制到虚拟世界。在元宇宙中能够实时且处于移动状态下访问与物理世界相关的场景和信息，对于为所有用户开发高度可访问、交互和互联的体验至关重要。这一发展使得其他地点的用户能够访问关于另一地点所发生事件的高质量实时世界信息，并进行超交互式社交。然而，由于虚拟世界图形数据量大且需要低延迟传输，接收由元宇宙中他人生成的持续、平滑更新是一项具有挑战性的任务。随着移动增强现实（MAR）的发展，用户即使处于移动中也能以高度交互的方式通过元宇宙进行交互。因此在我们的工作中，我们考虑了一个环境，其中用户处于移动的车联网（IoV）中，通过无线通信从元宇宙服务提供商蜂窝站（MSPCSs）下载实时虚拟世界更新。我们设计了一个具有多个蜂窝站的环境，用户虚拟世界图形下载任务将在蜂窝站之间发生切换。由于传输延迟是移动状态下接收虚拟世界更新的主要关注点，我们的工作旨在分配系统资源，以最小化车辆中的用户从蜂窝站下载其虚拟世界场景所花费的总时间。我们利用深度强化学习，并在不同环境配置下评估算法性能。我们的工作提供了 AI 赋能的 6G 通信上元宇宙的一个用例。