RFRL Gym：面向认知无线电应用的强化学习测试平台
信号处理
2024-01-12 v1 人工智能
机器学习
网络与互联网体系结构
摘要
射频强化学习（RFRL）预计将成为下一代无线通信系统（特别是6G和下一代军事通信）中广泛适用的技术。鉴于此，我们的研究重点是开发一种工具，以促进利用频谱感知的RFRL技术的发展。特别是，该工具旨在解决两个认知无线电应用，即动态频谱接入和干扰。为了训练和测试这些应用的强化学习（RL）算法，需要一个仿真环境来模拟智能体在射频（RF）频谱中可能遇到的条件。在本文中，我们开发了这样一个环境，称为RFRL Gym。通过RFRL Gym，用户可以设计自己的场景来模拟RL智能体在RF频谱中可能遇到的情况，并尝试不同的频谱感知技术。此外，RFRL Gym是OpenAI gym的子类，允许使用第三方机器学习/强化学习库。我们计划开源此代码库，以使其他研究人员能够利用RFRL Gym测试他们自己的场景和RL算法，最终推动无线通信领域RL研究的进步。本文进一步详细描述了Gym的组件、示例场景的结果以及未来添加的计划。
引用
@article{arxiv.2401.05406,
title = {RFRL Gym: A Reinforcement Learning Testbed for Cognitive Radio Applications},
author = {Daniel Rosen and Illa Rochez and Caleb McIrvin and Joshua Lee and Kevin D'Alessandro and Max Wiecek and Nhan Hoang and Ramzy Saffarini and Sam Philips and Vanessa Jones and Will Ivey and Zavier Harris-Smart and Zavion Harris-Smart and Zayden Chin and Amos Johnson and Alyse M. Jones and William C. Headley},
journal= {arXiv preprint arXiv:2401.05406},
year = {2024}
}