SemAgent：语义驱动的智能体 AI 在车联网中的轨迹预测
人工智能
2025-12-02 v1 网络与互联网体系结构
摘要
高效信息交换和可靠的上下文推理是车联网 (V2X) 中的关键要求。传统通信方案往往导致显著的传输开销和延迟，而现有的轨迹预测模型通常缺乏环境感知和逻辑推理能力。本文提出了一个集成语义通信与智能体 AI 以增强车辆环境中预测性能的轨迹预测框架。在车联网-基础设施 (V2I) 通信中，路侧单元 (RSU) 处的特征提取智能体从历史车辆轨迹中派生出紧凑表示，随后由语义分析智能体执行语义推理。RSU 随后通过语义通信将特征表示和语义见解传输给目标车辆，使其能够通过将接收到的语义与自身历史数据相结合来预测未来轨迹。在车联网-车 (V2V) 通信中，每个车辆执行本地特征提取和语义分析，同时接收来自相邻车辆的预测轨迹，并联合利用这些信息进行自身轨迹预测。广泛的实验在多样化的通信条件下表明，所提方法显著优于基准方案，在低信噪比 (SNR) 条件下预测准确率提升最高可达 47.5%。
引用
@article{arxiv.2512.00834,
title = {SemAgent: Semantic-Driven Agentic AI Empowered Trajectory Prediction in Vehicular Networks},
author = {Lin Zhu and Kezhi Wang and Luping Xiang and Kun Yang},
journal= {arXiv preprint arXiv:2512.00834},
year = {2025}
}
备注
Submitted for possible journal publication