比特预算信道下多智能体通信的任务导向数据压缩

机器间通信的各种应用正在兴起。无论是自动驾驶车辆还是万物互联，机器比以往任何时候都更加互联，以提升其在完成给定任务时的性能。在传统通信中，目标通常是重建底层消息，而在新兴的任务导向范式下，通信的目标是使接收端能够做出更明智的决策或更精确的估计/计算。受这些近期发展的启发，本文在多智能体系统（MAS）中进行了间接通信设计，其中智能体协作以最大化协作任务的折扣单阶段奖励的平均和。由于智能体之间的比特预算通信，每个智能体应高效地表示其局部观测，并传达观测的抽象版本以改善协作任务性能。我们首先证明该问题可近似为一种数据量化问题，我们称之为任务导向数据压缩（TODC）。然后我们引入状态聚合信息压缩算法（SAIC）来求解所表述的TODC问题。结果表明，SAIC在实现的折扣奖励总和方面能够达到近最优性能。所提算法被应用于一个几何一致性问题，并与若干基准进行了性能比较。数值实验证实了这种用于任务导向多智能体通信的间接设计方法的前景。