迈向 BCI 赋能的元宇宙：一种联合学习与资源分配方法
信号处理
2023-09-01 v2 网络与互联网体系结构
摘要
面向通过未来 6G 基础设施实现具有快速无线连接与巨大计算需求的用户驱动型元宇宙应用，我们提出了一种脑机接口（BCI）赋能框架，为创建智能类人化身铺平道路。我们的方法向元宇宙系统迈出第一步，其中数字化身被设想为通过蜂窝网络收集与分析脑信号而变得更加智能。在我们提出的系统中，元宇宙用户体验应用的同时经由上行无线信道发送其脑信号，以在基站创建智能类人化身。如此，数字化身不仅能给用户有用建议，还使系统能够创建用户驱动的应用。我们提出的框架涉及一个混合决策与分类问题，其中基站须以高效方式将计算与无线资源分配给用户并分类用户脑信号。为此，我们提出一种利用深度强化学习近期进展的混合训练算法来解决该问题。具体而言，我们的混合训练算法包含三个相互协作的深度神经网络，以更好实现混合决策与分类问题。仿真结果表明，我们提出的框架能联合处理系统资源分配并以高准确度预测分类用户脑信号。
引用
@article{arxiv.2212.08811,
title = {Toward BCI-enabled Metaverse: A Joint Learning and Resource Allocation Approach},
author = {Nguyen Quang Hieu and Dinh Thai Hoang and Diep N. Nguyen and Eryk Dutkiewicz},
journal= {arXiv preprint arXiv:2212.08811},
year = {2023}
}