元宇宙中基于边缘-设备协同计算的无线多用户交互虚拟现实

元宇宙的沉浸特性为无线多用户交互式虚拟现实（VR）带来了重大挑战，如超低延迟、高吞吐量和密集计算，这对无线带宽和移动边缘计算（MEC）的渲染资源提出了巨大需求。在本文中，我们提出了一种带边缘-设备协同计算的无线多用户交互VR框架，以克服运动到光子（MTP）阈值瓶颈。具体而言，我们在一个前景与背景分离架构中建模队列内的串行-并行任务执行。预测窗口内背景图块的渲染索引被确定，前景和选定的背景图块根据渲染位置分别加载到各自的处理队列中。为了最小化传感器信息的延迟和移动设备的功耗，我们在MTP约束下优化渲染决策和MEC资源分配。为了解决这一优化问题，我们设计了一种安全强化学习（RL）算法——主动队列管理约束更新投影（AQM-CUP）。AQM-CUP构建了一个适合队列的环境，将处理缓冲区中主动丢弃的过期图块纳入其状态和奖励系统。实验结果表明，所提出的框架显著增强了用户沉浸感，同时降低了设备功耗，并且所提出的AQM-CUP算法在训练收敛性和性能指标方面优于传统方法。