Apprendimento per Rinforzo Multi-Agente per la Programmazione TSN Dinamica in MEC
Un recente articolo su arXiv (2608.05346) introduce un framework di apprendimento per rinforzo multi-agente (MARL) progettato per la programmazione in reti time-sensitive (TSN) in contesti di edge computing mobile (MEC), con un focus su applicazioni di realtà estesa (XR). Questa sottomissione cross-type affronta le carenze dei metodi tradizionali di programmazione TSN che dipendono da ottimizzazione statica o modelli di apprendimento centralizzati legati a modelli di traffico fissi. Negli scenari MEC reali, più flussi di traffico XR coesistono con caratteristiche mutevoli, portando a complesse dipendenze tra code che gli scheduler esistenti trascurano. Trattando ogni coda TSN come un agente indipendente, il framework proposto facilita una programmazione adattiva e decentralizzata in condizioni di traffico fluttuante, mirando a migliorare le prestazioni per applicazioni sensibili alla latenza in ambienti MEC dinamici. L'articolo è accessibile tramite il link arXiv fornito.
Fatti principali
- L'articolo arXiv:2608.05346 propone MARL per la programmazione TSN in MEC.
- Si rivolge ad applicazioni XR con severi requisiti di latenza.
- Le soluzioni esistenti usano ottimizzazione statica o apprendimento centralizzato.
- Gli ambienti MEC hanno più flussi di traffico XR co-localizzati.
- Le caratteristiche del traffico evolvono nel tempo, creando dipendenze tra code.
- Il framework modella ogni coda TSN come un agente autonomo.
- Consente un coordinamento di programmazione adattivo e decentralizzato.
- L'articolo è annunciato come cross-type su arXiv.
Entità
Istituzioni
- arXiv