PulseAugur
实时 03:01:36
English(EN) Multi-Agent DRL for QoS and Energy Optimization in RIS-Enabled Open-RAN Industrial 6G TN/NTN Networks

新框架采用多智能体深度强化学习优化工业6G网络

研究人员开发了一个面向工业6G网络的新型框架,该框架整合了地面和非地面组件,包括无人机挂载的可重构智能表面(RIS)、地面无线电单元和高空平台(HAP)。该系统旨在改善在复杂环境中密集工业物联网设备的连接性。为应对优化数据速率、延迟和能耗的复杂性,采用了多智能体深度强化学习方法,并展示了相较于现有方法的显著改进。 AI

影响 这项研究可能带来更高效、更可靠的工业通信网络,这对于先进制造和物联网应用至关重要。

排序理由 这是一篇详细介绍新颖技术框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架采用多智能体深度强化学习优化工业6G网络

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Marwan Dhuheir, Thang X. Vu, Symeon Chatzinotas ·

    面向支持RIS的Open-RAN工业6G TN/NTN网络的用于QoS和能源优化的多智能体DRL

    arXiv:2606.28339v1 Announce Type: cross Abstract: Industrial 6G networks require ultra-reliable, low-latency, and energy-efficient connectivity in dynamic and blockage-prone environments, where conventional terrestrial deployments often fail to ensure stable coverage. Hence, in t…