研究人员开发了一种新颖的多智能体Transformer（MAT）方法，用于优化时间敏感网络（TSN）和移动边缘计算（MEC）环境中的扩展现实（XR）应用的流量调度。该方法通过代理注意力模拟队列间依赖性，解决了现有强化学习技术的局限性，从而实现异构XR应用之间的隐式协调。仿真结果表明，延迟最多可降低71.42%，失败率最多可降低83.2%，同时在所有队列中保持高可靠性，取得了显著的改进。 AI
影响 这项研究通过优化网络资源分配，有望提高XR等实时应用的可靠性和性能。
排序理由 该集群包含一篇详细介绍网络流量调度新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
