multi-access edge computing
PulseAugur coverage of multi-access edge computing — every cluster mentioning multi-access edge computing across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的MARL框架大幅缩短边缘计算中XR流量延迟
研究人员开发了一种新的多智能体强化学习（MARL）框架，用于改善时间敏感型网络（TSN）环境中的流量调度，特别适用于移动边缘计算（MEC）中的扩展现实（XR）等应用。提出的异构智能体近端策略优化（HAPPO）算法将每个TSN队列建模为一个可以与其他队列协调的独立智能体。该方法旨在解决动态流量条件下静态调度方法的局限性。模拟显示，该MARL框架将平均帧等待时间减少了高达26.8%，最坏情况延迟减少了约16.8%。
-
新型多智能体Transformer优化TSN网络中的XR流量调度
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。
-
新型强化学习算法优化带超对角RIS的边缘计算
研究人员开发了一种名为DSAC-T的新型分布强化学习算法，用于优化由主动超对角可重构智能表面（BD-RIS）辅助的异构移动边缘计算（MEC）系统中的能源和资源分配。该方法对回报分布进行建模，提高了策略的稳定性和可行性，尤其是在奖励异构的情况下。在模拟中，DSAC-T实现了81.67%的可行性比率，并且每种场景的在线决策时间仅为0.0267秒，优于其他基线算法。
-
AI-UAVs 增强零能耗物联网定位和感知
本综述全面探讨了人工智能与无人机（UAV）的集成，以增强零能耗物联网设备的后向散射定位和集成感知与通信（ISAC）。论文概述了一种结构化方法，用于对这些系统所使用的网络架构、UAV角色、后向散射模式和AI技术进行分类。它还讨论了挑战和未来的研究方向，包括现实信道建模、能量中性运行以及RIS、MEC和6G等技术的集成。
-
ViajeInteligencia.com 推出人工智能驱动的旅行情报工具
ViajeInteligencia.com 推出了包括智能路线规划器和集成 MAEC 警报在内的新工具。该平台旨在将零散的信息转化为可操作的旅行者情报。这个独立项目利用 Linux、自动化和本地人工智能，专注于旅行、开源和地缘政治。