56、迈向6G移动通信的深度学习与联邦学习

迈向6G移动通信的深度学习与联邦学习

1. 网络多智能体系统

在无线通信领域，除了将机器学习（ML）应用于无线网络，还出现了关于人工智能计算和无线网络的新问题：对于使用ML的智能体，理想的无线网络应该是怎样的？更确切地说，如何为机器智能的智能体（如多机器人系统或多智能体系统（MAS））设计无线网络。

1.1 机器智能与多智能体系统定义

• 机器智能：Legg和Hutter将机器智能定义为智能体在广泛环境中实现目标的能力。
• 分布式人工智能（DAI）：有两个常见的子领域，分布式问题解决（DPS）和MAS。DPS通常将任务分解为多个可在不同处理器上执行的子问题，然后合成解决方案；MAS则将智能体视为具有目标和行动的智能实体，如机器人或自动驾驶车辆。
• MAS的构成：Demazeau将MAS定义为包含智能体、环境、交互和组织四个主要方面。

1.2 多智能体系统中的通信研究现状

虽然智能体之间的通信或行动交换在MAS和DAI中已经研究了很长时间，但以往的研究很少考虑无线网络的特点。例如，一些研究考虑了有限数量的通信信道用于合作智能体团队之间的信息共享，但没有充分考虑实际的无线通信和网络，以及对ML机制的影响。

1.3 无线通信在多智能体系统中的应用案例

• 自动驾驶车辆：将每辆自动驾驶车辆的行为视为使用强化学习（RL）的智能体，研究表明无线联网可以减少平均延迟。在这种无线联网中，交互范围内其他自动驾驶车辆的奖励地图和策略是有用的信息，因此超低延迟的无线联网是非常理想的，实时ALOHA被视为一种多址接入方式。