Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.01141

帮助 | 高级搜索

计算机科学 > 网络与互联网架构

arXiv:2501.01141 (cs)
[提交于 2025年1月2日 ]

标题: 具身人工智能增强的车联网:一种集成大语言模型和强化学习的方法

标题: Embodied AI-Enhanced Vehicular Networks: An Integrated Large Language Models and Reinforcement Learning Method

Authors:Ruichen Zhang, Changyuan Zhao, Hongyang Du, Dusit Niyato, Jiacheng Wang, Suttinee Sawadsitang, Xuemin Shen, Dong In Kim
摘要: 本文研究了在具身AI增强的车联网中自适应传输策略,通过整合大型语言模型(LLMs)进行语义信息提取和深度强化学习(DRL)进行决策。所提出的框架旨在通过制定一个结合韦伯-费希纳定律的优化问题,优化数据传输效率和决策准确性,作为平衡带宽利用率和用户体验(QoE)的度量标准。具体而言,我们使用大型语言和视觉助手(LLAVA)模型从具身AI代理(即车辆)捕获的原始图像数据中提取关键语义信息,将传输数据大小减少超过90%,同时保留用于车联网和决策的关键内容。在动态的车联网环境中,我们采用基于广义优势估计的近端策略优化(GAE-PPO)方法,在不确定性下稳定决策。仿真结果表明,LLAVA的注意力图突出了模型对相关图像区域的关注,提高了语义表示的准确性。此外,我们的传输策略相比DDPG提升了QoE高达36%,相比纯PPO减少了所需步骤高达47%。进一步分析表明,适应语义符号长度在传输质量和带宽之间提供了有效的权衡,在从4辆车辆扩展到8辆车辆时,QoE最高提升了61.4%。
摘要: This paper investigates adaptive transmission strategies in embodied AI-enhanced vehicular networks by integrating large language models (LLMs) for semantic information extraction and deep reinforcement learning (DRL) for decision-making. The proposed framework aims to optimize both data transmission efficiency and decision accuracy by formulating an optimization problem that incorporates the Weber-Fechner law, serving as a metric for balancing bandwidth utilization and quality of experience (QoE). Specifically, we employ the large language and vision assistant (LLAVA) model to extract critical semantic information from raw image data captured by embodied AI agents (i.e., vehicles), reducing transmission data size by approximately more than 90\% while retaining essential content for vehicular communication and decision-making. In the dynamic vehicular environment, we employ a generalized advantage estimation-based proximal policy optimization (GAE-PPO) method to stabilize decision-making under uncertainty. Simulation results show that attention maps from LLAVA highlight the model's focus on relevant image regions, enhancing semantic representation accuracy. Additionally, our proposed transmission strategy improves QoE by up to 36\% compared to DDPG and accelerates convergence by reducing required steps by up to 47\% compared to pure PPO. Further analysis indicates that adapting semantic symbol length provides an effective trade-off between transmission quality and bandwidth, achieving up to a 61.4\% improvement in QoE when scaling from 4 to 8 vehicles.
评论: 14页,10图
主题: 网络与互联网架构 (cs.NI)
引用方式: arXiv:2501.01141 [cs.NI]
  (或者 arXiv:2501.01141v1 [cs.NI] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01141
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ruichen Zhang [查看电子邮件]
[v1] 星期四, 2025 年 1 月 2 日 08:48:54 UTC (15,495 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.NI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号