基于比较学习联合优化的多智能体语义通信框架研究 杨洪、 李红燕、 陈洪刚、 王立娟、 李吉、 青林波、 何小海

《Sensors》：Research on Multi-Agent Semantic Communication Framework Based on Comparative Learning Joint Optimization Hong Yang, Hongyan Li, Honggang Chen, Lijuan Wang, Ji Li, Linbo Qing and Xiaohai He

　　

摘要

随着智能服务的快速发展，通信目标正从人类转向多智能体（MA）系统。这种转变需要新的通信范式，以支持智能体之间的实时感知、决策和协作。语义通信（SeC）专注于信息“意义”的高效传输和准确理解，非常适合满足多智能体的需求，如协作感知、推理和决策。然而，语义信息的传输仍受到动态环境和多智能体任务多样性的限制。为了应对这些挑战，本研究提出了一种比较学习联合最优（COJO）语义通信框架。该框架主要做出了三方面的贡献：首先，它针对不同信道条件联合优化了用于多任务语义目标的图像重建和分类功能，从而提高了系统的整体任务性能；其次，基于输入图像特征、压缩比、任务要求和信道条件，设计了一种改进的压缩算法，通过训练获得掩码来显著减少传输数据的体积；最后，为了在信道受限的多任务场景中防止关键语义信息的丢失，设计了一种任务驱动的端到端语义通信训练方案。