面向无人机和感知、通信与计算一体化（ISCC）使能的元宇宙系统的主动推断增强深度强化学习

《IEEE Journal of Selected Areas in Sensors》：Active Inference-Enhanced DRL for UAV and Integrated Sensing, Communication, and Computing (ISCC) Enabled Metaverse Systems

　　在本研究中，我们探讨了边缘计算赋能的天地一体化元宇宙系统中的计算任务卸载与无人机（UAV）路径规划问题。具体而言，我们将无人机概念化为一种"通信-感知-计算"一体化设备，用于在元宇宙系统中提供实时服务。地面基站（GBS）增强无人机的处理能力，而边缘计算平台（ECP）仅为GBS提供辅助，从而构成两级卸载架构。为同时满足用户与运营商的需求，我们的目标是最小化能耗与延迟，以使用户服务质量（QoS）需求得到满足，同时为虚拟服务提供商（VSP）最小化经济成本。通过联合优化无人机的感知时长、轨迹与飞行时间，以及无人机与VSP的数据卸载比例，来实现上述目标。鉴于元宇宙系统的动态特性，我们将该问题重新建模为马尔可夫决策过程（MDP），并采用基于主动推理的深度强化学习（DRL）算法，动态学习最优联合解。仿真结果表明，我们的方法能够实现快速收敛，并在最大化累积奖励、最小化VSP成本、降低系统延迟以及优化无人机能耗等方面表现优异。