産業用6Gにおける無線資源管理のための連合型マルチエージェントDRL in-Xサブネットワーク

最近、6G in-Xサブネットワークは、産業用ロボット、車両、および人間の体などのエンティティ内での局所的な極端なワイヤレス接続をサポートするために、低電力短距離無線セルとして提案されています。これらのエンティティ内でのin-Xサブネットワークの展開は、干渉レベルの急速な変化をもたらし、その結果、リンク品質が変動する可能性があります。本稿では、6G in-Xサブネットワークの密集した工場内展開におけるサブネットワーク間干渉を軽減するための分散動的チャンネル割り当てを調査します。本稿では、6G in-Xサブネットワークにおけるチャンネル割り当てのための2つの新しい技術、連合型マルチエージェントダブルディープQネットワーク（F-MADDQN）および連合型マルチエージェントディープ近接最適化（F-MADPPO）を紹介します。これらの技術は、クライアントからサーバーへの水平連合強化学習フレームワークに基づいています。これらの方法では、中央のgNBと連合型集約のためにローカルモデルの重みのみを共有する必要があり、ローカルデータのプライバシーとセキュリティを保持します。シミュレーションは、5G-ACIAおよび3GPPモデルが提案する実用的な屋内工場環境を使用して実施されました。結果は、提案された方法がベースラインスキームよりもわずかに良い性能を達成し、ベースラインソリューションと比較して信号オーバーヘッドが大幅に削減されたことを示しました。また、これらのスキームは、展開密度や伝播パラメータの変化に対してより良い堅牢性と一般化能力を示しました。