XRアプリケーション向けの深層強化学習に基づくリソース割り当てメカニズム*

最近、学界と産業の注目は6G技術に向けられています。6Gの中で、拡張現実（XR）は、計算集約的で、レイテンシに敏感かつ高帯域幅のアプリケーションに対する要求から、研究者を惹きつける重要なシナリオとして浮上しています。XRにおける効率的なリソース割り当ては、シームレスでスムーズなユーザー体験を提供するために重要です。しかし、XRアプリケーションのための既存のリソース割り当てに関する研究は、XRコンテンツとユーザー間の相互作用を考慮していません。本論文では、XRアプリケーションにおけるサービスレイテンシを最小限に抑えるために、深層Qネットワーク（DQN）アプローチを提案します。問題をマルコフ決定過程（MDP）として定式化し、DQNを解決策として適用します。シミュレーション結果は、レイテンシと受け入れ率の両方の観点から、提案された手法の効率性を示しています。