User-centric Heterogeneous-action Deep Reinforcement Learning for Virtual Reality in the Metaverse over Wireless Networks

要約

成熟したテクノロジーがさまざまな側面に力を与えるにつれて、メタバースが出現しつつあります。
仮想現実 (VR) テクノロジーは、メタバース内の仮想世界のバックボーンとして機能し、没入感の高いユーザー エクスペリエンスを提供します。
メタバースのコンテキストではモビリティが重視されるため、VR デバイスはローカルの計算能力を犠牲にして重量を軽減します。
この論文では、メタバース サーバーと複数の VR ユーザーで構成されるシステムについて、(i) サーバーがフレームを生成してユーザーに送信する場合と、(ii) ユーザーがローカルでフレームを生成してデバイスのエネルギーを消費する場合の 2 つのケースを検討します。
さらに、メタバースのマルチユーザー VR シナリオでは、ユーザーはさまざまな特性と 1 秒あたりのフレーム数 (FPS) に対する要求を持っています。
次に、チャネル アクセスの配置 (フレーム生成位置の決定を含む) と、サーバーからユーザーへのダウンリンク通信の送信電力が共同で最適化され、ユーザーの利便性が向上します。
この共同最適化は、異種アクションを備えた深層強化学習 (DRL) によって対処されます。
私たちが提案するユーザー中心の DRL アルゴリズムは、User-centric Critic with Heterogenous Actors (UCHA) と呼ばれます。
広範な実験により、当社の UCHA アルゴリズムがさまざまな要件や制約の下で顕著な結果をもたらすことが実証されました。

要約(オリジナル)

The Metaverse is emerging as maturing technologies are empowering the different facets. Virtual Reality (VR) technologies serve as the backbone of the virtual universe within the Metaverse to offer a highly immersive user experience. As mobility is emphasized in the Metaverse context, VR devices reduce their weights at the sacrifice of local computation abilities. In this paper, for a system consisting of a Metaverse server and multiple VR users, we consider two cases of (i) the server generating frames and transmitting them to users, and (ii) users generating frames locally and thus consuming device energy. Moreover, in our multi-user VR scenario for the Metaverse, users have different characteristics and demands for Frames Per Second (FPS). Then the channel access arrangement (including the decisions on frame generation location), and transmission powers for the downlink communications from the server to the users are jointly optimized to improve the utilities of users. This joint optimization is addressed by deep reinforcement learning (DRL) with heterogeneous actions. Our proposed user-centric DRL algorithm is called User-centric Critic with Heterogenous Actors (UCHA). Extensive experiments demonstrate that our UCHA algorithm leads to remarkable results under various requirements and constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google