Learn to Optimize Resource Allocation under QoS Constraint of AR

要約

このペーパーでは、ARデバイスによってキャプチャされたライブビデオがネットワークエッジにアップロードされ、その後拡張ビデオがダウンロードされるためのインタラクティブな拡張現実（AR）サービスのアップリンクとダウンリンクのパワー配分について説明します。
AR送信プロセスをタンデムキューイングシステムとしてモデル化することにより、エンドツーエンドのレイテンシと信頼性に関する確率的サービス品質（QOS）要件の上限を導き出します。
QoS制約によるリソース割り当てにより、機能的な最適化の問題が発生します。
それに対処するために、ディープニューラルネットワークを設計して、パワー配分ポリシーを学習し、学習パフォーマンスを向上させるための最適なパワー配分の構造を活用します。
シミュレーション結果は、提案された方法がQoS要件を満たしている間、送信パワーを効果的に削減することを示しています。

要約(オリジナル)

This paper studies the uplink and downlink power allocation for interactive augmented reality (AR) services, where live video captured by an AR device is uploaded to the network edge and then the augmented video is subsequently downloaded. By modeling the AR transmission process as a tandem queuing system, we derive an upper bound for the probabilistic quality of service (QoS) requirement concerning end-to-end latency and reliability. The resource allocation with the QoS constraints results in a functional optimization problem. To address it, we design a deep neural network to learn the power allocation policy, leveraging the structure of optimal power allocation to enhance learning performance. Simulation results demonstrate that the proposed method effectively reduces transmit powers while meeting the QoS requirement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google