A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles

要約

人工知能生成コンテンツ (AIGC) は、AI モデルを利用した自動コンテンツ生成のパラダイムを指します。
Internet of Vehicles (IoV) ネットワークのモバイル AIGC サービスには、ネットワーク効率の向上、再構成可能性の向上、データ セキュリティとプライバシーの強化など、従来のクラウドベースの AIGC サービスに比べて多くの利点があります。
それにもかかわらず、AIGC サービスのプロビジョニングには、頻繁に大量のリソースが必要になります。
その結果、リソースに制約のある路側機 (RSU) は、AIGC サービスの異種プールを維持し、全体的なパフォーマンスを低下させることなくすべてのユーザー サービス要求に対処するという課題に直面しています。
したがって、この論文では、マルチエージェント深層強化学習を使用して、RSU 上の AIGC サービスの供給と IoV コンテキスト内のサービスに対するユーザーの需要の間のバランスを見つけ、ユーザー エクスペリエンスを最適化する、モバイル AIGC サービス割り当てのための分散型インセンティブ メカニズムを提案します。
伝送遅延を最小限に抑えます。
実験結果は、私たちのアプローチが他のベースラインモデルと比較して優れたパフォーマンスを達成することを示しています。

要約(オリジナル)

Artificial Intelligence-Generated Content (AIGC) refers to the paradigm of automated content generation utilizing AI models. Mobile AIGC services in the Internet of Vehicles (IoV) network have numerous advantages over traditional cloud-based AIGC services, including enhanced network efficiency, better reconfigurability, and stronger data security and privacy. Nonetheless, AIGC service provisioning frequently demands significant resources. Consequently, resource-constrained roadside units (RSUs) face challenges in maintaining a heterogeneous pool of AIGC services and addressing all user service requests without degrading overall performance. Therefore, in this paper, we propose a decentralized incentive mechanism for mobile AIGC service allocation, employing multi-agent deep reinforcement learning to find the balance between the supply of AIGC services on RSUs and user demand for services within the IoV context, optimizing user experience and minimizing transmission latency. Experimental results demonstrate that our approach achieves superior performance compared to other baseline models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google