כתבה
arXiv cs.LG ·
תכנון יחד של תנועה ומינוף קיבוע לרשתות AI גופניות ניידות (MEAN)
Joint Movement and Compression Ratio Design for Mobile Embodied AI Networks (MEAN)
במאמר זה, נחקר תכנון יחד של תנועה ומינוף קיבוע לרשתות AI גופניות ניידות. התכנון מטרתו לשפר כלכלת האנרגיה של הרשת.
תקציר מקורי באנגליתarXiv:2610.02334v1 Announce Type: cross Abstract: Mobile embodied AI networks (MEAN) enable embodied agents to perceive, reason, communicate, and act in wireless environments. In such networks, agent mobility can improve channel conditions, while semantic compression can reduce transmission payloads. However, movement consumes energy, and stronger compression incurs additional computational cost. This paper studies joint movement, semantic compression, and transmit power design for an uplink MEAN system. We formulate a max-min energy efficiency (EE) problem by jointly optimizing transmit power, movement distance, and semantic compression ratio under controllable power constraints. The problem is non-convex due to the coupled signal-to-interference-plus-noise ratio (SINR), mobility-dependen
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית