Prompt-Beschreibung

Angesichts der rasanten Entwicklung von Notfallrettungstechnologien für intelligente Städte ist die kollaborative Rettung von Embodied Swarms in extremen Katastrophengebieten, in denen die Kommunikationsinfrastruktur beschädigt ist, durch semantische Redundanz und die raumzeitliche Nicht-Stationarität mehrdimensionaler Ressourcen eingeschränkt. Um die Probleme der geringen Aufgabenerfüllungsrate traditioneller Bit-Level-Übertragungsschemata bei begrenzter Bandbreite und des Kontrollausfalls aufgrund des Dimensionalitätsfluchs großer Embodied Swarms in hybriden Aktionsräumen zu lösen, schlägt diese Arbeit ein Semantic-Awareness-Driven Embodied Swarm Diffusive Collaborative Computing and 3C Closed-Loop Optimization Framework (SD-HEC) vor. Dieses Framework umfasst drei Kernmechanismen: 1. Konstruktion eines semantisch-bewussten dynamischen Hypergraphenmodells (SH-Sens), das Hyperkanten verwendet, um Gruppenkopplungsbeziehungen höherer Ordnung zwischen heterogenen Knoten zu erfassen, und einen leichtgewichtigen semantischen Encoder einführt, um die "semantische Bedeutung" von Aufgaben zu quantifizieren und so eine originalgetreue und bandbreitenarme Abbildung vom physischen in den digitalen Raum zu realisieren; 2. Vorschlag eines störungsresistenten Diffusionsmodell-generativen Multi-Agenten-Entscheidungsalgorithmus (Diff-MAS): Um die Probleme der nicht-vollständigen Ranginformationen und des Zeitverzögerungszitterns aufgrund von Kommunikationsbeschränkungen zu lösen, werden die generativen Eigenschaften des Diffusionsmodells verwendet, um eine "semantische Rekonstruktion" und Entrauschung des fehlenden Clusterzustands unter partiell beobachtbaren Bedingungen durchzuführen. Durch das Erlernen der gemeinsamen Aktionsverteilung wird die Strategiefehlausrichtung, die durch Kommunikationsunterbrechung verursacht wird, verringert und die kollaborative Konsistenz großer heterogener Cluster unter nicht-idealen Kommunikationsverbindungen gewährleistet; 3. Etablierung eines 3C Closed-Loop On-Demand Flow Control Mechanismus basierend auf Informationswert (V-RFC): Um die Nicht-Stationarität von Kommunikationsressourcen und Rechenlast zu berücksichtigen, werden der "semantische Beitrag" der wahrgenommenen Daten zum Kontrollziel und die wahrgenommene Aktualität (AoI) in Echtzeit quantifiziert, und ein umgekehrter Anpassungsmechanismus wird dynamisch ausgelöst, um die Übertragung wichtiger Steuerungsanweisungen zu priorisieren, wenn die Kommunikation extrem knapp ist, wodurch eine Entropiereduktionsoptimierung der gesamten "Wahrnehmung-Übertragung-Berechnung-Steuerung"-Kette unter begrenzten Ressourcen realisiert wird. Basierend auf der (AirSim+NS3) High-Fidelity-Simulationsumgebung mit Kommunikationsbeschränkungen verbessert SD-HEC die semantische Genauigkeit der Aufgaben um 41,2 % und das Systemenergieeffizienzverhältnis um 33,5 % in großen heterogenen Clustern im Vergleich zum traditionellen Bit-Level-Übertragungsschema. Im Vergleich zu Baseline-Methoden wie Lyapunov-Optimierung und JCO-Deep verbessert der Diff-MAS-Algorithmus die Sample-Effizienz der Modellkonvergenz signifikant um etwa das 1,8-fache; unter extremen Bedingungen, in denen die Paketverlustrate der Kommunikationsverbindung bis zu 40 % beträgt, bleibt die Erfüllungsrate der wichtigsten Aufgaben des Systems basierend auf dem 3C Closed-Loop Semantic Flow Control Mechanismus über 89,6 %. Diese Forschung durchbricht die Beschränkungen der traditionellen Kommunikation auf Schwarmintelligenz, verifiziert die technische Machbarkeit von generativer KI und semantischer Kommunikation in extrem eingeschränkten Umgebungen und bietet eine theoretische Grundlage und technische Unterstützung für den Aufbau eines hochresilienten adaptiven Katastrophennotfallreaktionssystems. Schlüsselwörter: Embodied Swarm; Semantische Kommunikation; Diffusionsmodell; Dynamischer Hypergraph; 3C Closed-Loop Optimierung; Flow Control Mechanismus