Описание промпта

随着智慧城市应急救援技术的飞速发展，在通信基础设施损毁的极端灾区，具身集群（Embodied Swarm）的协同救援受制于语义冗余与多维资源的时空非平稳性。 针对传统比特级传输方案在带宽受限时任务完成率低，以及大规模具身集群在混合动作空间下由于维数灾难导致控制失效的问题，本文提出一种语义感知驱动的具身集群扩散式协同计算与3C闭环优化框架（SD-HEC）。 该框架包含三大核心机制：1、构建语义感知动态超图模型（SH-Sens），利用超边（Hyperedge）捕捉异构节点间的高阶群组耦合关系，并引入轻量级语义编码器量化任务的“语义重要度”，实现物理空间到数字空间的高保真、低带宽映射； 2、提出抗扰动扩散模型生成式多智能体决策算法（Diff-MAS）：针对通信受限导致的信息感知非全秩与时延抖动问题，利用扩散模型的生成特性，在部分可观测条件下对缺失的集群状态进行“语义重构”与去噪，通过学习联合动作分布缓解了通信断连导致的策略失准，保障了大规模异构集群在非理想通信链路下的协同一致性； 3、建立基于信息价值（V-RFC）的3C闭环按需流控机制：针对通信资源与计算负载的非平稳性，实时量化感知数据对控制目标的“语义贡献度”与感知新鲜度（AoI），动态触发反向调节机制，在通信极度匮乏时优先保障关键控制指令的传输，实现“感知-传输-计算-控制”全链路在受限资源下的熵减优化。 基于（AirSim+NS3）高保真通信受限仿真环境下，SD-HEC在大规模异构集群中，相较于传统比特级传输方案，任务语义保真度提升41.2%，系统能效比提升33.5%。 在与Lyapunov优化、JCO-Deep等基线方法对比中，Diff-MAS算法显著提升了模型收敛的样本效率约1.8倍；在通信链路丢包率高达40%的极端工况下，基于3C闭环语义流控机制，系统关键任务完成率仍保持89.6%以上。 该研究突破了传统通信对集群智能的制约，验证了生成式AI与语义通信在极端受限环境下的工程可行性，为构建高韧性自适应灾害应急响应系统提供了理论依据与技术支撑。 关键词 (Keywords) 具身集群；语义通信；扩散模型；动态超图；3C闭环优化；流控机制