La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-26
Q-learning guiado por creencias y referenciado a un gemelo digital para la identificación de interferidores y el control de potencia de haz en un modelo mmWave
Título original: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model
Este trabajo aborda el problema de la identificación conjunta de interferidores y el control de potencia de haz en redes mmWave 6G. Los autores usan una referencia de gemelo digital basada en simulación, frente a la cual se evalúa el estado real de la red, y un método de Q-learning guiado por creencias (BGQL) para un modelo de red de 28 GHz específico del sitio. En 30 ejecuciones Monte Carlo pareadas, en comparación con SARSA, Greedy y Random, BGQL logró puntuaciones de tasa de enlace de 437.4–564.2 Mbit/s y una exhaustividad de localización del 100% con un interferidor y del 78–81% con dos, aunque cada ejecución tardó 80–130 s frente a 5–14 s de SARSA. Los autores lo presentan como una prueba de concepto en simulación.