ИИ и сложнейшие проблемы мира · Теоретическая информатика · arXiv · 2026-10-26
Q-обучение с опорой на цифровой двойник и управлением по убеждениям для идентификации постановщика помех и управления мощностью луча в модели mmWave
Оригинальное название: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model
В работе рассматривается задача совместной идентификации постановщика помех и управления мощностью луча в сетях 6G mmWave. Авторы используют эталон на основе симуляционного цифрового двойника, относительно которого оценивается фактическое состояние сети, и метод Q-обучения с управлением по убеждениям (BGQL) для модели сети 28 ГГц с привязкой к конкретной местности. В 30 парных запусках Монте-Карло по сравнению с SARSA, Greedy и Random метод BGQL достиг показателей скорости канала 437.4–564.2 Мбит/с и полноты локализации 100% для одного постановщика помех и 78–81% для двух, при этом каждый запуск занимал 80–130 с против 5–14 с у SARSA. Авторы представляют это как доказательство концепции на уровне симуляции.