本發(fā)明涉及元宇宙、邊緣緩存領(lǐng)域，特別涉及一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法。

背景技術(shù)：

1、在信息技術(shù)，特別是5g、人工智能(ai)與云計(jì)算等領(lǐng)域取得重大進(jìn)展的推動(dòng)下，我們正在進(jìn)入一個(gè)新的數(shù)字化時(shí)代。在此背景下，元宇宙整合虛擬現(xiàn)實(shí)(vr)、增強(qiáng)現(xiàn)實(shí)(ar)和混合現(xiàn)實(shí)(mr)等技術(shù)，已經(jīng)成為科技和數(shù)字娛樂行業(yè)的熱門議題。然而，元宇宙的構(gòu)建與發(fā)展正面臨諸多挑戰(zhàn)，尤其是在高效傳輸和渲染復(fù)雜3d場(chǎng)景方面。傳統(tǒng)網(wǎng)絡(luò)傳輸?shù)南拗?，如帶寬限制、緩沖和卡頓，嚴(yán)重影響了用戶的沉浸感。

2、此外，高延遲和網(wǎng)絡(luò)不穩(wěn)定性同樣對(duì)用戶的實(shí)時(shí)交互體驗(yàn)構(gòu)成挑戰(zhàn)。在數(shù)據(jù)隱私和安全性方面，保障用戶個(gè)人信息和虛擬資產(chǎn)的安全至關(guān)重要，這就需要在數(shù)據(jù)傳輸過程中采取有效的加密和安全措施。同時(shí)，為了實(shí)現(xiàn)跨平臺(tái)兼容性和靈活性，元宇宙場(chǎng)景必須在保持高質(zhì)量的同時(shí)，適應(yīng)不同設(shè)備的性能和輸入方式。

3、目前為止，絕大多數(shù)元宇宙采用中心化的數(shù)據(jù)處理方式，渲染工作在云端服務(wù)器上完成，現(xiàn)有的5g網(wǎng)絡(luò)往往不能滿足大規(guī)模用戶進(jìn)行實(shí)時(shí)沉浸式元宇宙交互的需求。神經(jīng)輻射場(chǎng)(nerf)的出現(xiàn)，實(shí)現(xiàn)了從一組稀疏的視圖到逼真3d場(chǎng)景的渲染，但nerf當(dāng)前面臨著3d場(chǎng)景渲染時(shí)間長(zhǎng)、渲染配置要求高、渲染質(zhì)量不夠理想等問題。block-nerf和grid-nerf實(shí)現(xiàn)了分模塊渲染子場(chǎng)景，為元宇宙分模塊渲染3d子場(chǎng)景提供了研究方向，在渲染大規(guī)模場(chǎng)景時(shí)仍面臨渲染時(shí)間長(zhǎng)、設(shè)備要求高等問題。

4、目前，元宇宙被視為數(shù)字化轉(zhuǎn)型的進(jìn)階階段，是一個(gè)長(zhǎng)遠(yuǎn)發(fā)展的愿景。盡管元宇宙被看作是互聯(lián)網(wǎng)的后繼者，但實(shí)現(xiàn)完整愿景仍處于初級(jí)發(fā)展階段。元宇宙初期發(fā)展的主要挑戰(zhàn)是3d虛擬場(chǎng)景的高效傳輸和渲染。元宇宙場(chǎng)景以3d虛擬場(chǎng)景的形式渲染和傳輸，需要高帶寬和超可靠低時(shí)延通信(urllc)，以支持沉浸式內(nèi)容交付和實(shí)時(shí)交互。這些需求給5g網(wǎng)絡(luò)帶來(lái)了重大挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述狀況，本發(fā)明的主要目的是為了提出一種可解釋的人腦視覺語(yǔ)義認(rèn)知分類方法，以解決上述技術(shù)問題。

2、本發(fā)明提出一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，所述方法包括如下步驟：

3、步驟1、將元宇宙場(chǎng)景采用水平和垂直方向的分割方式進(jìn)行分割并得到預(yù)定數(shù)量的子場(chǎng)景，且相鄰子場(chǎng)景存在重疊區(qū)域，以保證子場(chǎng)景間的連續(xù)性；

4、對(duì)每個(gè)子場(chǎng)景所需資源進(jìn)行整理和壓縮，并上傳至邊緣網(wǎng)絡(luò)進(jìn)行緩存；

5、步驟2、構(gòu)建異步聯(lián)邦學(xué)習(xí)（afl）訓(xùn)練軌跡預(yù)測(cè)模型，并基于異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型設(shè)計(jì)自定義綜合損失函數(shù)，以優(yōu)化模型的參數(shù)并提升異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型預(yù)測(cè)結(jié)果的準(zhǔn)確率，自定義綜合損失函數(shù)由標(biāo)準(zhǔn)交叉熵?fù)p失和距離懲罰項(xiàng)構(gòu)成；

6、步驟3、當(dāng)用戶進(jìn)入子場(chǎng)景時(shí)，通過異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型產(chǎn)生預(yù)測(cè)結(jié)果，同時(shí)生成目標(biāo)子場(chǎng)景邊緣端的緩存命中率和子場(chǎng)景概率序列；

7、基于目標(biāo)子場(chǎng)景邊緣端的緩存命中率評(píng)估異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型的性能；

8、基于子場(chǎng)景概率序列，選取子場(chǎng)景概率序列中的場(chǎng)景編號(hào)以及與子場(chǎng)景編號(hào)所對(duì)應(yīng)的概率，并通過gpu服務(wù)器上傳至邊緣服務(wù)器；

9、通過邊緣服務(wù)器累計(jì)異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型產(chǎn)生的預(yù)測(cè)結(jié)果，采用排序預(yù)測(cè)結(jié)果的方式獲得子場(chǎng)景流行度；

10、步驟4、利用邊緣服務(wù)器中的緩存狀態(tài)和邊緣服務(wù)器子場(chǎng)景的預(yù)測(cè)矩陣進(jìn)行組合，得到狀態(tài)；

11、結(jié)合深度學(xué)習(xí)（drl），利用目標(biāo)子場(chǎng)景邊緣端的緩存命中率和傳輸延遲進(jìn)行加權(quán)求和，得到獎(jiǎng)勵(lì)；

12、以actor-critic框架為基礎(chǔ)，結(jié)合狀態(tài)、動(dòng)作和獎(jiǎng)勵(lì)三個(gè)基本要素構(gòu)成緩存替換框架，以實(shí)現(xiàn)邊緣服務(wù)器的緩存替換策略。

13、與現(xiàn)有技術(shù)相比，本發(fā)明有益效果如下：

14、1、本發(fā)明通過分布式實(shí)時(shí)軌跡預(yù)測(cè)系統(tǒng)，準(zhǔn)確預(yù)測(cè)用戶行為軌跡，結(jié)合actor-critic算法動(dòng)態(tài)調(diào)整子場(chǎng)景緩存策略，顯著提升目標(biāo)子場(chǎng)景的緩存命中率；

15、2、本發(fā)明在邊緣服務(wù)器計(jì)算預(yù)測(cè)流行度，優(yōu)化緩存策略，減少數(shù)據(jù)傳輸路徑和時(shí)間，降低傳輸延遲，滿足元宇宙場(chǎng)景中高沉浸感和低延遲的需求；

16、3、本發(fā)明采用異步聯(lián)邦學(xué)習(xí)技術(shù)，在保護(hù)用戶數(shù)據(jù)隱私的同時(shí)，實(shí)現(xiàn)高效的用戶行為預(yù)測(cè)，確保用戶信息安全；

17、4、本發(fā)明通過動(dòng)態(tài)調(diào)整緩存策略，合理分配網(wǎng)絡(luò)資源，提升緩存系統(tǒng)的整體效率，避免資源浪費(fèi)。

18、本發(fā)明的附加方面與優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)施例了解到。

技術(shù)特征：

1.一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，所述方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，在所述步驟2中，自定義綜合損失函數(shù)由標(biāo)準(zhǔn)交叉熵?fù)p失和距離懲罰項(xiàng)構(gòu)成，其中自定義綜合損失函數(shù)的表達(dá)式為：

3.根據(jù)權(quán)利要求2所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，在所述步驟2中，自定義綜合損失函數(shù)由標(biāo)準(zhǔn)交叉熵?fù)p失和距離懲罰項(xiàng)構(gòu)成，其中標(biāo)準(zhǔn)交叉熵?fù)p失的表達(dá)式為：

4.根據(jù)權(quán)利要求3所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，在所述步驟3中，當(dāng)用戶進(jìn)入子場(chǎng)景時(shí)，通過異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型產(chǎn)生預(yù)測(cè)結(jié)果，同時(shí)生成目標(biāo)子場(chǎng)景邊緣端的緩存命中率和子場(chǎng)景概率序列，目標(biāo)子場(chǎng)景邊緣端的緩存命中率的計(jì)算關(guān)系式為：

5.根據(jù)權(quán)利要求4所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，所述步驟3中，通過邊緣服務(wù)器累計(jì)異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型產(chǎn)生的預(yù)測(cè)結(jié)果，采用排序預(yù)測(cè)結(jié)果的方式獲得子場(chǎng)景流行度，對(duì)應(yīng)過程存在的關(guān)系式為：

6.根據(jù)權(quán)利要求5所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，在采用排序預(yù)測(cè)結(jié)果的方式獲得子場(chǎng)景流行度的步驟中，對(duì)應(yīng)過程存在的關(guān)系式為：

7.根據(jù)權(quán)利要求6所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，所述步驟4中，利用邊緣服務(wù)器中的緩存狀態(tài)和邊緣服務(wù)器子場(chǎng)景的預(yù)測(cè)矩陣進(jìn)行組合，得到狀態(tài)，對(duì)應(yīng)過程存在的關(guān)系式為：

8.根據(jù)權(quán)利要求7所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，在所述步驟4中，利用目標(biāo)子場(chǎng)景邊緣端的緩存命中率和傳輸延遲進(jìn)行加權(quán)求和，得到獎(jiǎng)勵(lì)，對(duì)應(yīng)過程存在的關(guān)系式為：

9.根據(jù)權(quán)利要求8所述的一種聯(lián)合drl和afl的元宇宙場(chǎng)景緩存方法，其特征在于，在所述步驟4中，以actor-critic框架為基礎(chǔ)，結(jié)合狀態(tài)、動(dòng)作和獎(jiǎng)勵(lì)三個(gè)基本要素構(gòu)成緩存替換框架，其中動(dòng)作的表達(dá)式為：

技術(shù)總結(jié)
本發(fā)明提出一種聯(lián)合DRL和AFL的元宇宙場(chǎng)景緩存方法，具體包括：將元宇宙場(chǎng)景采用水平和垂直方向的分割方式進(jìn)行分割并得到預(yù)定數(shù)量的子場(chǎng)景；構(gòu)建異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型，通過異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型預(yù)測(cè)用戶的軌跡；當(dāng)用戶進(jìn)入子場(chǎng)景時(shí)，通過異步聯(lián)邦學(xué)習(xí)訓(xùn)練軌跡預(yù)測(cè)模型產(chǎn)生預(yù)測(cè)結(jié)果，同時(shí)生成目標(biāo)子場(chǎng)景邊緣端的緩存命中率和子場(chǎng)景概率序列；以Actor?Critic框架為基礎(chǔ)，結(jié)合狀態(tài)、動(dòng)作和獎(jiǎng)勵(lì)三個(gè)基本要素構(gòu)成緩存替換框架，以實(shí)現(xiàn)邊緣服務(wù)器的緩存替換策略。本發(fā)明通過分布式實(shí)時(shí)軌跡預(yù)測(cè)系統(tǒng)，準(zhǔn)確預(yù)測(cè)用戶行為軌跡，結(jié)合Actor?Critic算法動(dòng)態(tài)調(diào)整子場(chǎng)景緩存策略，顯著提升目標(biāo)子場(chǎng)景的緩存命中率。

技術(shù)研發(fā)人員：萬(wàn)征,趙圣魯,劉學(xué)林,漆子龍,胡月琴
受保護(hù)的技術(shù)使用者：江西財(cái)經(jīng)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2