[论文解读] Intent-driven Diffusion-based Path for Mobile Data Collector in IoT-enabled Dense WSNs

Uma Mahesh Boda, Mallikharjuna Rao Nuka|arXiv (Cornell University)|Feb 5, 2026

Energy Efficient Wireless Sensor Networks被引用 0

一句话总结

ID2P2 是一个意图驱动的扩散基础框架，联合放置 rendezvous 点并构建移动数据采集器巡回，以在密集 WSN 中优化延迟、数据新鲜度和能量效率。

ABSTRACT

Mobile data collection using controllable sinks is an effective approach to improve energy efficiency and data freshness in densely deployed wireless sensor networks (WSNs). However, existing path-planning methods are often heuristic-driven and lack the flexibility to adapt to high-level operational objectives under dynamic network conditions. In this paper, we propose ID2P2, a intent-driven diffusion-based path planning framework for jointly addresses rendezvous point selection and mobile data collector (MDC) tour construction in IoT-enabled dense WSNs. High-level intents, such as latency minimization, energy balancing, or coverage prioritization, are explicitly modeled and incorporated into a generative diffusion planning process that produces feasible and adaptive data collection trajectories. The proposed approach learns a trajectory prior that captures spatial node distribution and network characteristics, enabling the MDC to generate paths that align with specified intents while maintaining collision-free and energy-aware operation. Extensive simulations are conducted to evaluate the effectiveness of the proposed framework against conventional path-planning baselines. The results demonstrate that ID2P2 consistently outperforms representative baselines, achieving up to 25-30% reduction in tour completion time and travel overhead, approximately 10-30% improvement in data freshness, and 15-30% gains in energy efficiency and packet delivery performance, while maintaining higher throughput and fairness as network density increases, confirming its robustness and scalability for WSNs.

研究动机与目标

• 在密集 WSN 的移动数据采集中明确建模高层次意图（时延、能量平衡、覆盖优先级）。
• 在物联网感知部署下联合优化 rendezvous 点放置与 MDC 巡回构建。
• 开发一个扩散式规划过程，产生自适应、无碰撞、具能量感知的数据采集轨迹。
• 提供一个两阶段框架：轻量级 RP 放置后续的意图一致扩散路径规划。
• 在不同网络规模和流量设置下，与基线比较评估性能。

提出的方法

• 贪婪启发式 RP 位置选择，以在通信范围内最大化可提供负载，然后再进行 RP 与传感器的关联以最小化能耗。
• 由可微分损失 L 指导的扩散路径构建，使轨迹偏向意图一致的访问和更短的路径。
• 通过一次访问索引和可选的 2-opt 精炼，将连续扩散轨迹转换为离散的 RP 访问顺序。
• 在每个 RP 处迭代计算驻留时间以满足服务约束（考虑链路容量），确保数据缓冲和及时卸载。
• 两阶段过程：RP 放置（算法 1）和扩散引导的巡回设计（算法 2），并给出一个真实例子与复杂度分析。

实验结果

研究问题

• RQ1 如何将时延、数据新鲜度和覆盖等高层意图整合到移动数据采集规划中？
• RQ2 扩散式规划过程是否能够在密集 WSN 中产生自适应、意图一致的 MDC 巡回，同时确保无碰撞和能量感知的运行？
• RQ3 在密集物联网感知的 WSN 中，联合 RP 放置与扩散引导的 MDC 巡回是否在多项指标上优于传统基线？
• RQ4 在大型网络中，所提 ID2P2 框架的计算成本与可扩展性如何？

主要发现

• 在仿真中，ID2P2 相比基线在巡回完成时间和旅行开销上降低约 25–30%。
• 在所研究的密度下，数据新鲜度通过 ID2P2 提升约 10–30%。
• 扩散引导规划在能量效率和分组传递性能上提升 15–30%，同时在密度增加时保持更高吞吐量和公平性。
• 在 ID2P2 下巡回长度持续更短，旅行开销降低 5–20%，视网络规模而定。
• ID2P2 在密集 WSN 中表现出稳健性和可扩展性，与基线相比数据采集比率（通常 >95%）和包交付率显著提升。
• 框架的增益在更高节点密度下更为显著，指示可扩展的性能。