[论文解读] Semantic Communications for Future Internet: Fundamentals, Applications, and Challenges

Wanting Yang, Hongyang Du+7 more|arXiv (Cornell University)|Jun 10, 2022

Robotics and Automated Systems被引用 11

一句话总结

本文提出语义通信（SemCom）作为6G无线网络的基础范式，将用户意图和上下文意义整合到数据传输中。通过围绕语义信息（SI）的提取、传输和度量重新定义通信，它在香农经典理论之外实现了智能、目标导向且高效的通信，具备人工智能驱动的优化能力，并在元宇宙等应用中展现出增强的安全性和用户体验（QoE）。

ABSTRACT

With the increasing demand for intelligent services, the sixth-generation (6G) wireless networks will shift from a traditional architecture that focuses solely on high transmission rate to a new architecture that is based on the intelligent connection of everything. Semantic communication (SemCom), a revolutionary architecture that integrates user as well as application requirements and meaning of information into the data processing and transmission, is predicted to become a new core paradigm in 6G. While SemCom is expected to progress beyond the classical Shannon paradigm, several obstacles need to be overcome on the way to a SemCom-enabled smart wireless Internet. In this paper, we first highlight the motivations and compelling reasons of SemCom in 6G. Then, we outline the major 6G visions and key enabler techniques which lay the foundation of SemCom. Meanwhile, we highlight some benefits of SemCom-empowered 6G and present a SemCom-native 6G network architecture. Next, we show the evolution of SemCom from its introduction to classical SemCom related theory and modern AI-enabled SemCom. Following that, focusing on modern SemCom, we classify SemCom into three categories, i.e., semantic-oriented communication, goal-oriented communication, and semantic-aware communication, and introduce three types of semantic metrics. We then discuss the applications, the challenges and technologies related to semantics and communication. Finally, we introduce future research opportunities. In a nutshell, this paper investigates the fundamentals of SemCom, its applications in 6G networks, and the existing challenges and open issues for further direction.

研究动机与目标

• 通过将关注点从原始数据速率转向有意义的信息交换，确立语义通信（SemCom）作为6G的核心范式。
• 识别并分类三种语义通信类型：语义导向型、目标导向型和语义感知型通信。
• 将语义通信设计系统化为三个维度：语义信息提取、传输和度量。
• 分析人工智能在语义通信中的作用，特别是其在信道建模、环境控制和隐含意义推断方面的应用。
• 探讨6G中的安全权衡及未来应用，包括元宇宙和智能物联网（IoT）。

提出的方法

• 提出一个三维语义通信框架：使用人工智能模型（如自然语言处理、视觉模型）进行语义信息提取，采用有效编码进行语义信息传输，并通过语义信息度量进行质量评估。
• 引入目标导向型通信，其中发送端与接收端在共享目标上对齐，利用GAML等推理机制实现隐含意义的推断。
• 采用生成对抗模仿学习（GAML）和推理函数，从部分消息中恢复缺失的语义实体和关系。
• 利用可重构智能表面（RIS）和人工智能，实现对无线信道的智能、可控环境，以实现动态信道优化。
• 应用物理层安全技术，包括隐蔽通信和基于干扰的保密性，以平衡安全性和信号质量。
• 对显式和隐式语义信息进行联合优化，实现在语义通信系统中的高效资源分配。

实验结果

研究问题

• RQ1 语义通信如何克服经典信息论在6G网络中的局限性？
• RQ2 语义导向型、目标导向型和语义感知型通信的根本差异和设计原则是什么？
• RQ3 当语义意义未被显式传输时，如何有效推断其隐含语义？
• RQ4 人工智能在语义通信中如何优化信道管理和环境控制？
• RQ5 语义通信中安全、资源开销和信号质量之间的权衡是什么？

主要发现

• 如GAML所展示，语义通信在推理任务中相比传统基于遗传算法的方法实现了20%的准确率提升。
• 基于推理的方法在使用加法函数和线性函数时，分别实现了76%和48%的语义实体恢复准确率。
• 人工智能赋能的可重构智能表面（RIS）可实现对无线波前的动态控制，从而实现发射端、接收端和环境的联合优化。
• 语义通信与物理层安全技术的集成支持隐蔽通信，但可能因干扰导致信号质量下降。
• 显式和隐式语义信息的联合优化对于高效资源分配和系统性能提升至关重要。
• 语义通信被定位为6G的变革性范式，可支持以人为中心、数据密集型的应用（如元宇宙），实现更高的QoE和更低的时延。