技术摘要：面向物理人工智能的组合语义通信

问题陈述

物理人工智能（Physical AI）系统，例如自动驾驶车队或机器人集群，依赖于分布式感知智能体进行实时协调，以实现感知、推理和行动。传统的协调方法面临三个关键局限性：

1. 通信开销： 传输高维原始传感器数据会产生巨大的带宽消耗和延迟。
2. 缺乏适应性： 现有的基于深度学习的语义通信（SC）方法，特别是联合源信道编码（JSCC），在处理分布外（out-of-distribution）数据时表现不佳，且在环境动态变化或传感器模态改变时需要大量的重新训练。
3. 可扩展性与对齐： 在异构多设备系统中，不同的智能体将相同的现实世界概念编码为不兼容的语义表示（SR）空间。在缺乏正式机制的情况下融合这些未对齐的表示，会破坏意义并降低下游推理的准确性。

核心挑战在于如何使异构设备能够交换紧凑且对齐的语义表示，并在远程基站（BS）处进行有意义的组合以进行推理，同时无需特定任务的重新训练或过度使用带宽。

方法论

本文提出了一个**组合语义通信（CSC）**综合框架，通过整合范畴论（Category Theory）和博弈论（Game Theory）来解决对齐与协调挑战。

1. 理论基础：范畴论

作者利用三个主要的范畴构造来形式化语义组合：

• 透镜（Lenses）： 用于建模具有一致性保证的双向语义变换（编码/解码）。“透镜”确保了从数据中提取语义以及从语义重建数据的过程，即使在存在噪声信道的情况下（通过“弱透镜定律”），也能保持原始语义结构的完整性。
• Karoubi 包络与关联器（Correlators）： 该结构形式化了语义概念如何在设备内部进行层级组合。它将概念与关联器（约束函数）配对，定义了将低层概念（如“车辆”+“距离”）组合成高层推理（如“碰撞风险”）的有效路径。
• Grothendieck 拓扑与预层（Presheaves）： 这些工具用于确保异构设备间的语义一致性。通过在表示空间上定义拓扑结构，该框架保证了来自不同设备的表示可以在不产生语义歧义的情况下进行组合，即使设备动态地加入或离开网络。
• 纤维化编码器（Fibrational Encoders）： 为了弥合设备特定潜空间与共享通信词汇之间的鸿沟，作者引入了纤维化编码器。这些编码器将局部表示映射到一组共享的语义符号（一种“通信语言”），确保不同的设备指向相同的底层概念。

2. 信息论度量

开发了一种全新的**组合语义信息（Compositional Semantic Information）**度量标准。不同于仅捕捉统计相关性的互信息，该度量量化了每个设备的各个概念对下游任务的因果和组合贡献。它考虑了：

• 内在信息： 一个概念在形成特定组合对象中的价值。
• 协同作用（Synergy）： 不同设备的各个概念如何结合以形成单个流中不存在的新信息。
• 泛化潜力： 所传输信息支持超越当前任务进行推理的能力。

3. 策略协调：斯塔克伯格博弈（Stackelberg Game）

多设备协调问题被形式化为一个斯塔克伯格博弈：

• 领导者（物理 AI 设备）： 策略性地承诺编码策略（选择传输哪些语义概念），以最大化其效用，这种效用平衡了推理质量、通信成本、冗余削减以及组合性约束。
• 跟随者（基站）： 观察传输的表示，并优化组合这些表示，以最大化总语义信息与重建误差的比率。
• 解法： 提出了一种**交替方向乘子法（ADMM）**算法，以分布式方式求解该博弈。这使得设备能够通过与基站进行有限的消息传递来计算均衡策略，从而在不需要全局了解其他设备策略的情况下，确保收敛至斯塔克伯格均衡（SE）。

核心贡献

1. 新型信息度量： 开发了一种用于组合语义的范畴论度量标准，能够量化因果贡献和协同作用，克服了互信息的局限性。
2. 形式化框架： 利用 Grothendieck 拓扑和预层，严谨地形式化了跨异构设备的语义组合，确保了一致性和任务相关性。
3. 博弈论协议： 将对齐问题形式化为斯塔克伯格博弈，提供了一种决策层级化的分布式协议，使设备与基站能够进行优化。
4. 理论保证： 在温和的正规性条件下，提供了斯塔克伯格均衡存在的解析证明，并证明了当设备概念具有协同性时，该均衡是帕累托最优的。
5. 分布式算法： 设计了一种基于 ADMM 的算法，实现了可扩展的分布式均衡策略计算，并证明了其收敛性。

仿真结果

该框架在两个环境中进行了评估：用于组合泛化的 Highway-Env 交叉口场景，以及用于现实性能评估的 CARLA 自动驾驶模拟器。

• 泛化能力： 与深度 JSCC 基准相比，所提出的 CSC 方法在处理新概念组合（训练期间未见）时，准确率提高了约 8%，展示了卓越的分布外泛化能力。
• 带宽效率： 与基准方法相比，该方法实现了高达 17% 的通信开销降低。
• 延迟： 与协作多智能体和分布式梯度下降方法相比，基于博弈论的 CSC 将端到端延迟降低了 53%，平均延迟达到 70.8 ms（远低于自动驾驶 100 ms 的安全要求）。
• 可扩展性： 随着设备数量和语义概念的增加，所提方法保持了较高的推理准确度（85% mAP）和亚线性延迟增长，而深度 JSCC 的性能则因需要重新训练而出现退化。
• 组合性： 博弈论驱动的激励机制促成了组合性得分的更快收敛，确保传输的语义在推理过程中保持结构有效。

意义与主张

本文声称引入了第一个针对物理 AI 的综合性 CSC 框架，明确解决了当前基于深度学习的语义通信方法的局限性。其重要性在于：

• 超越黑盒深度学习： 通过使用范畴论，该框架为语义组合提供了一个可解释且正式的结构，使接收端能够进行演绎推理而非仅仅是模式匹配。
• 实时适应性： 系统允许设备在无需特定任务重新训练的情况下进行协调，从而能够快速适应新的传感器组合和环境动态。
• 可扩展的协调： 博弈论方法提供了一种原则性的机制来对齐异构智能体，使通信复杂度随概念复杂度而非原始数据量进行扩展。

作者总结道，该方法使物理 AI 系统能够以显著降低的带宽和延迟，实现实时、高准确度的协调决策，克服了数据驱动型语义通信中固有的泛化和可扩展性障碍。