Skill-Driven Semantic Communication for Task Workflows

Ziyang Meng

doi:10.1109/lcomm.2026.3737163

Skill-Driven Semantic Communication for Task Workflows

2026-09-24

0

PRE

AI

DOI：10.1109/lcomm.2026.3737163

原文链接

原文求助

摘要

En 中文

随着无线视觉智能从孤立的任务推理演变为有序的技能工作流，核心通信瓶颈已从传输单一语义表示转变为在信道约束下协调可重用的技能状态。现有的深度联合源信道编码（DeepJSCC）和提示引导的视觉传输器通常将每个任务视为独立的完整标记传输，跨语义工作流的执行内存重用有限。这对于诸如检测→分割→关键点的工作流而言效率低下，因为后续阶段主要需要状态相关的语义更新，而非重复的全网格传输。本文提出SkillComm，一种技能驱动的语义通信（SemCom）框架，利用可重用的技能状态作为通信上下文，联合引导工作流感知的标记优先级排序和内存辅助的标记-网格重组。一个共享的Skill-Book首先通过将高层视觉意图映射为可执行技能序列来同步发送端和接收端。基于此同步工作流，工作流感知的自适应标记选择利用跨阶段执行内存，在联合源信道编码（JSCC）传输前优先处理状态激活标记。最后，接收端通过合并解码的激活标记及其本地历史内存来重构阶段特定的标记网格。在MS COCO 2017验证数据集上对检测→分割→关键点工作流的评估表明，工作流感知的标记优先级排序使SkillComm在高信噪比条件下减少了51.2%的传输语义标记数量和50.4%的索引感知信道使用成本，同时保持了99.4%的上界归一化平均精度。这些结果为可重用技能状态能够驱动工作流感知的标记优先级排序提供了定量证据，为未来智能体和具身视觉智能实现选择性语义创新传输提供了可能。

Keyword:

Skill-driven semantic communications

task workflow

token transmission

joint source-channel coding

Skill-Driven Semantic Communication for Task Workflows

摘要

期刊

机构

引用论文