随着虚拟现实、增强现实、数字孪生和沉浸式社交等元宇宙应用的快速发展，用户在参与实时交互、多人协同和场景切换时，对网络传输能力、计算响应速度和服务稳定性提出了更高要求。由于终端设备算力受限，大量任务需要在本地、边缘和云端之间动态协同处理。然而，元宇宙场景具有高移动性、强交互性和复杂通信环境等特点，传统计算卸载与资源分配方法难以同时兼顾链路动态变化感知、多用户资源竞争协调以及多维服务质量指标协同优化，进而制约了系统整体性能的进一步提升。
图1 元宇宙应用中的计算卸载和资源分配场景
针对现有方法在专用无线信道刻画不足、强交互场景下多维服务质量协同优化能力有限，以及部分可观测条件下决策稳定性不佳等问题，研究团队提出了一种面向元宇宙应用的交互感知快速计算卸载与资源分配联合优化方法——MetaTMCO，为复杂动态环境下提升系统性能与用户体验提供了新的解决思路。MetaTMCO从无线信道建模、交互特征刻画和联合决策优化三个层面进行系统设计。首先，构建融合低频Rayleigh衰落与高频毫米波MIMO的混合无线传输模型，以描述头部运动、高移动性切换和多跳前传等因素引起的时变信道特性，提升对复杂元宇宙通信环境中链路动态变化的刻画能力。其次，引入交互频率指标，将社交关系、任务相似性、场景切换和帧率等因素统一纳入建模，量化强交互场景下的用户资源竞争关系，并结合时延、吞吐率和丢包率构建多服务质量效用模型，实现多维性能目标的协同权衡。最后，设计Transformer增强的MAPPO协同决策框架，联合输出计算卸载决策与资源分配结果，在满足边缘服务器容量约束的同时，提升复杂元宇宙环境下在线决策的稳定性、协调性与资源利用效率。
实验结果表明，MetaTMCO相较于MAPPO、MADDPG、IQL等基线方法表现出更优的综合性能，在不同负载与并发条件下均能够实现更低时延、更高吞吐率和更低丢包率，展现出更强的策略优化能力与资源利用效率。尤其在高负载和突发场景下，MetaTMCO仍具有较好的鲁棒性与可扩展性。该研究为元宇宙场景下低时延、高可靠服务的实现提供了新的技术支撑，也为智能交互应用中的计算卸载与资源联合优化研究提供了方法参考。
图2 一种适用于元宇宙应用的交互式快速计算卸载与资源分配联合优化方法框架
论文“Interactive Fast Computation Offloading and Resource Allocation: A Joint Optimization Approach for Metaverse Applications”于2026年3月被软件工程领域国际权威期刊《IEEE Transactions on Services Computing》（TSC）录用，DOI：10.1109/TSC.2026.3674125。该期刊属中国计算机学会（CCF）推荐A类期刊。我院23级博士生王琪为论文的第一作者，张鹏程教授为论文的通讯作者，其他作者包括我院22级博士生邰昌鸿，南京邮电大学金惠颖博士和皇家墨尔本理工大学董海副教授。