意图驱动的智简通信
戴金晟;秦晓琦;秦海龙;张平;随着通信迈入6G时代，传统依赖物理资源扩展的通信模式难以满足智能化、泛在化的发展需求。提出一种意图驱动的智简通信系统，融合认知心理学、信息论与人工智能方法，以语义token为基本单元，构建面向信息效用的通信范式。该系统集成智能体的感知、认知与反馈能力，实现异构数据的上下文感知语义建模与压缩传输，重点突破语义编码、意图解析、鲁棒传输与可信解码等关键技术。所提架构适配人—人感知、人—机控制与多机协同等差异化需求，支持在带宽受限与信道动态条件下的高效稳健传输。系统梳理了智简通信的研究脉络与核心机制，为构建高效、泛用、可持续的智能通信体系提供理论支撑与技术参考。
面向铁路入侵检测的语义通信技术
郭疆远;陈为;艾渤;针对铁路入侵检测中海量视频数据传输效率低、检测精度低的问题，提出了一种基于视频Transformer的自适应语义通信框架。该框架通过传输与任务高度相关的语义特征并集成信道自适应模块，实现面向特定任务的高效且鲁棒的语义信息传输。在构建的铁路真实场景视频数据集上进行实验，将该框架与传统的视频分离编码及视频联合编码方法进行对比。结果表明，所提出的自适应语义通信框架在不同的高斯白噪声及多种衰落信道条件下均能取得更高的入侵检测精度，并在低信噪比和复杂信道环境中展现出优越的鲁棒性和性能增益，为提升铁路智能监控系统的视频分析与传输效能提供了新的技术途径。
6G数字孪生信道的三个使能技术多模态感知、环境知识和大模型
于力;张建华;蔡逸辰;未来6G移动通信系统中，智能机器类通信（MTC）将在工业自动化、车联网等场景中发挥关键作用，对通信系统中无线信道建模的精度、实时性与自适应能力提出了前所未有的挑战。数字孪生信道（DTC）作为一种新兴的信道表征范式，能够在数字世界中构建物理信道的高保真映射，为6G系统提供动态环境下的感知、预测与决策支持。为推动DTC从理论概念走向实际应用，进一步提升其多模态数据融合以及多场景泛化能力，首次将信道大模型（ChannelLM）引入DTC实现框架，并围绕其核心架构展开关键技术设计与验证。具体而言，DTC架构由多模态环境感知与重构、无线环境知识（WEK），以及可泛化的ChannelLM三大核心技术支撑，分别实现对物理环境的高精度建模、环境-信道关系的可解释性构建，以及基于知识驱动的信道预测与通信策略生成。MTC典型场景的实验结果表明，所提方案在信道预测精度与场景泛化性方面有显著提升，为DTC技术在6G网络中的应用落地提供了有效的支撑路径。
端边协同的6G内生AI网络
王志勤;周吉喆;韩凯峰;面向6G智能终端AI业务原生、融合感知、智能协同业务需求，提出了一种端边协同的6G内生智能网络架构。该架构通过分层设计（基础设施层、模型管理层、资源管控层、业务编排层），实现了端边数据管控、模型动态协同及异构资源融合调度，具备“通信+计算+数据+模型”一体化服务能力。在内生智能网络架构基础上，提出了端边智能协同系统评估模型，并围绕数据管控、模型协同、资源调度3个维度，提出了高质量数据集构建、数据管控框架、参考模型库、端边模型协同、异构资源融合管控、灵活组网等关键技术，形成端边智能协同技术体系。
多智能体协作感知的现状与展望
刘根嘉;陈思衡;张文军;多智能体协作感知作为人工智能与分布式系统交叉的重要方向，近年来在自动驾驶、无人系统编队、智能监控等领域受到广泛关注。梳理了该领域的研究背景与发展脉络，重点讨论了通信机制优化、位姿噪声下的鲁棒性、异构协同、安全与隐私保护及仿真平台等研究热点。在此基础上，探讨了实现高效通信的便捷方案，并展望了未来发展趋势。可为相关研究提供参考与启示，推动多智能体协作感知技术的持续进步。
