본 논문은 고품질 및 저지연의 다중 가상 메타스페이스 렌더링을 달성하기 위한 목적의 고급 메타버스 스트리밍을 위한 새로운 2단계 프레임워크를 제안한다. 1단계에서는 메타스페이스 영역 렌더링을 위해 물리적 공간으로부터 획득한 포인트 클라우드 데이터를 고려하며, 여기서 다중 메타스페이스 영역에 대한 스케줄링이 수행된다. 다양한 스케줄링 알고리즘 중에서, 스케줄링 차원을 감소시킬 수 있는 고유한 능력 때문에 대규모 다중 권역 메타스페이스 렌더링에 특히 유리한 새로운 양자 다중 에이전트 강화학습(Quantum multi-agent reinforcement learning, QMARL) 기반 스케줄러를 제안한다. 2단계에서는 모아진 데이터를 메타버스 서버에서 다중 메타스페이스를 가시화하기 위해, 효율적인 운영을 위해 최소한의 프로세서 수로 렌더링해야 한다. 그 다음, 렌더링된 다중 메타스페이스 데이터는 지연 제약 하에서 고품질의 다중 메타스페이스 분배를 달성하기 위한 목표로 개별 사용자에게 분배된다. 이 목표를 지원하기 위해, 서버 측 자원 최적화 및 저지연 스케줄러를 제안한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.