프로젝트 소개
메타버스는 이용자가 가상 공간에서 소통하고 상호작용하는 환경이며, 이를 안정적으로 지원하기 위한 네트워크 설계가 핵심 과제임. 본 과제는 메타버스 네트워킹의 불규칙한 변화에 대응하기 위해 서비스 기능 체인(SFC)과 네트워크 슬라이싱에 심층 강화 학습(DRL)을 적용하는 방안에 관한 연구임.
연구 목표는 DRL 기반 의사결정으로 SFC와 네트워크 슬라이싱의 성능을 실시간 최적화하는 프레임워크 구축에 있음. 최근 문헌 분석을 바탕으로 통합 프레임워크를 설계하고, 시뮬레이션 도구와 실험으로 효과를 검증하며, 주요 장애요인과 가능성을 도출하는 내용임. 기대 효과는 메타버스 네트워킹의 효율과 적응성을 높이고, 후속 연구와 인프라 구축에 필요한 핵심 정보를 제공하는 데 있음.