Agentic-V2X：基于智能体与小语言模型的车联网实时调度新范式

1. 项目概述

最近在车联网和5G/6G网络的研究圈里，一个叫“Agentic-V2X”的概念开始被频繁提及。简单来说，它试图用当前大热的“智能体”和“小语言模型”技术，去解决一个老生常谈但又极其棘手的问题：在车与万物互联的复杂网络里，如何确保那些对时间要求严苛的通信任务，比如紧急刹车预警、协同变道，能在“死线”之前被可靠地调度和完成。这听起来像是把两个前沿技术领域——人工智能和移动通信——进行了一次深度缝合。我花了些时间梳理了相关的论文和开源项目，发现这背后的逻辑远比单纯的技术堆叠要深刻，它直指了未来智能交通系统在实时性、可靠性和智能化协同上的核心痛点。

传统的V2X调度，无论是基于规则的还是基于传统优化算法的，在面对动态、高密度的车流和多样化的业务需求时，往往显得力不从心。而Agentic-V2X的思路，是把每一辆车、每一个路侧单元，甚至每一个待传输的数据包，都看作是一个具有一定自主决策能力的“智能体”。这些智能体不再被动等待中心节点的指令，而是利用轻量级的“小语言模型”来理解和推理当前的网络状态、业务优先级和资源约束，自主地进行协作与协商，最终目标是在全局上满足所有关键业务的“死线”要求。这不仅仅是调度算法的升级，更是一种网络组织范式的转变，从“集中式命令与控制”转向了“分布式自主协同”。

2. 核心需求与挑战解析

2.1 V2X通信中的“死线”难题

要理解Agentic-V2X的价值，首先得明白V2X场景下调度问题的特殊性。这里的“死线”不是软件工程里那个可以稍微拖延一下的项目截止日期，而是物理世界安全攸关的硬性时间约束。我们可以把V2X业务粗略分为几类：

1. 安全类业务：例如前向碰撞预警、交叉路口盲区预警。这类业务数据包小，但要求极低的端到端时延（通常要求在3-100毫秒内）和极高的可靠性（99.999%以上）。错过“死线”，就意味着预警信息失效，可能直接导致事故。
2. 协同类业务：例如编队行驶、协同感知。这类业务数据量中等，对时延和可靠性的要求也很高，并且车辆之间需要保持状态同步。
3. 信息服务类业务：例如高清地图更新、信息娱乐。这类业务数据量大，但对时延的要求相对宽松（几百毫秒到秒级）。

网络资源，特别是无线信道资源，是有限且动态变化的。车辆高速移动带来剧烈的信道质量波动，突发的高密度车流（如交通路口）会导致资源竞争激增。传统的调度器，比如基于轮询、比例公平或者甚至一些启发式算法，很难在如此复杂的多维约束（时延、可靠性、吞吐量、公平性）下做出最优决策，尤其是在需要瞬间响应的时候。它们往往缺乏对业务语义（比如“这是一个需要优先保障的刹车指令”）的理解能力，也缺乏在局部信息下进行有效协同的机制。

2.2 为何选择“智能体”与“小语言模型”？

面对上述挑战，学术界和工业界一直在寻找更智能的解决方案。深度强化学习曾被寄予厚望，它能让模型通过与环境交互学习调度策略。但DRL在V2X场景下面临几个严峻问题：训练收敛慢、对仿真环境依赖度高、策略可解释性差，并且学到的策略在遇到训练数据分布之外的极端场景时可能表现不稳定。

“智能体”范式提供了一个新的视角。在这个框架下，每个网络实体（车辆、RSU）都是一个自主的智能体，它们具备感知（收集本地信道状态、业务队列）、决策（选择发送功率、调制编码方案、资源块）和行动（实际传输）的能力。多个智能体通过通信与协作，共同完成全局目标。这天然契合了V2X网络分布式、去中心化的特点。

而“小语言模型”的引入，则是为了解决智能体的“大脑”问题。与动辄千亿参数、需要庞大算力的大语言模型不同，小语言模型参数量在几百万到几十亿之间，经过精心的领域微调后，可以在资源受限的车载计算单元上实时运行。它的核心能力不是生成创意文本，而是理解和生成结构化的决策指令。

• 理解：SLM可以将当前的环境状态（如：“信道质量差，队列中有高优先级安全包，邻居车辆正在发送”）编码成一个语义表示。
• 推理与决策：基于这个表示，SLM可以推理出下一步的行动建议（如：“申请预留资源，并采用更稳健的编码方案”）。
• 协商：智能体之间可以通过交换由SLM生成的、机器可读的“提议”或“承诺”来进行协商（如：“我将在下一个时隙占用资源块#5发送安全包，请避让”）。

这种基于自然语言或类自然语言指令的交互，比直接交换二进制状态向量更灵活，也更容易引入人类的先验知识和业务规则。例如，我们可以将“安全类业务绝对优先”这样的规则，通过提示词工程嵌入到SLM的决策逻辑中。

3. Agentic-V2X的系统架构与工作流程

3.1 分层智能体架构设计

一个典型的Agentic-V2X系统通常采用分层或混合的架构，以平衡自主性与全局协调性。在我的理解中，一个可行的架构包含以下三层：

1. 车辆智能体层：这是最基本的决策单元。每辆车载单元内嵌一个轻量级SLM推理引擎。它的感知输入包括：

   • 本地业务生成器：产生了什么类型的包（安全/协同/信息），大小、死线（TTL）。
   • 本地信道状态信息：通过测量参考信号得到的CSI。
   • 邻居状态信息：通过接收其他车辆或RSU的广播信息，了解周边的资源占用情况和业务负载。 基于这些输入，车辆智能体的SLM核心会输出一个本地调度策略，包括：是否在本调度周期发起传输、选择哪个资源块、采用何种传输参数（MCS等级、功率）。这个决策过程会严格考虑业务的死线。

2. 路侧单元智能体层：RSU作为局部区域的“协调者”，具备更强的计算和通信能力。它的SLM模型稍大，负责更复杂的任务：

   • 局部视图融合：汇聚其覆盖范围内多个车辆智能体的状态和意图。
   • 冲突检测与化解：预测多个车辆智能体可能发生的资源竞争冲突，并通过生成“协调指令”进行干预。例如，当两个车辆智能体同时选择同一资源块发送高优先级包时，RSU智能体可以指令其中一个延迟或切换资源。
   • 资源预留管理：为已知的、周期性或可预测的高优先级业务（如路口定期广播信号灯状态）进行资源预规划。

3. 网络智能体层：在核心网或边缘云中，一个更强大的SLM或传统优化算法可以作为“战略层”。它不进行实时调度，而是负责长期策略的制定和下发，例如：

   • 根据历史交通流数据，动态调整不同区域（如高速公路、市中心）的调度策略偏好。
   • 对车辆和RSU的SLM模型进行增量更新或微调。
   • 处理跨多个RSU区域的协同调度问题。

注意：这个分层不是绝对的。在5G NR-V2X的Mode 2（终端直通分布式调度）模式下，可能主要依赖车辆智能体层和少量的RSU协调。在更依赖网络调度的场景下，RSU和网络层的角色会更重。

3.2 基于SLM的决策与协商工作流程

让我们跟踪一个“前向碰撞预警”数据包的旅程，看看Agentic-V2X是如何工作的：

1. 事件触发与意图生成：车辆A的传感器检测到碰撞风险，生成一个高优先级、死线紧迫的安全包。车辆A的智能体被激活。它的SLM接收输入：“业务类型=安全，死线=20ms，包大小=300字节，当前信道质量=良好，感知到邻居车辆B正在发送。”
2. 本地决策：SLM基于其训练和提示词（例如：“安全包优先，抢占资源若必要”），生成决策指令：“立即在下一个可用时隙，使用资源块#7，以QPSK 1/2编码发送。”同时，它还会生成一个“意图公告”，这是一个结构化的消息，包含“我将占用资源块#7，用于安全包，有效期至时隙T”。
3. 意图广播与监听：车辆A通过侧行链路广播其“意图公告”。同时，它也在持续监听信道，接收来自其他车辆和RSU的公告。
4. 分布式协商：车辆C也生成了一个安全包，其SLM在决策时，输入中包含了“收到车辆A对资源块#7的意图公告”。SLM经过推理，可能输出：“检测到资源冲突，但我的包死线更紧迫（15ms）。生成一个‘协商请求’给车辆A，提议其让出资源块#7，我可补偿资源块#12。”
5. 冲突解决：车辆A收到请求后，其SLM评估自身包的剩余死线（可能还有18ms）和对方请求的紧迫性。如果判断自身仍可等待，可能同意协商，并更新自己的意图公告。如果RSU智能体监听到此冲突，它也可能主动广播一个“协调指令”，指定资源分配方案。
6. 执行与反馈：最终，各车辆智能体按照达成一致的方案执行传输。传输成功或失败的结果会作为反馈，用于更新本地状态，也可能被上传用于长期模型优化。

这个流程的关键在于，所有的决策和协商逻辑，都封装在各自的SLM中。SLM通过在海量网络状态和调度决策数据上进行训练，学会了如何在复杂、不确定的环境下，做出有利于满足全局死线约束的决策。

4. SLM训练、部署与优化实战

4.1 模型选型与训练数据构建

选择合适的SLM是项目成功的基石。目前，一些优秀的、开源的小型基础模型是理想的起点，例如Phi-3-mini、Gemma-2B、Qwen1.5-1.8B等。选择标准包括：模型大小（参数量）、推理速度、在结构化推理任务上的表现、以及微调生态的完善程度。

训练数据的构建是最大的挑战之一。我们无法在真实道路上采集海量的“状态-最优决策”配对数据。因此，高保真仿真环境是唯一可行的数据工厂。你需要搭建或利用现有的V2X网络仿真平台（如OMNeT++ with Veins/Artery，或NS3），并集成交通仿真器（如SUMO）。

1. 仿真场景设计：设计多样化的场景，包括高速公路、城市路口、拥堵路段、隧道等，覆盖不同的车辆密度、速度和业务模型。
2. 生成专家轨迹：在仿真中，运行一个或多个“专家调度器”。这个专家可以是一个经过精心调参的传统优化算法（虽然可能不是全局最优），甚至可以是一个在简化场景下能求出近似最优解的规划器。记录下每一个调度时刻的网络全局状态（所有车辆的业务、信道、位置）和这个“专家”做出的调度决策。这个决策需要被转化为SLM能够理解的指令格式，例如：“allocate RB#12 to Vehicle_123 for safety_packet with deadline 25ms”。
3. 数据格式化：将每条训练数据构造成一个“提示词-补全”对。
   • 提示词：描述当前状态的文本，例如：“Current slot: 100. Vehicle_123 has a safety packet (deadline: 25ms, size: 200B). Channel CQI: 8. Neighbor vehicles: 456 (transmitting on RB#5), 789 (idle). Available RBs: 12, 13, 14.”
   • 补全（目标）：专家决策指令，例如：“Action: Select RB#12, MCS: 5 (16QAM 3/4), TxPower: 23dBm. Broadcast intent for RB#12.”
4. 数据增强：对状态数据进行加噪、部分观测模拟（车辆只能感知部分邻居）、引入随机的业务突发，以增加模型的鲁棒性。

4.2 模型微调与蒸馏

有了数据，就可以对选定的基础SLM进行监督微调。这个过程与微调一个聊天模型类似，但目标是指令遵循和决策生成。

1. 监督微调：使用构造好的“状态-决策”数据对，以标准的下一个词预测损失来训练模型，让它学会在看到特定网络状态描述时，生成正确的调度指令。
2. 提示词工程：在模型的系统提示词中，固化关键规则和目标。例如：“You are a V2X scheduling agent. Your primary goal is to ensure all safety packets meet their deadlines. You must balance resource utilization and fairness. Output only the scheduling decision in the specified format.” 这相当于给模型注入了领域知识和优化目标。
3. 知识蒸馏（可选但推荐）：如果有一个在仿真中表现优异但计算复杂的大模型（教师模型），可以用它来为大量状态生成决策，然后用这些决策来训练小模型（学生模型）。这能有效提升小模型的性能上限。

实操心得：在微调初期，模型可能生成格式错误或不合逻辑的指令。除了使用损失函数，最好在验证集上增加一个“指令语法和语义检查”的环节，过滤掉无效输出，这能加速收敛。

4.3 轻量化部署与实时推理

模型最终要部署在车载计算平台或RSU上，这些环境计算资源有限。因此，推理阶段的优化至关重要。

1. 量化：将训练好的FP32模型转换为INT8或INT4精度，可以大幅减少模型体积和提升推理速度，而对精度的影响通常可控。使用诸如GPTQ、AWQ或llama.cpp等工具可以方便地完成。
2. 编译与优化：利用推理引擎（如ONNX Runtime, TensorRT）对模型计算图进行编译、层融合和算子优化，针对特定硬件（如车载Orin芯片）进行加速。
3. 缓存与预热：由于调度决策是周期性进行的，且相邻周期的输入状态变化可能不大，可以考虑对SLM的注意力键值（KV Cache）进行缓存，避免重复计算，进一步降低单次推理耗时。
4. 流水线设计：将感知数据收集、状态文本化、SLM推理、指令解析与执行设计成流水线，确保在每一个调度周期（如NR-V2X的一个子帧，1ms）内完成所有步骤。

5. 性能评估与关键指标分析

评估Agentic-V2X系统不能只看一两个指标，需要一个多维度的评估体系。在仿真中，我通常会搭建以下测试框架：

5.1 核心性能指标

1. 死线满足率：这是最核心的指标。计算在死线前成功送达的数据包数量占总生成的安全/协同类数据包数量的比例。目标是在高负载下仍能保持99.9%以上的安全包死线满足率。
2. 端到端时延分布：统计所有数据包从生成到成功接收的时延，并分析其分布（平均时延、95%分位时延、99%分位时延）。Agentic-V2X应能显著压缩长尾时延。
3. 包接收率：在一定信噪比条件下，数据包被正确接收的比例，反映调度的可靠性和抗干扰能力。
4. 信道资源利用率：评估调度算法对时频资源块的利用效率。好的调度应在满足死线的前提下，避免资源浪费。
5. 公平性指数：例如Jain‘s Fairness Index，衡量不同车辆在获得传输机会上的公平程度。避免某些车辆长期“饿死”。

5.2 对比基线设置

为了证明Agentic-V2X的有效性，必须与强有力的基线算法进行对比：

• 随机接入：作为性能下界。
• 感知-避让：类似NR-V2X Mode 4的经典分布式算法。
• 集中式调度器：假设有一个全知全能的中心节点进行最优调度，作为理论上界参考。
• 基于规则的启发式调度：行业目前可能使用的方案。
• 传统的DRL调度器：与同量级的DRL智能体对比，凸显SLM在可解释性、样本效率等方面的优势。

5.3 系统开销评估

智能体范式会引入额外的开销，必须量化评估：

• 信令开销：智能体之间交换“意图公告”、“协商请求”等消息带来的额外带宽占用。需要控制在总资源的合理比例内（如<5%）。
• 计算时延：SLM推理所消耗的时间。必须确保从状态输入到决策输出的全过程远小于调度周期（例如，在1ms内完成）。
• 内存占用：SLM模型及其运行时在嵌入式平台上的内存占用量。

在我的仿真实验中，一个经过量化的2B参数SLM，在车载Orin平台上推理耗时可以控制在10-20毫秒以内，结合流水线设计，完全能满足NR-V2X子帧级的调度需求。而通过智能的协商机制，虽然增加了少量信令，但通过避免冲突重传，反而在整体上提升了信道利用率和死线满足率。

6. 潜在问题、挑战与未来方向

尽管前景广阔，但将Agentic-V2X从研究推向落地，还有重重关卡需要突破。

6.1 安全性与鲁棒性挑战

这是车联网应用的生命线。SLM作为一个数据驱动的模型，其决策逻辑是黑盒或灰盒的，可能面临以下风险：

• 对抗性攻击：恶意车辆可能发送精心构造的虚假“意图公告”，误导周围车辆的SLM做出错误决策，从而引发资源调度混乱甚至安全风险。
• 分布外泛化：模型在训练仿真场景中表现良好，但遇到从未见过的极端交通场景（如特大交通事故造成的全区域拥堵）时，其决策可能不可预测。
• 死锁与活锁：分布式协商机制可能陷入僵局，例如多个智能体循环等待对方释放资源。

应对思路：

• 形式化验证与安全层：在SLM决策输出后，增加一个基于形式化规则的安全校验层。例如，校验决策是否会导致明显的资源冲突，或是否违反了最基本的交通安全规则（如，绝不能为了发送信息而推迟刹车指令的执行）。这个安全层具有一票否决权。
• 持续学习与在线适应：设计机制让车载智能体能够从实际运行中收集边缘案例，并安全地将数据上传，用于中心模型的迭代更新和再训练。
• 冗余与降级机制：当检测到SLM决策置信度过低或网络出现异常时，系统应能自动、无缝地降级到一套经过验证的、基于规则的备用调度方案。

6.2 标准化与互联互通

目前5G NR-V2X和C-V2X的标准中，并未定义基于SLM智能体的信令交互格式。要让不同厂商的车辆和RSU能够相互理解彼此的“意图”，需要定义一套标准化的、机器可读的协商协议和消息格式。这可能需要行业联盟（如3GPP、5GAA）牵头制定新的标准或对现有标准进行增强。

6.3 计算与通信资源的平衡

SLM推理需要计算资源，而车辆端的计算能力始终是有限的。未来，更先进的模型压缩技术、神经架构搜索专门为调度任务设计的小模型、以及车-路-云协同推理（将复杂推理任务卸载到RSU或边缘云）将是重要的研究方向。

6.4 仿真与现实的鸿沟

高保真仿真依然是瓶颈。当前的交通和网络仿真模型在无线电传播（特别是复杂城市环境下的非视距）、车辆动力学、驾驶员行为建模等方面仍有差距。构建数字孪生平台，利用真实道路数据不断校准仿真模型，是缩小这一鸿沟的必由之路。

从我个人的实践来看，Agentic-V2X不是一个能一蹴而就的银弹，而是一个需要通信、人工智能、汽车电子、安全等多个领域专家紧密协作的长期工程。它的早期应用可能会从对安全性要求相对较低、但能显著提升效率的商用车辆编队管理开始，逐步积累经验和信任，最终向乘用车安全关键场景渗透。这个过程中，每一次算法的迭代，每一次仿真的验证，都是在为未来更智能、更可靠的交通系统铺路。