面向6G的智能代理无线通信：意图感知与持续进化的物理层智能

随着6G无线系统的演进，功能复杂性和多样化服务需求推动了从基于规则的控制向意图驱动的自主智能的转变。用户需求不再仅由单一指标（如吞吐量或可靠性）定义，而是由延迟敏感性、能耗偏好、计算约束和服务级要求等多维目标构成，并可能随环境动态和用户-网络交互而变化。因此，准确理解通信环境和用户意图对于实现自主且可持续演进的6G通信至关重要。大语言模型（LLMs）凭借其强大的上下文理解和跨模态推理能力，为意图感知的网络代理提供了有前景的基础。相比基于规则或集中优化的设计，基于LLM的代理可以整合异构信息并将自然语言意图转化为可执行的控制和配置决策。本文聚焦于意图感知、自主决策和网络执行的闭环流程，研究6G物理层的代理AI及其实现路径。我们回顾了代表性物理层任务及其在支持意图感知和自主性方面的局限性，识别了代理AI具有优势的应用场景，并讨论了多模态感知、跨层决策和可持续优化中的关键挑战与使能技术。最后，我们提出了一种意图驱动的链路决策代理AgenCom，它能够根据多样化的用户偏好和信道条件自适应地构建通信链路。