一种基于强化学习的无人机群野火追踪方法
信号处理
2024-07-09 v1
摘要
如果能够保证即使部分地面接入点（AP）被火灾本身损坏也能保持不间断的连接，那么配备摄像头和传感器的无人机（UAV）对于野火预测、追踪和监测至关重要。因此，一种无人机连接到多个接入点的无蜂窝网络结构在弹性方面是理想的。本文提出了一种用于追踪野火同时保持与地面接入点无蜂窝连接的无人机群的轨迹优化框架。这种优化需要随着火灾的发展不断重新定位多个无人机，以确保获得最佳视野并可靠地传输，同时遵守高度限制、避免碰撞，并在需要时进行电池充电。鉴于这种多无人机轨迹优化的复杂性和时变性，我们利用了强化学习，特别是双延迟深度确定性策略梯度算法。该方法被证明对野火追踪和覆盖非常有效，并且同样适用于调查其他自然和人为现象，包括天气事件、地震或化学品泄漏。
引用
@article{arxiv.2407.05473,
title = {A Reinforcement Learning Approach for Wildfire Tracking with UAV Swarms},
author = {Carles Diaz-Vilor and Angel Lozano and Hamid Jafarkhani},
journal= {arXiv preprint arXiv:2407.05473},
year = {2024}
}