基于智能体的 AI 在低空经济网络中的多无人机轨迹优化
信息论
2025-08-25 v1 信号处理
math.IT
摘要
本文提出了一种 novel 的 Agentic Retrieval-augmented generation with Mamba-Attention Integrated Transformer (ARMAIT) 框架，用于多无人机（UAV）轨迹优化。该框架基于大语言模型（LLM），集成了以 Agentic AI 为基础的检索增强生成（RAG）技术，并结合了无人机专用知识库。通过 Agentic RAG，LLM 能够自主解释高层次任务需求，并识别轨迹优化所需的关键组件，包括模型输入输出、网络结构、奖励函数以及任务约束。为支持不同系统规模下的高效建模，我们引入了 Mamba-Attention Integrated Transformer (MAIT)，这是一种混合神经网络架构，融合了注意力机制的长程依赖建模能力与 Mamba 的高效时序动态表示能力。此外，本文提出了一种 Trajectory-Group Relative Policy Optimization (T-GRPO) 方法，以实现 MAIT 训练在离散和连续轨迹空间中的统一策略梯度优化。大量实验结果验证了所提出 ARMAIT 框架的可行性与有效性。
引用
@article{arxiv.2508.16379,
title = {Agentic AI Empowered Multi-UAV Trajectory Optimization in Low-Altitude Economy Networks},
author = {Feibo Jiang and Li Dong and Xitao Pan and Kezhi Wang and Cunhua Pan},
journal= {arXiv preprint arXiv:2508.16379},
year = {2025}
}