基于 GCN 的多无人机反干扰路径规划
机器人学
2024-05-03 v1 人工智能
摘要
本文关注无人机(UAV)及其集群在各类领域进行协同作业的日益重要性，以及干扰技术可能对 UAV 集群效能的严重影响。为此，亟需具备鲁棒的反干扰策略。虽然已探索了频率跳变和物理路径规划等方法，但针对干扰位置未知时 UAV 集群路径规划的研究仍存空白。为此，本文提出一种新方法，即让 UAV 集群利用集体智慧预测干扰区域、规避干扰并高效到达目标地点。该方法利用图卷积网络(GCN)基于来自每个 UAV 的信息预测干扰区域的位置和强度。随后采用多智能体控制算法对 UAV 集群进行分散、规避干扰并在抵达目标后重新聚集。通过仿真实验，展示了所提方法的有效性，显示其能够准确预测干扰区域并通过障碍规避算法成功规避，从而实现任务目标。该方法具有鲁棒性、可扩展性和计算效率，适用于 UAV 集群在可能敌对环境中运行的各种场景。
引用
@article{arxiv.2405.00689,
title = {Anti-Jamming Path Planning Using GCN for Multi-UAV},
author = {Haechan Jeong},
journal= {arXiv preprint arXiv:2405.00689},
year = {2024}
}