ARDDQN：用于无人机覆盖路径规划与数据采集的注意力循环双深度Q网络
机器学习
2024-05-21 v1 人工智能
摘要
无人机在数据采集和覆盖路径规划中越来越受欢迎，用于高效勘测给定区域并从空中视角收集数据，而数据采集旨在从各种物联网传感器设备收集信息，覆盖路径规划保证指定区域内的每个位置都被访问，且冗余最小、效率最高。我们提出了ARDDQN（基于注意力的循环双深度Q网络），它将双深度Q网络与循环神经网络和注意力机制相结合，以生成最大化从物联网设备收集数据的路径覆盖选择，并学习一种泛化能量限制的无人机控制方案。我们采用了一个结构化的环境地图，包括一个压缩的全局环境地图和一个显示无人机代理位置的局部地图，以高效扩展到大型环境。我们比较了长短期记忆、双向长短期记忆、门控循环单元和双向门控循环单元作为循环神经网络与无RNN的结果。我们提出将LSTM与注意力机制集成到现有的DDQN模型中，该模型在进化参数（即数据采集、着陆和覆盖比率）上表现最佳，适用于CPP和数据采集场景。
引用
@article{arxiv.2405.11013,
title = {ARDDQN: Attention Recurrent Double Deep Q-Network for UAV Coverage Path Planning and Data Harvesting},
author = {Praveen Kumar and Priyadarshni and Rajiv Misra},
journal= {arXiv preprint arXiv:2405.11013},
year = {2024}
}