面向水下声能传输与信息年龄最小化的 AUV 轨迹学习
机器人学
2026-01-14 v1 机器学习
系统与控制
系统与控制
摘要
水下物联网旨在监测海洋生物与深海环境、进行水下监视以及维护水下设施，正日益受到关注。然而，依赖电池供电的传统 IoUT 设备在寿命方面面临限制，并在废弃后构成环境危害。本文提出了一种可持续的方法，通过自主水下航行器（AUV）实现来自 IoUT 设备的信息上行链路与向设备的声能传输（AET），有可能使其无限期运行。为应对时间敏感性，我们采用了信息年龄（AoI）和 Jain 公平性指数。我们开发了两种深度强化学习（DRL）算法，提供了一种高复杂度、高性能的频分双工（FDD）解决方案和一种低复杂度、中等性能的时分双工（TDD）方法。结果表明，与基线方法相比，所提出的 FDD 和 TDD 解决方案显著降低了平均 AoI，并提高了收集能量以及数据收集公平性。
引用
@article{arxiv.2601.08491,
title = {AUV Trajectory Learning for Underwater Acoustic Energy Transfer and Age Minimization},
author = {Mohamed Afouene Melki and Mohammad Shehab and Mohamed-Slim Alouini},
journal= {arXiv preprint arXiv:2601.08491},
year = {2026}
}