基于贝叶斯驱动的图推理用于主动无线电图构建
信号处理
2025-08-25 v2 人工智能
摘要
随着低空经济的兴起，无线电图已成为确保航空平台可靠无线连接的关键技术。常规的航空代理人采用 waypoint 导航进行数据收集；然而，其有限的电池容量显著限制了覆盖范围和效率。为解决此问题，我们提出一种不确定性感知的无线电图（URAM）重建框架，显式利用针对 waypoint 导航优化的图基推理。我们的方法集成了两个关键深度学习组件：(1) 估计实时空间不确定性的贝叶斯神经网络；(2) 基于注意力机制的强化学习策略，对概率路网进行全局推理，利用不确定性估计规划信息丰富且能耗高效的轨迹。这种图基推理实现了智能、非贪婪的轨迹规划，引导代理人前往最具信息性的区域，同时满足安全约束。实验结果表明，URAM 在现有基线方法上提高了最高 34% 的重建精度。
引用
@article{arxiv.2508.09142,
title = {Bayesian-Driven Graph Reasoning for Active Radio Map Construction},
author = {Wenlihan Lu and Shijian Gao and Miaowen Wen and Yuxuan Liang and Liuqing Yang and Chan-Byoung Chae and H. Vincent Poor},
journal= {arXiv preprint arXiv:2508.09142},
year = {2025}
}