打破预规划壁垒：异构无人机的自适应实时协调
多智能体系统
2025-04-16 v2
摘要
无人机 (UAV) 在搜索与救援和环境监测等动态、感知密集型任务中具有巨大的潜力;然而，传统的预规划路由方法严重限制了其效能，无法在面对不断变化的任务需求、意外干扰以及局部视野受限的实际场景中进行实时响应。为解决这一根本性限制，我们引入了一种新型多智能体强化学习框架，名为 \textbf{H}eterogeneous \textbf{G}raph \textbf{A}ttention \textbf{M}ulti-agent Deep Deterministic Policy Gradient (HGAM)，专为启用 MUAVs 和 CUAVs 之间基于局部异构图观察的精确、去中心化的连续动作协调而设计。HGAM 特别解决了仅凭局部异构图观察即可实现精确去中心化连续动作协调的尚未解决挑战。大量仿真实验表明，HGAM 在已有方法之上显著超越，例如在数据收集覆盖率提升 30%，充电效率提升 20%，为在复杂动态环境中部署智能灵活 UAV 网络提供了关键见解和基础。
引用
@article{arxiv.2501.14488,
title = {Breaking the Pre-Planning Barrier: Adaptive Real-Time Coordination of Heterogeneous UAVs},
author = {Yuhan Hu and Yirong Sun and Yanjun Chen and Xinghao Chen and Xiaoyu Shen and Wei Zhang},
journal= {arXiv preprint arXiv:2501.14488},
year = {2025}
}