抓得住我吗：基于深度元强化学习的 LoRa 无人机网络搜救
网络与互联网体系结构
2023-06-13 v2 信号处理
摘要
远距离（LoRa）无线网络已被广泛提议作为电池受限物联网（IoT）设备的高效无线接入网络。在许多实际的搜救（SAR）行动中，一个具有挑战性的问题是如何找到迷失人员所携带设备的位置。然而，基于 LoRa 的 IoT 网络用于 SAR 行动时会因地面遮挡导致高信号衰减而具有有限覆盖，尤其在极偏远地区。为克服这一挑战，使用无人机（UAV）作为飞行 LoRa 网关将地面 LoRa 节点的消息转发至地面救援站是一种有前景的方案。本文中，使用 UAV 辅助 LoRa 网络的搜救系统中飞行 LoRa（FL）网关控制问题被建模为部分可观测马尔可夫决策过程。随后，提出一种基于深度元强化学习（deep meta-RL）的策略以控制 SAR 行动中的 FL 网关轨迹。为初始化所提深度元 RL 策略，首先设计一种基于深度 RL 的策略以确定包含固定无线几何结构的固定搜索环境中的自适应 FL 网关轨迹。然后，作为通用方案，采用深度元 RL 框架用于任意新的未知环境中的 SAR，将先前的 FL 网关经验与其他搜索环境收集的信息相融合，并快速使 SAR 策略模型适应新环境中的 SAR 行动。随后对提出的 UAV 辅助 LoRa 网络进行实验设计与实现。实际评估结果表明，若采用深度元 RL 控制策略替代深度 RL 策略，SAR 时隙数从 141 降至 50。
引用
@article{arxiv.2306.02911,
title = {Catch Me If You Can: Deep Meta-RL for Search-and-Rescue using LoRa UAV Networks},
author = {Mehdi Naderi Soorki and Hossein Aghajari and Sajad Ahmadinabi and Hamed Bakhtiari Babadegani and Christina Chaccour and Walid Saad},
journal= {arXiv preprint arXiv:2306.02911},
year = {2023}
}