面向蜂窝连接无人机的联邦学习：无线电地图与路径规划

为延长无人机(unmanned aerial vehicles, UAVs)的寿命，无人机需要在尽可能短的时间内完成任务。除该要求外，在许多应用中，无人机在飞行期间需要可靠的互联网连接。本文中，我们在确保满足概率连通性约束的前提下最小化无人机的飞行时间。为解决此问题，我们需要环境中中断概率的全局模型。由于无人机具有不同任务并飞越不同区域，它们收集的数据携带有关网络连通性的局部信息。因此，无人机无法依赖自身经验构建全局模型。该问题影响了无人机的路径规划。为解决此问题，我们采用两步法。第一步，通过使用联邦学习(Federated Learning, FL)，无人机协作构建环境中中断概率的全局模型。第二步，利用第一步获得的全局模型和快速扩展随机树(rapidly-exploring random trees, RRTs)，我们提出一种优化无人机路径的算法。仿真结果显示了该两步法对于无人机网络的有效性。