无人机辅助移动群智感知网络中的异构多智能体协作
机器学习
2025-10-01 v1 多智能体系统
摘要
无人机辅助移动群智感知（MCS）已成为一种极具前景的数据收集范式。然而，频谱稀缺、设备异构性和用户移动性等挑战阻碍了感知、通信和计算的高效协调。为了解决这些问题，我们提出了一个联合优化框架，该框架集成了感知、通信和计算阶段的时间时隙划分、资源分配以及无人机3D轨迹规划，旨在最大化已处理感知数据的数量。该问题被表述为非凸随机优化，并进一步建模为部分可观测马尔可夫决策过程（POMDP），可通过多智能体深度强化学习（MADRL）算法求解。为了克服传统多层感知机（MLP）网络的局限性，我们设计了一种带有混合执行器网络的新型MADRL算法。这种新开发的方法基于异构智能体近端策略优化（HAPPO），通过卷积神经网络（CNN）进行特征提取，并利用Kolmogorov-Arnold网络（KAN）捕获结构化的状态-动作依赖关系。大量数值结果表明，与其他基准相比，我们提出的方法在已处理感知数据数量上取得了显著改善。
引用
@article{arxiv.2509.25261,
title = {Heterogeneous Multi-agent Collaboration in UAV-assisted Mobile Crowdsensing Networks},
author = {Xianyang Deng and Wenshuai Liu and Yaru FuB and Qi Zhu},
journal= {arXiv preprint arXiv:2509.25261},
year = {2025}
}
备注
7 pages, 6 figures