基于深度强化学习的多无人机抗干扰路径规划
机器学习
2021-04-19 v2 多智能体系统
摘要
无人机（UAV）有望成为无线网络的组成部分。本文旨在为多个蜂窝连接无人机寻找无碰撞路径，同时在存在动态干扰机的情况下满足与地面基站（GBS）连接的要求。我们首先将该问题表述为离散域中的序贯决策问题，带有连接性、避碰与运动学约束。随后，我们提出一种带在线信干噪比（SINR）映射的离线时序差分（TD）学习算法来求解该问题。更具体地，构建一个值网络并通过 TD 方法离线训练以编码无人机之间以及无人机与环境之间的交互；并设计了一个在线 SINR 映射深度神经网络（DNN）并通过监督学习训练，以编码由干扰机引起的影响与变化。数值结果表明，在没有任何干扰机信息的情况下，所提算法可达到接近具有完美 SINR 图的理想场景的性能水平。多无人机实时导航可高效执行且成功率较高，并避免了碰撞。
引用
@article{arxiv.2104.04477,
title = {Jamming-Resilient Path Planning for Multiple UAVs via Deep Reinforcement Learning},
author = {Xueyuan Wang and M. Cenk Gursoy and Tugba Erpek and Yalin E. Sagduyu},
journal= {arXiv preprint arXiv:2104.04477},
year = {2021}
}
备注
To be published in IEEE International Conference on Communications (ICC) 2021