面向目标检测的 AUV 协作效率与通信隐蔽性联合优化
机器学习
2025-10-22 v1
摘要
本文研究了使用自主水下车辆 (AUV) 的 underwater 协作目标检测问题，特别关注协作效率与通信隐蔽性之间的关键权衡。为解决此挑战，我们首先构建联合轨迹和功率控制优化问题，然后提出一种创新的分层行动管理框架进行求解。根据分层建模，在宏观层面，主 AUV 将代理选择过程建模为马尔可夫决策过程，并部署近端策略优化算法进行战略任务分配。在微观层面，每个所选代理的去中心化决策建模为部分可观测马尔可夫决策过程，并使用多代理近端策略优化算法根据本地观察动态调整其轨迹和传输功率。在集中训练、去中心化执行的范式下，本文的目标检测框架实现了在满足能源和 mobility 约束条件下的自适应隐蔽协作。通过对所考虑系统、相关信号和任务、以及能源消耗进行全面建模，提供了关于多个 AUVs 高效安全运行的理论见解和实际解决方案，为执行水下隐蔽通信任务提供了重要意义。
引用
@article{arxiv.2510.18225,
title = {Joint Optimization of Cooperation Efficiency and Communication Covertness for Target Detection with AUVs},
author = {Xueyao Zhang and Bo Yang and Zhiwen Yu and Xuelin Cao and Wei Xiang and Bin Guo and Liang Wang and Billy Pik Lik Lau and George C. Alexandropoulos and Jun Luo and Mérouane Debbah and Zhu Han and Chau Yuen},
journal= {arXiv preprint arXiv:2510.18225},
year = {2025}
}