基于图注意力网络的无人机鲁棒编队控制学习

无人机技术的快速发展显著影响了搜救、环境监视和工业检查等多个领域。多无人机系统相较于单机操作具有效率、可扩展性和冗余性等显著优势。尽管存在这些优势，但在通信中断或网络攻击等动态和对抗环境下确保鲁棒编队控制仍是一大挑战。虽然在特定情景下有效，但经典的鲁棒编队控制方法往往在复杂建模和代理维度 curse（维度 curse）方面受限，尤其当代理数量增加时更为明显。本文提出一种新颖的基于学习的编队控制方法，利用图注意力网络（GAT）来增强多无人机编队的可适应性和鲁棒性。通过利用GAT基于注意力机制提取节点之间动态关系的能力，该GAT-based编队控制器显著提高了无人机编队针对各种威胁（如拒绝服务攻击）的鲁棒性。我们的方法不仅在正常条件下提高编队性能，还确保在可变和对抗环境中多无人机系统的鲁棒性。大量仿真结果表明，我们的方法在基线编队控制器之上具有优越性能。此外，物理实验验证了在实际飞行中所训练控制策略的有效性。