MAESTRO-X：旋翼无人机中继蜂群的分布式编排
信息论
2023-02-07 v4 信号处理
math.IT
摘要
这项工作详细阐述了一个可扩展的框架，用于编排一组作为蜂窝中继的旋翼无人机蜂群，以便为地面用户提供超视距连接和流量卸载。首先，为单架无人机开发了一个多尺度自适应能量感知调度与轨迹优化（MAESTRO）框架。旨在最小化服务用户请求的时间平均延迟，并受限于平均无人机功率约束，研究表明该优化问题可以转化为一个半马尔可夫决策过程，并展现出多尺度结构：关于径向等待速度和终端服务位置的外部动作最小化长期延迟-功率权衡，并通过值迭代进行优化；给定这些外部动作，关于角向等待速度和服务轨迹的内部动作最小化短期延迟-能量成本。在内部优化中，开发了一种新颖的分层竞争蜂群优化方案，通过迭代的成对更新来设计高分辨率轨迹。接下来，通过可扩展的策略复制将MAESTRO扩展到无人机蜂群（MAESTRO-X）：通过去中心化的指挥与控制网络，最优的单智能体策略被增强了覆盖最大化、基于共识的冲突解决、自适应频率复用和捎带传输。数值评估表明，对于根据泊松到达过程生成、速率为0.2 req/min/UAV的10 Mbits用户请求，单智能体MAESTRO的服务速度比高空平台快3.8倍，比静态无人机部署快29%；此外，对于3架无人机中继的蜂群，MAESTRO-X的数据负载交付速度比逐次凸近似方案快4.7倍；并且值得注意的是，通过MAESTRO优化的单架无人机性能优于通过深度Q网络优化的3架无人机38%。
引用
@article{arxiv.2007.01228,
title = {MAESTRO-X: Distributed Orchestration of Rotary-Wing UAV-Relay Swarms},
author = {Bharath Keshavamurthy and Matthew Bliss and Nicolò Michelusi},
journal= {arXiv preprint arXiv:2007.01228},
year = {2023}
}
备注
32 pages, 12 figures, and 3 tables | Submitted to the IEEE Transactions on Cognitive Communications and Networking (TCCN)