面向可持续水下 IoT 的多 AUV 轨迹学习与声能传输
系统与控制
2026-04-07 v1 系统与控制
摘要
水下物联网（IoUT）支持海洋感测和离岸监测，但需要协调的运动和能感知的通信以维持长期运行。本文提出一种多 AUV 框架，联合解决轨迹控制和声学通信，以实现可持续的 IoUT 运行。该问题被建模为马尔可夫决策过程，集成了连续 AUV 动力学、推进器感知能耗、声学能量传输可行性以及年龄信息（AoI）调节。开发了基于 Proximal Policy Optimization（PPO）的集中深度强化学习策略，以在停靠和安全约束下协调多个 AUV。所提出的方法针对结构化启发式基准进行评估，显著降低了平均 AoI，同时提升了公平性和数据收集效率。结果表明，协同式多 AUV 控制随网络规模增大可实现可扩展的性能提升。
引用
@article{arxiv.2604.04079,
title = {Multi-AUV Trajectory Learning for Sustainable Underwater IoT with Acoustic Energy Transfer},
author = {Mohamed Afouene Melki and Mohammad Shehab and Mohamed-Slim Alouini},
journal= {arXiv preprint arXiv:2604.04079},
year = {2026}
}