导航烟雾：基于数据同化的协作多智能体强化学习用于精准空气污染绘图

空气污染事件的快速上升势态迫切需要准确、实时的监测以制定明智的缓解策略。数据同化 (DA) 方法为此提供了有前景的解决方案，但其有效性高度依赖于最优测量位置。本文提出一种新方法，通过协作多智能体强化学习 (MARL) 框架驱动的自主无人机，充当空气质量绘图的侦探。摒弃静态传感器网络的局限性，无人机在协同互动中相互适应，其飞行路径实时调整以获取最佳数据以支持数据同化 (DA)。该方法采用量身定制的奖励函数与动态信用分配，使无人机能够优先选择信息丰富的测量点，无需依赖不可用的地面真值数据，从而在实际部署中具有实用性。大量实验使用真实数据集表明，解决方案在有限无人机资源或对污染浪漫缺乏先验知识的情况下，仍能实现显著提升的污染估计。除空气质量外，该方案为通过可扩展且自主的无人机协作，解决多样化环境挑战（如野火检测与管理）提供了可能。