面向NOMA增强型室内智能机器人的路径设计与资源管理
人工智能
2020-11-30 v2 系统与控制
系统与控制
摘要
提出一种支持通信的室内智能机器人（IRs）服务框架，其中采用非正交多址（NOMA）技术以实现高可靠通信。结合国际电信联盟（ITU）近期提出的超现代室内信道模型，提出乐高建模方法，该方法可确定性描述室内布局与信道状态以构建无线电地图。所研究的无线电地图被用作虚拟环境来训练强化学习智能体，从而节省训练时间与硬件成本。基于所提出的通信模型，对需抵达指定任务目的地的IRs运动及其对应下行功率分配策略进行联合优化，以最大化IRs的任务效率与通信可靠性。为解决该优化问题，提出一种名为深度迁移确定性策略梯度（DT-DPG）算法的新型强化学习方法。仿真结果表明：1）借助NOMA技术，IRs的通信可靠性得到有效提升；2）无线电地图有资格作为虚拟训练环境，其统计信道状态信息将训练效率提升约30%；3）所提DT-DPG算法在优化性能、训练时间与抗局部最优能力方面优于常规深度确定性策略梯度（DDPG）算法。
引用
@article{arxiv.2011.11745,
title = {Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots},
author = {Ruikang Zhong and Xiao Liu and Yuanwei Liu and Yue Chen and Xianbin Wang},
journal= {arXiv preprint arXiv:2011.11745},
year = {2020}
}