基于强化学习的货运无人机轨迹规划与小区关联:以最小化切换、断连与能耗为目标
系统与控制
2023-12-06 v1 机器学习
机器人学
系统与控制
摘要
无人机(UAV)是实现最后一公里货物运输的一项前景广阔的技术。然而,有限的机载电池容量、蜂窝网络的不稳定性以及空域中频繁的切换,是阻碍其充分发挥潜力的主要障碍。鉴于现有蜂窝网络主要为地面用户设计,将其复用为高度移动的空中用户(如货运无人机)提供服务,被认为颇具挑战。事实上,为了确保货运无人机的安全运输,关键在于高效利用可用能量,同时保证指令与控制链路的可靠连接,并避免频繁切换。为实现这一目标,我们提出了一种联合货运无人机轨迹规划与小区关联的新方法。具体而言,我们将货运无人机任务建模为一个多目标问题,旨在:1) 最小化能耗;2) 减少切换事件;3) 保证轨迹沿线的蜂窝可靠性。我们利用强化学习(RL)来联合优化货运无人机的轨迹与小区关联。仿真结果表明,所提方法在切换次数、断连与能耗方面均优于基准方法。
引用
@article{arxiv.2312.02478,
title = {RL-Based Cargo-UAV Trajectory Planning and Cell Association for Minimum Handoffs, Disconnectivity, and Energy Consumption},
author = {Nesrine Cherif and Wael Jaafar and Halim Yanikomeroglu and Abbas Yongacoglu},
journal= {arXiv preprint arXiv:2312.02478},
year = {2023}
}