多无人机故障下的鲁棒疏散：面向无人机灯光秀

无人机灯光秀近年来成为一种流行的娱乐形式。然而，近期多起大规模无人机故障事件——其中多架无人机同时从天空中坠落——引发了安全与可靠性顾虑。为确保鲁棒性，我们提出一种无人机停靠算法，专为灯光秀中的多无人机故障设计，旨在通过无人机疏散来减轻级联碰撞风险，并通过利用 strategically placement 的隐藏无人机实现快速恢复故障。我们的算法将 Social LSTM 模型与注意力机制相结合，用于预测故障无人机的轨迹，并计算近乎最优的疏散路径，以最小化幸存无人机遭遇坠落无人机的可能性。在恢复节点，我们的系统部署隐藏无人机（采用关闭 LED 灯光的状态）以替换故障无人机，以便灯光秀能够继续进行。我们的实验表明，我们的方法通过深度学习预测坠落无人机的轨迹，可大幅提高多无人机系统的鲁棒性。