基于 RSS 的 Q-Learning 用于室内无人机导航
信号处理
2019-06-03 v1
摘要
在本文中，我们关注无人机（UAVs）在拒止 GPS 的室内环境中用于搜索与救援（SAR）任务的潜在用途。我们考虑将无人机导航至无线信号源（例如受害者拥有的智能手机或手表）的问题。我们假设信号源周期性地向附近的无线接入点发射 RF 信号。无人机处接收到的信号强度（RSS）是无人机和信号源位置的函数，被输入到 Q-learning 算法中，从而将无人机导航至信号源附近。与使用智能体 GPS 坐标的传统基于位置的 Q-learning 方法不同，我们的方法使用 RSS 来定义算法的状态和奖励。它不需要任何关于环境的先验信息。这些特性使得在室内 SAR 行动中使用无人机成为可能。我们使用射线追踪软件创建了两种不同尺寸的室内场景。然后，提取相应的热图以显示每个可能无人机位置处的 RSS，用于更真实的分析。基于 RSS 的 Q-learning 算法的性能在收敛速度、每回合平均步数和最终轨迹总长度方面与基线（基于位置）Q-learning 算法进行了比较。我们的结果表明，基于 RSS 的 Q-learning 提供了与基于位置的 Q-learning 相竞争的性能。
引用
@article{arxiv.1905.13406,
title = {RSS-Based Q-Learning for Indoor UAV Navigation},
author = {Md Moin Uddin Chowdhury and Fatih Erden and Ismail Guvenc},
journal= {arXiv preprint arXiv:1905.13406},
year = {2019}
}