面向海上态势感知增强的传感器分配与基于在线学习的路径规划：一种多智能体方法
多智能体系统
2023-11-28 v2
摘要
拥有广阔水域的国家通常旨在通过海上监视系统保护其海上运输。然而，可用传感器（如摄像机）的数量通常远少于待监视目标，且其视场（FOV）与距离往往有限。这使得提升海上运输的态势感知颇具挑战。为此，我们提出一种方法，不仅分配多个传感器，还为其规划路径以观测多个目标，同时将实现态势感知所需时间最小化。具体而言，我们给出了这一传感器分配与路径规划问题的形式化描述，其中考虑了目标状态的部分可知性以及目标轨迹的未知性。为求解该问题，我们提出两种算法：1）将传感器分配给目标的贪婪算法；2）基于后悔匹配学习的分布式多智能体路径规划算法。由于快速收敛是高机动环境中所设算法的必然要求，我们采用遗忘因子以快速收敛至相关均衡解。实验结果表明，我们的组合方法比相关工作更快地实现态势感知。
引用
@article{arxiv.2307.02790,
title = {Sensor Allocation and Online-Learning-based Path Planning for Maritime Situational Awareness Enhancement: A Multi-Agent Approach},
author = {Bach Long Nguyen and Anh-Dzung Doan and Tat-Jun Chin and Christophe Guettier and Surabhi Gupta and Estelle Parra and Ian Reid and Markus Wagner},
journal= {arXiv preprint arXiv:2307.02790},
year = {2023}
}