基于时空注意力的无人机辅助无线网络多智能体深度强化学习
信息论
2026-03-24 v1 人工智能
系统与控制
系统与控制
math.IT
摘要
本文采用多个无人机（UAV）加速地面用户（GUs）到远程基站（BS）之间的数据传输，通过无人机的中继通信。由于无人机之间间歇性的信息交换，通常导致获取完整系统状态存在延迟，进而阻碍其有效协作。为最大化总吞吐量，我们首先提出一种容错延迟的多智能体深度强化学习（MADRL）算法，集成延迟惩罚奖励以鼓励无人机间的信息共享，同时联合优化无人机的轨迹规划、网络形成和传输控制策略。此外，考虑到不可靠信道条件导致的信息损失，我们进一步提出一种基于时空注意力的预测方法，以恢复丢失的信息并增强每个无人机对网络状态的感知。这种两种设计设计旨在增强无人机辅助通信网络中的网络容量。仿真结果表明，我们的新方法在信息延迟上实现了50%以上的降低，同时相较于传统MADRL实现了75%的吞吐量提升。有趣的是，研究表明，提高无人机的信息共享并不会牺牲网络容量，反而显著提升学习性能和吞吐量。该方法同样有效减少了无人机之间信息交换的需求，从而促进了MADRL在无人机辅助通信网络中的实际部署。
引用
@article{arxiv.2603.21594,
title = {Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications},
author = {Che Chen and Lanhua Li and Shimin Gong and Yu Zhao and Yuming Fang and Dusit Niyato},
journal= {arXiv preprint arXiv:2603.21594},
year = {2026}
}