基于强化学习的无人机辅助搜索与救援操作
系统与控制
2020-02-21 v1 系统与控制
信号处理
摘要
由于部署灵活性的提高和制造成本的降低，对无人机的需求预计在未来几年将激增。本文探讨了在GPS信号可能不可靠的室内环境中，无人机辅助的搜索与救援（SAR）操作。我们考虑一个SAR场景：无人机通过感知受害者所持智能设备发射的射频信号来定位被困在室内的受害者。为了尽快定位受害者，我们利用强化学习（RL）工具。无人机处的接收信号强度（RSS）取决于与源的距离、室内阴影和衰落参数以及无人机上接收天线的辐射方向图。为了使分析更真实，我们使用商业射线追踪软件模拟了两个不同尺寸的室内场景。然后提取每个可能的离散无人机位置对应的RSS值，并将其用于Q学习框架。与利用GPS坐标的传统基于位置的导航方法不同，我们的方法使用RSS来定义RL算法的状态和奖励。我们比较了使用定向天线和全向天线时的性能。结果表明，使用定向天线比全向天线提供更快的收敛速度。
引用
@article{arxiv.2002.08415,
title = {UAV Aided Search and Rescue Operation Using Reinforcement Learning},
author = {Shriyanti Kulkarni and Vedashree Chaphekar and Md Moin Uddin Chowdhury and Fatih Erden and Ismail Guvenc},
journal= {arXiv preprint arXiv:2002.08415},
year = {2020}
}
备注
Accepted in IEEE SoutheastCon 2020, Raleigh, NC