.png){kind=icon}
返回
Autonomous Flight Control for UAV Swarm Using Evolutionary Multi-Agent Multi-Objective Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TCCN.2025.3643996.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着低空经济的快速发展，对支持多样化应用的大规模无人机集群（UAV）的需求日益增长。这些低空作业场景需要精确高效的无人机集群协同，使得自主飞行控制成为一项关键挑战。本研究探讨了分布式无人机集群飞行控制问题，其中每架无人机基于对邻近无人机和周围环境的部分观测自主决策。该问题涉及多目标优化，目标是在同时最小化无人机控制成本和最大化无人机服务激活速度。为解决传统强化学习在应对波动的低空环境条件时处理此类多目标问题的低效性，我们提出了一种基于进化多智能体多目标强化学习（EMAMORL）的分布式自主控制方法。该方法将分布式智能与多目标强化学习相结合，在单次迭代中为不同目标的不同偏好生成多种策略，同时降低通信和控制开销。在线推理阶段，智能体使用这些训练好的策略进行实时决策。仿真结果表明，EMAMORL在生成高质量帕累托最优策略方面优于基线进化算法，并在存在风扰动的动态低空环境中保持稳健性能。
Keyword:
Low-altitude wireless networks
UAV swarm
flight control
multi-objective reinforcement learning
evolutionary algorithm
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K
机构
引用论文
Joint Optimization of Energy Consumption and Latency in Mobile Edge Computing for Internet of Things
PREAI
分享收藏Unmanned aerial vehicles based low-altitude economy with lifecycle techno-economic-environmental analysis for sustainable and smart cities基于无人机的低空经济及其生命周期技术-经济-环境分析，以实现可持续与智慧城市
PREAI
分享收藏Low-altitude intelligent transportation: System architecture, infrastructure, and key technologies低空智能交通: 系统架构、基础设施与关键技术
PREAI
分享收藏Multi UAV Cluster Control Method Based on Virtual Core in Improved Artificial Potential Field.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容