基于增强型教学学习优化的多旋翼无人机三维路径规划
本文研究了无人机轨迹设计的优化问题,旨在最大化服务于用户的数量,提出了一种基于双 Q 学习算法的机器学习框架来解决这个问题,并且模拟结果表明,该算法与传统的学习算法相比,可以使用户的满意度获得高达 19.4% 的增长。
Feb, 2019
本研究旨在探讨在联邦学习中,一种针对无人机的在线轨迹设计问题,其中多个不同的社区存在,每个社区被唯一的任务定义所学习。在这种情况下,每个社区的空间分布设备通过无人机提供的无线链接协作贡献于对其社区模型的培训。通过引入一种启发式指标,我们提出了使用凸优化技术和图论一起优化无人机轨迹和设备调度的代理目标,以加速所有任务的学习进程,并且通过模拟实验证明了我们的解决方案相对于其他手动选择的静态和移动无人机部署基线的卓越表现。
Jun, 2022
针对智能四旋翼无人机,本文提出了一种稳健可靠的自主规划系统,结合动态障碍物的跟踪和轨迹预测实现高效可靠的自主飞行,采用轻量级目标检测算法识别动态障碍物,利用卡尔曼滤波跟踪和估计其运动状态,在规划阶段不仅考虑静态障碍物而且考虑动态障碍物的潜在移动,使用基于 B 样条的轨迹搜索算法生成轨迹,并通过各种约束进一步优化以提高安全性和与无人机运动特征的一致性,在仿真和实际环境中进行实验,结果表明我们的方法能够实时检测和避开动态环境中的障碍物,相较现有方法在可靠性上有更大优势。此外,在自然语言处理(NLP)技术展示出卓越的零样本泛化能力的进展下,更友好的人机交互变得可行,本研究还探索了自主规划系统与大型语言模型(LLMs)的集成。
Nov, 2023
本文研究使用一个主动无人机和四个被动无人机实时定位一个三维目标无人机的问题,并提出了基于 Z 函数分解的强化学习方法,通过优化无人机的轨迹和主动无人机的发送功率,以最大化目标无人机的定位精度。仿真结果表明,所提出的 ZD-RL 方法相对于 VD-RL 和独立深度 RL 方法,可以减小定位误差多达 39.4% 和 64.6%。
Jan, 2024
本文论述了如何使用基于强化学习的 Q-learning 算法来解决具有障碍物的环境下,多 UAV 自主控制的路径规划问题。实验表明,该系统在实现完全覆盖目标区域的同时,能够以较少的动作数节约路径长度和能源消耗。
Mar, 2023
该论文提出了一个新的框架,用于质量体验驱动的多个无人机的部署和动态移动,并使用遗传算法 K-means 算法和 Q-learning 算法实现了解决非凸 3D 部署和运动问题。
Apr, 2019
本文提出了一种基于群体智能的方法,用于解决无人机的合作路径规划问题,该问题对于基础设施的自动检查至关重要。该方法使用结构的三维模型生成无人机的视点,并考虑无人机编队模型、相机参数和数据后处理要求的约束,计算视点。然后,将视点作为输入,将路径规划作为扩展的旅行推销员问题,并定义一个新的成本函数。最后使用蚁群优化来解决这个问题,得到最优的检查路径。对真实结构的 3D 模型进行了实验以评估所提出方法的性能。结果表明,与另一种启发式方法相比,我们的系统不仅能够为无人机生成可行的检查路径,而且在复杂结构中可以将路径长度减少 29.47%。该算法的源代码可以在此 https 的 URL 找到。
Feb, 2024
本研究提出了一种基于用户移动信息预测的多无人机轨迹设计的新框架,其利用机器学习技术为多个无人机实现位置信息获取和轨迹设计,并通过多智能体 Q 学习算法实现对其位置的预测与优化。同时,数值结果表明所提出的多智能体 Q 学习算法的轨迹设计和功率控制算法可以在较小的条件下收敛,并且可以实现 17%左右的吞吐量改进。
Dec, 2018
该论文介绍了一种利用数学模型自动生成无人机飞行轨迹,全面准确地扫描物体表面,从而生成高保真的 3D 模型。作者使用了覆盖度等数学原理,进行路径规划,可以自动权衡机器人特性和覆盖度,有效避免撞墙等情况。
May, 2017
本文研究了基于多架无人机构成的无线通信系统,通过优化多用户通信调度与关联,无人机的轨迹与发射功率控制,最大程度地提高地面用户的最小吞吐量。提出了适用于非凸优化问题的迭代算法,实现了用户调度、无人机轨迹和发射功率的交替优化,并对问题的收敛性和复杂度进行了分析。仿真结果表明,与其他基准方案相比,该优化设计能极大地提升吞吐量。
May, 2017