May, 2024

无人机群预测与优化轨迹的人工智能算法

PDF
TL;DR研究论文探讨了人工智能技术在无人机飞行轨迹生成中的应用。研究主要关注准确预测无人机路径和高效避免碰撞所面临的挑战，通过系统地应用多样化的激活函数于单隐藏层前馈神经网络，提高了路径预测准确性。同时，提出了一种新的激活函数 “AdaptoSwelliGauss”，将 Swish 和 Elliott 激活函数与高斯分量相融合，用于无人机轨迹复杂性的捕捉。此外，提出了综合的碰撞检测、避免和分组策略，通过改变无人机轨迹和起飞时间来避免碰撞，克服了两种策略各自的不足。
artificial intelligenceunmanned aerial vehiclestrajectory predictionactivation functionscollision avoidance
发现论文，激发创造
  • 使用 Transformer 的 UAV 辅助物联网网络中的 AoI 最小化数据采集的 UAV 轨迹规划

    通过考虑信息时代，本文研究了一种用于辅助集群式物联网网络的无人机（UAV）的轨迹规划问题，构建了一个优化问题，通过无人机从地面物联网网络中收集的数据的总信息时代的最小化来解决问题。利用状态良好的转换器和加权 A * 算法，设计了一种机器学习算法来求解所制定的问题，并证明该算法在 IoT 网络中具有不同数量的地面集群时具有很好的泛化能力，不需要重新训练模型。此外，结果表明，与其他算法相比，我们的算法可以找到具有最小总信息时代的更好的无人机轨迹。

    Nov, 2023

  • 马尔可夫物联网模型中的交通学习和主动型无人机轨迹规划与数据上行

    通过学习的基于马尔可夫事件的新颖框架，利用无人机作为飞行基站，预测 IoT 设备的流量到达并优化多个无人机的轨迹和调度策略，最终通过深度强化学习方法改进传输性能。

    Jan, 2024

  • 无人驾驶车辆群体的生成式人工智能：挑战、应用与机遇

    该论文综述了生成人工智能在无人车群体中的应用、挑战和机会，包括无人车和无人车群体的概览、各种生成人工智能技术以及其在提升无人车群体能力方面的作用、生成人工智能在无人车群体中的应用和挑战，并讨论了生成人工智能在无人车群体中的未解决问题和研究方向。

    Feb, 2024

  • 基于 Q-learning 的无人机群障碍物环境路径规划系统

    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

  • 多无人机辅助无线网络的轨迹设计与功率控制：一种机器学习方法

    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

  • 无人机群的深度学习方法非线性系统辨识

    该研究设计和评估多种非线性系统识别技术，用于建模平面空间中的无人机群系统。研究探索并比较了 RNNs、CNNs 和神经 ODE 等学习方法。其目标是通过准确逼近群体模型的非线性动力学，预测未来的群体轨迹。建模过程使用了来自群模拟的瞬态和稳态数据。结果表明，使用瞬态数据训练良好的模型与神经 ODE 的结合在准确预测群体稳定性方面鲁棒性强于其他学习方法。

    Nov, 2023

  • 天空联邦学习：使用 UAV 集群进行联合功率分配和调度

    本文提出了一种利用分布式联邦学习算法实现无人机群体中集中式机器学习的新框架并对其进行了收敛性分析，同时，提出了一种联合功率分配和调度设计来优化联邦学习的收敛速率，同时考虑了能量消耗和延迟要求。仿真结果验证了 FL 收敛分析的有效性，并表明联合设计策略可以将收敛所需通信轮数比基准设计减少 35％。

    Feb, 2020

  • 基于深度强化学习的无人机三维轨迹与数据采集优化

    本文旨在通过设计并运用基于最短路径的无人机来提升物联网设备数据的收集和资源分配。同时，设计了一个基于深度强化学习的技术来获取特定区域内的最优轨迹和吞吐量，从而实现了无人机自主收集所有数据的目标，而且显著提高了总速率，最小化了关联资源的使用。实验结果证实了方案在效率、轨迹、时间等方面的优势。

    Jun, 2021

  • 协同无人机和卷积网络实现高效实时图像识别

    在本文中，我们提出了一种旨在将推理请求分配到资源受限的 UAV 群体的策略，该策略可在无人机上对捕获的图像进行分类，并找到最小的决策延迟，其模型被制定为一个最小化获取图像与做出最终决策之间延迟的优化问题，我们提出了一种名为 DistInference 的在线启发式解决方案，以找到最佳延迟的分层策略，可以用于不同的低决策延迟应用程序以及所有 CNN 类型。

    Jul, 2021

  • 无人机主动分类的在线信息路径规划

    本文介绍了一种利用无人机进行主动分类的信息路径规划框架，应用于精准农业的杂草检测。它利用全局视点选择和进化优化相结合，在连续的三维空间中优化计划轨迹，同时考虑动态约束；基于占用格子模型对农田中杂草的存在进行建模，并根据信息理论目标生成自适应计划，使无人机高效地收集数据。仿真结果表明，与传统的均匀覆盖方法相比，在同样的时间内建立了熵较低的地图。

    Sep, 2016