PROACT: Parallel Multi-Miner Proof of Accumulated Trust Protocol for Internet of Drones
包括无人驾驶飞行器（UAV或无人机）的几种类型的网络正在重要应用中使用，例如应急响应、环境和基础设施监测、国防和安全以及商业。在这样的网络中，成群的UAV合作执行一个或多个任务以实现应用的目标。无人机通过连接到固定或移动地面控制站（GCS）来与地面网络进行通信。无人机连接到在线应用程序并为互联网用户提供服务的能力导致了无人机互联网（IoD）的激增。然而，IoD应用程序非常容易受到许多类型的网络攻击。因此，必须部署机制来保护IoD操作和数据。最近，区块链被提出作为检测和防止对无人机网络（UAVN）的恶意攻击的解决方案。由于无人机的资源有限，将区块链集成到IoD中成为一个挑战。在本文中，我们提出了一个模型，使无人机能够在轻量级区块链系统中存储飞行期间所需的重要数据。此外，我们提出了一种新的区块链共识机制，其中多个矿工并行生成他们的区块，这减少了将交易安全地添加到区块链所需的时间，并满足延迟敏感型应用程序的要求。我们的模拟证明了所提出的模型与其他IoD区块链系统相比在减少交易到区块链延迟，平均无人机能耗和区块链块大小方面的优势。
2022-06-14 cs.CR cs.NI
Drone-aided Localization in LoRa IoT Networks
Ecole Polytechnique Federale de Lausanne（洛桑联邦理工学院）；Swisscom IoT/5G Innovation Lab（瑞士电信物联网/5G创新实验室）；Pompeu Fabra University (UPF)（庞培法布拉大学）
除了作为物联网（IoT）的一部分外，无人机还可以作为推动者在其中发挥相关作用。UAV的3D移动性可以被利用来改善IoT网络中的节点定位，例如，搜索和救援或货物定位和跟踪。广泛的物联网通信技术之一是远程广域网（LoRaWAN），它允许以低功耗实现长通信距离。在这项工作中，我们提出了一个无人机辅助定位系统的LoRa网络中，无人机用于提高一个节点的位置估计最初提供的网络。我们表征的通信系统的相关参数，并使用它们来开发和测试一个搜索算法在一个现实的模拟场景。然后，我们将全面实施一个真正的系统，其中无人机无缝集成到瑞士电信的LoRa网络中。无人机通过双向信息交换与网络协调，从而形成准确且完全自主的定位系统。在我们的现场测试中获得的结果显示，相对于固定网络提供的估计，定位精度提高了10倍。据我们所知，这是无人机首次成功集成到LoRa网络中，以提高其定位精度。
2020-04-08 cs.RO eess.SP
Energy-Efficient Techniques for UAVs in Communication-based Applications
University of Trento（特伦托大学）
无人机（UAV）处于尖端技术的最前沿，在广泛的学科领域具有无与伦比的开拓性应用潜力。特别是在认知无线电（CR）领域，这是新的5G电信技术实施的关键方面。无人机和CR之间的集成巩固了无人机在CR支持的非常有前途的物联网（IoT）技术核心的能力。与地面无线网络相比，高度动态的网络拓扑、弱网络通信链路、可靠的视距（LOS）通信链路以及轨道或飞行路径是UAV通信的典型特征。然而，该系统的实现受到几个严峻挑战的限制，例如能量效率、电池功率限制、频谱切换、传播信道建模、路由协议、安全策略和延迟挫折。在本文中，我们考虑了无人机在各种CR应用中所面临的能源短缺的影响。我们还分析了能源短缺对基于通信的应用程序的影响，并提出了电池限制的一般问题。最后，我们给出了通信领域和基于电池的研究人员提出的最新解决方案之间的概述和比较，并根据最新技术水平考虑可能的未来方向，例如新的图形信号处理（GSP）和机器学习（ML）。
2021-11-29 cs.NI cs.RO
Security, Privacy and Safety Evaluation of Dynamic and Static Fleets of Drones
Royal Holloway, University of London（伦敦大学皇家霍洛威学院）；Université de Limoges（利摩日大学）；Edinburgh Napier University（爱丁堡纳皮尔大学）；Université de Bordeaux（波尔多大学）
通过公共或私人网络相互连接的对象是现代社会的未来。这样的互连对象被称为物联网（IoT）和/或网络物理系统（CPS）。这种系统的一个示例是基于无人机（UAV）。这些车辆的车队被预言将承担多种角色，包括从普通到高敏感的任务，例如将比萨饼或购物快递送到您的家中，以进行侦察和战斗任务的战场部署。无人机，正如我们在本文中提到的无人机，可以单独操作（单独任务）或作为机队的一部分（组任务），与基站保持或不保持持续连接。基站作为指挥中心，管理无人机的活动。然而，需要独立的、本地化的和有效的机群控制，可能基于群体智能，原因如下：1）无人机机群数量的增加，2）机群中的无人机数量可能是数十的倍数，3）在野外由这样的机群做出决策的时间关键性，4）潜在的通信延迟/滞后，以及5）在某些情况下，在阻碍或授权限制与控制中心的通信的具有挑战性的地形中工作（即，长时间的行动或在敌方领土上使用这种舰队的军事用途）。这种自助、以任务为中心和独立的无人机机队可能利用群体智能进行a）空中交通和/或飞行控制管理，b）避障，c）在保持任务标准的同时进行自我保护，d）与野外其他机队（自主）合作，以及e）确保物理（无人机本身）和虚拟（数据，软件）资产的安全性，隐私性和安全性。在本文中，我们调查了无人机机队面临的挑战，并就如何克服这些挑战提出了一个潜在的行动方案。
2017-08-18 cs.AI cs.CR cs.NE
Bio-inspired Autonomous Exploration Policies with CNN-based Object Detection on Nano-drones
University of Bologna（博洛尼亚大学）；KU Leuven（荷语鲁汶大学）；Dalle Molle Institute for Artificial Intelligence（达尔·莫勒人工智能研究所）；ETH Zürich（苏黎世联邦理工学院）
具有手掌大小形状因子的纳米尺寸无人机在物联网生态系统中越来越重要。为复杂的多目标任务实现高度自主性（例如，安全飞行、探测、目标检测）对于机载芯片组来说是极具挑战性的，这是由于严格限制存储器和计算的紧凑尺寸、有效载荷（<10 g）和功率包络约束。我们的工作通过将生物启发的导航策略（依赖于飞行时间距离传感器数据）与基于视觉的卷积神经网络（CNN）相结合来解决这个复杂的问题，用于目标检测。我们经过现场验证的纳米无人机配备了两个微控制器单元（MCU），一个用于安全导航和勘探策略的单核ARM Cortex-M4（STM 32），以及一个用于机载CNN推理的并行超低功耗八核RISC-V（GAP 8），功率包络仅为134 mW，包括图像传感器和外部存储器。目标检测任务在现场收集的数据集上实现了50%的平均精度（以1.6帧/秒）。我们比较了四种生物启发的探索策略，并确定了一种伪随机策略，以在3分钟的飞行中在~36m^2的未知房间中实现83%的最高覆盖面积。通过将检测CNN和探索策略相结合，我们在从未见过的环境中对六个目标对象的平均检测率为90%。
2023-02-01 cs.RO cs.SY eess.SY
A Telecom Perspective on the Internet of Drones: From LTE-Advanced to 5G
无人机正在推动众多不断发展的用例，并创造变革性的社会经济效益。无人机操作需要无线连接，以实现无人机与地面控制系统之间、无人机之间以及无人机与空中交通管理系统之间的通信。移动网络已经做好了识别、跟踪和控制不断增长的无人机机队的准备。移动网络提供的广域、高质量和安全的连接可以提高无人机在可视视线范围之外的操作效率和有效性。在本文中，我们将详细阐述无人机生态系统如何从移动技术中受益，总结无人机应用所需的关键功能，并分析移动网络上的服务需求。我们展示了在LTE-Advanced网络中收集的现场试验结果，以深入了解当前4G+网络用于连接无人机的能力，并分享我们对5G网络如何进一步支持多样化无人机应用的愿景。
2018-03-29 cs.NI
A Novel Internet-of-Drones and Blockchain-based System Architecture for Search and Rescue
随着信息和通信技术（ICT）以及物联网（IoT）、边缘计算、图像处理和自主无人机等无人机的发展，可以开发具有更智能能力的支持搜索和救援（SAR）任务的解决方案。在大多数支持SAR任务的基于无人机和无人机（无人机）的系统中，部署在不同区域的多架无人机获取图像和视频，并将其发送到地面控制站（GCS）以处理和检测失踪人员。虽然这提供了许多优点，例如易于管理和部署，但该方法仍然有许多限制。例如，当无人机和GCS之间的连接出现一些问题时，无法维持服务质量。许多无人机和基于无人机的系统不支持灵活性、透明性、安全性和可追溯性。在本文中，我们提出了一种使用区块链技术的新型无人机互联网（IoD）架构。我们使用不同的无人机、边缘服务器和Hyperledger区块链网络来实现所提出的架构。概念验证设计表明，所提出的架构可以提供高级别的服务，例如延长无人机的运行时间，提高准确检测人类的能力，以及高级别的透明度，可追溯性和安全性。
2021-08-30 cs.NI
Towards Robotic Things in Society
Deakin University（迪肯大学）
新兴的是所谓的智能事物，嵌入了计算，传感，网络和驱动能力，从智能垃圾箱到智能公园长椅，以及自动驾驶汽车和机器人在越来越广泛的应用中的扩散。这不仅是自动化的增加，影响并有望改善日常生活，而且还要求思考一个充满这种机器人的社会（即，智能机器人（Smart Things and Robots）本文讨论了互联网连接的机器人事物（或机器人物联网（IoRT））在公共空间（从街道，公园到购物中心）中占据和运行的愿景的五个方面。我们讨论，突出问题，与无人机和机器人陪同人员在公共场所的概念，创造适合机器人功能的环境或信封的想法，机器人社会的想法，以及公共空间机器人事物的治理。
2019-10-22 cs.CY cs.RO
Fully Onboard AI-powered Human-Drone Pose Estimation on Ultra-low Power Autonomous Flying Nano-UAVs
Dalle Molle Institute for Artificial Intelligence (IDSIA), University of Lugano & SUPSI（达勒·莫勒人工智能研究所（IDSIA），卢加诺大学与瑞士南部应用科学大学）；University of Bologna（博洛尼亚大学）；ETH Zürich（苏黎世联邦理工学院）
本文提出PULP-Frontnet与PULP低功耗部署流程，在27克Crazyflie 2.1上实现完全机载实时人机姿态估计和闭环自主导航，能效与精度表现优异。
2021-03-19 cs.RO cs.SY eess.SY
A System-Level Simulation Module for Multi-UAV IRS-assisted Communications
本工作为IoD-Sim仿真平台提出一个扩展模块，用于评估无人机辅助IRS通信系统性能，并通过仿真验证其有效性。
2023-04-03 cs.NI
Synthetic Data-based Detection of Zebras in Drone Imagery
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Stuttgart（斯图加特大学）
针对野生斑马航拍图像真实标注数据集匮乏的问题，本研究利用GRADE框架生成合成斑马数据集，从头训练YOLO检测器，经真实数据验证实现了仅用合成数据训练的航拍斑马检测，且相关资源全部开源。
2023-07-04 cs.CV cs.RO
Fast Localization and Tracking in City-Scale UWB Networks
University of Maryland College Park（马里兰大学帕克分校）；Nokia Bell Labs（诺基亚贝尔实验室）；Georgia Institute of Technology（佐治亚理工学院）
针对新兴应用中的网络节点定位需求，提出融合到达角与测距数据的Locate3D系统，通过生成树方法实现大规模UWB网络的快速高精度定位，延迟降低最高75%。
2023-10-03 cs.NI cs.RO cs.SY
Optimized Deployment of Autonomous Drones to Improve User Experience in Cellular Networks
现代无线业务需求促使互联网服务提供商开发有效的策略来改善用户体验。由于部署密集的基站（BS）不具有成本效益，因此替代方案是部署自主无人机来补充现有的BS。采用街道图来表示感兴趣的区域。要被服务的室外用户设备（UE）位于街道附近，并且无人机的2D投影被限制在街道上以避免与建筑物碰撞。我们基于真实数据集建立了一个UE密度函数，反映了该区域的流量。我们研究四个问题：其中部署单个无人机以覆盖最大UE，其中部署$k$无人机以覆盖服从内部无人机距离约束的最大UE，其中部署$k$无人机以覆盖服从内部无人机距离约束和无人机的电池约束的最大UE，以及最小无人机以覆盖服从内部无人机距离约束的给定百分比的UE。我们证明了后三个问题是NP难的，并提出了贪心算法的理论分析。据我们所知，这是第一篇考虑无人机部署电池限制的论文。已经进行了大量的模拟，以验证我们的方法的有效性。
2017-12-06 cs.NI
To Compute or not to Compute? Adaptive Smart Sensing in Resource-Constrained Edge Computing
University of Padova（帕多瓦大学）；University of Alberta（阿尔伯塔大学）；Centre Tecnologic de Telecomunicacions de Catalunya（加泰罗尼亚电信技术中心）
针对边缘计算中智能传感器网络的延迟-精度权衡问题，提出嵌入计算与通信延迟的估计理论优化框架及基于强化学习的动态资源分配方法，经实验验证有效，且基站计算受限下在线传感器选择可进一步提升监测性能。
2023-08-18 cs.AI cs.DC cs.RO
Latency-aware and -predictable Communication with Open Protocol Stacks for Remote Drone Control
为了创建与各种其他系统和设备交互的无人驾驶汽车（UAV）合作群，开放和自由的通信系统是强制性的。本文提出了一种实现这样的通信系统，将Crazyflie纳米无人机作为无人机平台。该协议栈利用开放的可预测可靠实时传输（PRRT）协议，该协议为标准互联网协议组成的栈增加了延迟感知和可预测性。为了使无人机能够通过Wi-Fi接收和回复控制命令，它已经扩展了一个Raspberry Pi，该Pi运行两个版本的Crazybridge-一个将控制板连接到网络的软件。为了评估这种解决方案在控制应用中的实用性，我们分析了通信，重点是延迟特性。我们的调查表明，尽管使用开放协议栈-因此选择退出专门的实现-产生的延迟是在同一数量级（4至9毫秒）的专有链路的延迟。
2020-10-19 cs.NI
A Reinforcement Learning Approach to Sensing Design in Resource-Constrained Wireless Networked Control Systems
Department of Information Engineering, University of Padova（帕多瓦大学信息工程学院）；Autec s.r.l.（奥特克有限公司）
针对资源受限无线传感器网络中原始测量与本地处理之间的延迟-精度权衡问题，本文提出一种强化学习方法动态决策各传感器何时处理测量数据，并通过无人机互联网场景下的智能感知案例仿真验证其有效性。
2024-01-10 cs.LG cs.RO cs.SY
Towards A Global Quantum Internet: A Review of Challenges Facing Aerial Quantum Networks
Kennesaw State University（肯尼索州立大学）
本文综述了空域量子网络的挑战与解决方案，探讨如何通过整合地面站、中继和卫星实现全球量子互联网的实用化。
2025-05-29 cs.CR cs.CY cs.NI
SwarmControl: An Automated Distributed Control Framework for Self-Optimizing Drone Networks
无人机（UAV）网络由数百甚至数千架高度移动和无线连接的无人机组成，将在未来的物联网（IoT）和5G网络中发挥至关重要的作用。然而，如何在分布式、易受干扰和潜在对抗的环境中以自动化和可扩展的方式控制无人机网络仍然是一个开放的研究问题。本文介绍了SwarmControl，这是一种基于分布式优化原理的无人机无线网络软件定义控制框架。从本质上讲，SwarmControl为网络运营商（NO）提供了网络和飞行控制功能的统一集中抽象。然后，高级控制指令被自动分解并转换为通过可编程软件无线电协议栈执行的分布式网络控制动作。SwarmControl（i）构造NO指令的网络控制问题表示;（ii）将其分解为一组分布式子问题;以及（iii）自动生成要在各个UAV处执行的数值解算法。我们提出了一个原型的SDR为基础的，完全可重构的无人机网络平台，实现了建议的控制框架，在此基础上，我们评估的有效性和灵活性的SwarmControl与广泛的飞行实验。结果表明，SwarmControl框架可以快速重新配置网络控制功能，与最先进的解决方案相比，它可以实现159%的平均吞吐量增益。
2020-05-19 cs.NI
Charging Techniques for UAV-assisted Data Collection: Is Laser Power Beaming the Answer?
随着新型冠状病毒肺炎增加了世界各地对互联互通的需求，研究人员正在瞄准可以提高覆盖率并连接未连接人群的新技术，以便在实现联合国可持续发展目标方面取得进展。在这种情况下，无人机被视为6G无线网络的关键功能之一，可以扩展前几代无线网络的覆盖范围。也就是说，有限的机载能量似乎是阻碍无人机用于无线覆盖的主要缺点。因此，提出了不同的无线和有线充电技术，例如激光束、充电站和系绳站。在本文中，我们通过对地面物联网（IoT）设备的无人机辅助数据汇集场景进行广泛的模拟，分析和比较了这些不同的充电技术。我们分析了每种充电技术的优点和缺点，最后表明，激光驱动的无人机与其他充电技术竞争激烈，在某些情况下优于其他充电技术。
2021-11-04 cs.NI eess.SP
Enabling Beyond-Visual-Line-of-Sight Drones Operation over Open RAN 5G Networks with Slicing
i2CAT Foundation（i2CAT基金会）；NEC Labs Europe（NEC欧洲实验室）；ICREA（加泰罗尼亚高级研究学院）
本研究基于O-RAN 5G网络的网络切片技术，部署开源BVLoS无人机系统，解决其可靠性问题，降低轨迹误差并将延迟控制在3GPP限值内，为BVLoS无人机运行提供可行方案。
2026-08-11 cs.NI
CyberCortex.AI: An AI-based Operating System for Autonomous Robotics and Complex Automation
CyberCortex Robotics（CyberCortex机器人公司）；Transilvania University of Brasov（布拉索夫特兰西瓦尼亚大学）
本文提出CyberCortex AI，一种面向异构AI机器人与复杂自动化的去中心化分布式操作系统，通过数据块过滤器、时间可寻址存储及云端训练部署机制，实现机器人间及与HPC的实时协作，并在森林防火和自动驾驶应用中验证了性能。
2024-10-04 cs.AI cs.OS cs.RO
Cloudrone: Micro Clouds in the Sky
近年来，已经采取了若干举措，使下一个30亿人能够上网。接入互联网必然意味着获得其服务。这意味着提供互联网接入的目标需要访问其关键服务基础设施，这些基础设施目前托管在云中。然而，最近的研究指出，目前互联网以云为中心的性质是农村/偏远地区以及发展中地区互联网接入的根本障碍。探索（低成本）解决方案非常重要，例如可以在网络边缘（可能按需）提供服务的微云基础设施，就在用户附近。在本文中，我们提出了Cloudrone-一个初步的想法，部署一个轻量级的微型云基础设施在天空中使用本地建造的低成本无人机，单板的计算机和轻量级的操作系统虚拟化技术。我们的论文提出了这样一个系统的初步想法，可以即时按需部署。我们描述了Cloudrone的初步设计，并提供了初步评估所提出的系统主要集中在支持多个服务和用户的可扩展性问题。
2016-04-27 cs.NI
Towards Federated Learning in UAV-Enabled Internet of Vehicles: A Multi-Dimensional Contract-Matching Approach
再加上深度学习的兴起，车联网（IoV）组件的丰富数据和增强的计算能力使有效的人工智能（AI）模型得以构建。除了地面数据源，基于无人机（UAV）的数据收集和人工智能模型训练服务提供商，即，无人机即服务，近年来越来越受欢迎。然而，管理数据隐私的严格规定可能会阻碍独立拥有的无人机之间的数据共享。为此，我们建议采用基于联合学习（FL）的方法，以在独立DaaS提供商的联合中实现隐私保护的协作机器学习，以开发IoV应用程序，例如，用于交通预测和停车场占用管理。考虑到无人机和模型所有者之间的信息不对称和激励不匹配，我们利用多维合同的自我揭示属性来确保无人机类型的真实报告，同时考虑异质性的多种来源，例如，传感、计算和传输成本。然后，我们采用Gale-Shapley算法匹配最低成本的无人机到每个子区域。仿真结果验证了契约设计的激励相容性，表明了契约匹配的有效性，从而保证了信息不对称条件下模型所有者的利润最大化。
2020-04-08 cs.NI eess.SP
A hybrid solution for 2-UAV RAN slicing
ENS Paris（巴黎高等师范学院）；LIRMM Montpellier（蒙彼利埃计算机科学、机器人学、微电子与微电子实验室）
针对无人机无线接入网切片的部署与带宽分配优化难题，提出结合人工智能与优化技术的混合方案，在计算时间合理增加的前提下，取得了优于纯AI方法的性能。
2024-09-15 cs.AI cs.NI
SIDLE: Semantically Intelligent Distributed Leader Election Algorithm for Wireless Sensor Networks
本文介绍了一组无线传感器和执行器网络（WSAN）的部署物联网（IoT）系统在农村地区部署的无人机下降传感器和执行器在一定的位置作为一个网格的六边形形式。节点在硬件和功能上是异构的，因此并非所有节点都能够直接向基站传输数据。原始的只能收集本地数据。然而，那些更复杂的装备有远程无线电遥测和更多的计算能力。功耗优化是设计WSAN的关键因素之一。总功耗必须最小化，因为传感器是自我管理的。按时间基准收集传感器并给电池充电是不可行的。因此，能源消耗优化和收获绿色能源是考虑的其他因素。在这方面，协议被设计成支持这种要求。预处理的数据首先由每个六边形单元的领导者收集和组合。然后，将信息分组发送到头簇。因此，头簇重新处理接收到的信息，并使用各种接收到的信息来描绘区域的更好的全局视图。最后，处理后的信息被发送到最近的基站或移动无人机。
2022-06-14 cs.DC cs.NI
