Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach
University of Electronic Science and Technology of China（电子科技大学）；Institute for Infocomm Research, Agency for Science, Technology and Research（新加坡科技研究局信息通信研究院）
本文研究了一种由主无人机（MUAV）供电的物联网（IoT）网络，其中我们建议使用配备智能反射表面（IRS）的可充电辅助无人机（AUAV）来增强MUAV的通信信号，并利用MUAV作为充电电源。在所提出的模型下，我们研究了这些能量有限的无人机的最佳协作策略，以最大限度地提高物联网网络的累积吞吐量。根据两个无人机之间是否有充电，两个优化问题制定。为了解决这些问题，提出了两种多智能体深度强化学习（DRL）方法，即集中训练多智能体深度确定性策略梯度（CT-MADDPG）和多智能体深度确定性策略选项评判（MADDPOC）。仿真结果表明，CT-MADDPG可以大大降低对无人机硬件计算能力的要求，MADDPOC能够支持连续动作域的低层次多Agent协作学习，与现有的基于选项的层次DRL只支持单Agent学习和离散动作相比具有很大的优势.
2021-12-20 cs.LG cs.SY eess.SY
Energy optimization for Full-Duplex Wireless-Powered IoT Networks using Rotary-Wing UAV with Multiple Antennas
本文针对旋翼无人机使能的全双工无线供电物联网网络，提出一种基于分组与MIMO技术的能量和时间优化设计，通过构建吞吐量最大化和总时间最小化问题，实现以更多天线为代价服务更多传感器并提升网络性能。
2023-07-05 cs.SY eess.SP eess.SY
UAV-Enabled Wireless-Powered Underground Communication Networks: A Novel Time Allocation Approach
本文提出无人机使能的无线供电地下通信网络系统，通过混合无线能量传输与时间分配优化，在满足吞吐量和数据卸载要求下最小化无人机能耗，实现可持续地下监测。
2025-07-19 cs.NI cs.SY eess.SY
Predictor-Based Time Delay Control of A Hex-Jet Unmanned Aerial Vehicle
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院）；State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（哈尔滨工业大学机器人与系统国家重点实验室）
本文提出 Hex-Jet 涡轮喷气动力无人飞行器平台，融合推力矢量与差动推力简化姿态控制，并采用基于频域模型的预测器时延控制方法缓解涡轮喷气动态引起的滚转时延，飞行测试验证了其有效性。
2025-03-12 cs.RO cs.SY eess.SY
TJCCT: A Two-timescale Approach for UAV-assisted Mobile Edge Computing
针对无人机辅助移动边缘计算中的供需矛盾与多时间尺度动态等挑战，提出双时间尺度联合方法TJCCT，在短时间尺度进行计算资源分配与卸载，长时间尺度进行轨迹控制，有效提升了系统效用与各项性能指标。
2024-03-23 cs.SY eess.SY
Trajectory Optimization of Cellular-Connected UAV for Information Collection and Transmission
在本文中，我们考虑了一个蜂窝连接的无人机（UAV）的信息收集和传输任务的多个地面目标。具体地，要求UAV通过悬停在预定位置（经由例如，摄影/摄像/感测），并在其飞行期间将所有收集的信息传输到蜂窝网络。我们的目标是联合优化无人机的轨迹和地面目标的信息收集顺序，以最大限度地减少任务完成时间。由于需要访问所有目标的信息收集位置，因此所述问题是NP难的;此外，为了确保信息传输完成，UAV在不同时间段内的轨迹被耦合在非凸约束中。为了解决这一难题，我们首先提出了一种结构化的通信协议之间的无人机和蜂窝网络，它在不同的时间间隔内，无人机的轨迹设计。然后，根据所提出的协议，我们建立了一个等价的基于图的模型所考虑的问题，并设计了一个低复杂度的算法，通过利用问题的结构和利用图论找到一个近似的解决方案。数值结果表明，我们提出的设计实现了有效的信息收集和传输，并优于各种基准计划。
2022-09-01 cs.IT cs.SY eess.SY
Beyond Average-Channel-Based Rate Approximations: UAV Trajectory and Scheduling Optimization With Expected Rate Consideration
Dongguk University（东国大学）
本文提出了一种考虑预期速率的无人机轨迹和调度优化方法，通过数值积分信道分布来近似预期SE，从而在满足约束条件下减少任务完成时间。
2026-02-19 cs.SY eess.SY
Lifetime Maximization for UAV-assisted Data Gathering Networks in the Presence of Jamming
无人机（UAV）的部署最近由于各种实际用例（如监视，数据收集和商品交付）而受到极大关注。由于无人机由电池供电，因此节能通信至关重要。在本文中，我们研究了存在多个干扰源的情况下，无人机辅助网络的生命周期最大化问题，其中无人机被部署来收集来自一组无线传感器的数据。我们证明了无人机的位置在延长网络的寿命方面起着关键作用，因为无人机所需的传输功率与它们在空间中的位置密切相关。在所提出的场景中，UAV将收集的数据发送到称为\textit{leader}的主UAV，主UAV负责经由回程UAV网络将数据转发到基站（BS）。我们部署的工具，从谱图理论来解决这个问题，由于其高度的非凸性。仿真结果表明，我们提出的方法可以显着提高无人机网络的生命周期。
2020-05-10 cs.SY eess.SP eess.SY
Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol
School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）
本文提出了一种细胞控制无人机传感网络，通过协同完成传感任务，采用感知-发送协议，优化轨迹、传感位置和无人机调度以最小化任务完成时间。
2018-05-30 cs.SY eess.SP eess.SY
Multi-UAV Collaborative Trajectory Planning for Seamless Data Collection and Transmission
针对多无人机大规模传感器网络数据采集与传输的覆盖和能量限制问题，提出一种多无人机协同无缝采集传输方案，通过优化轨迹、任务分配和传输拓扑最小化任务完成时间，并采用点匹配轨迹规划算法高效求解，仿真验证性能优于基准方案。
2024-12-17 cs.SY eess.SY
Edge Computing Assisted Autonomous Flight for UAV: Synergies between Vision and Communications
National University of Defense Technology（国防科技大学）；KU Leuven（鲁汶大学）；Delft University of Technology（代尔夫特理工大学）
无人机的自主飞行依赖于视觉信息来避开障碍物并确保安全无碰撞飞行。除了视觉线索外，安全的无人机通常还需要与地面站的连接。在本文中，我们研究了边缘计算支持的无人机飞行中视觉和通信之间的协同作用。通过提出边缘计算辅助自主飞行（ECAAF）框架，我们说明了视觉和通信可以在边缘计算和卸载的帮助下相互交互和辅助，并进一步加快无人机任务的完成。ECAAF由三个功能组成，详细讨论：用于3D地图采集的边缘计算，从3D地图构建无线电地图，以及在线轨迹规划。在ECAAF期间，通信容量、视频卸载、3D地图质量和轨迹的信道状态的相互作用形成正反馈回路。仿真结果表明，该方法可以通过增强连通性来提高任务性能。最后，我们总结了一些未来的研究方向。
2020-12-10 cs.NI cs.RO cs.SY
Robust and Scalable UAV-UGV Planning for Aerial Monitoring under Energy and Precedence Constraints
Northeastern University（东北大学）
针对UAV-UGV团队的空中监测任务，提出多项式时间算法联合规划路径与时间，在能量、顺序及扰动约束下最小化任务完成时间，通过数值比较验证性能。
2026-10-12 cs.MA cs.RO cs.SY
Staging energy sources to extend flight time of a multirotor UAV
UC Berkeley（加州大学伯克利分校）
与燃烧燃料不同，电池等能源在消耗后质量不会减少。我们提出了分阶段能源的概念，即分阶段消耗能量并排出使用的阶段，以逐步减少飞行器在飞行中的质量，从而减少功耗，并因此增加飞行时间。飞行时间与能量存储质量的分析表明，多旋翼分级的耐力效益。我们考虑两个具体的问题，在离散分期-最佳顺序的分期给予一定数量的能源，和一个给定的能量存储质量预算到一个给定数量的阶段的最佳分区。然后，我们得出两个连续阶段的情况下-一个内燃机驱动螺旋桨和火箭发动机的结果。值得注意的是，我们表明，由内燃机提供动力的多旋翼飞机具有可实现的飞行时间的上限，独立于可用的燃料质量，但不存在这样的限制火箭推进。最后，我们验证了一个定制的两级电池供电的四轴飞行器的飞行实验的分析。这种四轴飞行器可以使用定制设计的机制在飞行中消耗后弹出电池阶段，并使用下一阶段继续悬停。实验飞行时间与我们的飞行器分析预测的时间吻合得很好。与单级相比，我们在两个阶段使用电池的飞行时间增加了19%。
2020-11-11 cs.RO cs.SY eess.SY
UWB-based system for UAV Localization in GNSS-Denied Environments: Characterization and Dataset
University of Turku（图尔库大学）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL））
在过去的几年里，小型无人机（UAV）已经渗透到多个领域。在GNSS拒绝或室内环境中，空中机器人需要一个强大而稳定的定位系统，通常具有外部反馈，以便安全飞行。当需要精确定位时，运动捕捉系统通常在室内使用。然而，这些系统是昂贵的，并且大多数需要固定的设置。最近，视觉惯性里程计和类似的方法已经发展到自主无人机可以依靠它们进行定位的程度。在这种情况下，主要的限制来自环境，以及在长期自治由于积累的错误，如果循环关闭不能有效地执行。例如，在灾后情况下，由于灰尘或烟雾造成的低能见度的影响可能使里程计方法不适用。在本文中，我们研究和表征超宽带（UWB）系统的导航和定位的空中机器人室内Decawave的DWM1001 UWB节点的基础上。该系统是便携式的，便宜的，并可以在其整体电池供电。我们展示了该系统用于无人机自主飞行的可行性，并提供了开源方法和数据，使其即使在可移动锚系统中也能广泛应用。我们根据无人机相对于锚点的位置、其高度和速度以及锚点在空间中的分布来表征精度。最后，我们分析了锚点位置自校准的精度。
2020-08-02 cs.RO cs.SY eess.SY
Cellular-Enabled UAV Communication: A Connectivity-Constrained Trajectory Optimization Perspective
National University of Singapore（新加坡国立大学）
本文从连接性约束角度研究无人机轨迹优化问题，旨在通过优化轨迹减少任务完成时间，同时满足最小接收信噪比要求。
2018-05-18 cs.IT cs.SY eess.SY
Enhancing Secrecy Energy Efficiency in RIS-Aided Aerial Mobile Edge Computing Networks: A Deep Reinforcement Learning Approach
针对地面用户任务卸载的地面窃听安全问题，提出RIS辅助的UAV-MEC方案，通过深度强化学习联合优化多变量以提升保密能效，兼顾能耗与任务时效，数值验证了方案的安全防护与节能效果。
2025-05-16 cs.CR cs.DC cs.SY
ColibriUAV: An Ultra-Fast, Energy-Efficient Neuromorphic Edge Processing UAV-Platform with Event-Based and Frame-Based Cameras
ETH Zürich（苏黎世联邦理工学院）；Università di Bologna（博洛尼亚大学）
本文提出ColibriUAV无人机平台，基于低功耗RISC-V芯片Kraken同时处理事件相机与RGB相机数据，实现毫秒级低延迟和低于50毫瓦的感知处理功耗，适用于自主纳米无人机。
2023-05-27 cs.AI cs.AR cs.CV
