DQN Based Joint UAV Trajectory and Association Planning in NTN Assisted Networks
Carleton University(卡尔顿大学);Honeywell(霍尼韦尔)
本文提出基于DQN的联合无人机轨迹与关联规划算法,旨在降低能耗、减少切换频率和断连问题,通过整合地球静止轨道网络架构实现无缝无人机连接。
2026-03-23 cs.SY eess.SY
Interpretable and Secure Trajectory Optimization for UAV-Assisted Communication
本文针对无人机辅助通信中的碰撞避免问题,提出结合D3QN与MCTS的可解释轨迹优化方案,并构建可扩展XAI框架,在提升系统可靠性、效率和安全性方面优于现有方法。
2023-07-05 cs.SY eess.SY
UAV Trajectory Tracking via RNN-enhanced IMM-KF with ADS-B Data
针对无人机轨迹跟踪中ADS-B数据噪声问题,提出RNN增强IMM-KF算法,通过RNN自适应调整噪声矩阵,实现精确跟踪,总均方根误差较传统IMM-KF降低28.56%。
2023-12-25 cs.SY eess.SY
Iterative Planning for Multi-agent Systems: An Application in Energy-Aware UAV-UGV Cooperative Task Site Assignments
本文提出一种多智能体迭代规划框架,利用转换系统和多求解器持续优化方案,并在能量感知的UGV-UAV任务分配中验证了其有效性与实时性。
2024-03-19 cs.SY eess.SY
Joint Optimization of Resource Allocation, Phase Shift and UAV Trajectory for Energy-Efficient RIS-Assisted UAV-Enabled MEC Systems
无人机(UAV)支持的移动边缘计算(MEC)被认为是为物联网(IoT)提供无处不在的通信和计算服务的有前途的范例。此外,通过智能地反射接收到的信号,可重构智能表面(RIS)可以显著地改善传播环境,并且进一步提高UAV使能MEC的服务质量。出于这一愿景,在本文中,我们考虑完成的任务位的数量和能量消耗,以最大限度地提高能源效率的RIS辅助无人机使能MEC系统,比特分配,发射功率,相移和无人机轨迹联合优化的迭代算法与双循环结构的基础上Dinkelbach的方法和块坐标下降(BCD)技术。仿真结果表明:1)在满足任务容忍延迟的前提下,该算法在部署RIS的情况下能获得比基准算法更高的能量效率; 2)能量效率随着任务周期和物联网设备任务输入比特总数的增加先增加后减小; 3)当计算1比特任务输入数据所需的CPU周期变大时,更多的任务比特将被卸载到UAV,同时能量效率将降低。
2022-08-30 cs.SY eess.SY
Attention Based Communication and Control for Multi-UAV Path Planning
Centre for Wireless Communications, University of Oulu(奥卢大学无线通信中心);School of Information Technology, Deakin University(迪肯大学信息技术学院)
受自然语言处理中多头注意力机制的启发,提出了一种用于多无人机路径规划的迭代单头注意机制。ISHA机制由通信助手运行,收集UAV的状态嵌入并向每个UAV分配注意力得分向量。由ISHA计算的注意力分数确定了在每个UAV的控制决策中应该考虑与其他UAV的交互的数量。仿真结果证实,基于ISHA的通信和控制框架实现了更快的旅行与更低的无人机间碰撞的风险比MHA辅助基线,特别是在有限的通信资源。
2021-12-20 cs.LG cs.SY eess.SY
A Wind-Aware Path Planning Method for UAV-Asisted Bridge Inspection
针对无人机桥梁检测未考虑风场条件的问题,提出基于模拟退火算法的风场感知路径规划方法,构建精确数学模型并优化参数,相比传统算法成本降低30.05%,在易风环境中更具实用性。
2024-03-22 cs.RO cs.SY eess.SY
3D Trajectory Planning for UAV-based Search Missions: An Integrated Assessment and Search Planning Approach
KIOS Research and Innovation Centre of Excellence(KIOS卓越研究与创新中心);University of Cyprus(塞浦路斯大学)
在自然和人为灾害期间,在具有挑战性和复杂的环境中有效规划和执行搜索任务的能力至关重要。在许多紧急情况下,障碍物之间的精确导航和围绕3D结构的高效搜索对于寻找幸存者至关重要。在这项工作中,我们提出了一个综合的评估和搜索规划方法,它允许一个自主的无人机(无人机)代理计划和执行无碰撞搜索轨迹在3D环境中。更具体地说,拟议的搜索规划框架旨在整合和自动化前两个阶段(即,评估阶段和搜索阶段)。在第一阶段,称为评估规划,我们的目标是找到一个高层次的评估计划,无人机代理可以执行,以访问一组兴趣点。该阶段生成的计划引导UAV飞越感兴趣的物体,从而提供对当前情况的第一次评估。在第二阶段,称为搜索规划,UAV轨迹被进一步微调以允许UAV在3D中搜索(即,在所有面)幸存者感兴趣的对象。所提出的方法的性能证明通过广泛的仿真分析。
2023-02-24 cs.RO cs.SY eess.SY
Physics-Based Trajectory Design for Cellular-Connected UAV in Rainy Environments Based on Deep Reinforcement Learning
University College Dublin(都柏林大学);University of Alberta(阿尔伯塔大学)
针对雨天蜂窝连接无人机轨迹设计难题,提出基于物理的电磁模拟与深度强化学习(多步学习、双重Q学习)方法,联合优化飞行时间与信号干扰比,实验验证其在雨天环境中的有效性。
2023-08-31 cs.LG cs.SY eess.SY
Cooperative Internet of UAVs: Distributed Trajectory Design by Multi-agent Deep Reinforcement Learning
无人机(UAV)具有部署灵活、覆盖范围广等优点,在下一代蜂窝网络中具有很大的传感应用潜力,这将催生无人机蜂窝互联网。在本文中,我们考虑了一个蜂窝互联网的无人机,无人机执行传感任务,通过合作的传感和传输,以尽量减少年龄的信息(AoI)。然而,协同感知和传输与无人机的轨迹紧密耦合,这使得轨迹设计具有挑战性。为了应对这一挑战,我们提出了一个分布式的感测和发送协议,其中无人机通过从一组离散的任务和一组连续的位置进行感测和传输来确定轨迹。基于该协议,我们制定了AoI最小化的轨迹设计问题,并提出了一种基于深度强化学习的复合动作演员-评论家(CA 2C)算法来解决这个问题。CA 2C算法可以学习最优策略的行动涉及连续和离散变量,适合于轨迹设计。{Our仿真结果表明,CA 2C算法优于四种基线算法。此外,我们表明,通过划分的任务,合作的无人机可以实现较低的AoI相比,非合作的无人机。
2020-07-28 cs.SY eess.SP eess.SY
Robust UAV Path Planning with Obstacle Avoidance for Emergency Rescue
Nanjing University of Aeronautics and Astronautics(南京航空航天大学);Southeast University(东南大学);China University of Mining and Technology(中国矿业大学)
针对复杂三维环境下无人机避障路径规划的安全需求,本文构建含障碍物与禁飞区的三维场景,提出融合模拟退火的改进人工势场算法APF-SA,可跳出局部最优实现全局最优的鲁棒路径规划,仿真验证了其有效性。
2025-01-16 cs.RO cs.SY eess.SY
UAV-based Receding Horizon Control for 3D Inspection Planning
KIOS Research and Innovation Centre of Excellence(KIOS卓越研究与创新中心);University of Cyprus(塞浦路斯大学)
针对受动力学与传感约束的自主UAV三维检测任务,提出滚动时域规划控制方法,通过MIP求解约束开环最优控制问题以生成检测特征点的最优轨迹。
2023-04-20 cs.RO cs.SY eess.SY
UAV Trajectory Planning with Path Processing
New Technologies for the Information Society Research Center(信息技术新技术研究中心);Faculty of Applied Sciences(应用科学学院);University of West Bohemia(西波希米亚大学)
该研究针对无人机轨迹规划的最优控制问题,提出结合Lazy Theta*路径、约束与无人机模型生成初始猜测的方法,经伪谱配点法验证,合适初始猜测可优化规划轨迹,为后续研究提供方向。
2024-07-01 cs.RO cs.SY eess.SY
Trajectory Tracking for UAVs: An Interpolating Control Approach
New Technologies for the Information Society Research Center(信息技术新技术研究中心);Department of Cybernetics(控制论系);Faculty of Applied Sciences(应用科学学院);University of West Bohemia(西波希米亚大学)
本文研究了插值控制(IC)在无人机实时轨迹跟踪中的有效性,通过仿真和实验室实验评估改进的eIC控制器,发现其在保持与MPC相当性能的同时显著降低了计算复杂度,适用于资源受限平台。
2024-07-02 cs.RO cs.SY eess.SY
Machine Learning Coupled Trajectory and Communication Design for UAV-Facilitated Wireless Networks
利用无人机(UAV)(通常称为无人机)增强无线网络,为向所需区域提供可靠、经济高效和按需的无线服务提供了一种有前途的途径。然而,现有的无人机通信和轨迹方案是低效的,因为它们假设有限的无人机移动性和静态传输功率。此外,他们倾向于依赖于高度非线性函数的凸近似,并且未能采用启发式和凸方法的组合。本文研究了一种多无人机系统,其中无人机上的移动基站为地面用户提供服务。使用块梯度下降的迭代方法来联合优化用户调度、UAV轨迹和传输功率,以最大化所有用户的吞吐量。随后,开发了一种用于初始轨迹预测的创新技术,使用K-均值聚类算法将用户划分为子组,并使用遗传算法初始化聚类内的最短飞行路径。最后,凸优化求解器,如MATLAB的Fmincon用于微调参数。大量的仿真和优化结果表明,与现有的轨迹和通信设计方案相比,系统吞吐量分别增加了33.57%,87.4%和53.2%,为1,2和3无人机场景。此外,K-means和遗传算法揭示了约15%的吞吐量的额外改进。我们的研究结果指出,随着无人机轨迹周期的增加,吞吐量的增加会减少,因为该周期接近较高的值。进一步研究联合采用凸和非凸方案以及考虑环境依赖的信道模型将允许更快和更优化的无人机部署。
2020-12-23 cs.NI cs.SY eess.SY
Trajectory Prediction & Path Planning for an Object Intercepting UAV with a Mounted Depth Camera
National University of Singapore(新加坡国立大学)
介绍了一种基于ROS C++的无人机目标拦截控制软件体系结构。现有的轨迹预测工作主要集中在使用像运动捕捉室这样的非车载工具来拦截投掷的物体。本研究设计的无人机架构是完全在板上能够与深度相机和点云处理的使用对象拦截。该架构使用迭代轨迹预测算法,用于乒乓球等非推进物体。在Gazebo中讨论、评估和仿真了各种目标拦截的路径规划方法及其相应的场景。成功的模拟验证了使用所提出的架构的无人机拦截对象的机载自主性的潜力。
2021-11-17 cs.RO cs.SY eess.SY
Dynamic real-time multi-UAV cooperative mission planning method under multiple constraints
Zhejiang University(浙江大学)
本文针对多无人机任务分配与路径规划解耦、实时性差等问题,提出基于Dubins路径和分布式编队的动态实时协同任务规划算法,并通过任务聚类、高效代价函数和低复杂度分配策略,在仅损失9.57%路径长度的条件下实现4至5个数量级的速度提升。
2025-06-03 cs.RO cs.SY eess.SY
Joint Cluster Head Selection and Trajectory Planning in UAV-Aided IoT Networks by Reinforcement Learning with Sequential Model
University of Saskatchewan(萨斯喀彻温大学);Cisco Systems Inc.(思科系统公司)
采用无人机(UAV)吸引了越来越多的兴趣,并成为物联网(IoT)网络中数据收集的最先进技术。在本文中,与最小化的总能耗的UAV-IoT系统的目标,我们制定的问题,联合设计无人机的轨迹和选择簇头在物联网网络作为一个约束的组合优化问题,这是属于NP难和具有挑战性的解决。我们提出了一种新的深度强化学习(DRL)与序列模型策略,可以有效地学习由序列到序列神经网络表示的无人机的轨迹设计在无监督的方式。通过大量的仿真,所获得的结果表明,所提出的DRL方法可以找到无人机的轨迹,需要更少的能量消耗相比,其他基线算法,并实现接近最佳的性能。此外,仿真结果表明,我们提出的DRL算法训练的模型具有良好的泛化能力,以更大的问题规模,而无需重新训练的模型。
2021-12-01 cs.LG cs.SY eess.SY
Dynamic Trajectory and Offloading Control of UAV-enabled MEC under User Mobility
在本文中,我们考虑一个无人机启用MEC平台,为多个移动地面用户提供随机移动和任务到达。我们的目标是最小化所有用户的平均加权能耗平均无人机能耗和数据队列稳定性的约束。为了控制系统在连续时隙中的运行,将问题描述为多阶段随机优化问题,并提出了一种在线算法,在每个阶段优化资源分配和无人机轨迹。我们采用李雅普诺夫优化,将多阶段随机问题转化为每槽确定性问题,优化变量少得多。为了解决每个时隙的非凸问题,我们使用连续凸近似(SCA)技术,以联合优化资源分配和无人机的运动。仿真结果表明,该算法能够满足无人机平均能耗和队列稳定性约束,在降低地面用户能耗方面明显优于其他基准算法。
2021-05-19 cs.SY eess.SP eess.SY
Multi-UAV trajectory planning problem using the difference of convex function programming
针对多无人机集群轨迹规划中的非凸优化及避碰约束难题,本文利用凸函数差规划引入松弛变量与惩罚项将其转化为DC形式,并提出惩罚DC算法依次求解凸子问题,有效实现了拥挤空间内大量无人机的轨迹规划。
2023-08-02 cs.SY eess.SY math.OC
Error-State LQR Formulation for Quadrotor UAV Trajectory Tracking
Carnegie Mellon University(卡内基梅隆大学)
提出一种基于误差状态线性二次型调节器的四旋翼无人机轨迹跟踪方法,利用指数坐标表示姿态误差,结合全状态反馈与级联体速率控制器实现鲁棒控制。
2026-07-28 cs.RO cs.SY eess.SY
Connectivity-Aware UAV Path Planning with Aerial Coverage Maps
Department of ECE, Hong Kong University of Science and Technology, Hong Kong(香港科技大学电子工程系);Department of EIE, The Hong Kong Polytechnic University, Hong Kong(香港理工大学电子工程系)
本文提出了一种利用UAV可控移动来克服地面用户优化的蜂窝网络在空中覆盖不连续问题的连接意识UAV路径规划方法,通过引入两个新指标量化UAV路径的蜂窝连接质量,并利用空中覆盖图提供准确的散射覆盖孔位置,将UAV路径规划问题转化为在连接约束下寻找最短路径的问题。
2019-06-01 cs.NI cs.RO cs.SY
Path Planning for Multi-Copter UAV Formation Employing a Generalized Particle Swarm Optimization
Naval Academy, Vietnam(越南海军学院)
针对多旋翼无人机编队巡检的路径规划问题,提出GEPSO算法规划质心避障路径,并通过路径生成方案保持各机编队位置,仿真与实验验证了可行性。
2025-01-10 cs.RO cs.SY eess.SY
Optimal Control-Based UAV Path Planning with Dynamically-Constrained TSP with Neighborhoods
KAIST(韩国科学技术院)
本文提出一种基于采样 roadmap 算法的无人机路径规划方法,通过最优控制生成路径以减少计算时间并提升解的质量,解决动态约束 TSP 带邻居问题。
2016-12-18 cs.RO cs.SY eess.SY
Multi-UAV Active Sensing with Information Gain-based Planning and Belief Fusion
University of California, Berkeley(加州大学伯克利分校)
提出多无人机主动感知框架,利用信息增益路径规划与概率信念融合实现二元地形映射,在合成和真实农业图像上验证,相比随机游走和扫描覆盖降低熵与误差。
2026-06-09 cs.RO cs.SY eess.SY
A Harmonic Potential Approach For Simultaneous Planning And Control Of A Generic UAV Platform
King Fahad University of Petroleum & Minerals(法赫德国王石油与矿业大学)
本文提出利用谐波势场方法实现多种无人机的同时规划与控制,通过生成密集参考速度场调节无人机速度,确保其向目标点移动并满足行为约束。
2016-06-29 cs.RO cs.SY eess.SY
Trajectory Tracking Control of UAV Bicopter using Linear Quadratic Gaussian
本文针对携带有效载荷的UAV Bicopter在轨迹跟踪中易受惯性干扰的问题,提出使用LQG控制器替代LQR,仿真证明其具有更低的RMSE并有效克服干扰。
2023-09-15 cs.SY eess.SP eess.SY
UAV Trajectory Planning in Wireless Sensor Networks for Energy Consumption Minimization by Deep Reinforcement Learning
University of Saskatchewan(萨斯喀彻温大学);Cisco Systems Inc.(思科系统公司)
无人机(UAV)已成为大规模无线传感器网络(WSNs)数据采集的一种有前途的候选解决方案。在本文中,我们研究了一种无人机辅助的无线传感器网络,其中簇头(CH)接收来自其成员节点的数据,并派遣无人机沿规划的轨迹从CH收集数据。我们的目标是最大限度地减少总的能量消耗的无人机无线传感器网络系统在一个完整的一轮数据收集。为此,我们制定的能源消耗最小化问题作为一个约束的组合优化问题,通过共同选择CH从集群内的节点和规划无人机的访问顺序选定的CH。制定的能源消耗最小化问题是NP难的,因此,很难最佳解决。为了应对这一挑战,我们提出了一种新的深度强化学习(DRL)技术,指针网络-A *(Ptr-A*),它可以有效地从经验中学习无人机轨迹策略,以最大限度地减少能源消耗。将无人机的起始点和具有一组预定簇的无线传感器网络送入Ptr-A*,Ptr-A* 输出一组CH和对这些CH的访问顺序,即,无人机的轨迹Ptr-A* 的参数是在小规模聚类问题实例上训练的,以便以无监督的方式使用actor-critic算法进行更快的训练。在推理过程中,提出了三种搜索策略来提高解的质量。仿真结果表明,基于20簇和40簇的训练模型具有较好的泛化能力,能够解决不同簇数的无线传感器网络中无人机的轨迹规划问题,且无需重新训练模型。此外,结果表明,我们提出的DRL算法优于两个基线技术。
2021-08-01 cs.LG cs.SY eess.SY
Unscented Optimal Control for 3D Coverage Planning with an Autonomous UAV Agent
KIOS Research and Innovation Centre of Excellence (KIOS CoE)(KIOS卓越研究与创新中心(KIOS CoE));University of Cyprus(塞浦路斯大学)
提出一种概率鲁棒控制器,将3D覆盖规划表述为带逻辑约束的最优控制问题,通过Unscented变换实现鲁棒的开环覆盖计划设计。
2023-06-30 cs.RO cs.SY eess.SY
Interference Avoidance Position Planning in Dual-hop and Multi-hop UAV Relay Networks
我们考虑无人机(UAV)辅助无线通信采用无人机作为中继节点,以增加一对发射机和接收机之间的吞吐量。我们专注于开发有效的方法来定位无人机在天空中的干扰的存在下,在环境中,它的存在使得问题的非平凡和我们的方法不同于现有技术。我们研究的最优位置规划,其目的是最大化(平均)信号干扰比(SIR)的系统,在存在:i)一个主要干扰源,ii)随机干扰。对于每个场景,我们首先考虑利用一个无人机在双跳中继模式,并确定其最佳位置。之后,多个无人机在多跳中继模式被认为是,我们研究两个新的问题,确定所需的无人机的最佳数量和开发一个最佳的完全分布式位置对准方法。随后,我们提出了一种具有成本效益的方法,同时最大限度地减少无人机的数量,并确定其最佳位置,以保证一定的(平均)SIR的系统。或者,对于给定数量的无人机,我们开发了一个完全分布式的布局算法及其性能保证。数值模拟提供了我们所提出的方法来评估性能。
2020-05-08 cs.NI cs.SY eess.SY
On Correcting Errors in Existing Mathematical Approaches for UAV Trajectory Design Considering No-Fly-Zones
本文针对无人机轨迹设计中现有方法无法全程避开禁飞区的问题,提出一种新的禁飞区约束并给出数学证明,通过优化调度、功率、时隙长度和轨迹最大化最小吞吐量,仿真验证其能实现零禁飞区违反中断和更高吞吐量。
2023-08-12 cs.SY eess.SY math.OC
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
Continuous World Coverage Path Planning for Fixed-Wing UAVs using Deep Reinforcement Learning
TUM School of Engineering and Design, Technical University of Munich(慕尼黑技术大学工程与设计学院);Dept. of Electrical Engineering and Computer Sciences, University of California, Berkeley(加州大学伯克利分校电气工程与计算机科学系)
针对固定翼无人机在连续环境中的覆盖路径规划问题,提出基于AM-SAC与自适应课程的深度强化学习方法,以学习节能且满足曲率约束的完整覆盖策略。
2025-05-13 cs.LG cs.RO cs.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
Energy-Aware UAV-Enabled Target Tracking: Online Optimization with Location Constraints
针对在线目标跟踪中无人机轨迹设计难以同时满足能量和位置约束的问题,提出基于两个子问题分解的在线优化方法,显著提升感知性能与能量利用灵活性。
2024-07-17 cs.IT cs.SY eess.SP
Multi-UAV trajectory planning for 3D visual inspection of complex structures
University of Rijeka(里耶卡大学);University of Southern Denmark(南丹麦大学)
自主无人机在基础设施检查任务中的应用在减少操作时间、安全性和成本效益方面提供了好处。提出了一种基于热方程驱动区域覆盖(HEDAC)算法的三维多无人机自主体积覆盖和基础设施视觉检测轨迹规划方法。该方法使用势场生成轨迹,并实施距离场以防止碰撞并确定UAV的相机方向。在风力涡轮机和桥梁等复结构的目视检查过程中,它成功地实现了覆盖范围,在相同条件下可以检查更多的表面积,优于最先进的方法。所提出的轨迹规划方法提供了各种设置参数的灵活性,并适用于现实世界的检测任务。最后,所提出的方法可以潜在地应用于不同的自主无人机任务,甚至可以用作无人机运动控制方法,如果其计算效率的提高。
2022-12-07 cs.MA cs.RO cs.SY
RL-Based Cargo-UAV Trajectory Planning and Cell Association for Minimum Handoffs, Disconnectivity, and Energy Consumption
University of Ottawa(渥太华大学);École de Technologie Supérieure (ÉTS)(高等技术学院(ÉTS));Carleton University(卡尔顿大学)
针对货运无人机能耗、蜂窝可靠性与频繁切换问题,提出基于强化学习的轨迹规划和小区关联联合优化方法,并通过仿真验证其综合性能优于基准。
2023-12-05 cs.LG cs.RO cs.SY
UAV Trajectory Optimization for Sensing Exploiting Target Location Distribution Map
针对目标位置未知但分布先验已知的场景,本文借助目标位置分布图,在通信质量和任务时间约束下优化无人机轨迹以最大化感知概率,并提出三种多项式复杂度次优算法。
2024-04-16 cs.IT cs.SY eess.SY
Energy-Efficient UAV-Assisted Mobile Edge Computing: Resource Allocation and Trajectory Optimization
在本文中,我们研究无人机(UAV)辅助移动边缘计算(MEC)的目标是优化计算卸载与最小的无人机能耗。在所考虑的场景中,无人机扮演空中微云的角色,收集和处理地面用户卸载的计算任务。在满足用户服务需求的前提下,通过联合优化无人机轨迹、用户发射功率和计算负载分配,实现无人机能量效率最大化。该优化问题对应于非凸分式规划,采用Dinkelbach算法和逐次凸逼近(SCA)技术进行求解,并将问题分解为多个子问题进行分布式并行求解.为了应对的情况下,当用户的移动性知识是有限的,我们采用了空间分布估计技术来预测地面用户的位置,使所提出的方法仍然可以应用。仿真结果验证了该方法的有效性,以最大限度地提高无人机的能源效率。
2020-07-29 cs.NI cs.SY eess.SP
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
Energy-Efficient Trajectory Design for UAV-Aided Maritime Data Collection in Wind
无人机,特别是固定翼无人机,能够承受强风,在海洋勘探和研究方面具有巨大潜力。研究了一种无人机辅助海上数据汇集系统,该系统利用固定翼无人机对海上浮标进行数据采集。通过联合优化浮标之间的通信时间调度和无人机受风影响的飞行轨迹,以最小化无人机完成任务的能量消耗。传统的逐次凸近似(SCA)方法可以为中小数据量的采集提供有效的次优解,但该方法严重依赖于轨迹初始化,没有明确考虑风的影响,而计算/轨迹复杂度对于大数据量的任务来说都变得令人望而却步。为此,我们提出了一种新的周期性轨迹设计框架,该框架具有定制的初始化算法,可以有效地处理任意数据量,以及一种混合离线-在线(HO 2)设计,该设计利用基于风统计的离线凸随机规划(CSP),并通过在线适应实时风速来改进解决方案。数值结果表明,与基准方案相比,优化后的航迹能更好地适应不同目标数据量、浮标拓扑结构以及不同风速、风向和方差的情况。
2021-12-26 cs.IT cs.SY eess.SY
Bayesian Active Inference for Intelligent UAV Anti-Jamming and Adaptive Trajectory Planning
University of Genoa(热那亚大学);Italian National Inter-University Consortium for Telecommunications (CNIT)(意大利国家大学电信联合体(CNIT))
本文提出基于贝叶斯主动推断的无人机抗干扰与自适应轨迹规划方法,通过结合专家示范与概率生成模型,实现高层规划与底层策略的协同,有效减少干扰并提升任务效率。
2025-12-05 cs.AI cs.RO cs.SY
Energy-Efficient Cyclical Trajectory Design for UAV-Aided Maritime Data Collection in Wind
无人机,特别是固定翼无人机,能够承受强风,在海洋勘探和研究方面具有巨大潜力。研究了一种无人机辅助海洋数据采集系统,该系统采用固定翼无人机对海洋浮标进行数据采集。针对无人机在风影响下的飞行轨迹和浮标间的通信时间调度问题,提出了一种基于最优解的非凸优化方法,旨在最小化无人机在完成任务过程中的能量消耗。现有的技术,如连续凸近似(SCA)方法提供了有效的次优解决方案,用于收集小/中等数据量,而该解决方案严重依赖于轨迹初始化,并没有明确考虑风的影响,而计算复杂性和由此产生的轨迹复杂性都变得令人望而却步的任务与大数据量。为此,我们提出了一个新的循环轨迹设计框架,可以有效地处理任意数据量受到风的影响。具体而言,所提出的UAV轨迹包括多个循环圈,每个循环圈负责仅收集数据的子集,从而显著降低计算/轨迹复杂性,这允许搜索适合浮标拓扑和风的更好的轨迹初始化。数值结果表明,所提出的循环格式在总体上优于基准的单次飞行格式。此外,优化的循环8形轨迹可以主动利用风,并实现较低的能耗相比,没有风的情况下。
2021-11-05 cs.IT cs.NI cs.SY