ヘテロジニアスUAV支援WSNにおけるAoI認識データ収集：強力エージェント協調カバレッジとビセック駆動型弱スワーム制御

科学分野:

• コンピュータサイエンス;ロボット工学;無線通信

背景:

• 無人航空機（UAV）スワームはデータ収集に効果的ですが、環境の動態とリソースの制約に直面しています。;既存の中央集権型または純粋な強化学習手法は、複雑な環境におけるグローバルソリューションの品質とローカルの柔軟性のバランスをとるのに苦労しています。

研究 の 目的:

• ヘテロジニアスUAV支援無線センサーネットワーク（WSN）のための階層型データ収集フレームワークを提案すること。;多数の低能力UAV（L-UAV）を管理する高能力UAV（H-UAV）の協調と意思決定を強化すること。;地上ユーザー（GU）の情報のエージ（AoI）を削減すること。

主な方法:

• H-UAVの協調のためのマルチエージェント深層強化学習（MADRL）、特にマルチエージェント深層決定論的ポリシー勾配（MADDPG）を使用した階層型フレームワーク。;GUのデータレートとL-UAVの密度に基づいて動的に更新される電力ボロノイ分割。;L-UAVは、AoI、リンク品質、および輻輳を考慮して、自己組織化データ収集と機会的リレーのために重み付きビセックモデルを利用します。

主要な成果:

• 提案された強力および弱エージェントMADDPG（SW-MADDPG）スキームは、データ収集効率において大幅な改善を示しました。;No-Voronoiベースラインと比較してAoIを30％削減しました。;Heuristic-HUAVベースラインと比較してAoIを21％削減しました。

結論:

• 空間分解と分散型弱スワーム制御を備えた階層型フレームワークは、大規模なUAV展開においてスケーラブルで効率的なデータ収集を可能にします。;SW-MADDPGアプローチは、ワークロードのバランスを効果的にとり、環境の動態に適応し、AoIを削減する上で既存の方法を上回っています。