在动态环境中进行多无人机持续监控的分布式任务分配方法
Changming Zhang1,2,3, Caiyue Xu1,2,3, Gang Li4,5,6,7
1College of Electronics and Information Engineering, Tongji University, Shanghai, 201804, China.
Scientific reports
|February 22, 2025
概括
本研究介绍了IRADA,一种用于多个无人机 (UAV) 的新型分布式方法,以有效监测动态环境. 通过最大限度地减少信息不确定性,IRADA提高了情境意识,即使在无人机故障的情况下也是如此.
科学领域:
- 机器人技术和自主系统
- 分布式人工智能 分布式人工智能
- 环境监测 环境监测
背景情况:
- 在动态环境中使用多个无人机 (UAV) 进行持续监测,面临着时间变化的状态,有限的能量和通信限制的挑战.
- 保持最新的情境意识和最大限度地减少信息不确定性对于有效的多无人机操作至关重要.
- 现有的方法往往在资源有限的情况下,难以应对分布式决策的复杂性.
研究的目的:
- 引入IRADA (分布式分配的综合奖励聚合),一种用于多无人机持续监控的新型分布式任务分配方法.
- 通过在动态环境中在分布式兴趣点 (POI) 上最大限度地减少信息不确定性,提高情境意识.
- 在复杂的操作场景中提高多无人机系统的效率和弹性.
主要方法:
- 一种分布式任务分配方法,通过实时分布式计算POI奖励指导每个无人机的决策.
- 奖励整合了信息收集效率,能源限制和无人机之间的通信趋势.
- 使用高斯混合模型 (GMM) 进行集成奖励的空间聚合,以实现计算效率高的多步决策.
主要成果:
- 在各种系统配置 (无人机数量,预算,通信范围,POI计数) 中,IRADA在快速收集信息方面表现出卓越的性能.
- 废除研究证实了基于GMM的奖励聚合的性能和计算效率好处.
- 该方法表现出对无人机故障的弹性,通过自主任务再分配保持有效覆盖.
结论:
- 在动态环境中,IRADA提供了一种有效且计算效率高的分布式方法,用于在动态环境中进行多无人机持续监控.
- 基于GMM的奖励聚合显著提高了决策能力和系统性能.
- 拟议的方法提供了强大的系统弹性,确保持续覆盖,尽管潜在的无人机故障.


