增强的多代理协调算法用于无人机群队在榴莲果园中巡逻.

科学领域:

• 机器人和自动化 机器人和自动化
• 人工智能的人工智能
• 农业技术 农业技术

背景情况:

• 无人机群为有效的农业监测提供了潜力,但在像榴莲园这样的复杂环境中控制它们会带来挑战.
• 现有的算法经常与动态环境变化和实时障碍回避作斗争,限制了它们的有效性.

研究的目的:

• 提出和验证一个增强的多代理群控制算法 (EN-MASCA),用于在复杂的榴果园中高效的无人机群巡逻.
• 提高无人机群体在动态和复杂环境中的灵活性,稳定性和适应性.

主要方法:

• 开发一个虚拟导航器模型,用于实时路径调整,障碍回避和优化.
• 深度强化学习的应用用于适应性路径规划和障碍回避.
• 纳入生物群体行为模拟,以优化飞行路径,避开障碍物和群体稳定性.

主要成果:

• 与传统方法相比,EN-MASCA在飞行轨迹,稳定性,群体一致性和任务完成效率方面取得了显著的改进.
• 虚拟导航模型增强了对环境变化的实时适应能力.
• 深度强化学习提高了算法的学习和优化能力在动态设置.

结论:

• 恩-马斯卡为在榴莲果园的合作无人机巡逻行动提供了高效和智能解决方案.
• 该算法显示了智能农业管理的重大实际应用价值和促进前景.