Deep Reinforcement Learning for Joint Cruise Control and Intelligent Data Acquisition in UAVs-Assisted Sensor Networks

要約

無人航空機 (UAV) 支援センサー ネットワーク (UASNet) は、新たな機会を生み出す上で重要な役割を果たしており、世界中で民間用途で大幅な成長を遂げています。
UASNets はタイムリーな監視を通じて災害管理を改善し、作物を詳細に監視することで精密農業を進歩させ、それによって商業経済を大きく変革します。
UASNet は、より優れた効率、安全性、費用対効果を提供することで商業部門に革命をもたらし、その変革的な影響を強調しています。
これらの新しい機能と変更の基本的な側面は、険しい遠隔地からのデータの収集です。
UAV は優れた機動性と機動性を備えているため、自然災害監視、国境監視、緊急対応監視などの過酷な環境で地上センサーからデータを収集するために採用されています。
これらのシナリオにおける大きな課題の 1 つは、UAV の移動がチャネル状態に影響を与え、パケット損失が発生することです。
UAV が高速で移動すると、チャネル状態が悪化して信号が急速に劣化し、パケット損失が発生します。
一方、UAV の移動速度が遅いと、新しく到着したデータが UAV によってすぐに収集されないため、地上センサーのバッファ オーバーフローが発生する可能性があります。
この課題に対処するための私たちの提案は、複数の UAV の速度制御とデータ収集スケジュールを共同で最適化することでパケット損失を最小限に抑えることです。さらに、UASNet では、UAV の素早い動きによりチャネル状態が悪くなり、信号が急速に減衰し、寿命の延長につながります。
情報（AoI）。
対照的に、UAV の動きが遅いと飛行時間が延長され、それによって地上センサーの AoI が延長されます。この課題に対処するために、センサー データの AoI を最小限に抑えるための新しい平均場飛行リソース割り当ての最適化を提案します。

要約(オリジナル)

Unmanned aerial vehicle (UAV)-assisted sensor networks (UASNets), which play a crucial role in creating new opportunities, are experiencing significant growth in civil applications worldwide. UASNets improve disaster management through timely surveillance and advance precision agriculture with detailed crop monitoring, thereby significantly transforming the commercial economy. UASNets revolutionize the commercial sector by offering greater efficiency, safety, and cost-effectiveness, highlighting their transformative impact. A fundamental aspect of these new capabilities and changes is the collection of data from rugged and remote areas. Due to their excellent mobility and maneuverability, UAVs are employed to collect data from ground sensors in harsh environments, such as natural disaster monitoring, border surveillance, and emergency response monitoring. One major challenge in these scenarios is that the movements of UAVs affect channel conditions and result in packet loss. Fast movements of UAVs lead to poor channel conditions and rapid signal degradation, resulting in packet loss. On the other hand, slow mobility of a UAV can cause buffer overflows of the ground sensors, as newly arrived data is not promptly collected by the UAV. Our proposal to address this challenge is to minimize packet loss by jointly optimizing the velocity controls and data collection schedules of multiple UAVs.Furthermore, in UASNets, swift movements of UAVs result in poor channel conditions and fast signal attenuation, leading to an extended age of information (AoI). In contrast, slow movements of UAVs prolong flight time, thereby extending the AoI of ground sensors.To address this challenge, we propose a new mean-field flight resource allocation optimization to minimize the AoI of sensory data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google