Short vs. Long-term Coordination of Drones: When Distributed Optimization Meets Deep Reinforcement Learning

要約

自律型インタラクティブドローンの群れは、充電技術のサポートにより、交通監視や災害対応など、スマートシティに強力なセンシング機能を提供できます。
このペーパーは、ドローンの費用対効果の高いナビゲーション、センシング、充電のための新しい調整ソリューションを提供することを目的としています。
深層強化学習 (DRL) などの既存のアプローチは、長期的な適応性を提供しますが、動的環境におけるエネルギー効率、回復力、柔軟性に欠けています。
したがって、この論文では、分散最適化を通じてナビゲーションとセンシングを適応させながら、各ドローンが DRL を使用して飛行方向と充電場所を独立して決定する新しいアプローチを提案します。これにより、センシングタスク中のエネルギー効率が向上します。
さらに、ドローンは構造化されたツリー通信モデルを通じて意思決定の自律性を維持しながら、効率的に情報を交換します。
現実的な都市モビリティから生成されたデータセットを使用した広範な実験により、最先端の方法と比較して、提案されたソリューションの優れたパフォーマンスが強調されています。
重要な新たな洞察は、長期的な手法は交通管理のために希少なドローンリソースを最適化する一方、充電ポリシーのアドバイスやバッテリーの安全性の維持には短期的な手法の統合が重要であることを示しています。

要約(オリジナル)

Swarms of autonomous interactive drones, with the support of recharging technology, can provide compelling sensing capabilities in Smart Cities, such as traffic monitoring and disaster response. This paper aims to deliver a novel coordination solution for the cost-effective navigation, sensing, and recharging of drones. Existing approaches, such as deep reinforcement learning (DRL), offer long-term adaptability, but lack energy efficiency, resilience, and flexibility in dynamic environments. Therefore, this paper proposes a novel approach where each drone independently determines its flying direction and recharging place using DRL, while adapting navigation and sensing through distributed optimization, which improves energy-efficiency during sensing tasks. Furthermore, drones efficiently exchange information while retaining decision-making autonomy via a structured tree communication model. Extensive experimentation with datasets generated from realistic urban mobility underscores an outstanding performance of the proposed solution compared to state-of-the-art methods. Significant new insights show that long-term methods optimize scarce drone resource for traffic management, while the integration of short-term methods is crucial for advising on charging policies and maintaining battery safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google