Optimizing Search and Rescue UAV Connectivity in Challenging Terrain through Multi Q-Learning

要約

捜索救助活動 (SAR) で無人航空機 (UAV) を使用して、セルラー ネットワークとの信頼できる通信を維持しながら困難な地形を移動することは、有望なアプローチです。
この論文では、そのようなシナリオで UAV 接続を最適化するために、強化学習マルチ Q 学習アルゴリズムを採用した新しい手法を提案します。
効率的な経路計画と衝突認識のための戦略的計画エージェントと、セルラー基地局との最適な接続を維持するためのリアルタイム適応エージェントを導入します。
エージェントは、マルチ Q ラーニングを使用して模擬環境でトレーニングを受け、経験から学び、さまざまな地形の複雑さやコミュニケーション シナリオに合わせて意思決定を調整することを奨励しました。
評価結果は、このアプローチの重要性を明らかにし、障害物密度が異なる環境でのナビゲーションの成功と、異なる周波数帯域を使用して最適な接続を実行する能力を強調しています。
この取り組みにより、UAV の自律性が強化され、捜索救助活動における通信の信頼性が向上する道が開かれます。

要約(オリジナル)

Using Unmanned Aerial Vehicles (UAVs) in Search and rescue operations (SAR) to navigate challenging terrain while maintaining reliable communication with the cellular network is a promising approach. This paper suggests a novel technique employing a reinforcement learning multi Q-learning algorithm to optimize UAV connectivity in such scenarios. We introduce a Strategic Planning Agent for efficient path planning and collision awareness and a Real-time Adaptive Agent to maintain optimal connection with the cellular base station. The agents trained in a simulated environment using multi Q-learning, encouraging them to learn from experience and adjust their decision-making to diverse terrain complexities and communication scenarios. Evaluation results reveal the significance of the approach, highlighting successful navigation in environments with varying obstacle densities and the ability to perform optimal connectivity using different frequency bands. This work paves the way for enhanced UAV autonomy and enhanced communication reliability in search and rescue operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google