Age Minimization in Massive IoT via UAV Swarm: A Multi-agent Reinforcement Learning Approach

要約

多くの大規模な IoT 通信シナリオでは、IoT デバイスは、IoT デバイスの近くに移動してアップリンクのエネルギー消費を削減できる動的ユニットからのカバレッジを必要とします。
堅牢なソリューションは、多数の UAV (UAV swarm) を展開して、IoT ネットワークのカバレッジとより優れた見通し線 (LoS) を提供することです。
ただし、膨大な数のサービング ユニットを使用したこれらの大規模な IoT シナリオを研究すると、非常に複雑な高次元の問題が発生します。
この論文では、マルチエージェント深層強化学習を適用して、IoT デバイスから最新の情報を収集するために UAV の群れを配備することから生じる高次元の問題に対処します。
目標は、IoT ネットワーク内の情報の全体的な古さを最小限に抑えることです。
その結果、協調的および部分的に協調的なマルチエージェント深層強化学習アプローチの両方が、大規模ネットワークでは役に立たない、複雑性の高い集中型深層強化学習アプローチを上回るパフォーマンスを発揮できることが明らかになりました。

要約(オリジナル)

In many massive IoT communication scenarios, the IoT devices require coverage from dynamic units that can move close to the IoT devices and reduce the uplink energy consumption. A robust solution is to deploy a large number of UAVs (UAV swarm) to provide coverage and a better line of sight (LoS) for the IoT network. However, the study of these massive IoT scenarios with a massive number of serving units leads to high dimensional problems with high complexity. In this paper, we apply multi-agent deep reinforcement learning to address the high-dimensional problem that results from deploying a swarm of UAVs to collect fresh information from IoT devices. The target is to minimize the overall age of information in the IoT network. The results reveal that both cooperative and partially cooperative multi-agent deep reinforcement learning approaches are able to outperform the high-complexity centralized deep reinforcement learning approach, which stands helpless in large-scale networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google