RL-Based Cargo-UAV Trajectory Planning and Cell Association for Minimum Handoffs, Disconnectivity, and Energy Consumption

要約

無人航空機 (UAV) は、ラストマイルの貨物配送に有望な技術です。
ただし、搭載バッテリー容量の制限、携帯電話の信頼性の低さ、空域での頻繁なハンドオフが、その可能性を最大限に発揮するための主な障害となっています。
既存のセルラー ネットワークが主に地上ユーザーにサービスを提供するように設計されていることを考えると、貨物 UAV などの移動性の高い航空ユーザーに同じアーキテクチャを再利用することは困難であると考えられます。
実際、貨物 UAV を使用して安全な配送を確保するには、指揮統制の信頼できる接続を保証し、頻繁なハンドオフを回避しながら、利用可能なエネルギーを効率的に利用することが重要です。
この目標を達成するために、我々は、貨物と UAV の共同軌道計画とセル関連付けのための新しいアプローチを提案します。
具体的には、1) エネルギー消費の最小化、2) ハンドオフイベントの削減、3) 軌道に沿ったセルラーの信頼性の保証を目的とした多目的問題として貨物 UAV ミッションを定式化します。
私たちは強化学習 (RL) を活用して、貨物と UAV の軌道とセルの関連付けを共同で最適化します。
シミュレーション結果は、ベンチマークと比較して、ハンドオフ、切断性、エネルギー消費の観点から、提案した方法のパフォーマンスが向上していることを示しています。

要約(オリジナル)

Unmanned aerial vehicle (UAV) is a promising technology for last-mile cargo delivery. However, the limited on-board battery capacity, cellular unreliability, and frequent handoffs in the airspace are the main obstacles to unleash its full potential. Given that existing cellular networks were primarily designed to service ground users, re-utilizing the same architecture for highly mobile aerial users, e.g., cargo-UAVs, is deemed challenging. Indeed, to ensure a safe delivery using cargo-UAVs, it is crucial to utilize the available energy efficiently, while guaranteeing reliable connectivity for command-and-control and avoiding frequent handoff. To achieve this goal, we propose a novel approach for joint cargo-UAV trajectory planning and cell association. Specifically, we formulate the cargo-UAV mission as a multi-objective problem aiming to 1) minimize energy consumption, 2) reduce handoff events, and 3) guarantee cellular reliability along the trajectory. We leverage reinforcement learning (RL) to jointly optimize the cargo-UAV’s trajectory and cell association. Simulation results demonstrate a performance improvement of our proposed method, in terms of handoffs, disconnectivity, and energy consumption, compared to benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google