一种面向动态环境下多无人机持续监控的分布式任务分配方法

快速阅读: 《Nature.com》消息，本文提出了一种名为IRADA的新分布式任务分配方法，旨在通过最小化多兴趣点的信息不确定性来保持实时态势感知。IRADA利用实时奖励引导UAV决策，综合考虑信息收集效率、操作范围和通信需求。通过高斯混合模型进行奖励聚合，提高多步决策能力。实验结果显示，该方法在不同系统配置下表现优异，并具有应对UAV故障的韧性。

在动态环境中使用多无人飞行器（UAV）进行高效持久监控对于各种应用至关重要。这一任务的复杂性由于时间变化的环境状态、有限的能量容量和受限的通信范围而增加。本文介绍了一种新的分布式任务分配方法IRADA（集成奖励聚合用于分布式分配），旨在通过最小化分布在多个兴趣点（POI）上的信息不确定性来保持实时态势感知。每个UAV的决策由根据兴趣点实时奖励进行分布式计算引导。这些奖励综合了信息收集效率、在能量约束下的操作范围以及与其他UAV的通信倾向。此外，通过高斯混合模型（GMM）对集成奖励进行空间聚合，以增强多步决策能力，同时保持计算效率。

广泛的仿真实验表明，我们的方法在不同的系统配置下，包括不同数量的UAV、旅行预算和通信范围中，能够实现快速信息收集，并表现出色。消融研究验证了基于GMM的奖励聚合在性能和计算效率方面的优势。此外，当面对UAV故障时，我们的方法展示了系统的韧性，通过自主任务重新分配维持有效的覆盖范围。

(以上内容均由Ai生成)