文献

J-GLOBAL ID：202002211447149996   整理番号：20A2615022

UAVs群を用いた自律追跡:制約付きマルチエージェント強化学習アプローチ【JST・京大機械翻訳】

Autonomous Tracking Using a Swarm of UAVs: A Constrained Multi-Agent Reinforcement Learning Approach

著者 (3件)： Chen Yu-Jia (Department of Communication Engineering, National Central University, Taoyuan, Taiwan) ,  Chang Deng-Kai (Department of Communication Engineering, National Central University, Taoyuan, Taiwan) ,  Zhang Cheng (Department of Communication and Computer Engineering, Waseda University, Tokyo, Japan)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 11  ページ： 13702-13717  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,無線周波数(RF)移動ターゲットを位置決めする無人航空機(UAV)のスウォームのための自律追跡システムの設計を目的とする。システムにおいて,全方向受信信号強度(RSS)センサを備えたUAVは,特定の追跡精度でターゲットを協調的に探索できる。高度動的チャネル環境(例えば時変送信電力と間欠信号)における高速位置決めと追跡を達成するために,著者らは,冗長UAV飛行経路を回避する主目的を有する制約Markov決定プロセス(CMDP)として飛行決定問題を定式化した。次に,実時間目標追跡を実行する複数のUAVsを協調するための強化マルチエージェント強化学習を提案した。提案した方式のコアは,チャネル推定の不確実性を考慮したフィードバック制御システムである。提案アルゴリズムが最適決定に収束できることを証明した。シミュレーション結果は,提案した方式が,探索時間と成功した位置確認確率に関して,標準Q学習とマルチエージェントQ学習アルゴリズムより優れていることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  冗長性 ,  不確実性 ,  無人機 ,  飛翔 ,  定式化 ,  スウォーム ,  *強化学習 ,  チャネル推定
準シソーラス用語： 送信電力 ,  無線周波数 ,  Q学習 ,  ターゲット追跡 ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (2件)： 無線通信一般  (ND08010L) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： 自律 ,  追跡 ,  制約 ,  マルチエージェント ,  強化学習