セルラUAV対デバイス通信:マルチエージェント深層強化学習による軌道設計とモード選択【JST・京大機械翻訳】

Wu F.; Zhang H.; Wu J.; Song L.

プレプリント

J-GLOBAL ID：202202205516590861 整理番号：22P0113522

セルラUAV対デバイス通信:マルチエージェント深層強化学習による軌道設計とモード選択【JST・京大機械翻訳】

Cellular UAV-to-Device Communications: Trajectory Design and Mode Selection by Multi-agent Deep Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年02月19日プレプリントサーバーでの情報更新日： 2020年03月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

センシングサービスのための現在の無人機システム(UAS)において,無人航空機(UAV)は,非免許スペクトルにわたって地上移動装置にそれらの感覚データを伝送する。しかし,周辺端末からの干渉は日和見チャネルアクセスのため制御できない。本論文では,セルラネットワーク上のUAV-to-Device(U2D)通信,あるいは基地局(BS)を通して直接モバイルデバイスに伝送できるサービス品質(QoS)を保証するために,UAVのセルインターネットを考察した。UAVのセンシングと伝送は,それらの軌跡に影響を与える可能性があるので,著者らは,それらのセンシングと伝送を考慮してUAVのための軌道設計問題を研究する。これは,大きな状態行動空間を持つMarkov決定問題(MDP)であり,従って,マルチエージェント深層強化学習(DRL)を利用して,状態行動空間を近似し,次に,この問題を解決するためのマルチUAV軌道設計アルゴリズムを提案した。シミュレーション結果は,著者らの提案したアルゴリズムが,政策勾配アルゴリズムおよび単一エージェントアルゴリズムより高い全ユーティリティを達成できることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

移動通信

, , , ,

前のページに戻る