حفظ اتصال برای جستجوی چند هدفه چند پهپاد با استفاده از یادگیری تقویتی

عنوان حفظ اتصال برای جستجوی چند هدفه چند پهپاد با استفاده از یادگیری تقویتی
نویسنده گوون، اسلام، آدم، اوشن یانماز
تاریخ انتشار: 2023-10-30
محل انتشار - انجمن ماشین‌های محاسباتی، Inc
موضوع شبکه های عصبی کانولوشن، شبکه های هواپیماهای بدون سرنشین، حفظ اتصال، یادگیری تقویتی چند عاملی، برنامه ریزی مسیر چند پهپاد، یادگیری تقویتی، وسایل نقلیه هوایی بدون سرنشین
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-840070369-0
شماره ثبت 0a8dfe6a-d3b5-466e-b937-d6e405e28229
محل کتابخانه مهندسی برق و الکترونیک
تاریخ 2023-10-30
یادداشت‌ها TÜBİTAK
متن نمونه ما یک برنامه‌ریز مسیر پویا را پیشنهاد می‌کنیم که از یک مدل یادگیری تقویتی چند عاملی (MARL) با توابع پاداش جدید برای مأموریت‌های جستجو و نجات چند هواپیمای بدون سرنشین (SAR) استفاده می‌کند. ما محیط ماموریتی را طراحی می‌کنیم که در آن یک تیم چند پهپادی منطقه‌ای را برای شناسایی اهداف توزیع‌شده تصادفی پوشش می‌دهد و با ایجاد زنجیره‌های رله بین اهداف و BS، ایستگاه پایه زمینی (BS) را مطلع می‌کند. روش آموزش عوامل شامل یک شبکه عصبی کانولوشنال (CNN) است که از تصاویری استفاده می کند که تاریخچه مسیر و حالت های اتصال هر موجودیت محیطی مانند هواپیماهای بدون سرنشین، اهداف، BS را نشان می دهد. ماموران اقداماتی را انجام می دهند و از محیط بازخورد می گیرند تا زمانی که ماموریت کامل شود. این مدل با ماموریت های متعدد با مکان های هدف تصادفی آموزش داده شده است. نتایج ما نشان می‌دهد که مدل آموزش‌دیده با موفقیت برنامه‌های ماموریتی را تولید می‌کند به طوری که سیستم چند پهپادی منطقه را به طور کارآمد جستجو می‌کند در حالی که به صورت دینامیکی زنجیره‌های رله را تشکیل می‌دهد. روش دینامیکی پیشنهادی در مقایسه با یک برنامه‌ریز مسیر بهینه‌شده از پیش برنامه‌ریزی‌شده، تا ۴۵ درصد زمان‌های تشخیص و مأموریت کل را بهتر می‌کند.
DOI 10.1145/3616392.3623414
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

حفظ اتصال برای جستجوی چند هدفه چند پهپاد با استفاده از یادگیری تقویتی

نویسنده گوون، اسلام، آدم، اوشن یانماز
تاریخ انتشار 2023-10-30
محل انتشار - انجمن ماشین‌های محاسباتی، Inc
موضوع شبکه های عصبی کانولوشن، شبکه های هواپیماهای بدون سرنشین، حفظ اتصال، یادگیری تقویتی چند عاملی، برنامه ریزی مسیر چند پهپاد، یادگیری تقویتی، وسایل نقلیه هوایی بدون سرنشین
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-840070369-0
شماره ثبت 0a8dfe6a-d3b5-466e-b937-d6e405e28229
محل کتابخانه مهندسی برق و الکترونیک
تاریخ 2023-10-30
یادداشت‌ها TÜBİTAK
متن نمونه ما یک برنامه‌ریز مسیر پویا را پیشنهاد می‌کنیم که از یک مدل یادگیری تقویتی چند عاملی (MARL) با توابع پاداش جدید برای مأموریت‌های جستجو و نجات چند هواپیمای بدون سرنشین (SAR) استفاده می‌کند. ما محیط ماموریتی را طراحی می‌کنیم که در آن یک تیم چند پهپادی منطقه‌ای را برای شناسایی اهداف توزیع‌شده تصادفی پوشش می‌دهد و با ایجاد زنجیره‌های رله بین اهداف و BS، ایستگاه پایه زمینی (BS) را مطلع می‌کند. روش آموزش عوامل شامل یک شبکه عصبی کانولوشنال (CNN) است که از تصاویری استفاده می کند که تاریخچه مسیر و حالت های اتصال هر موجودیت محیطی مانند هواپیماهای بدون سرنشین، اهداف، BS را نشان می دهد. ماموران اقداماتی را انجام می دهند و از محیط بازخورد می گیرند تا زمانی که ماموریت کامل شود. این مدل با ماموریت های متعدد با مکان های هدف تصادفی آموزش داده شده است. نتایج ما نشان می‌دهد که مدل آموزش‌دیده با موفقیت برنامه‌های ماموریتی را تولید می‌کند به طوری که سیستم چند پهپادی منطقه را به طور کارآمد جستجو می‌کند در حالی که به صورت دینامیکی زنجیره‌های رله را تشکیل می‌دهد. روش دینامیکی پیشنهادی در مقایسه با یک برنامه‌ریز مسیر بهینه‌شده از پیش برنامه‌ریزی‌شده، تا ۴۵ درصد زمان‌های تشخیص و مأموریت کل را بهتر می‌کند.
DOI 10.1145/3616392.3623414
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید