English(EN) Delay-Aware Active Triangulation with Uncertainty-Driven Multi-Agent Reinforcement Learning for Counter-UAS

新的MARL框架通过延迟感知提升空中目标定位精度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 07:58

研究人员开发了一个新的多智能体强化学习框架，旨在提高空中目标三维定位的精度，特别是在反无人机应用中。该框架通过将信息年龄（AoI）纳入观测，解决了检测、通信和决策中的累积延迟问题。实验表明，与假设瞬时反馈的方法相比，这种延迟感知的⽅法显著提高了三角测量有效性并降低了均方根误差。 AI

影响这项研究可能有助于在国防应用中更精确、更可靠地跟踪空中威胁。

排序理由详细介绍新算法和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.MA (Multiagent) TIER_1 English(EN) · David Hyunchul Shim · 2026-07-07 07:58

面向反无人机系统的延迟感知主动三角测量与不确定性驱动的多智能体强化学习

Multi-agent active visual triangulation enables precise 3D localization of aerial targets by coordinating mobile observers with controllable cameras. However, existing methods assume instantaneous state feedback, ignoring cumulative latency from detection, communication, and deci…