English(EN) Separation Assurance between Heterogeneous Fleets of Small Unmanned Aerial Systems via Multi-Agent Reinforcement Learning

多智能体强化学习确保无人机集群间隔，但可能偏向更强的配置

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了一个多智能体强化学习框架，以确保小型无人机系统（sUASs）集群间的安全间隔。提出的基于注意力机制的近端策略优化优势Actor-Critic（PPOA2C）方法允许集群在保持隐私的同时独立训练其策略。实验表明，PPOA2C策略可以实现安全间隔，并优于基于规则的基线，尽管均衡可能偏向于具有更强配置的集群，这凸显了对公平感知冲突管理的需求。 AI

影响引入了一种针对异构无人机集群的公平感知冲突管理方法，可能影响未来的自主空中交通管制系统。

排序理由这是一篇详细介绍多智能体强化学习在特定问题领域新应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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.LG TIER_1 English(EN) · Iman Sharifi, Hyeong Tae Kim, Maheed Hatem Ahmed, Mahsa Ghasemi, Peng Wei · 2026-05-05 04:00

Separation Assurance between Heterogeneous Fleets of Small Unmanned Aerial Systems via Multi-Agent Reinforcement Learning

arXiv:2605.01041v1 Announce Type: cross Abstract: In the envisioned future dense urban airspace, multiple companies will operate heterogeneous fleets of small unmanned aerial systems (sUASs), where each fleet includes several homogeneous aircraft with identical policies and confi…

报道来源 [1]

Separation Assurance between Heterogeneous Fleets of Small Unmanned Aerial Systems via Multi-Agent Reinforcement Learning

相关实体

相关话题