[發明專利]多無人機協同計算與路徑控制的方法及裝置

在審

• 申請號: 202111369463.1
• 申請日: 2021-11-15
• 公開（公告）號: CN114079882A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王豐;廖墀坤;崔苗
• 申請（專利權）人: 廣東工業大學
• 主分類號: H04W4/40
• 分類號: H04W4/40;H04W24/02
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 戴緒霖

本發明提供一種多無人機協同計算與路徑控制的方法及裝置，包括：分別建立最小化時間卸載任務模型、最小化能量卸載任務模型以及能耗和運行時間的公平權衡模型，獲取所述無人機卸載任務分配策略；結合多代理深度確定性策略梯度對無人機的軌跡進行設計，最大化服務公平度。本發明所述的方法利用多無人機協助用戶任務卸載，并確定計算任務分配策略的技術方案，同時，考慮了多個基站的邊緣服務器進行資源共享處理無線設備的計算任務以及利用無人機替換傳統基站來進行邊緣計算服務，能夠達到最大化服務公平度。

技術領域

本發明涉及無人機路徑控制、邊緣計算(MEC，Mobile Edge Computing)、多智能體深度強化學習、資源分配技術領域，特別涉及一種多無人機協同計算與路徑控制的方法、電子裝置及計算機可讀存儲介質。

背景技術

Augmented Reality(AR)設備作為連接現實與虛擬的工具，讓用戶擁有沉浸式體驗，是目前熱門領域之一，但也面臨諸多挑戰，AR設備的兩大特點：其一是真實世界與虛擬世界的信息集成，這也要求AR設備需要運行諸多復雜的算法，隨之而來的是AR設備必須對大量數據進行處理，如視頻數據分析、圖像數據分析、自然語言分析。高精密度的數據分析會帶來大量的冗余的計算，造成事件處理延遲和高能耗，而AR的另一特點是實時交互性，需要在極短的響應時間內完成對數據的分析并立即在移動設備端呈現虛擬視覺。對于計算資源有限的AR設備，可能會導致實時響應不能得到及時滿足。

移動邊緣計算(MEC)是集網絡、計算、存儲和智能服務，在網絡邊緣物理上接近數據源的能力的概念。MEC可使網絡邊緣計算能力更加強大，快速的為大型物聯網設備提供計算服務，隨著MEC的部署，AR設備可將計算密集的任務轉移到邊緣服務器中，可顯著的用于AR設備的數據遷移和處理，改善用戶的體驗效果。

無人機(UAV)由于它的靈活性、機動性等顯著特點有望在無線通信系統中發揮重要的作用，無人機由于其三維空間的自由部署，因此很容易與AR設備形成空對地視距連接，目前無人機已成為理想的移動邊緣計算服務器，可以將MEC與無人機進行結合，用無人機搭載MEC邊緣設備裝置進行形成新的MEC裝置，將無人機的優點與邊緣計算特點相結合，與傳統的固定邊緣計算終端相比，MEC將更靈活、方便、快捷邊緣計算服務。

由于工作環境的復雜性、終端用戶分布的不確定性以及無人機能量的局限性，無人機安裝的移動邊緣計算仍然具有挑戰性。為了充分發揮F-MEC在通信系統的特點，需要對無人機的路徑規劃、軌跡控制進行分析研究。無人機的決策空間是最優軌跡設計以及最優資源分配，且是連續性動作過程。隨著機器學習的火熱，目前越來越來的研究將機器學習(RL)與神經網絡(DNN)相結合，來解決在機器學習領域中的決策問題，在機器學習領域中，是智能體與環境的交互式學習，進行探索性學習，尋求最優方案，而加入神經網絡后可利用其相關功能來有效的幫助智能體的收斂與近似。由于傳統機器學習的Q-table的空間有限，于是利用經驗存放緩沖區將交互的數據存入。并設立目標網絡機制，來獲取下一步狀態和動作。然而在多無人機的的目標規劃中會產生高維的動作空間，會對計算維度產生毀滅性打擊；所以引入actor-critic網絡來產生確定性策略。

傳統的利用基站來卸載用戶任務，可能會導致任務進程過慢，甚至可能導致數據泄露或者丟失，基站也會因大量數據的涌入導致擁堵，計算和服務往往難以從基站獲得，AR端用戶的需求無法得到完全的滿足。由于用戶與基站之間的不同距離，導致近距離用戶得到的服務質量與次數遠超遠距離用戶。而目前研究的無人機方案任務只能在用戶和無人機上選擇一處卸載，浪費了大量的計算資源，而傳統方法解決無人機軌跡設計會由于軌跡決策指數型暴增導致計算速度嚴重落后，并且忽略了無人機服務的公平性以及用戶享受服務的公平性。

發明內容

為了解決現有技術的不足，本發明提供一種多無人機協同計算與路徑控制的方法及裝置，用于至少解決背景技術中的一個技術問題。

本發明所采用的技術方案是：

一種多無人機協同計算與路徑控制的方法，包括：