多无人机协作追踪算法

定位误差大降

相比传统值函数分解方法，该算法能更准确地估计未来奖励总和，从而找到更优的功率与轨迹，显著提升定位精度。

Zhu, Yujiao · Chen, Mingzhe · Wang, Sihua · Hu, Ye · Liu, Yuchen · 尹长川

IEEE Transactions on Mobile Computing 2024

参数信息

定位误差降低幅度

39.4 %

定位误差降低幅度

64.6 %

技术优势

奖励估计更准

Z 函数分解能直接估计未来奖励总和的概率分布，而非仅期望值，从而更准确地计算期望，避免近似误差。

定位误差大降

相比协作型值函数分解方法，定位误差降低 39.4%；相比独立深度强化学习方法，降低 64.6%。

应用场景

• 无人机追踪：提高对移动目标无人机的实时位置估计精度，减少追踪误差。
• 多智能体协作：通过主被动无人机协同优化功率与轨迹，提升整体定位性能。
• 智能轨迹规划：利用强化学习动态规划无人机轨迹，适应目标移动。
• 无线定位：基于信号传输距离估计的无线定位，强化学习优化发射功率提升信噪比。