論文の概要: Maximizing UAV Cellular Connectivity with Reinforcement Learning for BVLoS Path Planning
- arxiv url: http://arxiv.org/abs/2509.13336v1
- Date: Thu, 11 Sep 2025 06:06:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.529471
- Title: Maximizing UAV Cellular Connectivity with Reinforcement Learning for BVLoS Path Planning
- Title（参考訳）: BVLoS経路計画のための強化学習によるUAVセル接続性の最大化
- Authors: Mehran Behjati, Rosdiadee Nordin, Nor Fadzilah Abdullah,
- Abstract要約: 本稿では,BVLoS以外のセルラー接続型無人航空機(UAV)の経路計画に対する強化学習(RL)に基づくアプローチを提案する。
提案手法では,UAVと基地局(BS)間の通信リンクの質を報奨関数として利用してエージェントの訓練を行う。
RLアルゴリズムは最適経路を効率よく同定し、地上BSとの最大接続を確保し、安全で信頼性の高いBVLoS飛行動作を保証する。
- 参考スコア（独自算出の注目度）: 2.9248680865344343
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a reinforcement learning (RL) based approach for path planning of cellular connected unmanned aerial vehicles (UAVs) operating beyond visual line of sight (BVLoS). The objective is to minimize travel distance while maximizing the quality of cellular link connectivity by considering real world aerial coverage constraints and employing an empirical aerial channel model. The proposed solution employs RL techniques to train an agent, using the quality of communication links between the UAV and base stations (BSs) as the reward function. Simulation results demonstrate the effectiveness of the proposed method in training the agent and generating feasible UAV path plans. The proposed approach addresses the challenges due to limitations in UAV cellular communications, highlighting the need for investigations and considerations in this area. The RL algorithm efficiently identifies optimal paths, ensuring maximum connectivity with ground BSs to ensure safe and reliable BVLoS flight operation. Moreover, the solution can be deployed as an offline path planning module that can be integrated into future ground control systems (GCS) for UAV operations, enhancing their capabilities and safety. The method holds potential for complex long range UAV applications, advancing the technology in the field of cellular connected UAV path planning.
- Abstract（参考訳）: 本稿では,BVLoS以外のセルラー接続型無人航空機(UAV)の経路計画に対する強化学習(RL)に基づくアプローチを提案する。
本研究の目的は,実世界の空域制約を考慮し,経験的空路モデルを用いることで,セルラーリンク接続の質を最大化しつつ,旅行距離を最小化することである。
提案手法では,UAVと基地局(BS)間の通信リンクの質を報奨関数として利用してエージェントの訓練を行う。
シミュレーションの結果,提案手法の有効性を実証し,提案手法の有効性を検証した。
提案手法は,UAV通信の制限による課題に対処し,この領域における調査・検討の必要性を強調した。
RLアルゴリズムは最適経路を効率よく同定し、地上BSとの最大接続を確保し、安全で信頼性の高いBVLoS飛行動作を保証する。
さらに、このソリューションは、UAV操作のための将来の地上制御システム(GCS)に統合され、その機能と安全性を向上するオフラインパス計画モジュールとしてデプロイすることができる。
この手法は、複雑な長距離UAV応用の可能性を秘めており、セルラー接続型UAV経路計画の分野で技術が進歩している。
関連論文リスト
- LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。
本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。
その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
論文 参考訳（メタデータ） (2025-07-23T04:22:57Z) - Hierarchical and Collaborative LLM-Based Control for Multi-UAV Motion and Communication in Integrated Terrestrial and Non-Terrestrial Networks [21.350819743855382]
本研究は,複数のUAVの連立動作と通信制御を地球外ネットワークと非地球外ネットワークで行うことを目的としたものである。
大規模言語モデル(LLM)に基づく新しい階層的協調手法を提案する。
実験により,提案手法は, システム報酬の向上, 運用コストの低減, ベースライン手法と比較してUAV衝突率の大幅な低減を実現していることがわかった。
論文 参考訳（メタデータ） (2025-06-06T20:59:52Z) - Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。
LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。
本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
論文 参考訳（メタデータ） (2025-01-26T10:13:51Z) - UAV Virtual Antenna Array Deployment for Uplink Interference Mitigation in Data Collection Networks [71.23793087286703]
無人航空機(UAV)は、航空無線ネットワークと通信を確立するためのプラットフォームとして注目されている。
本稿では,複数UAVネットワークシステムにおける協調ビームフォーミング(CB)法に基づく新しいアップリンク干渉緩和手法を提案する。
論文 参考訳（メタデータ） (2024-12-09T12:56:50Z) - Dual UAV Cluster-Assisted Maritime Physical Layer Secure Communications via Collaborative Beamforming [47.191944685913036]
無人航空機(UAV)は、海上無線通信を支援する中継プラットフォームとして使用できる。
共同ビームフォーミング(CB)は、遠隔での海上通信のためにUAV中継を支援するために、信号強度と範囲を増強することができる。
本稿では,海上無線通信における物理層セキュリティを実現するために,CBを経由した二重UAVクラスタアシストシステムを提案する。
論文 参考訳（メタデータ） (2024-12-08T14:11:02Z) - UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T12:36:08Z) - Joint Path planning and Power Allocation of a Cellular-Connected UAV
using Apprenticeship Learning via Deep Inverse Reinforcement Learning [7.760962597460447]
本稿では,郊外環境におけるセルラー接続型無人航空機(UAV)の干渉対応共同経路計画と電力配分機構について検討する。
UAVは、そのアップリンクスループットを最大化し、近隣のBSに接続された地上ユーザ機器(UE)への干渉のレベルを最小化することを目的としている。
Q-learning と深層強化学習 (DRL) を併用した逆強化学習 (IRL) による見習い学習手法
論文 参考訳（メタデータ） (2023-06-15T20:50:05Z) - Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted
IoT Data Collection System [25.32139119893323]
無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。
UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。
本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
論文 参考訳（メタデータ） (2022-10-27T06:27:40Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。