Distributed Safe Multi-Agent Reinforcement Learning: Joint Design of THz-Enabled UAV Trajectory and Channel Allocation
Notice bibliographique
Résumé
6G is anticipated to play a foundational role in realizing various emerging entertainment applications and critical societal services, such as smart agriculture, public safety, and so on. Providing the underlying communications for these applications will substantially increase demand for data rate, reliability, and resiliency. Given these requirements, Terahertz (THz)-enabled unmanned aerial vehicles (UAVs) are expected to support the essential functions within the future 6G networks. Meanwhile, due to the dynamic environment in a THz-enabled UAV-assisted network with multiple UAVs, using model-free multi-agent deep reinforcement learning (MADRL) becomes a promising approach to optimize scarce resources. However, satisfying cooperative safety constraints is not guaranteed in most previous MADRL techniques. Consequently, this paper aims to address the cooperative safety guarantee challenge in the joint design problem of UAV trajectory and channel allocation in a THz-enabled UAV-assisted network. Specifically, the goal of the proposed scheme is to maximize energy efficiency, considering the quality of service of each IoT device, the speed limitation of UAVs, and the collision avoidance constraint between UAVs. The problem is mixed integer nonlinear programming (MINP), known as NP-hard to solve. Thus, we propose a novel distributed safe MADRL (DSMADRL) approach for the safe trajectory design of UAVs using a data-driven uniformly ultimate boundedness stability method. Moreover, we theoretically show that the DSMADRL approach guarantees satisfying the cooperative safety constraint of collision avoidance between UAVs as well as maximizing energy efficiency. Furthermore, the matching method is used to allocate THz sub-bands distributively. Finally, the effectiveness of the algorithms is evaluated by comparing them with the existing multi-agent RL algorithms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».