基于信息年龄与卡尔曼预测补偿的延迟感知多智能体无人机编队轨迹规划方法

《Drones》：DI-MATD3-Based Multi-UAV Formation Trajectory Planning Under Asynchronous Communication Delays

　　本文提出了一种考虑通信延迟的延迟感知多智能体孪生延迟确定性策略梯度（DI-MATD3）方法，用于通信延迟条件下的多无人机编队轨迹规划。具体而言，首先建立了一种基于时间戳的逐链路通信模型，其中每个接收端维护各链路上的最新有效消息并计算其对应的信息年龄（AoI）。随后，基于链路级别的卡尔曼预测器将缓存状态传播至当前决策时刻，传播步数由计算得到的AoI值控制。补偿后的队友状态及其AoI值被整合到各跟随器的局部观测空间中，同时保留了MATD3原始的演员-评论家框架。该方法在一个涉及编队压缩、连续转向、协同穿越和编队恢复的双偏移窄门场景中进行了评估。在最大延迟为0.6秒的三个独立训练种子下，"卡尔曼+ AoI"方案的任务成功率为97.33% ± 1.89%，而"恒速预测+ AoI"为88.67% ± 8.96%，"无补偿+ AoI"仅为65.33% ± 29.41%。预测误差分析进一步表明，AoI驱动的状态重构显著降低了陈旧状态误差，但在更强机动期间误差有所增加。总体而言，实验结果支持该方法在异步延迟条件下具有更高的任务完成鲁棒性和编队维持能力，但并未表明其在所有安全性相关指标上均具有一致的优越性。