在GNSS信号受阻的环境中，针对无人机群的能量感知自适应通信拓扑结构及边缘人工智能导航技术 作者：Alizhan Tulembayev, Alexander Dolya, Ainur Kuttybayeva, Timur Jussupbekov, Kalmukhamed Tazhen

《Drones》：Energy-Aware Adaptive Communication Topology with Edge-AI Navigation for UAV Swarms in GNSS-Denied Environments Alizhan Tulembayev, Alexandr Dolya, Ainur Kuttybayeva, Timur Jussupbekov and Kalmukhamed Tazhen

　　

摘要

在全球导航卫星系统（GNSS）被拒绝的环境中，高效且具有弹性的分散式无人驾驶飞行器（UAV）群组操作仍然具有挑战性，因为推进需求、通信负载和机载推理在任务层面紧密耦合。尽管之前的研究已经分别考察了这些组件中的一些方面，但在导航条件下降的情况下，对它们在自适应分散式群组中的联合评估仍然有限。本研究提出了一种基于能量感知的自适应通信拓扑框架，该框架结合了轻量级边缘人工智能（AI）辅助导航，用于在没有可靠GNSS支持的情况下运行分散式UAV群组。该方法结合了统一的任务级能量核算结构，用于推进、通信和机载推理；一种残余能量感知的拓扑适应机制，用于保持群组连通性；以及基于卷积神经网络-长短期记忆（CNN–LSTM）的边缘AI导航模块，用于提高定位的鲁棒性。该框架在1200个ROS2–Gazebo–PX4仿真场景中进行了评估，与基于扩展卡尔曼滤波器（EKF）的基线进行了对比。在采用的仿真假设下，所提出的配置使总能耗降低了22.7%，其中通信能耗的降低最为显著，同时保持了所有评估运行中的正代数连通性。与EKF基线相比，边缘AI模块将均方根误差（RMSE）降低了4.8%，表明定位性能有适度但显著的提升。这些结果支持了在GNSS被拒绝的环境中进行集成能量感知群组协调的可行性；然而，这些结果应被视为在采用的建模假设下的仿真证据，还需要进一步的高保真传播建模、更广泛的学习验证和硬件在环（hardware-in-the-loop）研究。