以色列耶路撒冷理工学院最新论文《机器学习方法在无人机群管理中的应用综述》，对ML、UAVs、Swarms三方交叉技术现状综述，56页pdf

摘要

近年来，由于技术进步和成本的显著降低，无人机(uav)的发展势头日益强劲。无人机技术可以广泛应用于通信、农业、安全、交通等领域。在某些领域将无人机分组成集群可能是有用的，通过集群可以缓解与无人机使用相关的各种挑战。在无人机群体管理中，出现了一些计算上的难题，可以通过使用机器学习(ML)方法来解决。在本调查中，我们描述了与无人机和现代ML方法相关的基本术语，并提供了相关教程和调查的概述。我们随后考虑了在无人机群中出现的不同挑战。对于每一个问题，我们调查了几个基于机器学习的方法，这些方法已经在文献中提出，以处理相关的挑战。然后，我们描述了各种开放的问题，其中ML可以应用于解决不同的挑战群体，并提出了使用ML方法的方法来实现这一目的。这篇全面的综述对于研究人员和开发人员来说都是有用的，它提供了一个广泛的观点，介绍了最先进的ML技术的各个方面，这些技术适用于群体管理。

引言

无人机 (UAV) 技术进步和成本的降低使无人机比以往任何时候都更加普遍，具有巨大的未来使用潜力。在 Covid-19 期间，无人机理论上可用于协助实现供应和运输目标。此外，预计无人机将被集成到 5G 和未来的通信网络中。无人机在农业、维护、智能和各种安全需求方面提供了众多应用。然而，要成功利用无人机的潜力实现实际目标，还需要克服几个挑战。例如，由于无人机的能源消耗限制，需要一种智能、高效的功率控制机制，无人机的重量承载能力受到限制。此外，应仔细进行空中路径规划，同时维护无人机的安全性。

除了前面提到的即使是单架无人机也会遇到的挑战之外，在考虑多架无人机的环境时，也会出现某些任务和问题，在这种环境中，小或大的群体应该一起行动，或应该在相同的空中环境中行动。例如，无人机网络的形成、无人机的聚类与协调、无人机网络中的资源配置等问题需要考虑并有效解决。图1提供了与无人机相关的各种主题的层次描述。

图1:无人机集群面临的挑战

作为本次调查综述的一部分，我们还提供了一些关于一般研究的见解，这些研究并不直接关注无人机环境，但在应用于无人机环境时可能会很有用。我们相信，对现有工作的完整视图，无论是专门为无人机开发的还是未开发的，都可以帮助无人机设计人员解决在更有效地管理和维护无人机群方面出现的挑战。

如第 3 节所示，现有的许多调查都处理了无人机技术的挑战和机遇。然而，我们的目标是专注于将机器学习 (ML) 方法应用于无人机群域这一日益重要的主题。

图2:主要的ML方法

本文结构

本文的其余部分组织如下：第 2 节提供了现代 ML 方法的基本术语，这些方法可能适用于改进无人机群的处理。第 3 节介绍了几项相关调查综述，这些调查考虑了无人机技术和用于无人机的 ML 方法，以及飞行自组织网络 (FANET) 环境。第 4 节考虑了与机群形成有关的相关研究。在第 5 节中，讨论了资源分配和功率控制的挑战，而第 6 节侧重于解决无人机群中任务分配的挑战性问题的研究。最后，第 7 节提出了一些结论和对未来工作的见解。