arXiv cs.MA· Aneesh Calyam, Subrahmanya Chandra Bhamidipati, Zack Murry, Sharan Srinivas·· 10 小时前AI 评分31
CEDA：面向灾后医疗物资配送的跨层多无人机协同算法
A Cross-Layered Multi-Drone Coordination for Medical Supply Delivery during Disaster Response Management
AI 导读
CEDA 是一种面向灾后医疗物资配送的 CTDE 双深度 Q 网络算法，结合 QMIX 式单调混合网络，联合优化分诊感知路由、多智能体协同与节能导航。在五架无人机服务最多 50 名患者的仿真中，CEDA 配送超过 95% 的生成患者，训练中障碍碰撞减少逾 95%，加权分诊效率超过 0.90，Jain 公平性指数约为 1.0。
正文 · AI 翻译
摘要：自主无人机集群在灾难事件响应期间的医疗物资配送中具有潜力。然而，在此类场景中协调多架无人机带来了叠加的挑战：风、障碍物和间歇性连接等动态危险、受限的能量预算，以及在严格截止时间和基于分诊的优先级下公平服务患者的需求。我们提出 CEDA，一种集中训练与分散执行（CTDE）双深度 Q 网络算法，并辅以 QMIX 风格的单调混合网络，用于协作式多无人机医疗配送，旨在动态不确定性下联合优化分诊感知路由、多智能体协调和节能导航。CEDA 引入了一种优先级保持的公平调度策略，其中结构化奖励函数编码了分诊优先级权重、结果级公平性和优先级排序奖励，以及互补的塑形机制以抑制系统性饥饿。我们在一个模拟网格环境中评估 CEDA，该环境包含五架无人机服务多达五十名患者，具有动态危险区域、随机动作失败以及跨三个分诊级别动态生成的患者，并使用五架通过 MAVSDK 控制的 X500 四旋翼进行 PX4 软件在环（SITL）验证。仿真结果表明，CEDA 配送了超过 95\% 的生成患者，在整个训练过程中将障碍物碰撞减少了超过 95\%，并实现了超过 0.90 的加权分诊效率，同时各分诊类别的 Jain 公平性指数约为 1.0。CEDA 保持了临床优先级排序，危重患者获得最快的响应时间，同时在所有分诊类别中实现了低且相当的死亡率。PX4 SITL 验证进一步表明，学习到的策略在连续模拟飞行和延迟动作条件下仍保持其分诊感知行为。
| 评论： | 18 页，7 幅图，7 张表 |
| 主题： | 多智能体系统（cs.MA）；机器学习（cs.LG） |
| 引用为： | arXiv:2605.09342 [cs.MA] |
| （或此版本的 arXiv:2605.09342v2 [cs.MA]） | |
| https://doi.org/10.48550/arXiv.2605.09342 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Subrahmanya Chandra Bhamidipati [查看电子邮件]
[v1]
2026 年 5 月 10 日周日 05:43:51 UTC（5,043 KB）
[v2]
2026 年 10 月 30 日周五 17:15:32 UTC（3,414 KB）
来源：arXiv cs.MA · arxiv.org