Apprendimento per Rinforzo Multi-Agente per la Deconflizione di Flotte di Droni nello Spazio Aereo Urbano

Un nuovo studio da arXiv (2605.01041) esplora la deconflizione tattica per flotte eterogenee di piccoli sistemi aerei senza pilota (sUAS) in spazi aerei urbani densi. Utilizzando l'apprendimento per rinforzo multi-agente, i ricercatori hanno simulato missioni di consegna pacchi su Dallas, Texas, con più aziende che operano flotte di aeromobili omogenei. Lo studio chiede se le politiche possano convergere a un equilibrio senza conflitti e se le flotte meno equipaggiate subiscano discriminazioni. È stato impiegato un algoritmo di Ottimizzazione della Politica Prossimale potenziato con attenzione. La ricerca affronta la complessità della gestione di diverse configurazioni di aeromobili nella futura mobilità aerea urbana.