Ottimizzazione del Task Offloading Multi-UAV con DRL e LLM

Uno studio recente disponibile su arXiv (2605.04436) introduce un modello gerarchico per il task offloading in ambienti urbani densi, utilizzando più UAV nell'Internet dei Veicoli (IoV). Questo approccio mira a ridurre sia il ritardo che il consumo energetico semplificando un problema di ottimizzazione non convessa impegnativo. Inizialmente, una tecnica di ottimizzazione distribuita sequenziale che sfrutta la Programmazione Conica del Secondo Ordine (SOCP) perfeziona i percorsi di volo 3D di ciascun UAV per migliorare la copertura di rete. Inoltre, una strategia combinata di scheduling delle risorse impiega l'Apprendimento per Rinforzo Profondo (DRL) e i Modelli Linguistici di Grandi Dimensioni (LLM): l'agente DRL gestisce la distribuzione primaria delle risorse, mentre l'LLM funge da macro-scheduler semantico per affrontare gli squilibri dei task. Viene inoltre introdotto un meccanismo di disaccoppiamento delle ricompense per aumentare l'efficacia complessiva.