SA-DRL: Apprendimento per Rinforzo Profondo con Arricchimento Semantico per VANET Assistite da UAV

È stato proposto un nuovo framework, l'Apprendimento per Rinforzo Profondo con Arricchimento Semantico (SA-DRL), per affrontare la frammentazione di rete nelle reti veicolari ad-hoc urbane (VANET). Il framework, dettagliato nell'articolo arXiv 2603.18871, sfrutta un modello linguistico di grandi dimensioni (LLM) pre-addestrato per generare prior di azione dipendenti dalla topologia, guidando il dispiegamento degli UAV. L'algoritmo risultante, Semantic-Augmented PPO (SA-PPO), combina questi prior con l'ottimizzazione della politica prossimale (PPO) attraverso la fusione dei logit, migliorando l'efficienza dell'esplorazione. Le simulazioni che utilizzano traiettorie urbane reali mostrano che SA-PPO raggiunge una convergenza più rapida e prestazioni migliori rispetto ai metodi di base. Il lavoro affronta la sfida dell'esplorazione inefficiente nel dispiegamento di UAV basato su DRL incorporando la guida della topologia stradale, offrendo un approccio innovativo per mantenere la connettività in reti veicolari dinamiche.