Reti di Emergenza Assistite da UAV: DRL Multi-Agente Adattivo per la Minimizzazione dell'AoI

Un recente articolo su arXiv (2608.01128) presenta MA-HEAD-Net, un framework per l'apprendimento per rinforzo profondo multi-agente volto a ridurre l'età dell'informazione (AoI) nelle reti di comunicazione di emergenza supportate da UAV. Dopo i disastri, gli UAV svolgono un ruolo vitale nella creazione di reti di emergenza, dove le informazioni tempestive sono essenziali per le operazioni di soccorso critiche. Gli autori utilizzano un processo di Poisson modulato da Markov per modellare gli arrivi di pacchetti a raffica e applicano la teoria della lunghezza di blocco finita per analizzare l'interazione tra durata della trasmissione, completamento dei pacchetti e variazioni dell'AoI. Introducono un meccanismo di scheduling a mini-slot con selezione adattiva degli intervalli di checkpoint per conciliare i ritardi di trasmissione dei pacchetti lunghi con le esigenze urgenti dei pacchetti brevi. Questo lavoro formula l'ottimizzazione congiunta della traiettoria degli UAV, dello scheduling degli utenti e degli intervalli di checkpoint come un problema decisionale multi-agente, affrontando le complessità del mantenimento della freschezza dei dati in vari contesti di servizi di emergenza.