통신 없이 다수 UAV 목표 검색을 위한 메타인지 의사결정 프레임워크

이 논문은 인간 유사한 메타인지 원칙에서 영감을 받은 메타인지 의사결정(MDM) 프레임워크를 제시합니다. MDM 프레임워크는 통신 없이 분산 확률적 검색을 위해 배치된 무인항공기(UAV)에 통합되어 정적 목표(고정/갑작스럽게 나타나는 목표) 및 동적 목표를 탐지하고 확인하는 데 사용됩니다. UAV는 다양한 감지 능력을 갖춘 여러 센서로 장착되어 주로 알려지지 않은 지역에서 목표를 검색합니다. MDM 프레임워크는 메타인지 구성 요소와 자기인지 구성 요소로 구성됩니다. 메타인지 구성 요소는 '어떤 센서를 사용해야 할지', '언제 센서를 전환해야 할지', '어떻게 검색해야 할지'의 문제를 다루면서 여러 센서를 통해 검색을 자가 조절하도록 돕습니다. 각 UAV에 장착된 센서가 수집한 정보를 바탕으로 자기인지 구성 요소는 효과적인 검색을 위해 다양한 수준의 확률적 검색과 전환 수준을 조절합니다. 여기서 낮은 검색 수준은 목표를 지역화하는 것을 목표(탐지)로 하고, 가장 높은 검색 수준은 목표를 활용하는 것(확인)을 목표로 합니다. 탐지에 대한 정확도가 낮고 목표 확인에 대한 정확도가 높은 두 개의 센서를 가진 MDM 프레임워크의 성능은 몬테 카를로 시뮬레이션을 통해 평가되었으며, 여섯 가지의 분산 다수 UAV 검색 알고리즘(세 가지 자기인지 검색과 세 가지 자기 및 사회인지 기반 검색)과 비교되었습니다. 결과는 MDM 프레임워크가 알려지지 않은 환경에서 목표를 효율적으로 탐지하고 확인할 수 있음을 나타냅니다.