Multi-AUV-doelvolging via ad-hocnetwerken: een multi-agent diffusie reinforcement learning-benadering met waardegradiëntsturing

Doelvolgen via multi-AUV ad-hocnetwerken vereist dat genetwerkte autonome onderwatervoertuigen samenwerkend manoeuvrerende doelen volgen onder beperkte akoestische communicatie, wisselende topologie en onzekere oceaanverstoringen — multi-agent reinforcement learning (MARL) maakt weliswaar decentrale coördinatie mogelijk via centrale training, maar bestaande methoden kampen met hoogdimensionale modellering van gezamenlijke toestand-actie-ruimtes, ruisgevoelige sturing en trage convergentie.