主题：5G无人机空地组网与人工智能资源调度

时间：05月31日(周三) 13：40-16：00

主讲人：马博

地点：A408

记录人：叶佳伟

内容：

随着5G技术的迅速发展和无人机技术的广泛应用，无人机空地组网已成为一种具有巨大潜力的通信网络解决方案。然而，由于无人机的高机动性和资源有限性，如何有效地进行资源调度成为一个重要的研究问题。同时，结合人工智能技术，进一步提高资源调度的效率和性能。本次学术沙龙中，马博老师结合在ITL-DeepNet科研团队的研究内容，首先介绍5G无人机空地组网的概念和基本原理，紧接着讨论资源调度方法和算法，并探索如何通过结合人工智能实现智能化的资源分配和调度决策，同时邀请研二的匡衡和徐勇学长介绍高通5G+AI案例和强化学习算法的基础知识。

首先，马老师对于移动通信网络的发展历史进行了详细介绍。他强调随着通信技术的不断进步，带宽和传输速度得到了显著提升，这也使得用户的时延逐渐降低。这一演进过程展示了移动通信领域的巨大发展潜力和持续创新。接着，马老师向我们介绍了5G网络的三大应用场景，为我们揭示了当前和未来5G网络的广泛应用前景。他简要介绍了当前新兴应用领域，如虚拟现实（VR）、车联网等，这些应用领域正逐渐受到5G网络的支持和推动。同时，马老师还向我们分享了5G与人工智能的典型应用。他重点介绍了无人机传输的应用场景，强调了5G与人工智能相结合在无人机通信中的重要性和优势。无人机传输不仅在军事、物流和救援等领域有着广泛的应用，还为我们带来了更高效、更灵活的通信方式。马老师的介绍深入浅出，使我们对于移动通信网络的发展历程和5G网络的应用前景有了更清晰的认识。我们期待在未来见证移动通信网络的不断创新和进步，以及其为我们生活带来的巨大改变。

接下来，匡衡学长对于无线通信面临的挑战和问题进行了详细介绍。特别是，他重点讨论了无人机通信优化问题的全局最优解难题。随着无人机技术的迅速发展，如何实现无人机系统的最佳性能一直是一个关键问题。为了解决这个难题，匡衡学长向我们介绍了深度学习算法的应用。深度学习算法是一种基于人工神经网络的机器学习技术，具有强大的数据处理和模式识别能力。通过深度学习算法，可以对大规模的无人机优化问题进行建模和求解，以实现系统的最优性能。通过深度学习算法，无人机系统可以实现更精确的路径规划、资源分配和能源管理，从而提高系统的效率和性能。匡衡学长通过高通公司5G+AI实例和案例向我们展示了深度学习算法在5G蜂窝网以及无人机优化方向中的成功应用。这些案例涵盖了各个领域，包括农业、物流和救援等。通过这些实际应用，我们更加深刻地认识到深度学习算法在解决无人机优化问题中的巨大潜力。

接着，徐勇学长对于强化学习以及其在无人机网络中的运用方法和技巧的详细介绍。强化学习是一种机器学习方法，通过智能体与环境的交互，通过试错和奖惩机制来实现智能决策的学习过程。徐勇学长向我们生动地解释了强化学习在无人机网络中的应用。他讲述了如何通过强化学习算法来训练无人机系统，使其能够自主地进行决策和行动。这种方法允许无人机根据环境和任务的变化，灵活地适应并做出最优的决策，从而提高系统的性能和效率。在介绍中，徐勇学长还分享了一些在无人机网络中应用强化学习的技巧和经验。他提到了如何设计适合无人机网络的奖励机制，以及如何选择合适的状态表示和动作空间，从而实现强化学习算法的有效应用。通过实例和案例，徐勇学长向我们展示了强化学习在无人机网络中的成功应用。这些案例涵盖了路径规划、协同控制和资源管理等方面。