RAMA提出检索增强多智能体卫星路由框架

Xin Ming Li 和 Peng Hu 提出 RAMA，一种结合近似信息状态（AIS）与情景记忆的检索增强多智能体深度强化学习路由框架。该框架让每颗卫星结合本地观测、近期路由历史、邻居状态及从自身情景记忆中检索的历史经验进行路由决策，以减少低轨卫星网络中的绕行和传输延迟。 在140颗卫星的Kepler星座测试中，RAMA在模型权重冻结时，相比双重深度Q网络（DDQN），平均端到端延迟降低13.4%，99分位延迟降低66.7%。在1584颗卫星的Starlink shell 1测试中，平均延迟降幅扩大至93.2%；在线更新后，RAMA的平均延迟进一步降低25.5%。研究还称，在线更新过程中RAMA保持稳定，而DDQN性能下降。上述结果来自不同规模星座的实验评估。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。