eVTOL机群算力不够怎么办？MAB+蒙特卡洛树搜索卸载框架：能效最高提升60%
eVTOL 的实时导航、环境感知、轨迹跟踪都是算力大户，但机载芯片算力和电池容量都极其有限——把计算任务卸载给航线沿途的地面基站，是业界公认的解法。麻烦在于：地面基站的频谱要优先服务地面用户，CPU 资源也随时在变，eVTOL 什么时候接入哪个基站、飞什么航线，成了一个高度动态的联合决策难题。电子科技大学熊恺团队与南洋理工大学 Chau Yuen 合作的论文《Joint Resource Estimation and Trajectory Optimization for eVTOL-involved CR network: A Monte Carlo Tree Search-based Approach》（arXiv:2504.18031，获国家自然科学基金 62201122 资助）给出了一套完整框架。
论文解决了什么问题
现有研究普遍把基站资源当成静态的，忽略了频谱可用性和 CPU 周期的时变特性，结果就是轨迹规划失准、卸载成功率低、能耗超标。论文面向 eVTOL 机群，在认知无线电（CR）网络下构建联合优化：最大化任务卸载成功概率，同时最小化能耗以及与地面主用户的频谱/算力资源竞争——三个目标一起抓。
方法亮点：MAB 在线估计 + MCTS 决策 + 自适应重规划
框架分三层：先用多臂老虎机（MAB）模型在线估计各基站的资源可用性（把每个基站当成一台"老虎机"，边飞边学习其真实资源状态）；再用蒙特卡洛树搜索（MCTS）——AlphaGo 的核心算法——在能耗与时间约束下搜索最优卸载决策，同时选定接入基站与接入时间窗；最后引入自适应轨迹重规划，一旦执行中基站接入失败立即改道。这种"在线学习+树搜索+闭环重规划"的组合，恰好匹配低空飞行资源环境的强不确定性。
| 指标 | 仿真结果 |
|---|---|
| 能效提升 | 相比基准方法最高提升 60% |
| 任务完成概率 | 提升 17% |
| 论文编号 | arXiv:2504.18031（2025年4月24日首发，9月8日更新 v2） |
| 作者团队 | 熊恺、Chenxin Yang、Yujie Qin、马万治（电子科大/深圳高等研究院）；Chau Yuen（南洋理工） |
| 适用场景 | 大规模 AAM 部署下的 eVTOL 机群任务卸载 |
对低空经济产业意味着什么
这篇论文点破了一个被忽视的产业命题：低空经济的算力账，不能只算机载，还要算"空地协同"。未来城市级 eVTOL 机群运营，地面基站既服务手机用户又服务飞行器，频谱与算力的动态分配将直接决定运营密度上限。对通信运营商，这是 5G-A/6G 低空网络切片的真实需求来源；对基础设施投资方，起降场选址之外还要评估沿线基站的算力冗余，可对照低空基础设施建设图谱；对整机厂，机载-地面算力分工将影响航电架构设计，与飞控系统的容错设计一脉相承。
局限与展望
- 结果基于仿真，MCTS 的搜索开销在机载实时性约束下的可行性还需硬件在环验证。
- 模型假设主用户行为可被感知，真实认知无线电环境中的感知误差、隐藏终端问题会削弱性能。
- 频谱共享涉及监管：国内低空频谱规划尚在推进，论文框架落地需与无线电管理机构的动态频谱政策衔接。
相关阅读
常见问题
什么是任务卸载（Task Offloading）？
指飞行器把导航、感知等重计算任务通过空地链路交给地面基站的边缘服务器处理，再回传结果。它能突破机载芯片算力与电池的双重限制，是低空智能化的关键支撑技术。
为什么要用蒙特卡洛树搜索而不是深度强化学习？
MCTS 无需离线训练大模型，可在决策时在线搜索，对环境变化的适应性强、可解释性好，且能显式融入能耗与时间窗等硬约束，更适合基站资源快速时变的低空场景。
认知无线电在低空经济中扮演什么角色？
低空飞行器与地面用户共享频谱资源，认知无线电让飞行器动态感知并利用空闲频段，避免与地面主用户冲突，是在不新增专用频谱的前提下支撑大规模低空通信的现实路径。