無人機集群編隊運動規劃技術綜述

隨著無人機集群應用場景日趨復雜，實時、高效的運動規劃成為無人集群應用推廣的關鍵因素。本文介紹無人集群運動規劃的典型算法，介紹其主要原理并分析其優缺點以及使用場景，闡述了相關技術面臨的挑戰和未來發展方向，希望為無人機集群運動規劃技術發展提供參考。

無人機因其成本低、風險小等特點在運輸、偵察、植保等領域取得廣泛應用，但隨著任務和環境的復雜化，單一的無人機已無法滿足任務的效能和魯棒性的要求。無人機集群通過相互協同，能夠提高任務效能與魯棒性，這已成為無人機應用的重要發展方向，受到各國相關研究機構的廣泛關注。

相較于單一無人機，無人機集群節點數量多、系統結構復雜，如何保證無人機集群的飛行安全是無人機集群研究的重要課題。無人集群運動規劃是根據無人集群的任務需求，規劃出既滿足安全性要求，又符合動力學可行性的最優軌跡。通過合理、高效的運動規劃，保證無人機集群的飛行安全，提高任務效率，已成為無人集群技術發展的核心技術。

本文探討了無人機運動規劃的關鍵技術，包括集群協同的控制結構，以及無人集群避障和無人集群編隊這兩個典型任務。通過對相關算法的分析，說明其優缺點以及應用場景，最后總結了無人集群運動規劃算法的挑戰與未來發展方向。

無人機集群控制結構

無人機集群根據組網通信以及控制方式的不同，可以分為集中式控制和分布式控制兩種控制方式，不同控制方式將采取不同的規劃方法。

集中式控制

集中式控制方法將一臺無人機作為中心無人機，中心無人機通過組網鏈路獲得其他無人機信息，綜合無人機集群整體信息后規劃集群的飛行軌跡并生成控制指令發送給其他無人機進行執行。

集中式控制基于集群系統的全局狀態信息進行最優規劃與控制，具有協同精度高、控制策略易于實現等優點。但集中式控制方法存在三個顯著缺點：首先，由于無人集群依賴中心無人機進行規劃，因此中心節點故障將導致集群失效，所以集群抗毀傷能力較弱；其次，中心節點需要依靠集群網絡獲取所有無人機節點的狀態信息，當無人機數量較多時將會存在很大的通信和計算負擔；最后，集中式控制依賴集群系統的可靠通信，當通信存在故障時便會導致集群系統失效，因此抗干擾能力和魯棒性較差。因此，集中式控制算法包含領航-跟隨法、虛擬結構法等，其多用于集群運輸、編隊飛行等通信信號良好的小型無人機集群系統。

分布式控制

分布式控制方式不設置中心節點，各無人機節點通過集群網絡獲得周圍節點的狀態信息，并通過分布式運動規劃算法規劃運動軌跡。由于分布式控制避免了集中式通信和計算，因此能夠顯著降低計算和通信負擔。

分布式控制無中心節點，單個無人機節點的故障不會導致無人集群的整體失效，因此具有更強的抗毀性和魯棒性。但由于節點僅能獲取周圍節點信息，因而導致規劃的整體性弱于集中式控制，規劃算法較為復雜，控制精度相對較低。因此，分布式控制的運動規劃算法包括行為法、最優化方法等，通常適用于非理想通信環境或任務較為復雜的無人機集群任務。

無人機集群避障運動規劃方法

無人機集群避障運動規劃是指為保證無人機集群的飛行安全，為無人機規劃從起始點到目標點的安全路徑，從而避免無人機與障礙物或無人機之間發生碰撞。在無人機單機的避障運動規劃中， A^? 、RRT等運動規劃算法被廣泛應用，但對于無人機集群，需要動態的無人機間的碰撞情況，因此其規劃更加復雜。無人集群的避障運動規劃方法可分為基于搜索的運動規劃算法、基于反應的運動規劃算法和基于最優化的運動規劃算法。

基于搜索的避障運動規劃算法

基于搜索的運動規劃算法是在 A^? 等單機運動規劃算法的基礎上，引入時間維度信息實現無人機間的碰撞檢測，通過對 A^? 算法進行改進實現集群的運動規劃。

（1）基于優先級的規劃算法

基于優先級的運動規劃方法是一種通過分配無人機節點優先級來優化路徑規劃的技術，其典型代表是HCA*算法。 HCA^? 算法為每個節點設置了優先級，按優先級高低依次開展 A^? 路徑搜索。高優先級的無人機節點在搜索過程中不需要考慮與低優先級的無人機節點發生碰撞，低優先級的無人機節點在搜索過程中則需要避免在相同時刻與高優先級的無人機節點落在同一柵格內，例如，在 t=10 ，無人機1的位置為（5，5），那么低優先級的無人機2在搜索過程中， t=10 時刻的（5，5）柵格將被視作障礙物。 HCA^? 算法能夠有效解決無人機集群中的節點碰撞問題，但不具備完備性和最優性。

（2）基于狀態搜索的規劃算法

基于狀態搜索的運動規劃方法是一種通過在狀態空間中進行啟發式搜索來規劃路徑的技術，其典型代表是

Single-Agent A^? 算法。Single-AgentA^? 算法將無人集群在不同位置視作不同的狀態，然后采用與A*相同的搜索思路，通過將狀態放入隊列，并從隊列中選擇啟發函數最小的狀態進行擴展，直至達到目標點。該方法有一個顯著問題就是狀態數目與節點數目成指數關系，因此搜索量會隨著節點數量的增加而急劇增加。

（3）基于碰撞的狀態搜索算法

為解決狀態搜索計算量過大的問題，研究者們提出了基于碰撞的加速搜索算法，其典型代表是CBS算法。CBS算法在底層為每個無人機節點分別利用A*算法進行路徑搜索。當兩個節點的路徑發生碰撞時，算法會在高層檢測到沖突，并針對沖突點引入新的約束條件。算法會假設節點1和節點2不能在沖突時刻經過碰撞節點，從而生成兩個新的約束狀態。然后，算法會基于這些新約束重新規劃路徑，并繼續進行搜索和碰撞檢測，直到找到無沖突的可行路徑。CBS算法有效解決了搜索效率問題，因此被廣泛應用于無人集群的路徑搜索任務。

基于反應的運動規劃算法

基于反應的運動規劃算法能夠實時感知環境變化，并依據預設規則和反應機制迅速生成局部避障策略，無需依賴全局路徑規劃。因此，這類算法具有計算效率高、實時性強的特點。基于反應的無人集群運動規劃算法包含人工勢場算法和速度障礙物算法等。

（1）人工勢場算法

點，引力大小與目標點的距離成正比，各個障礙物的斥力場以障礙物為中心，在設定范圍內，無人機受到遠離障礙物的斥力，斥力大小隨距離增加而減小。

人工勢場算法原理簡單、計算速度快，被廣泛應用于各類機器人的避障任務。但是人工勢場算法對參數較為敏感，容易陷入局部最優導致無法到達目標點。對于無人機集群飛行任務，由于無人機需要快速運動，人工勢場法會忽略速度信息，將其他無人機視作靜止障礙物，可能導致無人機發生碰撞。因此，人工勢場算法無法應用于快速運動的無人機集群飛行任務中。

（2）速度障礙物算法

速度障礙物算法通過計算動態障礙物與無人機的相對速度，預測未來可能的碰撞區域，并選擇安全速度以避免進入這些碰撞區域，從而防止無人機與障礙物發生碰撞。在無人機集群避障規劃中，無人機節點將其他無人機視作動態障礙物，將多個速度障礙物區間疊加組成障礙物區間合集，通過保證每個無人機節點的飛行速度均落在安全區間內來保證集群飛行安全。在集群運動規劃中，由于無人機互相進行規避而導致速度振蕩，因此研究者們提出RVO和ORCA算法，通過對速度障礙物區間進行修正來避免速度振蕩。

速度障礙物算法原理簡單、計算開支小，被廣泛應用于無人機、游戲等實時性要求較高的場景，但其與人工勢場算法相似，由于僅考慮局部特征而容易陷入局部最優，導致規劃失敗。

人工勢場算法通過在運動空間中設置人工勢場，直接計算無人機的運動方向，從而引導無人機避開障礙物并到達目標點。人工勢場是由引力場和斥力場疊加獲得的，引力場以目標點為中心，無人機受到的引力指向目標

基于優化的運動規劃算法

基于優化的集群運動規劃算法將集群各個節點的軌跡表示為參數方程，根據任務目標設置關于軌跡參數的優化函數，然后通過對函數進行優化來保證無人機飛行的安全性。

（1）基于優化的集群運動規劃算法定義

基于優化的無人集群運動規劃算法將無人機狀態表示為×，其中×_k表示無人節點k從0到t的不同狀態，基于優化的運動規劃算法構建如公式1所示。優化函數包含軌跡長度、動力學特性等優化項， G（x） 為不等式約束，包含軌跡點間距離最小閾值等， H（χ） 為等式約束，包含起始點與目標點的位置、速度、加速度等約束。通過求解優化算法就能夠獲得滿足約束的目標軌跡。

（2）參數化軌跡的碰撞檢測

在規劃過程中，需要設置碰撞懲罰函數來保證優化軌跡安全性，但基于優化的運動規劃方法的時間參數連續性無法進行逐點檢測，為保證軌跡安全同時兼顧算法實時性，通常使用采樣點法和多邊形法進行碰撞檢測。采樣點法是對于兩條軌跡進行時間采樣，然后通過判斷采樣點的碰撞情況來判斷軌跡的安全性，采樣點檢測算法具有較高的效率，但存在采樣點不碰撞但軌跡仍可能發生碰撞的情況。基于凸包的軌跡安全性判斷利用貝塞爾曲線等軌跡的特性，在相同時間段內凸包不重疊，從而保證軌跡的安全性。基于凸包的軌跡優化能有效保證軌跡安全，但是凸包碰撞計算較為復雜，同時基于凸包的軌跡碰撞也較為保守，因而無法獲得最優軌跡。

無人機集群編隊運動規劃算法

在集群運輸、集群編隊等任務中，集群運動規劃算法不僅要保證無人機飛行安全，還要求無人機按規定的隊形以及安全距離進行編隊飛行。無人集群常用的編隊運動規劃代表算法除人工勢場算法、速度障礙物算法等基于反應的運動規劃方法外，還包括領航-跟隨法、虛擬結構法等。

領航-跟隨集群編隊算法

領航-跟隨集群編隊算法是一種常用的無人機集群編隊運動規劃算法，它的原理如圖3所示。在集群編隊飛行前，無人機集群提前設置好飛行編隊樣式，并將一架無人機設置為主機。然后在飛行過程中，編隊算法根據編隊隊形計算其他無人機自標位置、速度等狀態，再根據狀態差計算得到無人機的控制量，通過不斷修正編隊誤差實現無人集群的編隊飛行。

領航-跟隨編隊算法多用于集中式控制的集群編隊，領航機需要依靠集群通信網絡獲得跟隨機的狀態并計算得到控制量分發給跟隨機。因此，領航-跟隨算法對通信能力可靠性有較高要求，若出現通信故障或延遲，將導致無人機間發生碰撞。另外，由于編隊控制依賴主機狀態，當主機發生故障時將會導致集群失效，因此采用領航-跟隨編隊算法的無人機集群存在抗毀傷能力不足。

基于虛擬結構的集群編隊算法

基于虛擬結構的無人集群運動規劃算法通過構建與編隊一致的抽象幾何剛體模型，將無人機集群中的每個節點與虛擬結構的固定點進行一一映射，然后通過控制無人機跟隨對應的目標點，實現編隊飛行。虛擬結構算法可以與人工勢場法等其他規劃方法相結合，通過構建目標點引力場、障礙物斥力場來保證飛行編隊形狀的同時避免無人機間的碰撞。基于虛擬結構的無人集群運動規劃算法具有編隊精度高、計算速度快、通信依賴較低等特點，但其靈活性較低，無法通過調整編隊結構來適應復雜環境，并且需要處理多個節點與映射點的映射關系，計算負載較大。

技術挑戰與未來發展方向

無人機集群編隊在未來作戰以及民用領域具有巨大潛力，國內外的研究機構開展了無人集群運動規劃的相關技術研究，先后完成了編隊飛行、集群避障、集群搜索等演示，初步具備了集群協同任務的能力。但是現階段相關成果多是基于通信良好、定位精準、感知正確的理想環境，因此很難適應存在干擾的復雜戰場以及其他場景，與無人集群實際應用存在較大差距。

因此，開展基于主動感知和容錯控制的無人集群規劃算法研究，提高集群規劃算法的魯棒性和環境適應性是未來無人機集群運動規劃的重要方向。主動感知技術通過相機、激光雷達等機載傳感器主動探測其他節點狀態而無需依賴于集群通信網絡，因而可以實現強干擾條件下的集群協作，但是其感知精度較差并且可能存在漏檢、錯檢等感知錯誤，需依靠容錯控制與規劃算法來保證集群的安全飛行。

最后，基于強化學習、大模型的端到端的無人集群決策算法在集群編隊、集群避障等領域表現出巨大的發展潛力，端到端的無人集群算法將圖像等傳感器信息作為輸入直接輸出到無人機集群各節點，相較于傳統的感知一規劃-控制的無人集群框架，端到端的無人集群算法因其更強的復雜環境適應能力，已經成為無人集群運動規劃技術的重要發展方向，并將顯著提升集群性能。