作者：中國民航飛行學(xué)院-岳源  

背景與概述

隨著上世紀(jì)90年代自動控制技術(shù)的進步、傳感器性能的提高，無人機開始邁入民用航空市場。2010年，Parrot公司推出了第一款消費級多旋翼無人機AR.Drone。從此，民用無人機市場開始了快速擴展。民用無人機市場規(guī)模從2012年約0.7億美元增長為2017年約61億美元。近兩年無人機市場的增長更是進入快車道（如表1所示）。據(jù)美國蒂爾集團預(yù)測，全球軍民無人機銷售額在2024年將達115億美元，未來10年支出總額將超過910億美元，年復(fù)合增長率為6.7%。美國《航空與太空技術(shù)周刊》預(yù)測，未來10年全球無人機市場規(guī)模將達到673億美元，大約356億美元將用于生產(chǎn)，287億美元將用于技術(shù)研發(fā)和實驗設(shè)計，維護服務(wù)約30億美元。

表1 近兩年全球民用無人機市場規(guī)模

民用無人機市場擴張迅速，但是單臺無人機可靠性和載荷能力總是有限，多無人機協(xié)同技術(shù)應(yīng)用而生。賓夕法尼亞大學(xué)的Vijay Kumar教授提出來未來無人機發(fā)展的5S趨勢理論：Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集群）。其中集群就是指讓多個無人機協(xié)作，完成個體無法勝任的任務(wù)。INTEL公司率先進行了多無人機協(xié)同編隊展示，在近五年時間里分別進行了100架、300架、500架、1200架無人機協(xié)同編隊的燈光秀（如圖1所示）。

圖1 INTEL公司的歷年燈光秀

消費級無人機在多機協(xié)同上的成功，極大地刺激了專業(yè)級無人機在該技術(shù)的進步。隨著谷歌公司Project Wing無人機貨運體系的推進，多無人機協(xié)同運輸也開始進入行業(yè)內(nèi)專家的視野。洛桑聯(lián)邦理工學(xué)院的智能系統(tǒng)實驗室開發(fā)一套可以在災(zāi)區(qū)快速搭建通信網(wǎng)絡(luò)的微型飛行機器人群。該集群成本低、可消耗、部署簡便、使用靈活，為應(yīng)急救援的通信保障提供了一種靈活的解決方案。新加坡SwarmX公司開發(fā)了HiveMind無人機操作系統(tǒng)，該系統(tǒng)“基于目標(biāo)的集群管理”根據(jù)和機器學(xué)習(xí)算法，集群的指揮者可以指揮無人機監(jiān)視哪些區(qū)域，軟件可以推算出如何有效地部署集群中的成員無人機。這些新的思路將帶來DaaS（drones－a－service）這種新的商業(yè)模型的出現(xiàn)。新的商業(yè)模式意味著多無人機協(xié)同技術(shù)不僅僅只是一場“沒有硝煙”的燈光秀，它將對未來民航業(yè)的發(fā)展帶來 “有硝煙”的變革。變革的程度依賴于無人機協(xié)同技術(shù)能夠發(fā)展到那一步。

無人機協(xié)同關(guān)鍵技術(shù)

多無人機協(xié)同是指多架無人機通過搭載傳感器感知周圍環(huán)境信息，同時通過信息鏈路實現(xiàn)無人機之間的信息融合，利用飛行管理計算機對各種任務(wù)進行分配和決策，進而生成航跡規(guī)劃。然后依賴飛行控制計算機調(diào)整單個無人機姿態(tài)，以實現(xiàn)航跡規(guī)劃、任務(wù)的完成。圖3為多無人機協(xié)同內(nèi)部邏輯圖。

圖2 多無人機協(xié)同內(nèi)部邏輯

從當(dāng)前國際無人機公司技術(shù)發(fā)展來看，為了實現(xiàn)多無人機的協(xié)同，主要以下四大技術(shù)難點需要攻克：多無人機多目標(biāo)的任務(wù)分配技術(shù)、動態(tài)環(huán)境下的軌跡規(guī)劃技術(shù)、分布式多無人機編隊技術(shù)、復(fù)雜環(huán)境下無人機識別感知技術(shù)。

任務(wù)分配技術(shù)

多架無人機在執(zhí)行任務(wù)時，往往面對的是多個目標(biāo)。如何根據(jù)任務(wù)的需求，合理地把不同的目標(biāo)分配給不同的無人機是進行多無人機協(xié)同的關(guān)鍵技術(shù)。就無人機類型而言，當(dāng)前研究的重點從同構(gòu)無人機（即無人機型號相同）轉(zhuǎn)向異構(gòu)無人機（即無人機型號不一致，甚至可以是旋翼無人機和固定翼無人機）。就協(xié)同方式而言，當(dāng)前研究的重點從集中式協(xié)同（即有確定的長機，僚機服從長機指揮）轉(zhuǎn)向了分布式協(xié)同（即沒有確定的長機），這使得任務(wù)分配技術(shù)更貼合實際使用。

麻省理工學(xué)院航空航天系Heba A. Kurdi團隊?wèi)?yīng)用蝗蟲彈性行為建立啟發(fā)算法，用以解決動態(tài)環(huán)境下任務(wù)分配中每個UAV操作狀態(tài)和任務(wù)參數(shù)；首爾國立大學(xué)的Youdan Kim團隊針對有通信范圍限定的動態(tài)環(huán)境中的，應(yīng)用基于市場分散算法求解多無人機的任務(wù)分配；康奈爾大學(xué)Noam Buchman團隊根據(jù)捆綁算法用于解決時間敏感環(huán)境下多無人機任務(wù)重分配問題。

可見，當(dāng)前任務(wù)分配方向的研究多集中于提供新的算法來更快地求解動態(tài)環(huán)境下的任務(wù)分配模型。隨著人工智能研究的深入，大量的智能算法被用于求解這一問題。這將極大提高無人機在線處理突發(fā)情況的能力，有助于多無人機協(xié)同被應(yīng)用于更廣闊的領(lǐng)域。

航線規(guī)劃技術(shù)

隨著無人機執(zhí)行任務(wù)環(huán)境越來越復(fù)雜，多無人機在進行協(xié)同作業(yè)時必要考慮的問題就是如何根據(jù)作業(yè)環(huán)境和作業(yè)需求進行航線規(guī)劃。航線規(guī)劃技術(shù)要求無人機能夠使用較短時間、較小代價飛行較大的航程、完成更多的任務(wù)。

英國諾森比亞大學(xué)Kothari團隊采用機會約束方法處理飛行環(huán)境中的不確定性，再通過快速搜索樹方法獲取最優(yōu)路徑；加拿大魁北克大學(xué)的Berger團隊針對異構(gòu)飛行器在靜態(tài)目標(biāo)搜索航線規(guī)劃中，采用二次規(guī)劃模型降低了求解難度；土耳其的Ugur Cekmez團隊對基本的蟻群算法進行改進，提出了多蟻群算法。為了提高計算速度，所提出的算法在并行計算平臺上實現(xiàn)。實驗結(jié)果表明了該方法在不同情景下的求解效率都很高。與Ugur Cekmez團隊類似，西班牙馬德里自治大學(xué)的Cristian Ramirez-Atencia團隊?wèi)?yīng)用了多目標(biāo)遺傳算法用來解決復(fù)雜環(huán)境下多無人機航跡規(guī)劃問題。

圖3 不同的算法航線規(guī)劃的結(jié)果不同

    對于多無人機而言，復(fù)雜航線規(guī)劃技術(shù)還在研究階段。雖然眾多學(xué)者提出了豐富的數(shù)學(xué)模型和求解算法，但究竟哪個算法更成熟，目前尚沒有定論（如圖3所示，三個算法航線規(guī)劃的結(jié)果各不相同）。表現(xiàn)在市場就是：現(xiàn)階段還沒有成熟的在線多無人機協(xié)同航跡規(guī)劃技術(shù)投入商業(yè)使用。

編隊控制技術(shù)

多架無人機在執(zhí)行任務(wù)時需要以一定的隊形飛向任務(wù)區(qū)域。對于多機協(xié)同編隊而言，首先要避免編隊內(nèi)相撞的問題，其次需要根據(jù)任務(wù)環(huán)境、任務(wù)目標(biāo)的改變而改變隊形。這需要成熟可靠的編隊控制技術(shù)來實現(xiàn)多無人機的編隊飛行。編隊控制技術(shù)核心工作在于隊形設(shè)計和隊形動態(tài)調(diào)整兩個方面。主要應(yīng)用技術(shù)方法有：Leader-Follower法、虛擬結(jié)構(gòu)法、圖論法等。其中Leader-Follower法已經(jīng)比較成熟，廣泛應(yīng)用商業(yè)地面站軟件中，Mission planner、Q Ground Control軟件中可以有相應(yīng)模塊可以開發(fā)。

圖4 地面機器人與無人機的編隊

與此同時，編隊控制從先前的二維層面向三維層面擴展，伊朗德黑蘭理工學(xué)院（AUT）航空航天工程系，Hassan Haghighi提出了一個分層框架，使用指導(dǎo)和控制調(diào)節(jié)器在三維編隊機動中進行協(xié)調(diào)跟蹤。由于這種方法計算復(fù)雜度低，能夠使得多無人機編隊能夠在遇到突發(fā)情況后進行有效地編隊控制。除了實現(xiàn)無人機與無人機之間的編隊，學(xué)者還進行了無人機與地面機器人編隊的研究。加拿大的康戈迪亞大學(xué)Ghamry利用滑?？刂品椒▽崿F(xiàn)了圖4所示的地面機器人與無人機的協(xié)同編隊。

編隊的控制，是當(dāng)前多無人機協(xié)同技術(shù)中最為成熟的領(lǐng)域。即便如此，當(dāng)出現(xiàn)面臨干擾、突發(fā)情況、單個無人機平臺故障等情況時，當(dāng)前的技術(shù)還是不能有效應(yīng)對。

識別感知技術(shù)

無人機自主能力越高，其識別感知技術(shù)就越好。多機協(xié)同的實現(xiàn)就要求無人機要具備較好的識別感知技術(shù)。識別感知首先要求無人機傳感器性能可靠因此，國外諸多公司在這一領(lǐng)域投入了大量精力，也取得了相應(yīng)的成果。目前應(yīng)用比較多的感知技術(shù)如表2所示。

表2 無人機常見識別傳感器

在提高硬件水平的同時，多無人機協(xié)同編隊中的識別技術(shù)又要求相應(yīng)的識別算法魯棒性好。隨著卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用，視覺識別算法成為研究的熱點。

谷歌公司就應(yīng)用機器學(xué)習(xí)技術(shù)提高無人機識別效果。芝加哥大學(xué)的John Tisdale就建立了基于概率密度的非線性傳感器模型，該模型通過對已知數(shù)據(jù)分析從而對傳感器探測結(jié)果進行預(yù)估，提高了傳感器探測效率。法國航空航天實驗室的Martial Sanfourche應(yīng)用單目攝像頭使用擴展卡爾曼濾波算法預(yù)估分布式多無人機協(xié)同編隊中各無人機位置和方向。

當(dāng)前識別感知技術(shù)在旋翼機上應(yīng)用的較為廣泛。固定翼飛機由于飛行速度快，不能空中懸停，識別感知技術(shù)的應(yīng)用受到了限制。

圖5 通過視覺識別，無人機實現(xiàn)位置的變化

啟示與小結(jié)

多無人機協(xié)同作業(yè)是無人機應(yīng)用形式的新變革，這場變革將加速航空器無人化的進程。國外企業(yè)高校在這一領(lǐng)域已經(jīng)做了大量工作，無人機市場也有從百家爭鳴逐漸走向寡頭壟斷的趨勢。相對于傳統(tǒng)民航技術(shù)，我國在這一領(lǐng)域的積累反而更深厚一些。因此做好市場調(diào)研，摸清國內(nèi)外技術(shù)差距，弄清國內(nèi)外市場，對于搶占無人機協(xié)同領(lǐng)域的優(yōu)勢地位很有必要。

多無人機協(xié)同的應(yīng)用是一個新的事物，但是其背后的基本原理并不新鮮，在多無人機協(xié)同中廣泛應(yīng)用的智能算法其實早已在機器人領(lǐng)域應(yīng)用。視覺識別技術(shù)也在圖像處理領(lǐng)域得到應(yīng)用。由此可見，抓好基礎(chǔ)理論的應(yīng)用是進行多無人機協(xié)同研究的基礎(chǔ)。需要認識到由于有些技術(shù)在別的領(lǐng)域已經(jīng)得到應(yīng)用，所以開展適當(dāng)?shù)募夹g(shù)遷移能夠使得無人機行業(yè)技術(shù)發(fā)展地更快。

就協(xié)同技術(shù)而言，軍用無人機的多機協(xié)同應(yīng)用經(jīng)驗更多、技術(shù)也更先進一些，加強加快軍用無人機協(xié)同技術(shù)的外溢很有必要。例如：谷歌公司無人機識別技術(shù)來源于美軍DARPA項目的成果。歐洲各大高校民用無人機協(xié)同技術(shù)的研究也得到北約的經(jīng)費支持。我國軍用無人機協(xié)同技術(shù)也走在民用無人機的前面，國防科技大學(xué)、中國航空工業(yè)集團611所，都在多無人機協(xié)同搜索攻擊領(lǐng)域有所建樹，開展軍民合作既有效利用了資料，又加速了民用無人機多機協(xié)同技術(shù)的進步。

現(xiàn)階段，一個新興領(lǐng)域從實驗室到走向市場需要的時間越來越短。多無人機協(xié)同領(lǐng)域，各國都在加大投入，雖然當(dāng)前技術(shù)多在實驗階段，但可以預(yù)見越來越成熟的多無人機協(xié)同技術(shù)將層出不窮地出現(xiàn)在未來民用航空市場上。

（撰稿人：岳源）