​作者：中國民航飛行學院-嶽源

背景與概述

隨着上世紀90年代自動控制技術的進步、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。民用無人機市場規模從2012年約0.7億美元增長爲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）。據美國蒂爾集團預測，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，年複合增長率爲6.7%。美國《航空與太空技術週刊》預測，未來10年全球無人機市場規模將達到673億美元，大約356億美元將用於生產，287億美元將用於技術研發和實驗設計，維護服務約30億美元。

表1 近兩年全球民用無人機市場規模

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，多無人機協同技術應用而生。賓夕法尼亞大學的Vijay Kumar教授提出來未來無人機發展的5S趨勢理論：Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集羣）。其中集羣就是指讓多個無人機協作，完成個體無法勝任的任務。INTEL公司率先進行了多無人機協同編隊展示，在近五年時間裏分別進行了100架、300架、500架、1200架無人機協同編隊的燈光秀（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同上的成功，極大地刺激了專業級無人機在該技術的進步。隨着谷歌公司Project Wing無人機貨運體系的推進，多無人機協同運輸也開始進入行業內專家的視野。洛桑聯邦理工學院的智能系統實驗室開發一套可以在災區快速搭建通信網絡的微型飛行機器人羣。該集羣成本低、可消耗、部署簡便、使用靈活，爲應急救援的通信保障提供了一種靈活的解決方案。新加坡SwarmX公司開發了HiveMind無人機操作系統，該系統“基於目標的集羣管理”根據和機器學習算法，集羣的指揮者可以指揮無人機監視哪些區域，軟件可以推算出如何有效地部署集羣中的成員無人機。這些新的思路將帶來DaaS（drones－a－service）這種新的商業模型的出現。新的商業模式意味着多無人機協同技術不僅僅只是一場“沒有硝煙”的燈光秀，它將對未來民航業的發展帶來 “有硝煙”的變革。變革的程度依賴於無人機協同技術能夠發展到那一步。

無人機協同關鍵技術

多無人機協同是指多架無人機通過搭載傳感器感知周圍環境信息，同時通過信息鏈路實現無人機之間的信息融合，利用飛行管理計算機對各種任務進行分配和決策，進而生成航跡規劃。然後依賴飛行控制計算機調整單個無人機姿態，以實現航跡規劃、任務的完成。圖3爲多無人機協同內部邏輯圖。

圖2 多無人機協同內部邏輯

從當前國際無人機公司技術發展來看，爲了實現多無人機的協同，主要以下四大技術難點需要攻克：多無人機多目標的任務分配技術、動態環境下的軌跡規劃技術、分佈式多無人機編隊技術、複雜環境下無人機識別感知技術。

任務分配技術

多架無人機在執行任務時，往往面對的是多個目標。如何根據任務的需求，合理地把不同的目標分配給不同的無人機是進行多無人機協同的關鍵技術。就無人機類型而言，當前研究的重點從同構無人機（即無人機型號相同）轉向異構無人機（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）。就協同方式而言，當前研究的重點從集中式協同（即有確定的長機，僚機服從長機指揮）轉向了分佈式協同（即沒有確定的長機），這使得任務分配技術更貼合實際使用。

麻省理工學院航空航天系Heba A. Kurdi團隊應用蝗蟲彈性行爲建立啓發算法，用以解決動態環境下任務分配中每個UAV操作狀態和任務參數；首爾國立大學的Youdan Kim團隊針對有通信範圍限定的動態環境中的，應用基於市場分散算法求解多無人機的任務分配；康奈爾大學Noam Buchman團隊根據捆綁算法用於解決時間敏感環境下多無人機任務重分配問題。

可見，當前任務分配方向的研究多集中於提供新的算法來更快地求解動態環境下的任務分配模型。隨着人工智能研究的深入，大量的智能算法被用於求解這一問題。這將極大提高無人機在線處理突發情況的能力，有助於多無人機協同被應用於更廣闊的領域。

航線規劃技術

隨着無人機執行任務環境越來越複雜，多無人機在進行協同作業時必要考慮的問題就是如何根據作業環境和作業需求進行航線規劃。航線規劃技術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。

英國諾森比亞大學Kothari團隊採用機會約束方法處理飛行環境中的不確定性，再通過快速搜索樹方法獲取最優路徑；加拿大魁北克大學的Berger團隊針對異構飛行器在靜態目標搜索航線規劃中，採用二次規劃模型降低了求解難度；土耳其的Ugur Cekmez團隊對基本的蟻羣算法進行改進，提出了多蟻羣算法。爲了提高計算速度，所提出的算法在並行計算平臺上實現。實驗結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的Cristian Ramirez-Atencia團隊應用了多目標遺傳算法用來解決複雜環境下多無人機航跡規劃問題。

圖3 不同的算法航線規劃的結果不同

對於多無人機而言，複雜航線規劃技術還在研究階段。雖然衆多學者提出了豐富的數學模型和求解算法，但究竟哪個算法更成熟，目前尚沒有定論（如圖3所示，三個算法航線規劃的結果各不相同）。表現在市場就是：現階段還沒有成熟的在線多無人機協同航跡規劃技術投入商業使用。

編隊控制技術

多架無人機在執行任務時需要以一定的隊形飛向任務區域。對於多機協同編隊而言，首先要避免編隊內相撞的問題，其次需要根據任務環境、任務目標的改變而改變隊形。這需要成熟可靠的編隊控制技術來實現多無人機的編隊飛行。編隊控制技術核心工作在於隊形設計和隊形動態調整兩個方面。主要應用技術方法有：Leader-Follower法、虛擬結構法、圖論法等。其中Leader-Follower法已經比較成熟，廣泛應用商業地面站軟件中，Mission planner、Q Ground Control軟件中可以有相應模塊可以開發。

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，伊朗德黑蘭理工學院（AUT）航空航天工程系，Hassan Haghighi提出了一個分層框架，使用指導和控制調節器在三維編隊機動中進行協調跟蹤。由於這種方法計算複雜度低，能夠使得多無人機編隊能夠在遇到突發情況後進行有效地編隊控制。除了實現無人機與無人機之間的編隊，學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Ghamry利用滑模控制方法實現了圖4所示的地面機器人與無人機的協同編隊。

編隊的控制，是當前多無人機協同技術中最爲成熟的領域。即便如此，當出現面臨干擾、突發情況、單個無人機平臺故障等情況時，當前的技術還是不能有效應對。

識別感知技術

無人機自主能力越高，其識別感知技術就越好。多機協同的實現就要求無人機要具備較好的識別感知技術。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域投入了大量精力，也取得了相應的成果。目前應用比較多的感知技術如表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，多無人機協同編隊中的識別技術又要求相應的識別算法魯棒性好。隨着卷積神經網絡的應用，視覺識別算法成爲研究的熱點。

谷歌公司就應用機器學習技術提高無人機識別效果。芝加哥大學的John Tisdale就建立了基於概率密度的非線性傳感器模型，該模型通過對已知數據分析從而對傳感器探測結果進行預估，提高了傳感器探測效率。法國航空航天實驗室的Martial Sanfourche應用單目攝像頭使用擴展卡爾曼濾波算法預估分佈式多無人機協同編隊中各無人機位置和方向。

當前識別感知技術在旋翼機上應用的較爲廣泛。固定翼飛機由於飛行速度快，不能空中懸停，識別感知技術的應用受到了限制。

圖5 通過視覺識別，無人機實現位置的變化

啓示與小結

多無人機協同作業是無人機應用形式的新變革，這場變革將加速航空器無人化的進程。國外企業高校在這一領域已經做了大量工作，無人機市場也有從百家爭鳴逐漸走向寡頭壟斷的趨勢。相對於傳統民航技術，我國在這一領域的積累反而更深厚一些。因此做好市場調研，摸清國內外技術差距，弄清國內外市場，對於搶佔無人機協同領域的優勢地位很有必要。

多無人機協同的應用是一個新的事物，但是其背後的基本原理並不新鮮，在多無人機協同中廣泛應用的智能算法其實早已在機器人領域應用。視覺識別技術也在圖像處理領域得到應用。由此可見，抓好基礎理論的應用是進行多無人機協同研究的基礎。需要認識到由於有些技術在別的領域已經得到應用，所以開展適當的技術遷移能夠使得無人機行業技術發展地更快。

就協同技術而言，軍用無人機的多機協同應用經驗更多、技術也更先進一些，加強加快軍用無人機協同技術的外溢很有必要。例如：谷歌公司無人機識別技術來源於美軍DARPA項目的成果。歐洲各大高校民用無人機協同技術的研究也得到北約的經費支持。我國軍用無人機協同技術也走在民用無人機的前面，國防科技大學、中國航空工業集團611所，都在多無人機協同搜索攻擊領域有所建樹，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同技術的進步。

現階段，一個新興領域從實驗室到走向市場需要的時間越來越短。多無人機協同領域，各國都在加大投入，雖然當前技術多在實驗階段，但可以預見越來越成熟的多無人機協同技術將層出不窮地出現在未來民用航空市場上。

（撰稿人：嶽源）