Air-ground coordination task planning for heterogeneous unmanned systems in multi-point dynamic aggregation

现实中存在一类任务点分散、状态动态变化的大范围任务, 例如灾后救援、森林灭火等, 可建模为多点动态集结(multi-point dynamic aggregation, MPDA)任务. 为了减少人员伤亡、提高任务执行效率, 采用无人地面机器人(unmanned ground vehicle, UGV)执行这类任务是一种较为理想的解决方案. 在执行MPDA任务时, UGV之间通常难以直接通信. 无人机(unmanned aerial vehicle, UAV)可充当信使周期性地访问各UGV进行数据传输, UGV需要根据信使UAV传递的信息进行分布式协同完成MPDA任务. 这一UAV与UGV协同完成MPDA任务的规划问题可建模为一种异构机器人多任务多阶段动态调度问题. 在该问题中信使UAV与UGV之间具有有限的通信频次并且UAV为UGV传递的信息隐含通信延迟和不确定性, 现有任务规划方法无法有效消解冲突并生成合理分配方案. 为解决上述问题, 本文提出一种适用于异构无人系统空地协同的UGV分布式顺序决策机制. 随着MPDA任务状态的动态演化, 每辆UGV依照UAV的访问顺序从全局冲突消解角度依次动态更新自身任务方案. 基于上述决策机制, 提出一种基于关键路径的方法确定UAV对UGV的访问顺序, 通过让UAV优先访问关键路径上出现次数最多的UGV来缩短MPDA任务时间. 进一步地, 提出一种顺序决策框架下的UGV分布式任务规划算法. 每辆决策UGV采用一种基于粒子滤波的概率模型更新当前预测速度, 并通过一种启发式方法动态推演其他待决策UGV的任务方案来消解由于预测误差而可能存在的全局任务冲突. 实验结果表明所提出算法相比于其他先进算法生成更优的任务方案并取得更短的MPDA任务时间.