动态任务下,无人机集群如何高效分工?北航团队提出新方法
作者:AMOVLAB
公众号:阿木实验室
发布时间:2026-10-30 18:00
查看微信公众号原文
面对持续变化的任务需求,无人机集群如何在有限通信条件下快速调整分工,让每项任务都得到足够的执行力量,同时尽量降低整体代价?
这正是多智能体动态任务分配要解决的问题。来自北京航空航天大学的刘辰同学围绕冗余智能体协同优化开展研究,提出置信代理驱动的后验校正和贪心交换方法 CPPC-GS。它只依靠邻居之间的局部通信,就能随着任务状态变化重新组织分工。凭借该研究成果,刘辰同学获得阿木实验室校园奖学金三等奖:2000元奖金。
如果把算法思路翻译成一句更容易理解的话,就是先确保每项任务都“人手够”,再让智能体互相交换,把方案调得更合适。研究还通过单机动捕、多机 Gazebo 和多机动捕三类虚实融合试验,检查这套方法能否从算法走向真实飞行系统。
文末附有论文信息,方便您一键直达。如果本文对您有所帮助,欢迎在文末三连:点赞、转发和推荐。
01
动态任务给无人机集群带来哪些挑战
冗余智能体的价值不只是“数量更多”,而是当成员或任务状态发生变化时,系统仍有人能够接手。以无人机集群为例,同一项任务往往需要达到最低参与数量;如果某个任务点暂时不可访问,或部分无人机需要转去补位,原有分工就必须及时调整。
这类问题的难点在于,集群没有一个始终可靠的中心节点统一调度。每架无人机只能依靠本地感知和邻居通信作出决定,却仍要让每项任务达到最低参与数量,并保证无人机具备执行所选任务的能力。对于通信受限或环境持续变化的场景,算法既要快速找到可行分配,也要控制整体移动代价。
图1 多智能体任务分配问题示意
02
CPPC GS如何完成重新分工
CPPC-GS 把任务分配拆成两层:第一层先满足每项任务所需的智能体数量,第二层再改善已经可行的分配。这样处理后,系统不必在每次变化时从头搜索完整方案。
图2 CPPC-GS 总体流程:先校正约束,再进行贪心交换
先把缺口补齐
置信代理驱动的后验校正算法 CPPCA 负责处理“每项任务要有多少成员”这一约束。每个智能体综合先验判断和邻居信息,估计各任务是否缺员,再修正自己的选择。论文证明,当可获得的邻居信息满足相应条件时,CPPCA 能够收敛并满足数量约束。
图3 CPPCA 架构:通信、代理估计与决策迭代
用交换改善方案
人数达标后,贪心交换算法 GSA 继续调整分工。相邻智能体比较交换任务前后的总代价,只在交换能够降低代价且双方均具备相应任务能力时执行换岗。论文证明,在通信图连通等假设下,GSA 可在有限步内收敛到局部最优状态。两层方法合在一起,就是先保证任务有人完成,再判断谁来执行更合适。
在论文给出的规模对比仿真中,CPPC-GS 的收敛时间随智能体数量增加近似线性增长。当智能体数量达到 240 时,CBAA、GA 和 DGA 在该组设置下的平均运行时间已不能满足实时要求,CPPC-GS 的规模扩展优势由此更加明显。
图4 GSA 架构:比较交换前后的代价,逐步改善分配
03
同一套动态场景经过三轮试验
三组试验采用了相同的任务变化过程。试验开始后,智能体根据与任务点的距离和自身能力作出分配并移动;其中一个任务点还会持续运动。6 秒后,任务 3 暂时无法访问,集群随即重排分工;14 秒后任务 3 恢复访问,集群再次调整。研究人员由此观察算法能否在任务关闭和恢复时连续响应。
单机动捕试验
第一组试验让一架真实无人机进入动捕场地,其余成员保留在虚拟环境中。实物无人机在真实飞行、机载算力和环境扰动下运行任务分配与飞行控制,同时与虚拟邻居交换信息。试验结果显示,真机能够随任务状态变化重新分配,并在飞往目标的过程中与虚拟成员保持合适间距。
图5 单机动捕环境虚实融合任务分配试验关键时刻
多机Gazebo试验
在进入真实多机飞行之前,研究先用 Gazebo 物理仿真环境接入多套真实飞控、机载计算单元和通信模块。这个阶段重点检查多机软硬件交互是否安全,并考察通信时延、丢包和个体硬件差异出现时,分布式算法能否继续收敛,避免任务冲突、遗漏或重复分配。
图6多机 Gazebo 环境虚实融合任务分配试验关键时刻
多机动捕试验
最后一组试验把三架实物无人机与虚拟智能体接入同一套任务分配系统,验证多机交互、邻居通信和飞控闭环。论文给出的量化结果显示:三架真机的 CPPC-GS 单步解算时延满足机载实时控制要求;任务突变后可较快完成重新分配;任务约束满足率接近 100%,未出现能力约束不匹配;虚实成员的状态同步误差保持在设计要求内。
图7多机动捕环境虚实融合任务分配试验关键时刻
04
应用方向
面向后续应用,CPPC-GS 可进一步拓展到工业自动化、物流调度、交通协同和多机器人系统,在设备故障、任务变化或资源受限时,依靠局部通信快速完成重新分工。未来还需围绕时变通信拓扑、异构智能体协同以及任务分配与执行的一体化开展验证,进一步提升方法在大规模动态环境中的适应性和工程应用能力。
资源速递
论文题目:
Rapid distributed task allocation for large-scale redundant agents: a confidence proxy-driven posterior correction and greedy swapping method
论文链接:
https://doi.org/10.1017/S0263574726103750
发表期刊:
Robotica,Volume 44,Issue 5,May 2026,pp. 1673–1702
点击下图链接可以了解校园奖学金活动详情
想了解更多产品信息、方案细节或合作方式,扫描下方二维码联系我们。
我们将为你提供产品选型、技术咨询与项目对接支持,助力无人机应用与开发更快落地。
如果您有感兴趣的技术话题,请在留言区告诉我们!关注阿木实验室,更多技术干货不断更新!
开发遇到棘手难题可以上阿木官方论坛:
bbs.amovlab.com
有工程师亲自解答
10000+无人机开发者和你共同进步!
