异构机器人团队在DARPA地下挑战赛中的统一感知与自主协同技术研究

《IEEE Transactions on Field Robotics》：Heterogeneous Robot Teams With Unified Perception and Autonomy: How Team CSIRO Data61 Tied for the Top Score at the DARPA Subterranean Challenge

本文推荐一项针对未知复杂地下环境自主探索的机器人技术研究。为解决GPS拒止、通信退化及极端地形下的多机器人协同难题，CSIRO Data61团队开发了异构机器人系统，集成统一激光雷达惯性SLAM(Wildcat)、多智能体任务分配(CBBA)及虚拟表面导航等关键技术。该系统在DARPA地下挑战赛决赛中实现23个目标物精准探测，绘制零偏差环境地图，证明了异构机器人团队在危险环境应用的可行性，为地下救援作业提供了技术范本。

　　

地下环境历来是人类难以涉足的禁区，无论是坍塌的矿坑、地震后的城市废墟还是错综复杂的天然洞穴，都存在着GPS信号缺失、通信中断、能见度低及地形极端等严峻挑战。这些"枯燥、肮脏、危险"的环境恰恰是机器人技术能够大显身手的舞台。美国国防高级研究计划局（DARPA）为此设立了地下挑战赛（SubT Challenge），旨在推动机器人自主探索技术的突破。在2021年9月举行的决赛中，来自澳大利亚CSIRO Data61的研究团队凭借其创新的异构机器人系统，与CERBERUS团队并列最高分，最终斩获亚军。

为解决地下环境的特殊挑战，研究团队开发了一套集成了统一感知与自主决策的异构机器人系统。该系统核心技术方法包括：基于激光雷达惯性里程计的Wildcat SLAM系统实现多机器人协同建图；GPU加速的占据同质地图（OHM）生成与虚拟表面处理技术用于复杂地形导航；共识束算法（CBBA）进行多机器人任务分配；以及鲁棒的Rajant Mesh通信网络支持断续连接下的数据回传。

系统硬件架构

团队部署了波士顿动力Spot四足机器人、BIA5 OzBot全地形履带机器人（ATR）以及Emesent定制无人机（UAV）组成的异构队伍。

所有地面平台均搭载统一的"CatPack"感知套件，包含360度旋转激光雷达、IMU和视觉系统。Spot机器人凭借其卓越的楼梯攀爬能力负责城市区域探索，ATR则在洞穴复杂地形中展现可靠性，无人机专门用于大空间快速侦察。

协同定位与建图

Wildcat SLAM系统通过滑动窗口优化融合激光雷达与IMU数据，生成实时轨迹估计。

每5秒生成一个局部地图帧，通过多机器人数据共享实现全局姿态图优化。决赛中构建的地图与DARPA提供的基准点云对比显示零偏差，91%的覆盖率位居各队之首。

自主导航系统

地面机器人采用分层导航架构，局部规划使用混合A*算法与专门的缝隙规划器（Gaps Planner）应对狭窄通道。

虚拟表面处理技术使机器人能安全接近未知边缘区域。路径跟随（Path Follow）行为采用贝塞尔曲线生成平滑轨迹，根据障碍物距离动态调整速度。

多机器人任务分配

基于市场机制的共识束算法（CBBA）实现分布式任务分配。系统以前沿探索为主要任务，通过路径成本优化机器人分工，并引入树状网络惩罚项促进机器人在隧道环境中的合理分布。人工监督员可通过图形界面设置几何优先级区域，引导探索方向。

感知与目标识别

视觉检测采用DeNet目标检测器，在超过30000张图像数据集上训练识别9类目标物。多机器人目标跟踪系统通过全局唯一标识符消除重复报告，后续更优观测自动更新机制提高了识别置信度。

通信系统

Rajant Breadcrumb节点构建层2网状网络，Mule软件组件实现断点续传。

重新设计的通信节点具备自动展开天线能力，侧向投放机制避免阻塞通道。

决赛表现分析

在60分钟决赛中，机器人团队成功探测23个目标物（20个视觉识别，3个非视觉识别）。

尽管四个地面机器人中有三个因各种故障失能，系统仍通过数据复用技术在最后25秒成功回传关键检测结果。操作模式分析显示，Spot机器人55%的探索任务采用全自主模式，验证了系统在通信中断条件下的鲁棒性。

该研究证实了统一感知架构在异构机器人团队中的技术优势，特别是在极端环境下的可靠性。通过软硬件协同设计，团队实现了商业现成品（COTS）与定制部件的有效集成。研究同时揭示了语义理解在自主探索中的重要性，以及仿真环境与真实场景的差异挑战。这项工作为地下救援、基础设施检测等应用提供了技术框架，推动了多机器人系统在危险环境作业的实用化进程。