面向无人系统的智能感知与多源导航前沿进展：挑战、创新与应用

《IEEE Transactions on Medical Imaging》：Guest Editorial: Focused Section on Intelligent Perception and Multisource Navigation for Unmanned Systems

本专刊聚焦无人系统在复杂环境下面临的定位、导航与授时(PNT)挑战，介绍了智能多源自主导航(IMAN)技术的最新研究。研究人员通过开发统一感知框架、多源信息融合算法、自主可信评估机制等，实现了无人系统在GNSS拒止、传感器故障等条件下的鲁棒、精确与自适应导航。13篇入选论文展示了学习、控制与优化算法在提升环境感知、决策规划等方面的创新，为无人系统在不确定环境中实现自主性提供了重要技术支撑。

　　

在当今无人系统技术飞速发展的时代，无人飞行器(UAV)、无人地面车辆(UGV)和无人水下航行器(UUV)等自主机电平台正日益广泛应用于军事、工业和科研领域。然而，这些系统在执行任务时，常常需要面对复杂多变的环境干扰和不确定性。其任务成功的关键，高度依赖于能否获得持续、可靠、精确的定位、导航与授时(PNT)服务。特别是在全球导航卫星系统(GNSS)信号被遮挡、受到干扰或欺骗攻击的场景下，如何维持稳定的导航能力成为了一个严峻的挑战。传统单一导航源已难以满足复杂环境下的需求，这促使研究人员探索通过融合多种导航信息来提升系统鲁棒性的新途径。

智能多源自主导航(IMAN)技术应运而生，旨在通过感知、融合和评估来自全球导航卫星系统(GNSS)、捷联惯性导航系统(SINS)、磁传感器、视觉传感器、气压计和无线电传感器等多种导航源的数据，提供强韧、准确和自适应的PNT信息。这项技术代表了PNT用户终端发展的关键进步。然而，要实现具有“即插即用”能力和无缝场景切换的IMAN技术，仍需解决多个紧迫挑战：异构传感器在硬件和软件层面的统一集成、具备自主抗扰、容错和智能重构能力的多源信息融合算法、导航决策自主可信评估机制，以及覆盖传感器、模块和系统级的综合性能指标与监控体系。

为促进IMAN技术的发展，《IEEE/ASME机电一体化汇刊》组织了“无人系统的智能感知与多源导航”专题，为研究人员、工程师和工业界人士分享无人系统与自主导航领域的最新研究成果提供了平台。经过严格评审，最终有13篇论文被收录。这些研究共同强调了利用多源传感数据实现无人系统智能感知与导航的进展，展示了无人系统适应各种不确定环境的强大能力。

研究人员主要采用了以下几类关键技术方法：在感知层面，开发了基于生成模型的三维场景重建、点-线-视觉-声学-压力(PL-VAP)等多特征多模态融合框架；在控制与规划层面，应用了分布式非线性模型预测控制(NMPC)、结合控制屏障函数(CBF)的安全约束、基于贝叶斯优化的轨迹规划以及分层强化学习(RL)算法；在信息处理层面，提出了基于小波变换和混合自回归移动平均/长短期记忆(LSTM)模型的误差处理策略，以及基于意见动力学的定量评估方法；在系统架构层面，构建了支持跨场景无缝切换的统一协同融合导航框架和准硬件在环(HIL)仿真系统。部分研究还涉及了针对特定平台（如高速UAV、AUV）的算法验证和实际环境测试。

II. 专题亮点

近期自主平台多源导航研究取得了显著进展，但确保在传感器故障、模型不准确和复杂干扰下的鲁棒性仍是重大挑战。综述文章[A1]全面概述了IMAN的最新发展，特别关注传感器感知、状态估计与融合以及系统级评估，并强调了持续存在的挑战，包括耦合、非高斯和非独立同分布(non-IID)干扰的管理以及系统模型中的不确定性。

在[A2]中，Nguyen等人研究了一种新型分布式非线性模型预测控制(NMPC)框架的设计与实现，该框架结合控制屏障函数(CBF)来实现多个水下机器人的轨迹跟踪和编队控制。在此方法中，CBF作为安全约束，确保在短预测范围内同时满足安全和性能目标。在[A3]中，Zhang等人引入了一种新颖的生成式场景重建方法，旨在增强UUV的感知能力。该方法专为使用三维多波束回声测深仪数据进行密集海底地形重建而设计。通过利用局部扩散和去噪策略，该方法直接在场景级别重建完整的海底地形，而无需点云归一化。考虑到UUV的运动动力学和连续声纳帧之间的空间重叠，引入了一种时空注意力机制，该机制聚合连续点云的特征并调节重建过程。

为提高水下视觉同步定位与地图构建(SLAM)的鲁棒性和准确性，[A4]中Ou等人提出了一种用于自主水下机器人定位的多特征多模态信息融合框架，称为点-线-视觉-声学-压力(PL-VAP)。该框架将线特征与点特征相结合，并采用点线融合残差评估算法来解决水下环境中可靠视觉特征稀缺的问题。此外，PL-VAP融合了多普勒速度日志和压力传感器的数据，以减轻视觉信息的局限性并增强在挑战性水下条件下的定位性能。

在[A5]中，Ye等人引入了一种启发式引导的搜索框架，该框架在跟踪目标的同时增量式构建环境地图，并采用定制策略明确处理两种类型的遮挡。地形遮挡使用信念驱动的搜索场进行管理，该搜索场预测潜在目标位置并引导探索朝向有希望的前沿。动态遮挡通过基于观测的方法处理，该方法根据障碍物运动模式，在流体跟随场和超车势场之间自适应切换。在[A6]中，Xu等人开发了一种贝叶斯轨迹优化框架，将全局轨迹优化和局部路径平滑统一用于在线主动建图。信息轨迹优化问题被表述为对候选目标位姿的启发式搜索，同时采用一种高效的基于核的贝叶斯优化策略来生成最优位姿。通过利用先前未探索的信息化位姿，他们提出的方法提高了解决方案的最优性，并引入了一个信息论目标函数，实现了探索与利用之间的平衡权衡。

[A7]中介绍的研究提出了一种适用于在挑战性条件下操作的UAV的融合导航框架。该方法始于一种基于机械天线(MA)的定位方法，以在GNSS不可用时作为补充。安装在UAV上的MA发射低频磁信号，由地面磁传感器检测。随后采用粒子群优化算法估计UAV的位置。为减轻近场磁干扰对MA精度的不利影响，该框架结合了异常检测机制以及动态自适应融合和联邦滤波算法，从而能够选择性隔离受损传感器的数据。在[A8]中，Zhang等人提出了走廊即观测的强化学习(RL) B样条规划器(CORB-planner)，一个为高速自主UAV跨异构平台飞行设计的实时、基于RL的轨迹规划框架。核心概念是将B样条轨迹生成——RL策略输出连续控制点——与通过启发式搜索导出的紧凑安全飞行走廊(SFC)相结合。SFC以低维形式编码障碍物信息，从而降低对模型不准确的敏感性并减轻对平台特定细节的过拟合。

[A9]中开展的研究为四旋翼无人飞行器(QUAV)导航开发了一种可解释的、基于视觉的分层RL算法，将感知、避障和运动控制集成到统一框架中。这项工作引入了回声事后经验回放机制，通过将失败情节转换为成功经验来加速学习，以克服高维状态空间问题和复杂动力学。他们进一步提出了一种基于RL的比例-积分-微分-延迟(PIDR)控制方法，该方法利用多速率测量来增强底层控制，提高QUAV操作的机动性和精度。

在[A10]中，Han等人引入了一种风险启发式混合框架，结合了基于采样的局部规划和基于优化的全局规划。该框架的关键创新包括：1) 使用物理感知条件风险价值(Phy-CVaR)量化安全不确定性的风险图，该图整合了几何和物理风险；2) 风险启发式规划器，引导采样朝向既安全又高回报的轨迹；3) 混合规划策略，旨在确保在野外环境中可靠轨迹生成的同时保持探索效率；4) 基准系统，具有新颖的评估指标，如源自本体感觉状态估计差异的滑移累积。在[A11]中，Shen等人提出了一个统一的协同融合导航框架，旨在无缝集成所有可用的导航信息。他们引入了一种基于定量评估的导航系统分析方法（受意见动力学启发），以支持多源信息访问的协同提议、异常情况下的鲁棒性以及高精度导航结果。此外，他们提出了一个准HIL导航仿真系统，用于导航算法的快速分层开发，减少了开发周期。

在[A12]中，Shen等人通过开发一种混合智能建模和复合扰动滤波(CDF)策略来解决微机电系统陀螺仪中的测量误差。首先，应用小波变换将误差信号分解为平稳分量和非平稳残差。基于此分解，构建了一个混合自回归移动平均/长短期记忆(LSTM)模型并将其集成到车辆动力学中，以捕获时间和非线性误差特征。利用该混合模型，开发了一种CDF方法，以充分利用误差的异构特性进行精细校正。在[A13]中，Wang等人提出了一种用于检测小尺度水下目标的声光融合框架，结合了基于结果的滤波（通过交互式多模型自适应卡尔曼滤波器进行动态跟踪）。首先，开发了一种具有边缘保持架构的监督增强网络，以减轻低质量采集中的特征模糊。此外，基于结果的滤波框架通过基于运动连续性概率分配置信度来处理来自声光网络的检测输出。

III. 结论

这些研究共同强调了无人系统智能感知与导航领域的进展，利用多源传感数据在各种不确定环境中实现鲁棒的自主性。它们引入了多种学习、控制和优化算法，旨在增强不同操作领域的环境感知、决策制定以及运动或轨迹规划。研究表明了无人系统适应挑战性和复杂条件的能力，包括水下和非结构化环境，展示了方法论的创新和实际有效性。

该专题的研究成果表明，通过智能地融合多源信息并引入先进的感知、规划与控制算法，无人系统在面对传感器故障、环境干扰和模型不确定性时，其导航性能的鲁棒性、准确性和自适应性得到了显著提升。这些技术为解决实际应用中PNT服务的连续性、可靠性和安全性问题提供了有效的解决方案，推动了无人系统在更广泛和更复杂场景下的应用。未来的研究可进一步关注跨平台、跨场景的通用IMAN框架构建，以及算法在真实复杂环境中的长期可靠性和效率验证。