SLEI3D：通信受限下异构机器人舰队同步探索与检测的协同规划框架

《IEEE Transactions on Automation Science and Engineering》：Task-Adaptive Analytical Affordance Estimation for Feature-Based Manipulation of Soft Tissues in Robotic Surgery

本文针对未知环境中异构机器人舰队同时进行三维探索、近距离检测与受限通信的挑战，提出了一种新颖的多层多速率规划框架SLEI3D。该研究通过设计间歇性通信协议协调地面控制站与探索者，采用主动通信协议优化探索者与检测者间的任务分配，开发了基于前沿的快速探索算法和任务完成时间预测机制。仿真实验表明，该框架能在48台机器人、38.4万立方米的大规模场景中高效完成150项检测任务，硬件实验进一步验证了其实际应用价值，为基础设施智能巡检提供了创新解决方案。

　　

在大型基础设施如发电厂、桥梁和考古遗址的智能化巡检中，无人机（UAV）和地面车辆（UGV）舰队已广泛应用。然而，现有方法大多局限于已知环境的静态任务规划，当面对未知环境且兴趣区域（AoI）需在线识别时，传统策略往往难以兼顾高效探索与精细检测的双重需求。更严峻的是，在实际复杂场景中，全局通信网络常常缺失，机器人仅能通过视距（LOS）受限的ad-hoc无线网络进行间歇性数据交换，这给协同规划带来了极大挑战。如何让异构机器人在探索未知环境的同时，自主识别关键特征（如裂缝、生命迹象等）并进行近距离检测，并将结果实时回传至移动地面控制站（GCS），成为亟待突破的技术瓶颈。

发表于《IEEE Transactions on Automation Science and Engineering》的论文"SLEI3D: Simultaneous Exploration and Inspection via Heterogeneous Fleets under Limited Communication"针对上述问题提出了创新性解决方案。该研究设计了一种集成协同三维探索、自适应检测与即时通信的框架，通过多层多速率规划机制协调异构机器人子群，显著提升了任务执行效率。

研究团队通过以下关键技术方法实现突破：首先提出基于边界框（BBox）的动态分区策略，利用先验结构数据或自适应八叉树划分构建搜索空间；其次设计间歇性通信协议（GCS-探索者层）与主动性通信协议（子群内部层），分别采用旅行商问题时间窗（TSP-TW）优化和多车辆路径规划（MVRP）算法协调会面事件与任务分配；开发快速前沿三维探索算法（FF3E）实现探索路径在线优化，结合任务完成时间预测器（公式(9)）减少空闲时间；最后通过滚动分配策略和故障恢复机制增强系统鲁棒性。

GCS-子群协同层验证

通过场景A（1GCS+2探索者+4检测者）验证表明，算法1的规划时间仅26毫秒，通信协调耗时3.5毫秒。如图11所示，探索者实际到达会面地点的时间均早于计划时间，GCS等待时间显著缩短。任务完成时间预测误差控制在13.2秒内，每个边界框平均通信次数少于3次，证明预测算法有效性。

子群内部协作性能

场景B（1探索者+3检测者）测试中，SOEI算法（算法2）平均计算时间1.384秒。如图12所示，探索者60.35%时间用于探索，检测者平均等待时间33秒。通过遗传算法优化的会面序列使通信周期降至6.8秒，150个特征在1006秒内实现100%覆盖，且特征分配数量随检测时间t_q增加从3.11个降至1.65个，体现算法自适应能力。

全系统规模化验证

场景C（1GCS+4探索者+8检测者）和场景D（1GCS+8探索者+40检测者）测试中，GCS-探索者通信周期分别为66秒和63.2秒。滚动分配策略使每个探索者平均处理2.5-3.3个边界框，任务完成时间分别为529秒和513秒。如图13所示，系统在复杂建筑群中仍保持100%特征覆盖率，证明框架可扩展性。

对比实验优势显著

与CARIC、SOAR等6种基线方法对比显示（图14），SLEI3D在场景A和C的任务完成时间（743.7秒/1699秒）和空闲时间（1434.5秒/7920.3秒）均最优。多GCS实验（图19）表明分布式控制可提升初期数据收集速率，高优先级特征检测机制使50个关键特征优先完成检测（图20），异构传感器范围（6-12米）配置使任务效率提升40%。

硬件实验验证可行性

通过2台Tello探索者、4台Crazyflie检测者和1台LIMO GCS组成的硬件系统（图25），在200秒任务中成功检测9个特征。单目相机与YOLOv7、MiDas网络结合的感知系统实现三维环境重建，所有机器人轨迹均满足避障与通信约束（图26-27），证实框架在实际应用中的可靠性。

该研究通过理论证明与大规模实验验证了SLEI3D框架的完备性：Lemma 1-2确保所有特征在有限时间内被探索检测，Theorem 1证明GCS可完整收集数据。创新性体现在三方面：首次系统提出通信受限下异构舰队同步探索检测问题；建立多层多速率协同规划理论框架；通过48机器人规模实验验证实用性。未来工作将聚焦多探索者协同、无先验环境适应等方向，为自主系统在复杂场景的应用提供重要技术支撑。