引言
自21世纪初以来，无人地面车辆开始应用于搜救任务，在复杂的灾害环境中证明了其高度的适应性（Casper和Murphy, 2003；Murphy, 2004）。先进技术增强了无人地面车辆的能力，使救援人员能够扩大搜索覆盖范围并提高作业效率（Hafeez等, 2017）。无人地面车辆能够执行多种地面任务，但其作业效率往往受到全局视野有限的制约。无人机通过高速、强机动性和广阔的视野弥补了无人地面车辆的不足（Lyu等, 2023）。将无人地面车辆与无人机结合形成异构无人车辆系统，可整合各自优势以执行复杂任务（Ophir-Arbelle等, 2013；Peterson等, 2018）。
无人机能够快速勘察大面积区域并中继侦察数据，而无人地面车辆负责地面搜索与执行任务。这种协作方式对于应对单一平台作业的固有局限性至关重要（Ding等, 2021；Yu等, 2021；Zhou等, 2026）。具体而言，无人地面车辆通过减少地形遮挡并执行超出空中平台能力范围的地面任务（如目标验证或救援）来补充无人机的功能（Munasinghe等, 2024）。先前的研究表明，此类异构系统不仅缩短了响应时间，而且在复杂动态的灾害环境中表现出卓越的鲁棒性和适应性（Bhandari等, 2016；Huang等, 2024；Phan和Liu, 2008）。通过整合无人机的高速探测能力与无人地面车辆的地面优势，异构系统在执行复杂任务时实现了更高的作业效率和任务可靠性（Liu等, 2022；Tokekar等, 2016）。因此，探索人机无人车辆系统中无人机-无人地面车辆团队的最佳组合与交互方式，对搜救作业具有重要的实践意义。
与此同时，人机因素问题在多无人车辆操作中也日益突出。当管理多个无人车辆时，单个操作员往往面临心理负荷升高和注意力分散等挑战，从而增加了任务失败的风险（Adams, 2009；Hooey等, 2018）。为此，许多研究致力于调整自动化水平和降低人机比（Lewis等, 2010；Olsen和Goodrich, 2003；Vilela等, 2013；Wang等, 2009）。Parasuraman等人（2000）提出了基于10级自动化标尺的自主性概念。提高自主性将操作员从低层控制任务中解放出来，使其能够更专注于高层任务相关的决策（Cummings等, 2014）。然而，由于识别能力、控制技术和搜索环境复杂性的制约，无人车辆在可预见的未来仍将保持半自主状态（Cummings和Guerlain, 2007；Ghamry等, 2016）。在典型的搜救场景中，系统主要承担移动和识别等基本控制功能，而操作员则主要负责无人车辆资源分配和关键决策的验证。
早期研究主要关注同构无人车辆系统，即各单元属性相同的系统。目前，无人车辆操作研究集中于任务规划、路径优化和多机器人协同算法（Chandarana等, 2021；Huang等, 2024；Phan和Liu, 2008）。现有研究从场景、任务、车辆属性和操作员特征等角度考察了单个操作员控制多个无人车辆的心理负荷（Adams, 2009；Hobbs和Lyall, 2016；Hooey等, 2018；Wright等, 2018）。然而，这些发现可能无法推广到异构系统。具体而言，异构无人车辆组合（如无人机与无人地面车辆的配比）对任务表现和心理负荷的影响尚不明确，其背后的注意力分配策略也尚未完全阐明。
