《Scientific African》：Autonomous Marine Waste Collection Integrating Real-Time Perception, Energy-Aware Control, and Mission-Level Planning on an Unmanned Surface Vehicle (USV)
编辑推荐：
自主海洋垃圾收集利用无人水面艇（USV）需要鲁棒的感知、自适应规划以及严格的能量管理。当前的控制范式通常将导航与任务执行解耦，导致效率低下且战略适应性受限。本文提出了能量感知MPC约束强化学习（EA-MPC-CRL）框架，该框架在高层次约束强化学习智能体（用于
自主海洋垃圾收集利用无人水面艇（USV）需要鲁棒的感知、自适应规划以及严格的能量管理。当前的控制范式通常将导航与任务执行解耦，导致效率低下且战略适应性受限。本文提出了能量感知MPC约束强化学习（EA-MPC-CRL）框架，该框架在高层次约束强化学习智能体（用于战略决策）与低层次模型预测控制器（用于能量最优轨迹跟踪）之间建立了双向耦合。动态代价映射函数使得MPC目标能够根据任务情境（包括电池状态和目标接近度）进行实时调节。广泛的现场试验表明，与常规基线方法相比，该框架取得了显著改进。本研究的主要贡献为：（1）新颖的EA-MPC-CRL框架，实现了高层次RL智能体对低层次MPC优化器的实时、情境依赖调制；（2）在定制USV系统上的完整原型系统应用与广泛现场测试，展示了该框架如何增强自主海洋垃圾收集能力；（3）定量分析显示，与传统MPC、RL和启发式基线相比，能量消耗降低了43.95%，任务成功率达100%（n=50，95%置信区间：92.3%-100%），并具备自适应鲁棒性。
论文解读
研究背景与问题
海洋污染危机日益加剧，对高效自主的清理解决方案需求迫切。无人水面艇（Unmanned Surface Vehicle, USV）凭借其能够在危险环境中作业、降低人力成本的优势，已成为执行此类任务的有力平台。自主USV的核心在于其控制系统，该系统必须解决海洋垃圾收集控制问题（Marine Waste Collection Control Problem, MWCCP），这一挑战的特点是垃圾分布具有时空不确定性、车辆动力学非线性，且受到严格的能量约束。
在现有技术路线中，最优控制方法（尤其是模型预测控制，Model Predictive Control, MPC）擅长在有限时域内精确跟踪满足约束的轨迹，对动态扰动具有鲁棒性；而基于学习的方法（如强化学习，Reinforcement Learning, RL）则能够发展出适应长期任务目标和不确定环境的高层自适应策略。然而，当单独部署时，两种方法均表现出关键局限性：MPC缺乏战略性和任务级感知能力，无法基于情境实时地根本性重新调整目标优先级；而RL策略，尤其是在安全关键应用中，往往无法保证实时动态可行性和安全性。现有将MPC与RL集成的研究，如将MPC用作安全过滤器或为RL智能体提供模拟训练指导，虽然提升了安全性，但往往导致解耦或单向关系，无法在运行约束下建立战略学习与低层控制之间的双向动态耦合。
研究内容与结论
针对上述问题，研究人员提出了能量感知MPC约束强化学习（EA-MPC-CRL）框架，该框架在高层次约束强化学习智能体与低层次模型预测控制器之间建立了双向耦合。通过动态代价映射函数（Dynamic Cost-Mapping Function），高层RL智能体能够根据任务情境（如电池状态和目标接近度）实时重塑低层MPC的优化目标，例如在跟踪精度与能量节省之间进行权衡。同时，投影动作空间（Projected Action Space）被正式集成到RL训练过程中，确保智能体学习到的策略在MPC约束集内固有可行。这种紧密集成催生了涌现的任务级战略行为，例如出于经济动机的任务中止（economically motivated mission abortion），这是现有解耦架构所不具备的。
研究团队在定制USV平台上进行了完整的系统实现与广泛现场试验，包括50次在不同环境条件下的任务。定量结果表明，与传统MPC、RL和启发式基线相比，所提框架实现了42.6%更高的收集效率、43.95%更低的能量消耗、100%的任务成功率（n=50，95%置信区间：92.3%-100%），并展现出自适应鲁棒性和包括经济动机任务中止在内的涌现战略行为。
关键技术方法
研究人员采用了以下主要关键技术方法：
- 1.
USV平台设计与结构分析：采用304不锈钢双体船（Catamaran）船体，通过有限元分析（Finite Element Analysis, FEA）进行静态分析，验证船体结构完整性。使用计算流体动力学（Computational Fluid Dynamics, CFD）的RANS公式与k-ω SST湍流模型进行推进系统表征，获取水动力系数并集成至耦合能量-动力学模型。
- 2.
多模态感知系统：包括基于LiDAR的几何感知（范围滤波、水面反射去除、欧几里得聚类）和基于视觉的语义分类（YOLOv7模型，在5,200张标注海洋垃圾图像上训练，mAP@0.5达86.7%）。通过无迹卡尔曼滤波（Unscented Kalman Filter, UKF）融合LiDAR聚类与视觉检测，构建语义增强环境地图。
- 3.
导航与状态估计：采用VectorNav VN-300惯性导航系统（INS）实现GPS与惯性测量的紧耦合，提供高精度位置（±1.5 m）和姿态（±0.3°）信息。
- 4.
EA-MPC-CRL控制框架：核心创新在于双向耦合架构，包括动态代价映射函数（实现MPC目标的实时情境调制）和投影动作空间（将MPC约束集形式化集成到RL训练中）。
研究结果
USV平台设计与验证：静态分析显示峰值von Mises应力为185 MPa，远低于304不锈钢的215 MPa屈服强度，最大变形1.8 mm，保证了结构刚性和传感器/推进器对准。CFD分析预测设计转速下推力38.5 N，与制造商规格差异4%。湍流模型验证显示尾流区平均速度剖面差异低于8.2%，滑流区低于4.7%，综合验证不确定度为4.9%。
多模态感知系统：LiDAR几何感知提供10 Hz的照明不变实时反馈；YOLOv7视觉分类在测试集上实现86.7%的mAP@0.5，在不同光照和海况下可靠分类；UKF传感器融合通过匈牙利算法和马氏距离实现LiDAR与视觉检测的关联，形成语义增强环境地图。
EA-MPC-CRL框架性能：现场试验（n=50）表明，与传统MPC、RL和启发式基线相比，收集效率提高42.6%，能量消耗降低43.95%，任务成功率100%（95%置信区间：92.3%-100%），并展现出包括经济动机任务中止在内的涌现战略行为。
讨论与结论
该研究通过建立高层RL智能体与低层MPC控制器之间的双向动态耦合，有效解决了现有控制范式将导航与任务执行解耦的问题。动态代价映射函数使MPC目标能够根据任务情境实时调整，投影动作空间确保了RL策略在MPC约束集内的固有可行性。这种紧密集成使系统能够展现出任务级战略行为，如经济动机的任务中止，显著提升了自主海洋垃圾收集的效率和能量管理能力。
研究结论表明，EA-MPC-CRL框架在能量效率（降低43.95%）、收集效率（提高42.6%）和任务成功率（100%）方面均显著优于传统基线方法，并通过50次现场任务验证了其自适应鲁棒性。该框架为自主USV在海洋垃圾收集任务中的能量感知控制和任务级战略决策提供了有效的解决方案，对推动自主海洋清理技术的发展具有重要意义。
