海洋多机器人系统中面向通信感知协同的OWA参数机器学习预测

《Ocean Engineering》：Machine learning-based prediction of OWA parameters for communication-aware coordination in marine multi-robot systems

　　

海洋多机器人系统（MMRS）由多艘自主水下航行器（AUV）与充当移动声学网关的自主水面艇（ASV）组成，水下声学链路高衰减、低带宽、长时延，使协同调度成为瓶颈。研究人员提出一种通信感知的ASV–AUV协调器，融合链路质量、距离与待传数据量，采用有序加权平均（OWA）算子对候选AUV排序以决定ASV接近与回收时机，目标为最小化检测至接收时延并最大化感兴趣目标回收效用，其中优先级目标赋予更高权重。OWA权重向量不再依固定态度解析给出，而由探索区域面积与AUV数量等高阶任务描述符经监督回归直接估计。系统在实时ROS/COLA2环境含全车辆动力学及海上实测声学表征（RSSI与定位率随距离确定化）下评估，以轮询（round-robin）为基线。240次任务复制（每配置8种独立目标布设）显示：六AUV场景下OWA聚合相较轮询提升任务效用27.1%；均衡加权较单准则设置最高再增14.5%；收益随舰队竞争加剧而增长且对权重配置具鲁棒性。研究人员比较决策树、随机森林、支持向量、多项式与Lasso回归，留一交叉验证下以常量预测为参照，表明描述符可部分捕获权重空间中部分量，极端区域与最低秩权重近似与任务配置无关；样本仅24组，家族间误差差异未做统计断言。该研究首次在真实声学表征与闭环车辆动力学中量化OWA参数化对任务效用的依赖，而非默认其无关。

研究背景方面，海洋监测与水下探测任务日益依赖由多艘自主水下航行器（AUV）与至少一艘自主水面艇（ASV）构成的海洋多机器人系统（MMRS），其中ASV兼作声学中继与中央协调器。水下声学信道具有高衰减、低带宽与长时延特征，使声学传输既是唯一可行链路也是任务瓶颈。现有通信感知协同研究多将声学链路作二值或范围谓词、或在抽象网络仿真中优化信息价值、或以启发式固定聚合权重，未在闭环车辆动力学与海上实测声学表征下评估权重敏感性；而有序加权平均（OWA）权重确定文献分解析法、优化法与数据驱动法三族，均假设权重效果可由静态数据集瞬时损失或可解模型给出，不适用于随机时序闭环任务。研究人员指出，协调任务结果是分布而非点值，既有文献未对同场景重复实现的离散度做显著性报告，故权重间差异可能与目标空间布设引起的环境变异同阶，无法区分真实效应与抽样伪影。因此，在由经验声学表征约束的通信感知协调器内，OWA权重向量能否由高阶任务描述符估计、回归族在实时仿真小样本下的表现如何、描述符在多大程度上约束聚合态度，三者均属开放问题。

研究人员开展的研究为：构建ASV–AUV通信感知协调架构，决策准则由同型号调制解调器海上试航获取的接收信号强度指示（RSSI）与定位率经验表征驱动，在实时ROS/COLA2环境含全车辆动力学下运行；以链路质量、距离、待传数据（分常规与优先级，优先级加权更高）为准则，经OWA聚合得每AUV得分供ASV选优接近。为回答“聚合本身是否值得”“效用在多大程度依赖权重向量”“权重能否由探索面积S与AUV数n_AUVs估计”，研究人员设计240次任务复制（5候选权重向量×6种S×4种n_AUVs×8独立目标布设），以轮询为基线，并训练决策树回归、随机森林回归、支持向量回归（SVR）、多项式回归与Lasso回归从（S, n_AUVs）预测三维OWA权重，留一交叉验证对照常量预测器。

关键技术与方法方面，研究人员采用海上同硬件声学表征将RSSI与定位率建为距离确定性函数，省略流与海况扰动；MMRS将探索区A划分为n_AUVs个子区，各AUV lawnmower覆盖，目标按每1000 m²放1常规1优先的线性密度随机布设，总目标数N_objects=2S/1000；OWA算子对每AUV三准则值降序重排乘权重向量w求和，权重不绑准则而绑秩以编码乐观/均衡/悲观态度；回归样本共24组（每（S,n_AUVs）组合由该配置下5向量穷举效用选优得目标权重）；评估指标为任务效用（回收目标数及优先级加权），重复实现离散度作显著性参照。

研究结果部分，引言指出OWA较自适应响应阈值模型（ARTM）更贴合关键数据优先目标，且权重设置问题在闭环随机任务中不可解析。上下文与前期工作综述将海洋协同分四组（连通性约束、信息价值、移动网关、多目标分配），表1指出现有方法未用海上声学表征且不在车辆动力学评估；OWA权重三族（解析/优化/数据驱动）如表2所示均无法直接迁移至闭环任务。系统描述给出A划分、目标线性密度、声学模型与OWA三步流程。研究人员在“聚合机制对比轮询”中发现六AUV下效用升27.1%，且收益随舰队竞争（更多AUV或更密目标）放大；在“权重向量间对比”中，均衡权重较单准则（仅链路或仅距离）高至多14.5%，但不同权重向量差异需与环境布设诱导离散度同屏比较，非点估计可判定；在“回归估计权重”中，24样本下随机森林与SVR中部权重分量误差低于常量基线，但最低秩权重w₃近似常量、极端S或n_AUVs区间关系失效，家族间无统计显著排序。组件级分析确认描述符主要捕获中间秩权重，对w₃几乎无约束。单ASV架构在所用S与n_AUVs范围内效用随竞争增强而相对轮询优势扩大。

讨论与结论翻译：研究人员明确证据边界——聚合vs轮询及权重间比较基于重复实现与显著性检验；权重回归估计仅栖于24监督样本，各回归族误差差未统计确立，不作技术排名。声学模型为距离确定性函数，未仿电流与海况，限制结论外推。结论为：通信感知OWA聚合在闭环声学约束MMRS中较轮询显著提升效用，均衡加权优于单准则；任务效用对权重向量敏感但与目标布设离散度同阶，故需重复评估；由（S, n_AUVs）经浅层回归可部分估计权重中部分量，极端描述符与最低秩权重不随任务配置变；该工作为首例在海上声学表征与ROS/COLA2全动力学下量化OWA参数化依赖，发表于《Ocean Engineering》。