申报单位：控制科学与工程学院
负 责 人 ：高飞
1
项目简介
多机器人协同是国家部署的重点发展方向，研究团队突破了复杂环境感知、定位及航迹生成等多项核心技术，国际首次实现了竹林等野外复杂环境下全自主无人机集群。
Multi-robot system is a key direction of national development. The research team has broken through the core technologies, such as complex environment mapping, localization and trajectory planning, to achieve fully autonomous aerial swarms in the wild.
2
研究团队
项目负责人：高飞
多机器人协同是我国《新一代人工智能发展规划》部署的重点发展方向，也是“新基建”的重点内容，更是引领和催生国防军事、制造和农业等领域变革性技术的重要引擎。项目负责人高飞及研究团队依托浙江大学工业控制技术国家重点实验室和工业自动化国家工程中心，面向当前科学活动中的前沿问题和社会生产中的实际需求，针对无人机集群协同化、智能化、规模化中存在的理论与技术难点，开展了持续深入的研究，于国际首次实现了竹林等野外复杂环境下全自主无人机集群。
团队通过自主研发微型飞控、优化动力学系统设计、载荷功耗均衡，实现了高集成微型无人机系统，8cm轴距的尺寸如手掌般大小，不到300克的重量小于一听可乐。麻雀虽小五脏俱全，如此微型尺寸下完整集成了机载计算芯片、机载摄像头和其他传感器，从而集群中每一架飞机均可独立感知环境与做出决策，构成不依赖任何外部支持设备的全分布式无人机集群。团队分别在浙江安吉的茂密竹林中测试了10机集群穿越、公园场景中测试了编队飞行、集群跟踪、动态障碍物与行人避碰等，充分验证了所研发无人机集群的高性能与可靠性。
3
项目解读
空中飞行的无人车、无人机集群是科幻电影的常客，也往往是未来科技的一大代表。在电影《普罗米修斯》（2012）中，宇航员释放了几个微型飞行小球来探索一艘外星飞船的内部环境，为人员进入打头阵；在《安德的游戏》（2013）中，大规模无人机集群紧密围绕着人类的飞船，组成了抵御外星人进攻的护盾，并为随后人类的反攻清理出一条道路；在《星球大战：西斯的复仇》（2005）和《银翼杀手2049》（2017）中，飞车构成的密集空中交通有条不紊的运行于高楼大厦之间，俨然是高科技星球的“标配”。电影中的集群所展现出的导航和协同能力数十年来吸引了无数的研究者，而我们作为其中之一，国际首次成功研发了能够“独立思考”空中机器人集群并在浙江安吉的竹林等极度复杂场景中验证了所研发算法和系统的优异性能。
一、自然界的启发
集群是自然界生物的一种常见组织形式，有天上的鸟群、水下的鱼群、陆地的羊群，和地面附近的虫群等等。它们往往用数种简单的交流方式实现了复杂的群体行为。如蚁群通过在地面留下信息素来发现并锁定更丰富的食物点；蜂群通过几种特殊的“舞蹈”来描述对某个备选的巢穴或是花粉采集区的质量评价，从而“集中力量干大事”，而他们所建造的蚁穴或是蜂巢则更是“建筑的奇迹”。正如广为人知的故事——雷达的发明借鉴了蝙蝠探测目标的原理，我们研发空中机器人集群也受到了自然界的启发。
图1：自然界的鸟群
上文各类物种中，飞鸟和昆虫是飞行类的代表。基于对它们集群行为的研究，学术界已经产生了两类发展较为完善的算法。一类是基于昆虫的，昆虫使用复眼可以在障碍物附近按一定规则进行躲避或沿着障碍物飞行，亦或是朝着亮光靠近。它所表现出来的运动模式往往相对比较简单。另一类基于鸟群在高空的飞行，这里特别强调了“高空”这一空旷环境。高空中，鸟群会尝试同周围几个个体保持尽量一致的运动方向和速度，同时考虑维持一定的安全距离。这两类衍生出了基于人工规则的集群运动算法，通常称之为反应式导航，即依靠短期的环境信息做出即时的动作，这里最大的特点是短期性。
但是鸟类在树林中的自由与灵活可没那么简单。它能毫不费力地躲避纷繁交错的树杈，钻过与身体一般大小的孔洞，最后精确地一口咬住空中的飞虫或是恰到好处地立到某一根粗细合适的树枝上。这是以往的空中机器人远无法达到的。为了攻克这一难题，我们团队通过模仿鸟类观察世界和感知自身状态的方式，开发了高水平的单机器人自主导航算法，并进一步攻克难关，将导航推广至了多个机器人。
二、麻雀虽小，五脏俱全
麻雀虽小，五脏俱全。这既是形容鸟类的，也是形容我们的机器人的。我们喜欢把我们的飞行单元称作“机器人”，也是因为如此：亦如鸟类通过两只眼睛配合内耳负责感知运动的前庭系统来观察四周以及平衡身体，我们的机器人也选用了由两个摄像头构成的双目相机和惯性（三轴角速度、三轴加速度等惯性指标）传感器来感知障碍物以及控制机器人的空中姿态。除此以外，鸟类拥有相比昆虫大得多的脑容量，容许它进行更为复杂的分析和更精确的控制。对此我们的机器人也配备了机载的微型高性能计算机。基于此，更远的观测距离和聪明地头脑赋予了鸟类在复杂环境中一气呵成的、顺滑的飞行，而我们也为机器人开发了基于“轨迹规划”技术的导航算法，使得机器人会同时考虑过去、现在以及将来长期一段时间的环境和自身状态，从而计算得到更优的飞行结果。
这其中，我们攻克了机器人自定位、稠密环境建图、安全轨迹规划、高精度运动控制等诸多关键技术。机器人自定位是通过安装的摄像头结合惯性传感器，根据拍摄图像来反算自身在环境中所处的位置以及当前的姿态；稠密环境建图是指通过双目相机像人眼一样计算周围障碍物的远近，并由此绘制一张三维的、描述障碍物位置和形状的地图；安全轨迹规划是指根据上述定位和建图结果，规划一条未来将会追踪的飞行轨迹，该轨迹需要避开已知的障碍物并且足够顺滑从而机器人能够平滑、低偏差的追踪下来；最后，高精度运动控制则是控制机器人能够准确跟随所生成轨迹的算法。
我们将以上算法部署到了最简系统的飞行机器人上，实现了单架无人机在室内、室外复杂场景中的自主导航。即给定一个远处的目标点，机器人会从当前位置开始不断朝着目标点飞行，期间主动避开周边障碍物，直至到达给定目标处。所谓“最简系统”是指我们的空中机器人只配备前文所述的双目相机和惯性传感器两种基本传感器，不依靠卫星定位、地面控制基站等等的外部设备的支持，从而能在卫星信号和控制信号都不稳定的室内甚至地下矿洞自主导航，这是前所未有的技术进步。
图2：单机高速避障导航
三、从单机到集群
高性能的单机器人导航是我们实现空中集群的坚实基础。亦如鸟群是由一只只“五脏俱全”的飞鸟个体构成的，我们的集群也是由一个个装备了完整感知、计算、控制系统的微型空中机器人构成的，从而实现了“分布式”的架构。即每个个体均配有全套软硬件系统，独立做决策与控制，部分个体的损坏几乎不会影响集群整体功能。
为了实现从单机到集群的跨越，我们进一步攻克了通信组网、决策协同、相互识别、定位校正等诸多技术难点。通过组建的无线网络，集群中的每一个个体会向它的邻居或是其余所有个体广播它规划出来的、将要执行的那条轨迹，即“我将要怎么飞”。其余个体在收到消息后会做出判断决策，如有需要则会立即规划一次轨迹，并将新规划的轨迹同样通过网络发送给他机，由此实现整个集群协同导航的闭环。
进一步的，在最核心的轨迹规划算法上，我们提出了“时空联合优化”技术，通过构建全状态函数映射结合数学优化算法同时调整轨迹的空间形状和时间分配，从而允许集群中的个体可以在时间维度或是空间维度上相互避让，即算法能保证同一时间同一位置只存在一个个体。
图3：竹林集群飞行
集群的另一大难点是实验。我们做实验的时间正好八九月份，一年中最热也是蚊虫最喜欢的时节，地点又选在了潮湿茂密的安吉竹林中，导致整个实验过程一直在与蚊虫斗智斗勇。为了驱赶他们，我们准备了数罐杀虫剂和花露水，身披防蚊衣，到实验现场的第一件事就是像孙悟空给唐僧画保护圈那样拿杀虫剂给周围地毯式地喷一遍，又定时给身上喷一遍花露水。但尽管如此，其中一些凶猛的如黑白条纹相间、又大又硬的伊蚊还是能冲破阻碍，不放过任何一次叮咬机会。我们耳边永远围绕着嗡嗡声，同集群机器人飞行的嗡嗡声混合在一起，也算是某种奇特的“相映成趣”了。尽管装备齐全，十余次实验下来，所有人还是被叮满了大大小小的包。
四、未来应用
由于机器人技术的在不同平台的通用性，我们的研究成果有望将很多科幻想象变为现实。正如我们空中机器人集群的带头人，浙江大学高飞老师所说：“在火灾等搜救场景中，小型集群机器人能够更好实现搜救目标，减少搜救人员风险；在地形勘探中，也可以快速对人员无法到达的区域进行建模。生活中有很多场景都能用到我们这项技术，比如扫地或服务机器人，如果装上了我们研发的'智慧大脑’，就会更加聪明。”
信息来源：求是风采
联系客服
