Swarm of micro flying robots in the wild

Swarm of micro flying robots in the wild｜Xin Zhou, Xiangyong Wen, Zhepei Wang 等，通讯作者 高飞 (Fei Gao)、许超 (Chao Xu) · 浙江大学工业控制技术国家重点实验室 FAST Lab · Science Robotics 7(66), eabm5954 · 2022 · 原文

这篇论文在回答什么问题

单机无人机的自主导航已经相当成熟，但把这套能力搬到集群、并放进茂密竹林这类高度杂乱的野外，此前无人做到。难点在三重叠加：环境事先未知、通道极窄（竹子间隙有时不足 30 cm）、还要同时满足集群协调。作者把这些任务的共同要求提炼为四条相互矛盾的判据，简称 TEEM：Trajectory optimality（轨迹最优性）、Extensibility（可扩展性）、Economical computing（经济计算）、Miniature size（微型尺寸）。更高的最优性来自更复杂的建模与更多迭代，直接推高计算时间；更高的可扩展性要求问题定义更通用，又牺牲了针对性优化——这正是以往工作停在结构化人造环境里的原因。

关键技术组件

• MINCO 轨迹表示：这是全篇的地基。MINCO（minimum control）为微分平坦系统设计，把空间参数 q 与时间参数 T 解耦，且从 {q, T} 恢复多项式系数与时间剖面只需线性复杂度（带状 PLU 分解），梯度也能反传回 MINCO 参数。相比原始分段多项式必须做稠密矩阵求逆，收敛速度快了数个数量级。
• 时空联合优化：规划器同时形变轨迹形状并调整时间分配。作者在基准对比中指出：若只做空间形变，无人机在窄口前会绕圈等待其他机通过，既阻碍后来者又可能产生不安全轨迹。而联合优化会让多机平滑地各自调整速度、排队通过——这个「队列」行为不是手工规则写出来的，而是优化的自然产物。
• 约束转录 + 通用惩罚项（GPP）：所有任务需求统一写成加权惩罚——平滑度、总时间、动力学可行性、避障、机间避碰；由约束导出的惩罚项权重比普通目标项高出若干数量级。加一个新任务（编队、跟踪）只需加一个惩罚项，这就是可扩展性的来源。
• goal-chasing 框架：规划器持续接收用户或上层模块给的最新目标并追逐它，从而可与高层决策、任务分配模块无缝衔接，上层不必操心安全与动力学可行性。
• VIO + UWB 去中心化漂移校正：每架机独立运行视觉惯性里程计。由于没有外部定位，累积漂移会在长航程紧凑飞行中引发机间碰撞；作者用机载 UWB 测得的相对距离构造最小化问题（并加正则项避免解不唯一），估计缓变漂移并做低通滤波，再叠加到最新 VIO 输出上。
• 轨迹广播式松耦合：机间只广播 MINCO 参数。收到邻机轨迹后，规划器可以精确评估未来数秒内任意时刻的集群分布与相对速度——由于每架机总在当前轨迹结束前重规划，这个时间窗足够保证安全。
• 掌心大小的硬件平台：114 mm 轴距，含 100 g 电池总重不到 300 g，续航 11 分钟，推重比 2.4。低层为 PX4 固件 + STM32H7 + BMI088 IMU（刻意省掉气压计、磁力计与 GPS），高层为 NVIDIA Jetson Xavier NX，配深度相机；螺旋桨下置以减少下洗气流吹机身。

关键结论

• 「个体高智能 → 集群智能」的分层架构可行：每架机都具备完整的感知、定位、规划与控制，集群行为由松耦合的轨迹共享涌现。作者引用 Murphy 的观点指出，这种弱中心化的分布式组织鲁棒性与韧性更高，即使通信与 GPS 丢失也能保留动作能力。
• 选择「鸟」而非「昆虫」的路线：反应式方法（如 SGBA）极轻量但效率与可扩展性低，会在障碍物正前方出现明显的非平滑急转；基于轨迹规划的方法虽重，却带来最优性与灵活性。
• 死锁（deadlock）在实际系统中很少发生：作者坦承为了实际性能而淡化了完备性与最优性的严格证明，但真实世界的随机性、异步触发的重规划与高自由度轨迹表示天然缓解了多智能体文献中常见的死锁问题。
• 四项野外实验验证可扩展性：竹林穿越（10 架，含倾斜竹子、树干、灌木、沟渠、不平地面、遮挡镜头的落叶）、野外编队导航（加一个编队惩罚项）、带遮挡的多机目标跟踪（额外挂 RGB 相机并跑视频压缩与目标检测，验证高数据负载能力）、密集互避评测。软件仿真环境 swarm playground 演示到 40 架规模。

它指出的开放问题

• 缺乏严格的完备性与最优性保证：作者主动承认整个系统涉及复杂的真实世界交互模块，难以严格数学化。
• 死锁并非不可能：在狭长管道等特殊几何环境下仍可能出现。
• 规模上限未探明：实机为 10 架，仿真到 40 架；更大规模下广播式通信的带宽与一致性尚待验证。
• VIO 长航程漂移：UWB 校正缓解了相对定位问题，但全局一致性仍依赖外部信息。

为什么值得读

这是分布式集群方向「实机落地」一侧的标杆：Science Robotics 正刊、软硬件全部开源（EGO-Planner-v2 与 swarm playground），并且被后续的 UAV 集群综述反复引为机器人侧的代表工作。它与本档案中偏理论与方法学的几篇形成对照——那几篇告诉你问题空间长什么样，这篇告诉你一套能在竹林里真跑起来的完整技术栈由哪些零件构成。做无人机集群系统工程的读者应当把 MINCO + 时空联合优化 + 惩罚项式可扩展设计这条线读透；做算法的读者则可以把它当成一个强基线。对中文读者还有额外意义：这是浙大 FAST Lab 在集群方向最具国际影响力的成果之一。

原文链接

• 论文 PDF（作者主页）
• EGO-Planner-v2 开源代码库