研究动机：
• 解决在随机环境中运行的无人机(UAV)与无人地面车(UGV)协同团队的能源感知规划问题。
• 研究背景是，现有工作通常假设确定性旅行时间或使用固定的鲁棒性边界，这在实际的随机环境中（如旅行时间不确定）可能导致规划过于保守或失效。
核心方法：
• 将旅行时间建模为随机变量，并将整个任务期间能源耗尽（失败）的概率限制在用户指定的风险水平内。
• 将问题形式化为一个混合整数规划(Mixed-Integer Program)问题。
• 提出了名为PRO-SPECT的多项式时间算法，用于生成风险有界(risk-bounded)的计划。
• 该算法同时支持离线规划和在线重新规划，使团队能够在保持风险界限的同时适应环境扰动。
核心创新点：
• **概率安全框架**：与先前假设确定性旅行时间或使用固定鲁棒性边界的工作不同，本研究首次在UAV-UGV协同规划中引入概率风险约束，将失败概率（能源耗尽）明确限定在用户指定的水平，实现了更精确的风险控制。
• **可扩展的算法设计**：提出的PRO-SPECT算法在多项式时间内生成风险有界的计划，解决了在随机环境下组合优化问题的可扩展性挑战。
• **在线适应性**：算法支持在线重新规划，能够在动态随机环境中实时调整计划，同时严格保证全局风险界限不被违反，这是对传统离线静态规划方法的重要突破。
总体贡献：
• **理论贡献**：提供了关于解决方案可行性(Feasibility)和时间复杂度的理论结果，为概率安全规划建立了理论基础。
• **算法贡献**：提出了第一个用于随机环境中能源感知UAV-UGV协同团队的概率安全、可扩展规划算法PRO-SPECT。
• **实践贡献**：通过数值比较和仿真验证了方法的性能，展示了其在平衡任务效率（最小化时间）与操作安全性（控制失败风险）方面的优越性，推动了自主系统在不确定环境中的实际部署。