- 解决动态**UGV-UAV协作路径规划(Dynamic UGV-UAV Cooperative Path Planning, DUCPP) ** 问题，其中无人地面车辆(UGV)需在** 道路状况不确定**（部分边可能不可通行）的路网中安全高效到达目的地
- 研究背景：适用于** 灾害响应(disaster response) ** 、 ** 紧急物资运输(emergency supply transport) ** 和** 救援操作(rescue operations) ** 等场景，需依靠无人机(UAV)动态检测道路状态
- 现有方法未充分解决** 动态不确定性**下UGV与UAV协同优化路径的挑战，尤其缺乏对** 双向协作策略(bidirectional approach)** 和多UAV影响的系统分析
- 提出多种**UGV-UAV协作策略** ，核心为** 双向方法(bidirectional approach) ** ：UAV从起点和终点方向同步或交替检测不可通行边，动态更新UGV的规划路径
- UAV负责对路网中的边进行** 实时侦察(reconnaissance) ** ，识别并排除受损或不可通行的边，UGV则基于更新后的安全路网重新规划路径
- 探索** 多UAV(multiple UAVs) ** 配置的影响，通过并行检测任务减少UGV总旅行时间，同时评估额外计算开销
- 在** 100个城市道路网络(100 urban road networks)** 上进行实验，对比不同策略的旅行时间和计算时间性能
- **首创双向协作框架** ：区别于传统单向或随机检测， **双向方法(bidirectional approach) ** 通过同时从UGV起点和终点区域展开UAV侦察，显著缩短路径发现时间
- ** 系统性权衡分析**：首次定量评估** 多UAV数量**对UGV旅行时间减少与计算时间增长之间的权衡关系，为实际部署提供决策依据
- ** 鲁棒性验证**：在** 大规模城市路网(100 instances) ** 上全面测试，证明所提策略在** 不确定环境(uncertain environments)** 下具有强泛化能力和实用性
- 提出一个**鲁棒的DUCPP框架(robust framework for DUCPP) ** ，实现了高效、安全的UGV-UAV协作路径规划与道路检测
- 验证了** 双向策略(bidirectional strategy) ** 在绝大多数实例中达到最优性能，为同类问题提供基准方法
- 揭示了** 多UAV协作**在减少UGV旅行时间方面的优势与计算代价，引导系统设计者在效率和资源间做出合理权衡
- 为** 灾难救援、应急运输**等** 挑战性环境(challenging conditions)** 下的自主导航提供了切实可行的解决方案