搜索与救援任务中基于市场的安全关键无人机集群重新规划

📝 论文摘要

可靠的自主无人机集群在搜索与救援（SAR）任务中需要具备容错协调能力，即使在单机性能退化时仍能维持运行。本文提出智能重规划无人机集群（IRDS），一种面向资源受限环境的分布式协调架构。该框架采用反向拍卖市场机制，使各智能体基于距离加权成本函数竞标服务搜索扇区，并辅以用于目标验证的几何共识协议。我们通过基于物理的仿真（N=8个智能体，8x8网格）进行评估，并注入随机故障。结果表明，集群能够自主地将故障智能体的任务重新分配，且延迟相对于总任务时长较低；在25%的劳动力退化条件下，任务成功率维持93%。该框架为自愈式空中机器人协调提供了一种鲁棒且经实证检验的方法。

🎯 研究动机

- 解决**搜救(Search and Rescue, SAR)** 任务中**无人机集群(UAV swarms)** 因个体故障导致任务失败的问题 - 现有方法缺乏**容错协调(fault-tolerant coordination)** 机制，难以在资源受限环境中持续运作 - 研究背景：自主无人机集群在**安全关键(safety-critical)** 场景下需要具备**自愈(self-healing)** 能力

🔧 核心方法

- 提出**智能重规划无人机集群(Intelligent Replanning Drone Swarm, IRDS)** 分布式协调架构 - 采用**逆向拍卖(Reverse-Auction)** 市场机制，代理(agent)基于**距离加权成本函数(distance-weighted cost function)** 竞标服务搜索扇区 - 结合**几何共识协议(geometric consensus protocol)** 进行目标验证，实现任务重分配

💡 核心创新

- **首次** 将**反向拍卖市场(reverse-auction market)** 机制引入无人机集群的**分布式重规划(distributed replanning)** 问题 - **效率与鲁棒性平衡**：在25%代理失效下仍能维持93%的任务成功率，且重规划延迟低 - **自愈合(self-healing)**：无需中心控制器，系统自动将故障代理的任务重新分配给正常代理

🏆 总体贡献

- 为**安全关键无人机集群** 提供了一种经验验证的**鲁棒协调(robust coordination)** 范式 - 通过物理仿真（8个代理，8x8网格）证明了方法的有效性，并公开了**故障注入(fault injection)** 测试结果 - 推动**基于市场的协同(market-based coordination)** 在**搜救任务(SAR)** 中的实际应用，为后续研究提供基准

搜索与救援任务中基于市场的安全关键无人机集群重新规划
Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions

📊 核心分析

搜索与救援任务中基于市场的安全关键无人机集群重新规划 Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions

📊 核心分析

搜索与救援任务中基于市场的安全关键无人机集群重新规划
Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions