大规模无人机协同：面向时空感知的分散式能量感知群智能

智慧城市应用（如交通监控与灾害响应）常使用智能协作无人机群，以在不同感兴趣区域和时间跨度高效收集传感器数据。然而，当所需感知在时空上变得庞大且多变时，将感知任务集体分配给大量受电池限制且分布的无人机颇具挑战。为解决此问题，本文引入一种可扩展且能量感知的时空感知规划与协调模型。该协调模型构建于分散式多智能体集体学习算法（EPOS）之上，以确保现有方法所缺乏的可扩展性、弹性和灵活性。实验结果说明了所提方法相较最先进方法的卓越性能。分析结果增进了对无人机协调移动如何影响感知性能的理解。这一新颖协调方案应用于使用真实世界数据的交通监控，在无人机成为稀缺资源时实现了车辆检测准确率提高$46.45\%$且效率提升$2.88\%$。