面向无人机系统目标搜索的人本自主框架

当前在动态、不确定环境中部署机器人（如搜救任务中的无人机系统）的方法，需要对飞行器引导和操控近乎连续的人工监督。这些方法未考虑高层任务背景，导致繁琐的手动操作或低效的穷举搜索模式。我们提出一种人本自主框架，通过动态特征集推断地理空间任务背景，进而引导概率性目标搜索规划器。操作员提供一组多样化输入，包括优先级定义、关于临时地理区域的语义空间信息以及参考航点，这些信息与地理数据库信息概率融合，并浓缩为表示操作员在区域内偏好的地理空间分布。一个基于POMDP的在线目标搜索优化规划器，利用该奖励图进行增强，以生成受操作员约束的策略。我们基于五位专业救援人员的输入进行仿真，结果显示有效的任务心智模型对齐、较当前操作方法多18%的受困者发现，以及15倍更高效的引导方案。