用于间隔保障与多智能体导航的远程识别

在本文中，我们研究了将无人机识别数据（Remote ID）与防撞机制相集成，以提升多无人机作业的安全性和效率。我们引入了一种改进的近空中碰撞（NMAC）定义，称为无人机 NMAC（uNMAC），其考虑了由于自定位误差以及两次位置报告之间可能位移所导致的无人机位置不确定性。我们提出的基于 uNMAC 的互易速度障碍（RVO）模型将 Remote ID 消息与 RVO 相集成，以实现增强的无碰撞导航。我们提出对 Remote ID 格式进行修改，以包含定位精度和无人机机架尺寸的数据，从而促进更高效的防撞决策。通过大量仿真，我们证明了与保守的基于标准 Remote ID 的 RVO 相比，我们的方法将任务执行时间减半。重要的是，即使在定位不确定性下，它也确保了无碰撞作业。通过集成改进的 Remote ID 消息和基于 uNMAC 的 RVO，我们提供了一种在严格遵守安全标准的同时显著提高空域容量的解决方案。我们的研究强调了增强未来无人机作业安全性与效率的潜力，从而惠及依赖无人机技术的行业。