迈向可靠的空地协同：面向实地部署的规划与自主框架
机器人学
2026-07-07 v1
摘要
有限的飞行续航能力严重限制了无人机(UAV)在监视和巡检等长时任务中的作业范围，这些任务需要访问多个空间分布的关注区域(AOI)。此类任务需要通过高效路径规划来确定访问顺序，这直接影响了任务时间、能耗及整体可行性。将无人机与无人地面车辆(UGV)结合以实现移动充电提供了一种有前景的解决方案，但引入了一个紧密耦合的协同路径规划问题，涉及无人机路径规划、受道路约束的UGV移动、能量管理以及不确定性下的会合调度。在本研究中，我们提出了一个面向可靠实地部署的集成规划与自主框架。我们将该问题建模为能量受限的协同路径规划任务，并使用基于深度强化学习(DRL)的规划器求解，该规划器联合优化无人机访问序列及与UGV的会合位置，在最小化总任务时间方面优于基线启发式方法。为弥合规划与执行之间的差距，我们引入了一个标准化的两层基于YAML的任务API，用于捕获环境状态并构建轻量级、同步的动作序列。该框架由完整的自主技术栈支持，使用PX4/MAVSDK控制无人机，使用ROS 2/Nav2进行UGV导航。此外，我们提出了一种轻量级的会合感知重规划器(RARP)，在线运行以应对环境不确定性，将能量裕度违规率从83.33%降至20.00%。整个系统通过室外实地实验得到了验证，展示了在动态任务中鲁棒的协同导航与适应能力，包括一个基于视觉语言模型(VLM)进行危险检测的搜救场景。
引用
@article{arxiv.2607.07350,
title = {Towards Reliable Aerial Ground Vehicle Collaboration: An Integrated Planning and Autonomy Framework for Field Deployment},
author = {Md Safwan Mondal and Luca Russo and James D. Humann and James M. Dotterweich and Pranav Bhounsule},
journal= {arXiv preprint arXiv:2607.07350},
year = {2026}
}