后灾难环境中医疗救援任务的 UAV-UGV 合作轨迹优化与任务分配
机器人学
2025-08-29 v2 多智能体系统
摘要
在后灾难场景中，快速高效地递送医疗资源是关键且具有挑战性的，因为基础设施受到严重损坏。为提供优化解决方案，我们提出了一种基于无人机(UAVs)和地面无人车(UGVs)的合作轨迹优化与任务分配框架。该研究将遗传算法(GA)用于多UAV和UGV之间高效的任务分配，并采用受启发的RRT*(Rapidly-exploring Random Tree Star)算法进行碰撞自由轨迹生成。进一步通过协方差矩阵适应演化策略(CMA-ES)对任务序列和路径效率进行优化。在真实后灾难环境中的仿真实验表明，我们提出的方法显著优于传统策略，提高了医疗救援作业的总体效率。具体而言，该方法在15项任务情景下将总任务完成时间缩短至26.7分钟，相较于K-Means聚类和随机分配提高了73%以上。此外，该框架在CMA-ES优化后实现了总行驶距离的显著降低15.1%。UAV和UGV的协同利用有效平衡了它们的互补优势，凸显了该系统在实际部署中的可扩展性和实用性。
引用
@article{arxiv.2506.06136,
title = {UAV-UGV Cooperative Trajectory Optimization and Task Allocation for Medical Rescue Tasks in Post-Disaster Environments},
author = {Kaiyuan Chen and Wanpeng Zhao and Yongxi Liu and Yuanqing Xia and Wannian Liang and Shuo Wang},
journal= {arXiv preprint arXiv:2506.06136},
year = {2025}
}