《Drones》:Risk-Aware Cooperative Planning for Multiple UAVs in Non-Stationary Maritime Missions via a Scenario-Switching-Aware LinUCB Hyper-Heuristic
编辑推荐:
海上无人飞行器(UAV)任务,如船舶检查、搜救、环境监测和应急响应,通常涉及多波次任务发布、时间敏感截止期限、有限的支持船位置和空间异质风险。这些因素将任务分配与路径规划耦合,并使固定调度规则在变化的任务配置下变得脆弱。本研究开发了一个基于海上风险场的多UAV
海上无人飞行器(UAV)任务,如船舶检查、搜救、环境监测和应急响应,通常涉及多波次任务发布、时间敏感截止期限、有限的支持船位置和空间异质风险。这些因素将任务分配与路径规划耦合,并使固定调度规则在变化的任务配置下变得脆弱。本研究开发了一个基于海上风险场的多UAV分层协同规划框架。风险成本A*层从支持船到任务点生成可行路线,并估计路径长度、风险暴露和出动时间。滚动调度器构建可行的UAV任务候选集,而场景切换感知的LinUCB超启发式在线选择截止期限优先、距离优先、风险感知和续航平衡规则。采用遗忘更新、单步前瞻、场景记忆和轻量级切换检测来提高对任务配置变化的适应性。在一个28×40海上网格(两个支持船、六架UAV、40个任务、九个发布波次)上的仿真表明,所提框架在24个随机场景中实现了最高平均有效奖励(370.18)、最低平均价值后悔(0.61)和0.46的最佳奖励比率。结果应解释为来自理想化仿真基准的证据。主要好处是在非平稳和高风险配置下提高奖励鲁棒性,而非在所有指标上的均匀提升或直接现场部署验证。
# 论文解读:通过场景切换感知LinUCB超启发式实现非平稳海上任务中多无人机风险感知协同规划
## 研究背景与问题
海上无人飞行器(UAV)任务,如船舶检查、搜救、环境监测和应急响应,面临多波次任务动态发布、时间敏感截止期限、有限支持船位置以及空间异质风险等复杂因素。这些因素将任务分配与路径规划紧密耦合,使得固定调度规则在变化的任务配置下表现脆弱。现有研究主要分为任务分配、路径规划和基于学习的决策三类。动态任务分配方法常将路径成本简化为静态距离或飞行时间,忽略了连续风险场对调度决策的反馈;路径规划研究虽改进了避障和搜索效率,但在动态环境适应性和多约束集成方面仍存在开放问题;数据驱动和在线学习方法(如深度强化学习、基于多臂赌博机的超启发式)虽能应对非平稳环境,但端到端模型缺乏可解释性且离线训练负担较大。为此,研究人员提出一个分层协同规划框架,旨在保留可解释启发式的同时在线适应任务配置变化。
## 研究内容与结论
研究人员开发了一个包含路径层、调度层和在线选择层的分层框架。路径层利用风险成本A*搜索从支持船到任务点生成可行路线,并估计路径长度、风险暴露和出动时间。调度层基于候选成本构建可行的UAV任务分配。在线选择层采用场景切换感知的LinUCB超启发式,在截止期限优先、距离优先、风险感知和续航平衡四种可解释基线规则中在线选择。框架集成了遗忘更新、单步前瞻、场景记忆和轻量级切换检测等增强机制,以提高对任务配置变化的适应性。仿真在28×40海上网格上,配备两个支持船、六架UAV、40个任务和九个发布波次,结果表明所提方法在24个随机场景中达到最高平均有效奖励(370.18)、最低平均价值后悔(0.61)和0.46的最佳奖励比率。论文发表在《Drones》。主要意义在于:该方法在非平稳和高风险任务配置下显著提高了任务奖励的鲁棒性,而非在所有指标上均匀提升,为海上多UAV任务规划提供了一种可解释的自适应决策框架。
## 关键技术与方法
(1)**风险成本A*路径搜索**:在二维离散海上网格中,每条边的成本结合几何长度和端点平均风险值(公式5),用于生成从支持船到任务点的可行路线并估计路径长度、风险暴露和出动时间。(2)**滚动调度与候选效用**:基于UAV可用时间和任务约束,构建可行候选集,并定义候选效用函数(公式16)以平衡任务价值、风险暴露和延迟惩罚。(3)**四种基线启发式算子**:截止期限优先、距离优先、风险感知和续航平衡规则,分别通过归一化指标计算候选评分(公式18)。(4)**场景切换感知LinUCB超启发式**:结合全局状态向量(待处理任务比、紧急任务比、平均局部风险等,公式20)和候选特征,为每种启发式计算LinUCB评分(公式24),包含即时奖励估计、单步前瞻奖励和配置一致性偏差。(5)**轻量级增强机制**:遗忘更新(公式27)削减旧经验影响;场景记忆(公式28-30)在相似配置再现时恢复历史统计;轻量级切换检测(公式31-39)通过全局状态变化、任务配置变化、波次过渡和奖励预测误差计算变化点分数,触发软重置和探索放大。所有仿真基于MATLAB R2020b,在28×40网格上生成24个随机场景,任务平均价值约12.38,平均截止期限约2.96小时,平均释放时间约1.31小时,平均局部风险约0.51。
## 研究结果
### 4.1 单场景规划结果
图4展示了代表性单场景的空间规划结果:任务点主要分布在两个高风险热点及其周边区域,路径表现出局部迂回和分离,下层路径模块并非仅用欧氏距离连接支持船与任务点,而是联合考虑了路径风险与旅行成本。图5给出了同一场景的UAV任务时间线:水平条表示任务执行区间,虚线表示返航或空闲移动,红色标记表示截止期限,部分任务靠近截止期限,表明场景存在明确的截止期限压力,为在线规则选择提供了场景基础。
### 4.2 多场景比较(图6、表1)
在24个随机场景上,所提方法获得平均有效奖励370.18±3.44(六种方法中最高),平均价值后悔0.61±0.85(最低),最佳奖励比率为0.46。尽管相对于距离优先方法的平均有效奖励提升不大,但最佳奖励比率略高,表明主要优势在于在随机场景中更频繁地接近最佳观测奖励,而非单个实例的奖励大幅提升。配对比较(表2)显示,所提方法相对于截止期限优先、风险感知、续航平衡和拍卖后悔方法具有统计显著的奖励优势,但与距离优先方法的差异不显著(平均差0.46,p=0.241),因此结论是在非平稳任务配置下提高价值鲁棒性,而非对所有方法全面占优。
### 4.3 风险强度敏感性分析(图7、表3)
当风险强度系数为0.7时,所提方法平均有效奖励为355.58,低于距离优先、续航平衡和风险感知方法,表明风险压力较弱时固定规则已能获得较好奖励,在线选择的边际效益有限。随着风险强度增加,所提方法逐渐接近甚至超越固定规则:风险强度1.3时达到373.96(高于所有其他方法),1.5时达到375.79仍具竞争力。这表明在较强风险压力下,单一固定偏好更易受场景变化影响,而在线选择能自适应调整不同偏好。
### 4.4 机制消融分析(表4)
在重复的四配置循环场景(距离紧凑、风险敏感、截止期限关键、续航受限依次重复出现)中,各变体的按时完成率几乎相同,说明在高压力场景中按时完成主要由任务密度、发布波次间隔和出动时间约束决定,而非单个在线学习机制。差异主要体现在有效奖励和相对于最佳奖励的差距上:默认切换感知变体将平均相对差距降至0.11,参数调优设置进一步达到该组最佳观测值。切换感知和参数调优改善了在重复机制变化和持续资源压力下的平均有效奖励。
## 讨论与结论
讨论指出,场景切换感知LinUCB选择器主要增强奖励鲁棒性,而非均匀提升所有性能指标。在测试的随机场景中,所提框架实现了最高平均有效奖励和最低平均价值后悔;在线规则选择帮助调度器在任务配置变化时更频繁地接近最佳观测奖励,但绝对奖励提升适中,按时完成率与最强固定基线接近。因此该方法是非平稳海上调度的奖励质量和鲁棒性增强,而非固定启发式规则的通用替代品。低风险水平下固定规则已具竞争力,在线选择边际效益有限;高风险水平下路线暴露与调度偏好的交互增强,使自适应规则选择更有价值。消融结果表明,切换感知、场景记忆、前瞻校正和参数调整主要改善了奖励导向的决策,对按时完成率影响有限,因为时效性受到发布间隔、UAV可用性等紧密约束。从部署角度,该框架更适合作为任务级规划层,计算密集组件适合支持船侧或边缘执行,但需考虑通信感知更新间隔和链路中断时的后备规则。局限性包括:实验基于理想化海上网格,风险场为抽象代理,未包含移动支持船不确定性、动态避障、能量补给等。结论部分总结:研究人员研究了非平稳海上任务环境中的多UAV协同规划问题,开发了结合风险感知路径评估、滚动任务调度和场景切换感知LinUCB超启发式选择层的分层框架。仿真结果表明在实验中具有更强的奖励导向鲁棒性:24个随机场景下平均有效奖励370.18,平均价值后悔0.61,最佳奖励比率0.460。优势在中高风险条件下更为明显。但框架并未均匀提升所有指标,按时完成率与最强固定基线接近,运行时间因在线选择步骤而增加。这些结论限于理想化仿真基准,未来工作将聚焦动态风险场、通信感知协调、移动支持船、明确发射回收约束、异构UAV编队、更强基线和更大规模验证。