“AI+国防/民航”国家行动丨无人机集群跨域协同仿真与智能决策系统

一、系统概述

无人机集群跨域协同仿真与智能决策系统基于PyBullet物理仿真引擎，通过模拟不同的飞行环境和任务场景，结合深度强化学习方法，验证无人机集群在复杂动态环境中的协同决策优化与自主飞行能力，支持多种任务场景下的仿真实验验证，包括障碍物避让、目标跟踪、路径规划等，为无人机智能化系统的实际应用提供理论与技术支持。

二、系统结构

图 1 系统拓扑结构图

图 2 系统逻辑结构图

系统包含输入模块、构建模块、感知模块、决策模块、展示模块共五部分：

输入模块：输入无人机数量、编队队形、障碍物、目标点位等要素信息；

构建模块：根据输入信息，建立仿真环境，包含场地、障碍物、无人机、目标点等；

感知模块：利用激光雷达/相机等传感器感知环境，使无人机获得障碍物位置、目标点相对位置等信息；

决策模块：结合感知信息，基于深度强化学习方法进行决策，支持避障、避碰、目标追踪等任务功能。

展示模块：可视化展示任务执行效果，包含精细网格化空域、航线、流量、气象、洋流、电磁、二/三维GIS等要素。

三、核心功能

系统具备环境构建、自动编队、感知、决策等功能。

图 3 系统组成结构图

核心功能介绍

（一）具备环境构建功能

根据输入要素信息，如无人机数量、编队队形、障碍物、目标点位等，建立仿真环境，如下图所示：

图 4 仿真环境示例

如图所示，蓝色圈内是无人机编队，红色圈指示了示例柱形障碍物，绿色圈内指示目标点。其中无人机编队是由5架无人机构成的“X形”编队，如下图所示：

图 5 “X形”编队

（二）具备自动编队功能

无人机编队在越过障碍物时（如图(b)(c)所示），为避免碰撞（避障且机间避碰），会解散编队，穿过障碍物后会自动恢复编队（如图(d)所示）。

图 6 自动编队示意图

（三）具备感知功能

系统能够利用激光雷达、深度相机、RGB相机等传感器感知环境，如下图所示：

图 7 感知功能示意图

图中，图(a)是激光雷达，图(b)是深度图像，图(c)是RGB图像。

（四）具备决策功能

系统能够结合感知信息，基于深度强化学习方法进行决策，支持避障、避碰、目标追踪等任务功能，如下图所示：

图 8 穿越障碍物与目标跟踪

图中，图(a)显示无人机穿越障碍物群，图(b)显示无人机恢复编队并进行目标跟踪。

四、性能指标

系统性能指标如下：

• ①支持无人机群进行临机决策，响应时间不超过10ms；

• ②支持无人机群仿真编队飞行，完成避障、目标跟踪等任务，无人机数量不少于10架；

• ③支持仿真无人机群进行快速移动，最高速度超过5m/s；

• ④支持超过5种不同类型障碍物接入及感知，包括球形障碍物、柱形障碍物、立方体障碍物等。

五、应用场景

随着低空经济智能无人平台技术的快速发展，各类无人平台（无人车、无人船、无人机、机器人等）综合管控涉及各类复杂异构平台的协同调度及算法支持，该系统为上述调度及智能决策算法提供综合仿真及验证平台，实现各类无人系统的跨域调度（跨物理域、逻辑域），且封装了各类物理引擎以适配不同无人平台的底层控制，是高效便捷的验证手段。

该系统可在多个实际应用场景中发挥重要的算法及仿真验证支持，如：低空无人机物资配送、低空领域无人机编队巡检、低空一体化综合管控等，同时在智慧电网、智慧交通、智慧城市、智慧救援等低空领域也有广泛应用前景。

典型系统应用场景描述如下：

场景1：无人机物资快递

• 环境

在高度数字化的现代都市中，无人机集群面临典型的低空复杂环境：

①高楼大厦、电线杆、输电线等组成的静态密集障碍物群；

②鸟群、商业核心区起降其他民用无人机等动态障碍物群；

③大风、降水等复合气象干扰；

④医院、学校等禁飞区的电磁干扰等。

• 资源

系统配置50台虚拟物流无人机单元，每单元搭载：

①异构计算平台（4核CPU+2个TensorCore GPU）用于实时运行PPO强化学习算法；

②多模态传感器组（双目视觉+毫米波雷达+激光LiDAR）实现360°感知覆盖。

集群共享由气象卫星、地面基站和车载移动中继组成的混合通信网络，可支持与真实快递柜的RFID识别系统进行数据耦合。

• 任务

在90分钟内完成300个包裹的跨区配送，需同时满足：

①医疗急救包等优先级货物必须在30分钟内送达；

②穿越信号断续区时保持编队间距误差小于1.5米；

③遭遇突发禁飞指令时，所有无人机在1分钟内切换至应急备降模式。

任务期间需持续优化充电策略，当无人机电池容量低于20%时自动触发无线充电桩对接程序，且不影响其他单元的任务进度。

• 完成条件

任务被视为成功需同时满足：

①95%以上包裹准时送达（时间误差±3分钟）；

②全程零碰撞记录（包括与建筑物、其他飞行器）；

③能量利用率达标（平均每公里耗电不超过85Wh）。

通过蒙特卡洛仿真进行500次随机种子测试，当90%次数的测试达成上述指标时，判定该配送方案具备工程落地条件。

场景2：低空领域无人机编队巡检

• 环境

在海拔2000-3500米的特高压输电线走廊区域，面临作业环境：

①跨度超过800米的山谷线路，电线会随风舞动；

②沿线分布的23处绝缘子串缺陷热点区（最小识别尺寸2cm×3cm）；

③电磁环境复杂的变电站周边（工频磁场强度≥100μT）。

• 资源

部署8架专业巡检无人机组成的集群，各单元配置：

①红外热成像仪（温度分辨率0.5℃）与紫外电晕检测仪（光子计数率误差±3%）；

②边缘计算节点（算力4TOPS）运行基于强化学习算法的自主避障模块；

③抗干扰数据链（工作频段1.4GHz±10MHz）支持mesh自组网。

地面站配备三维数字孪生平台，实时融合激光点云数据与历史缺陷库，生成检测优先级图谱。系统预留与SCADA系统的OPC UA接口，可同步获取线路负荷电流数据。

• 任务

在6小时窗口期内完成100公里线路的全自主精细化巡检，要求：

①途径所有预设测量点（测量点间距≤100m）；

②识别并分类所有绝缘子串缺陷；

③在跨越公路、铁路等关键区段保持编队高度误差小于±1米。

任务期间需动态调整飞行模式，当遭遇突发浓雾（能见度<50米）时自动切换至近距离编队形态，各机间距压缩至5米内，并启用协同定位模式。

• 完成条件

任务成功标准包括：

①缺陷检出率≥90%（对比人工复检结果）；

②全程未触发紧急避障动作（最近障碍物距离＞1米）；

③数据完整率100%（每个检测点至少3组有效数据）。

系统在10次连续仿真中达到：a)平均任务耗时≤6小时；b)误报率＜10%时，判定该方案具备现场实施条件。特殊情况下（如地震应急巡检），允许将检测精度阈值临时下调至80%。

文 字 丨 杨 磊

图 片 丨 罗 钟 旭

责任编辑丨杨 磊

审 核丨刘 玉

更/多/解/决/方/案

关于爱维译公司

成都爱维译科技有限公司（Artificial Intelligence Visual Engine Technology Corp. ，简称：“爱维译公司”或“AIVE”）是一家以“释放中国智慧，赋能世界强国”为愿景，以“打造国防与民航科技研究院（NDCATA）”为使命，聚焦国防、民航两大新质生产力核心领域需求，致力于研发特种智能装备、信息系统的军工单位。国防领域自研核心产品包括武器装备全寿命周期信息系统（论证/研制/生产/试验/使用/维修）、作战训练模拟系统（共同/专业技术/战术/大型试验）、指挥控制系统（C4ISR）、现代军事物流管理系统及军事资产可视系统；民航领域自研核心产品包括民用航空器全寿命周期信息系统（论证/研制/生产/试验/使用/维修）、实践技能训练系统（教学/科研/实验/试验/训练）、岗位胜任力训练系统（管制/通信/导航/气象/情报/飞行/运控/维修）、资质培训与考试系统（飞行/管制/签派/电信/情报/维修/低空飞服）、运行安全辅助决策系统（空管/飞行/机场/安全）、应急管理与处置系统、无线电陆空通话安全防护系统、低空飞行服务系统等。

关注『爱维译公司』视频号