随着海洋资源开发与海上作业复杂性的不断提升,水面无人艇(Unmanned Surface Vehicle, USV)因其灵活性、安全性及低成本优势,逐渐成为海洋探测、环境监测、军事侦察等领域的核心装备。然而,单一无人艇在任务执行效率、环境适应能力及协同作业范围等方面存在显著局限性,亟须通过集群编队控制技术实现多艇协同作业能力。近年来,国内外学者围绕无人艇集群的编队结构设计、任务分配策略、协同控制算法及跨域异构协同等方向展开了深入研究[1],并取得了阶段性成果。例如,分布式优化算法、虚拟结构法及区块链通信技术等创新方法的应用,显著提升了集群系统的鲁棒性与可扩展性。尽管如此,当前研究仍面临远海通信可靠性不足、异构编队定位精度受限、复杂环境容错机制缺失等关键挑战。本文系统梳理了无人艇集群控制技术的研究现状,从编队结构、任务分配、控制方法、通信架构及跨域协同等维度展开分析, 旨在厘清技术发展脉络,提出针对性优化方向,为未来“空-天-地-海 ”一体化无人系统的协同控制研究提供理论支撑与实践参考。全文共分为四部分:概述国内外发展现状,关键技术研究进展,总结现有挑战,展望未来研究方向。
1 国内外海上无人水面艇集群发展现状
1.1 国外海上无人水面艇集群发展现状
美国海军作为全球无人化军事技术的领跑者,自2014年起持续突破水面无人艇协同作战技术。弗吉尼亚州詹姆士河的里程碑式试验共用13艘船艇验证了数据融合、指挥控制等技术。这项技术突破在2016年10月演化为4艘无人艇自主集群编队,成功完成入侵目标识别、任务动态分配及港口驱逐等实战化场景的演练。至2021年,其技术迭代进入新阶段。“海上猎手”等三型主力无人艇通过“无人系统综合战斗问题”演习,与有人装备形成混合编队作战能力;同年10月开展的“新地平线”号与MANTAST-12号联合演练,着重探索异构平台协同战术(图1)。2023年5月太平洋舰队主导的IBP23.1演习,更将验证范围拓展到空海潜三维空间,标志着美国正推动无人系统向全领域、复杂化作战环境深度集成。
英国海军在2016年10月开展的“无人战士”联合军演,开创了北约体系内最大规模无人系统协同作战验证的先河。50余个涵盖空、水、潜三域的无人装备集群,不仅实现了跨域战场态势感知融合,更通过水上无人艇特遣队的战术机动,验证了异构集群作战中的信息中继与区域控制能力。该演习特别强调异构系统标准化接口建设,为后续北约多国无人装备协同奠定了技术框架基础。
法国海军在2017年春夏之交开展的I4® Drones技术实践中,重点攻克无人系统自主决策瓶颈。通过构建智能任务分配算法与动态路径规划系统,其无人单元展现出从目标侦察、精确定位到模拟攻击的全链作战能力。这项技术突破不仅提升了单装作战效能,更通过数据链路的加密强化,为未来有人-无人混合舰队的航行安全建立了新型保障体系。
综述国外各演习演练信息可知,当前水面无人艇集群技术发展呈现“跨域协同、智能升级、体系融合”三大趋势。美国通过CARACaS系统实现的动态任务分配、英国“无人战士”演习验证的异构平台标准化接口、法国I4® Drones项目突破的自主决策算法,共同指向“智能集群-有人平台-多域系统”三位一体的作战架构建设。但技术迭代过程中仍存在三大核心挑战:首先,在复杂电磁环境下,DADFS系统面临的跨介质数据融合时延(如美国IBP 23.1演习中暴露的延迟问题)可能造成战术决策窗口错位;其次,英国演习数据显示异构装备协同时出现的指令冗余度,暴露了北约STANAG4586标准在无人集群领域的适配瓶颈;再者,法国加密数据链虽实现90%以上传输完整度,但自主攻击授权机制引发的伦理争议(如2022年马赛港演习中误识别事件)仍制约着作战规则突破。这些技术伦理双重挑战,正推动各国加速智能容错算法与人机权责框架的并行研发。
1.2 国内海上无人水面艇集群发展现状
2018年1月,华中科技大学成功地将HUSTER系列水面无人艇技术运用到实际操作中,包括多艘船只的网络连接、十字形和环形船只的集群航行、可疑目标的监测和追踪。这一成果为技术创新提供了新的思路,也为未来的技术创新提供了重要参考。2018年5月,云洲智能科技有限公司在复杂海面成功实现56艘无人船集群运动控制,展示出两套不同复杂度的编队图样(图2)。2019年1月,大连海事大学针对协同控制中路径跟踪、目标跟踪等关键技术问题,基于不同队形编组航行验证了协同控制能力。2022年1月,中国船舶集团系统工程研究院(简称系统院)在三亚,对一字形、三角形、环形等编队航行控制进行了新的测试,使用了3艘玄龙水面无人船(图3)。2022年6月,在浙江省舟山盘峙岛附近海域,一艘200吨级别的无人船正式投入使用,这是一项重大成就,它不仅实现了无人船的自主航行,还推动了智能机舱技术的发展。
在国内,许多研究机构仍在尝试进行演示验证研究,并在水面无人艇技术领域取得了显著进展,成功实现了多艇网络连接、编队航行以及协同目标追踪等关键技术的验证。然而,与美国等国际先进水平相比,国内的技术应用仍存在较大差距。目前国内的成果主要集中在小规模编队和基本的协同操作上,而美国已经在大规模自主集群、异构平台协同以及全领域深度集成方面取得了突破。这表明我们在自主协同、智能化程度和复杂作战环境适应性等方面仍需加强研究, 以缩小与国际领先水平的差距。
2 海上无人集群控制关键技术研究现状
通过水面无人艇集群编队控制,我们可以有效地实现多艘船只按照指定的几何构型进行航行,并且每艘无人艇的平均航行速度能够满足预设要求。因此,深入研究水面无人艇集群控制的关键技术,对于实现无人艇的高效协同和智能化发展具有重要意义。
2.1 水面无人艇集群编队队形控制研究现状
2.1.1 集群编队队形类型
设计合理的水面无人艇编队队形对于实现有效的控制至关重要,常见的编队队形包括纵向一字形、横向一字形、菱形、梯形等,除此之外还有更复杂的编队队形,可以根据特征进行改进和优化。通过组合4艘无人艇,我们构建了具有代表性的编队队形(见图4)。
(1)横向一字形是一种适用于大面积搜索任务的队形,集群作业信息融合可以形成相对广域的作业态势圈,单个船艇的特殊故障导致无法继续作业对其他船艇的继续作业没有影响,但因为一字横向分布横跨区域相对其他队形较大,所以导致其集群回转过程的控制难度较大。
(2)纵向一字形是一种适用于狭窄区域作业的队形,这种队形是无人艇最开始进行集群作业时的相对简单有效的编队方式,能够将无人艇从离散状态转变为有序的编队运动状态,但是由于纵向一字形从首艘船艇到最后一艘艇,随着集群数量的增加,分布水域的长度较大。
(3)采用菱形编队队形的船只,不仅能够更加有效地实现全方位的监控,而且因其船只在一个地方的聚集性,使得船只在不同的地点上能够更加有序地交流,同时也减少了船只在某些地方停泊的难度,因此,它是一种非常理想的船只编队队形。
(4)梯形编队既兼具横向编队和纵向编队的优势,又可以有效地抑制其他船只的运动,使得船只的分布更加集中,从而使得每艘船只都能够在回转过程中保持所需的期望位置。
水面无人艇集群编队的类型繁多,其中最常见的是以上几种简单的队形,但是如果需要更加复杂的队形,则可以根据船只的数量、特征和使命任务的不同来进行扩展。
2.1.2 集群任务分配方式
面对复杂的海洋环境,如何有效地让无人艇按照预定的计划执行任务,就变得至关紧迫。目前,常见的任务分配算法有集中式、分布式、混合式,它们都能够有效地满足不同的需求,从而提升海上无人艇的生存能力。
(1)集中式任务分配策略。它可以有效地收集各级船只的完成情况,从而实现对船只的有效管控。然而,这样的做法也存在一定的缺陷:可能导致部分无人艇出现故障,而且其鲁棒性和可扩展性较差。当前,关于集中式任务分配的研究已经涵盖了从最佳实践到激励机制的多种技术手段。
(2)分布式任务分配策略。它不需要设置核心处理器,可以支持多个平台,使得算法变得简洁、可行、可靠,而且随着船队规模的增大,其计算复杂程度也将以指数级的速率提升,此外,它还可以利用信息交换的机制来进行任务分配,从而使其拥有较高的环境可塑性、抗干扰能力以及可靠的安全保证。通过使用分布式约束、多Agent平台及其与外部环境的交互,它可以有效地处理复杂的问题,且在实际操作中,马尔可夫方程组和博弈论都有很大的作用。博弈论通过设定优化目标,使多个平台在自利前提下采取相应的策略,完成任务后获得奖励,并且随之改变环境,这样就节省了沟通的成本,得到了更好的任务安排。
2.1.3 集群编队控制方法
一般来说,“领导者-跟随者”法、“虚拟结构法”“行为法”和“图论法”是无人系统编队控制四种常见的方法。
(1)“领导者-跟随者”法
“领导者-跟随者”法规定,一个虚构的领导者拥有整个船只集体的数据,因此,当需要增强船只的稳健性时,就需要建立一个这样的模型,让每一艘船只都能够根据自身的特点,调整自身和其他船只之间的距离和方向,从而达到团结协作的目的。“领导者-跟随者”法由于它的架构简洁、操作便捷,已经被广泛地应用于当前的无人系统编队控制。“领导者-跟随者”也具备良好的工程效果,然而它的最大问题是,如果没有对每个追踪者和领航员的行为进行监测,“领导者-跟随者”的编队控制将会受到严重影响,即使它们的监测功能正常,也可能会出现故障,从而影响整个编队的运行效率。当执行机出现问题或者通信线路出现问题时,船只的阵型可能会发生变化。
(2)虚拟结构法
通过采用虚拟结构法,我们可以构建出一个模拟的、可调整的船只编队结构。这种结构可以按照预先设定的路线行进,而且可以根据船只的运动路径,及时地调整每艘船只的行进轨迹,从而达到构建和维护的目的。虚拟结构法不仅可以提供更高的效率,而且可以更加简便地构造出一个更加精确的编队而无须依赖真正的领航员。它的优势在于可以更精准地调整船只的位置, 以及更加简单地完成避障任务。GHOMMEM等[7]把虚拟结构法与反步法的特点进行结合,提出了一种新的集群控制模型,能够有效地控制船艇的队形和航行轨迹。
(3)行为法
基于行为法就是把一些智能体的行为“标记”出来,比如智能体的避障行为、保持编队行为、改变编队行为、执行任务行为等,然后设计出可以协同控制这些“行为”的算法,进而控制智能体的运动轨迹。但实际上行为的协调并不意味着集群运动控制的鲁棒性控制行为,且难以构建数学模型。2006年,ARRICHIELLO等[8]基于行为法,提出“零空间”行为法,建立了考虑海洋环境扰动的集群仿真平台,在保持队形稳定的目标下,成功实现避障、队形保持等“行为”,验证了算法的有效性。
(4)图论法
基于图论方法的优势之一是,只允许与其他船只共享船舶的最新状况,从而大大减少对“领导者-跟随者”法的依赖程度。此外, 由于该法具备分散的优势,即使遇到复杂的传输架构,仍然是一种高效、实用的船舶配置管理技术。DONG等[9]结合图像处理、Lyapunov算子等数学模型,提出了一种基于船舶与物体关系的辅助控制策略,它可以帮助船只达成期望的队形状态,并且每艘船只的行进路径也是一致的。
2.1.4 集群控制架构类型
(1)采用集中控制的方法可以有效地提升船只的总体管理水平,它可以有效地对船只实施统一的管理,从而实现更加有序的状态。然而, 由于集中控制的需求量大,而且需要更多的计算资源和通信带宽,因此,在这种情况下,单独的船只可能受到不同程度的限制,从而无法获得期望的管理结果。
(2)在分散控制的方式下,每艘无人艇都由其相应的控制器单独控制,它们之间存在着平行的关系。然而, 由于每艘船均不掌握整个艇群的状况,很难达到全局最佳控制。但即使某艘船的控制器出现故障,也不会对整个船队产生重大影响,并且这种编队节点的扩展也比较容易。
(3)采用分布式控制技术,可以大大提高效率和安全性,它不仅可以减少信号传输的时延,而且可以实现更多的信号传输,从而使得船舶的运动更为稳定、灵活,并可以根据不同的情况和需要,随时更新控制系统的架构,从而实现更高效的船舶管理(图5)。
随着技术的进步,集中控制和分布控制已经成为当今最常用的控制手段,它们具有良好的可实现性、适应性以及可靠性,而基于这些优势的复合式控制技术也在不断发展壮大。
2.2 水面无人集群系统通信技术
在水面无人艇执行集群管理任务时,确保艇群之间的数据交流至关重要。目前,常见的数据显示传递技术主要分为短途、中程和远程三种。其中,中程数据传递技术以其高可靠性和良好的可扩展性被广泛应用,而远程数据传递技术则因其更高的灵活性和可靠性,在特定场景中表现出色。然而,远程传递技术由于其复杂的技术要求,在大型艇群中的应用受到了一定限制。此外,水上无人机的高速度和多变的运动方向使得现有的通信条件十分脆弱,进而显著影响了其飞行的精度和效率。
针对这一挑战,众多研究者致力于改进现有通信系统以提升无人艇集群的协同能力。张少泽提出了一种基于无线自组网和远程传输的自动化网络架构,能够满足海上无人机多样化的连接需求,并具备强大的自我调整能力。侯岳奇[10]则提出了一种基于内外分层的网络架构,该架构能够根据不同的网络拓扑特性及邻域状况,确保海上无人机的安全飞行。张璞[11]提出了一种创新方法,旨在解决水面无人船的安全隐患,通过关联不同的状态和通信拓扑,设计了一种具备快速恢复能力的扩展型控制器。此外,叶立俊等人[12]基于区块链技术,开发了一种新型的水面无人艇协同攻防作战通信技术,该技术不仅有效保障了各艇之间信息的准确传输,还显著提升了通信效率。
当下水面无人艇集群编队控制的通信技术研究基本上还是对之前存在的通信技术的软件和算法进行改善,而未来要研究的通信技术是更加有效的新的通信技术,新通信技术可以使得未来的水面无人艇集群的协同控制更加快速有效,实现更精准和高效的任务执行。
2.3 海上跨域异构无人编队协同导航技术
由USV、无人机(UAV)以及水下无人潜航器(UUV)组成的跨域异构编队,必须精细地计量出其间的距离,以保证它们能够高效地完成多种复杂的航行操作,比如USV、UAV海洋搜索、防护、挖掘、爆破、救援、钻井、探测。由于UUV的跨域异构编队协作受到了很大的限制,以及其所处恶劣的声学环境,它的导航问题成为当今学术界的热门话题。
为此,国内外学者针对集群编队导航的技术问题开展研究,其中应用卡尔曼滤波及优化理论于导航技术中比较常见,其主要核心思想是利用设备的高性能降低系统的发散速度。2010年FALLON等[13]针对异构集群控制,提出了基于无人艇的位置对潜航器进行导航控制,并引入扩展卡尔曼滤波算法来提高潜航器导航控制精度。
2018年KAPETANOVIC等[14]利用扩展卡尔曼滤波技术,结合UUV的数字传输技术,以及USV与声呐图片的相互作用,有效地改善UUV的定向准确性。另外,利用EKF技术实现的UUV数字远程控制,为不断变换的海洋环境中的多种舰艇的协作指引带来更多的可能性。为解决USV传输的速率较慢、容易被外界因素干扰的难点,2017年HU等[15]采取声音传输技术,搭配USV技术,构筑出一个能够实时传输USV、AUV的双向传输网,从而实现AUV的准确性,同时也可以控制AUV之间的传输速率,确保传输的安全性。2013年BUSQUETS等[16]提出一种新的双系统串联导航技术,采用USV作为UUV的“专用”定位平台,利用USV与UUV之间的相对位置关系,持续获取超短基线(USBL)定位信息,从而实现对UUV位置的实时监控和精确定位。它可以实现高效率的定位和节省费用,同时也可以满足对水域和海底的高准确性要求。2017年VASILIJEVI等[17]提出了一种人在环上系统HOTL(human-on-the-loop),构建了一个新的水上、海上、陆地联网的系统,如图6所示,它可以将USV的定位、通信数据及其他相关指令及时传达给控制中心,同时也能够有效地纠正UUV的航行偏移。2018年VASILIJEVIC等[18]通过验证的不同通信方式下的集群控制实验(图7),针对水下导航精度不高的问题,提出基于WiFi无线网络、GSM网络和LTE网络构建一张网,提高潜航器水下通信能力,保障航行精度。
2.4 海上跨域异构无人编队协同定位技术
随着全球范围内无人艇群数量的不断增长,USV的安全部署需要更加先进的USV定位系统来提供更加可靠的服务。然而,传统的GPS定位系统存在着一些明显的不足,尤其是对于USV及UAV的定位,更需要一种能够实现更远距离的高精度定位系统。USV是有六个自由度运动模型的,它的运动轨迹是很难控制的,在没有任何UAV影响的情况下,USV本身也会有姿态的问题,导致UAV降落时存在隐患。
2019年XU等[19]利用多种技术,包括干扰消失、矩阵优化、特殊参数匹配等,来实现无人机的精准降落。此外,2014年SANCHEZ-LOPEZ等[20]还探讨了GPS技术与人工智能技术相结合的可能性以及利用一套完整的人工智能技术方案,以实现无人机的精准位置预测。2019年SHAO等[21]采用多超声联合动态定位算法,结合USV船体的特殊结构,成功地实现了USV和UAV的动态定位。这种技术不仅有效地消除了USV的姿态引起的定位偏移,而且还能够有效地抑制海浪的冲击,从而提供更准确的定位信息。为进一步提升USV和UAV/USV的跨域异构编队的定位能力,2020年XU等[22]还开发出了一种新型的三阶视觉检测器,它能够准确地定位两者的位置。
总而言之,USV/UAV的跨域异构编队具有极大的潜在价值,它们不仅拥有较长的传输距离和较宽的视野,还拥有极高的续航里程,使得它们成为未来搜救、海空一体化以及其他复杂任务的理想选择。
2.5 海上跨域异构无人编队的路径规划与目标跟踪
与传统的单一航迹飞机不同,USV、UAV以及UUV组合而成的跨域异构编队系统需要能够适应各种极端的情况。这些编队需要能够承受各种恶劣的天气条件,并且保持良好的稳定性。目前,许多科学家都致力于探索异构UAV的可靠机制,以及它们的优化设计。华中科技大学东莞研究院无人艇团队提出一种新型的导航系统,它不仅可以实现无人艇平台移动状态时无人机的协同着陆,而且还可以实现水陆空跨域的数据传输和定位,从而极大地增强了跨域空中的移动和操纵效率,为不同类型的空中部署带来更多的可操作空间,如图8所示,由USV/UAV/UUV组成的跨域异构编队执行搜索任务和实现无人机的自主着降。
通过异构编队内部分组间的信息交互,我们可以更好地把握整体情况,实现更加高效、精准的路径规划。2019年MERRIFIELD等[26]提出了一种新型的UUV/USV协同采集框架,它可以根据UUV数据预先确定其位置,然后根据该数据指引USV进入相应区域,以确保UUV与USV之间具备良好的协调控制功能。为了更好地模拟复杂的多层空间环境,2014年PINTO[27]、2013年MARQUES[28]采用多层控制结构,以实现跨域异构编队的有效操作。其中,顶层的路径规划是基于整体的空间情况,并通过USV和UGV(无人地面车辆)的实践证明其可靠性和可操作性 。为解决在路径规划过程中遇到的挑战,2015年LIU等[29]采用Fiduccia-Mattheyses(FM)算法,建立USV领域区,并设置避碰区,从而有效避免碰撞区的产生。2011年HEIDARSSON等[30]采用USV前置声呐及实时的航拍照片,利用经过训练的分析算法,从而提取出相关的特征,然后将其与模拟结果结合,以实现识别UAV所面临的障碍物的功能。此外,2013年WEAVER等[31]还采用了自适应阈值及斑点检测算法以检测UAV的搜索能力,从而提供最佳的路径轨迹。WHIO研究小组为解决航行器之间的航行障碍,根据航行器的特定要求,如要求的航行精度、节省的燃料以及高效的传输,研究人员提供了一组航行器的航行路径、传输时间、数据处理时间等参数,经过实际测试得到有效的结果。2018年MA等[32]通过研究表明,自组织网络UAV可以克服传统的水上及海底无线电传输的局限,它可以在不影响船只的情况下, 以自组织的形式完成USV的传输,并且可以大大增加传输的稳定性,从而极大地改善传输的可靠性。
此外,2019年LIU等[33]还采用自组织映射(SOM)、快速行进法(FMM)算法, 以及优先级算法,确定合理的传输距离,从而更好地满足舰艇的需求,同时还可以确保舰艇的安全可靠。为解决UUV/USV系统的容错难点,2020年YU等[34]基于随机模拟实验及其相关的同时规划技术,开发出一种双阶段的路径优化算法,该算法采用改进的粒子群优化(IPSO)技术,通过集群模拟及其他形态的模拟,实现多个参数的优化,从而有效地解决UUV/USV的同时参数优化,进而增强其在海洋环境的灵活性。基于遗传算法(GA)、蚁群算法(ACO) 及其他有限元技术,2020年BELLA等[35]开发出一种新的跨域异构编队海洋环境检查、治理、维护等多种功能的航行控制系统,它不仅能够有效地改善航行控制的性能,而且能够预防航行控制系统的故障。
3 集群编队控制技术面临现有挑战
3.1 水面无人艇集群编队容错控制问题
3.2 水面无人艇集群编队远海通信技术问题
随着无人艇集群控制技术逐步从近海走向远海,在复杂开放的远洋环境中执行长期、多任务协同作业已成为必然趋势。然而,远海区域常伴随高海况、强风浪、恶劣天气及复杂电磁干扰,这些因素极易导致通信信号衰减、传输中断、时延加剧甚至链路完全失效,严重制约编队内信息交互与协同控制的实时性与可靠性,从而显著提升任务失败风险。因此,开展在强约束、不稳定海洋通信条件下的水面无人艇编队协同控制研究,发展具备抗干扰、自适应、高韧性的通信与协同控制一体化技术,对保障远海任务的顺利执行、提升系统在极端环境下的生存与作业能力,具有至关重要的意义。
3.3 水面无人艇集群跨域异构编队“通-导-控”一体化问题
为实现水面无人艇(USV)集群在复杂开放海洋环境下的高效、可靠协同作业,跨域异构编队的高精度导航与协同定位问题已成为制约其技术发展与应用落地的核心挑战之一。该类编队通常由USV、UAV乃至UUV等异构平台构成,各平台分别运行于水面、空中、水下等不同介质中,具有差异显著的运动学模型、动态响应特性、传感观测能力及通信约束条件。因此,要实现跨域平台间的精准相对定位、统一时空基准下的协同导航与航迹规划,不仅需解决多源异构传感器的信息融合、状态估计与协同滤波等算法问题,还必须应对海空界面传播差异、复杂海洋环境干扰、通信带宽与时延不均等一系列现实约束。当前,围绕这一系统性难题,研究主要从以下三个层面展开深入探索。
(1)随着技术的发展,USV编队的协作导航技术取得了长足的进步,其中包括采用卡尔曼滤波和优化理论算法,以及对其他技术的改进,从而大幅提升编队的定位准确率。尽管近年来越来越多的学者开始探索跨域异构编队的误差特征,以及相应的补救措施,但仍有许多未解决的挑战。比如,针对各种无人机的运动学模拟,尚未有足够的实践经验和数据支持, 以便更好地评估其可能产生的影响。
(2) 由于水面环境的高度动态、多干扰特性,以及GPS信号在水下无法有效传播,跨域异构编队的导航性能受到显著制约,成为该领域的重要挑战之一。此外,跨介质通信链路的缺失与不稳定,进一步加剧了跨域平台之间状态同步与协同控制的困难。USV凭借其良好的水面机动性与通信中继能力,有望作为连接水面、水下与空中智能平台的枢纽,结合分布式协同优化算法,可有效抑制跨域交互中的信息不一致与外部干扰。然而,目前相关研究仍多集中于理论推导与仿真验证阶段,缺乏真实海洋环境下的系统集成与长期验证。展望未来,分布式协同优化算法有望在跨域异构编队中实现关键突破,通过智能资源分配与自适应协同策略,不仅能够显著降低通信延迟、提升传输可靠性,还可进一步增强系统在复杂环境下的导航精度与任务适应性,从而更好地支撑多样化海洋作业需求。
(3)在极端海洋条件(如剧烈海浪、传感器突发异常、USV与UAV之间通信断续甚至中断等)下,基于USV的跨域异构编队须具备强鲁棒性的协同导航与状态估计能力,以应对各类异常情形,抑制误差的累积与传播。目前,全球范围内的研究团队正积极探索跨域异构编队在不同环境(如近海、远洋、极区等)下的协同作业模式,并致力于实现跨介质、跨时空基准的异步飞行与协同控制,这使得多智能体在动态不确定环境中的协调与安全成为当前无人系统领域关注的核心课题。随着USV与其他无人平台(如UAV、UUV)的持续发展与深度融合,如何实现跨域多源数据的实时、可靠、语义级融合与传输,并在此基础上构建具备自适应、可重构能力的协同决策框架,已成为推动全球跨域异构编队协作能力跨越式提升的关键研究方向。
3.4 能源与续航约束下的集群任务规划
无人艇,尤其是中小型艇,受限于载荷与空间,能源供给有限。集群长期、远距离作业时,能源消耗与任务效能、编队保持之间的平衡优化成为突出矛盾。现有路径规划与任务分配算法较少综合考虑各艇的实时能量状态、海洋环境对能耗的影响(如逆流航行),以及可能的途中自主充电/补给机会。发展融合海洋环境预测的“能源感知”型智能任务规划技术,是实现集群持久作业能力必须攻克的实际挑战。
4 结束语
随着“海洋主战场”战略的深入推进,海洋已成为全球科技与战略竞争的关键领域,无人艇(USV)作为新型海洋智能装备,在其中扮演着日益重要的角色。当前,面对复杂多变的海洋环境与多样化的任务需求,无人艇在自主性、协同性与适应性方面仍存在明显不足,亟须发展具备多任务兼容、强环境适应能力的下一代无人艇系统。通过对现有技术体系的梳理可见,其在动态任务分配、编队协同控制、自主避障与安全防护等方面仍面临诸多技术瓶颈。尽管已有部分研究成果在实际场景中得到初步验证,但在系统可靠性、智能化水平与规模化应用方面仍有较大提升空间。此外,随着无人机(UAV)、无人潜航器(UUV)等跨域平台的快速发展与深度融合,未来无人系统将逐步突破单一域限制,向“空-天-地-海”多域协同、跨域智能的一体化无人集群方向演进,从而推动海洋领域技术革新与任务能力升级。
在此背景下,未来无人集群将不再是简单的程序化执行单元,而是逐步发展为具备自主感知、协同认知与群体决策能力的智能有机体。以多智能体强化学习(MARL)、生成式AI、类脑计算为代表的先进AI技术,将赋能集群实现真正意义上的“涌现智能”。集群能够通过经验学习适应未知环境,通过分布式协同动态生成作战/作业策略,甚至表现出超越预设程序的创造性协同行为,如自组织的包围、拦截、诱骗等战术。进一步,单一域无人系统的优势将深度融合,形成多域互补、立体协同的作战与作业体系。USV集群将作为海上移动基地与信息枢纽,与高空长航时无人机(提供广域侦察与通信中继)、低空突击无人机(提供精确打击)及水下潜航器(提供隐蔽探测)构建立体攻防网络。未来的研究重点也需转向跨域任务语义理解、动态角色分配、跨介质联合火力规划与杀伤链闭环等系统级协同技术。
与此同时,数字孪生技术将为无人艇集群的设计、测试、训练与运维带来革命性变化。构建与物理集群实时同步的高保真海洋数字孪生环境,可在虚拟空间中安全、低成本地进行极端场景测试、算法快速迭代以及“人-机-集群”协同训练。物理世界的运行数据持续反哺孪生体,推动其不断进化,形成“以虚预实、以实优虚”的闭环,从而极大加速技术成熟进程。硬件平台的模块化、标准化是支撑集群规模化应用的重要基础。未来有望形成开放的USV软硬件架构标准,使感知、计算、通信、载荷与能源等模块能够像“积木”一样灵活组合,快速适配不同任务需求。此外,开源协同算法库、仿真平台和共享数据集的构建,也将促进学术界与工业界协作,降低研发门槛,形成健康可持续的技术生态。
为支撑长期、远海部署任务,新能源技术与智能能源网络成为关键突破方向。研究将聚焦于太阳能薄膜、氢燃料电池、波浪能收集等技术与USV平台的一体化设计,以及集群内部的动态无线能量传输与共享机制。通过构建集群级智能“能源互联网”并实现能源优化调度,可在平台间实现高效能量分配,从而最大化整体任务续航时间。
最后,未来的无人系统并非完全取代人类,而是走向深度人机融合。借助混合增强智能(HAI)、脑机接口等技术,人类指挥官能够以自然语言甚至“意念”与集群高效交互,实现“指挥一群智能体如同指挥一个有机整体”。在此基础上,国际社会需共同推动建立无人系统海上行动的国际规则、伦理准则与法律责任框架,以确保技术发展处于安全、可控与合规的轨道,妥善应对自主武器使用、海上交通事故责任判定等新型挑战。