《Biomimetics》：Bioinspired Spatio-Temporal Cooperative Path Planning for Heterogeneous UAVs Driven by Bi-Level Games: An SSA-MPC Fusion Approach
Yaowei Yu and
Meilong Le
编辑推荐：
为解决密集城市环境中异构无人机集群协同运行的挑战——如空域资源分配僵化、频繁重规划消耗大量机载算力，以及纯数学优化所得路径难以在实际动态约束下执行——研究人员开展了一项物理信息驱动的、事件触发的博弈控制融合路径规划研究。研究提出Physics-Informed SSA-MPC框架，将事件触发Stackelberg博弈用于空域协调，改进的麻雀搜索算法(SSA)用于全局路径生成，事件触发模型预测控制(ETM-MPC)用于局部重规划。上海陆家嘴数字孪生仿真表明，该方法将路径长度缩短3.3%–14.9%，避障延迟降至45 ms，并实现了100%的工程可行率，为复杂城市低空异构无人机协同提供了高效可靠的解决方案。
随着无人机在物流配送、应急救援等城市低空任务中的广泛应用，由重型物流无人机、敏捷巡检无人机等不同平台组成的“异构集群”协同作业已成为趋势。然而，在建筑林立、风场紊乱的密集城市峡谷环境中，这类集群的协同路径规划面临着严峻挑战。传统的空域资源分配方式往往过于僵化，一旦有无人机因强风或电池老化导致性能下降，固定的避让规则可能引发轨迹发散甚至连环碰撞。同时，基于纯数学启发式优化算法（如粒子群优化PSO、麻雀搜索算法SSA）生成的路径，虽然数学上最优，却常因包含无人机动力系统无法执行的急转弯或大跳跃而缺乏“物理可飞性”。此外，广泛用于在线避障的模型预测控制(MPC)通常采用固定频率的滚动优化，即使在安全环境中也进行冗余计算，这给算力有限的小型无人机带来了沉重负担，可能导致高动态场景下的避障失败。
为解决上述工程瓶颈，Yaowei Yu和Meilong Le在《Biomimetics》上发表研究，提出了一种名为“物理信息SSA-MPC”的仿生事件触发博弈控制融合路径规划框架。该研究旨在将异构无人机的物理状态、实时性能与空域协调、路径规划深度耦合，从而在保证安全的前提下，提升路径效率、物理可行性与计算经济性。
研究人员采用了几个关键的技术方法：首先是构建了一个结合动态优先级权重的Stackelberg博弈模型，用于上层空域资源的自适应分配。其次，对经典的麻雀搜索算法(SSA)进行了三项物理信息改进，包括融合电池健康状态(SoH)的自适应搜索权重，以及基于最大可用加速度对Lévy飞行步长进行物理截断。再者，设计了一个事件触发模型预测控制(ETM-MPC)机制，仅当预测的安全椭球重叠或跟踪误差超阈值时才激活局部重规划，以减少冗余计算。研究以上海陆家嘴核心区的高保真数字孪生场景为实验环境，设置了包含物流和巡检两类共8架异构无人机的集群，并与标准SSA、PSO、APF-SSA（人工势场融合SSA）及分布式MPC等基线算法进行了对比验证。
实验I：全局优化与局部极小值规避
在密集建筑群的拓扑优化测试中，所提算法展现出了卓越的全局寻优能力。数据显示，其生成的平均飞行路径长度为1258.4米，相较于经典PSO算法缩短了14.9%。更重要的是，混合算法APF-SSA因势场力局部冲突而出现了15.2%的局部极小陷入率，而所提算法始终保持0%。这归功于上层Stackelberg博弈在搜索前就从全局拓扑角度为异构无人机划定了无冲突的时空走廊，结合下层变步长Lévy逃逸策略，从根本上克服了传统势场法在城市低空复杂环境中的固有缺陷。
实验II：物理约束满足与计算稀疏性
在物理可行性验证方面，该研究通过将二阶动态约束矩阵嵌入控制输出，成功地将无人机的加速度命令限制在其物理极限内（物流机3 m/s2，巡检机5 m/s2）。如图所示，加速响应曲线被严格限定在边界内，这使得算法实现了100%的工程可飞率，并将集群平均能耗降至96.2 kJ。在计算效率上，事件触发机制展现了显著的稀疏性。相比于标准DMPC在整个飞行过程周期性唤醒，所提ETM仅在安全椭球预测重叠或跟踪误差接近预警边界时激活重规划器，从而在巡航静默期减少了不必要的计算。实验测得单次重规划计算时间降至1.22秒，避障延迟缩短至45毫秒（标准DMPC为215毫秒）。
实验III：跨层博弈与动态目标规避
在10 m/s强风与随机移动障碍物的严重干扰下，系统展示了出色的动态协调与避障能力。研究发现，当风扰导致某架无人机的跟踪误差逼近安全阈值时，跨层反馈回路被激活，其动态优先级权重随之增加。这一变化促使周边无人机（包括原优先级更高者）提前进行避让，有效缓解了局部协调冲突。同时，ETM-MPC利用节省的计算资源，对突然闯入的移动障碍物进行动态轨迹预测与控制输入重构，响应延迟低至45毫秒。在全部50次极端案例测试中，多智能体碰撞率始终保持为0%。
硬碰撞规避约束与最坏情况相对距离分析
为考察极端障碍侵入下的局部安全裕度，研究提取了飞行过程中最近两架无人机的最小相对距离。结果显示，APF-SSA基线在突发障碍进入走廊时一度低于2.0米安全边界，存在碰撞风险；而基于预测控制的方法均能将相对距离维持在安全边界之上。所提方法在保持不违反碰撞规避硬约束的前提下，最接近允许的避撞极限，表明其重规划机制能在确保局部安全的同时高效利用城市空域。
输入-状态稳定性(ISS)与最大跟踪误差收敛分析
为进一步检验算法在强环境干扰下的抗扰与收敛能力，研究绘制了引入强侧风后集群中受扰最严重无人机的最大跟踪误差演变图。当动态权重反馈机制被移除时，消融基线峰值误差达1.8米且收敛较慢。相比之下，所提方法在跟踪误差接近阈值时激活事件触发重规划，并同时更新受扰无人机的博弈优先级，为周边无人机提供了更多避让空间，将峰值误差压制在0.9米以下并缩短了恢复过程，整体趋势与理论上的输入-状态稳定性分析一致。
消融研究与统计显著性检验
通过分阶段消融研究，明确了各核心模块的作用：自适应初始化与基于熵的加权主要通过减少早熟收敛、使优化对电池状态更敏感来改善全局搜索过程；加速度约束的Lévy更新主要通过限制超出动态边界的路径突变来提高物理可执行性；ETM-MPC模块在动态重规划期间有助于提升局部安全性与计算效率；跨层动态优先级反馈则通过允许受扰无人机在局部冲突加剧时获得更多恢复空间，进一步改善了协调性能。最终，完整方法将集群平均能耗降至96.2 kJ，比标准SSA降低了18.8%。Wilcoxon符号秩检验结果表明，所提方法相对于所有对比算法在平均路径长度上的改进具有统计显著性。
参数敏感性分析
对动态权重边界、预测时域Np和控制时域Nc等核心控制参数的敏感性分析表明，当这些参数在测试范围内变动时，平均路径长度的相应变化保持在5%以内，说明所提出的物理信息SSA-MPC框架对主要控制参数的中等程度变化并不敏感，这有利于实际部署。
该研究得出结论，所开发的物理信息事件触发博弈控制框架成功地将事件触发的Stackelberg博弈、物理约束的SSA和事件触发的MPC集成到一个协同系统中，有效应对了城市环境中异构无人机协同运行的三大挑战。其核心创新在于实现了规划与控制的物理信息闭环，以及基于性能状态的自适应资源分配。在线优先级更新机制在受扰时能及时调整空域通行权，有助于缓解局部协调冲突。将电池SoH和加速度限制等物理信息引入搜索过程，确保了生成的路径在保持竞争力的同时，更贴合异构无人机的实际机动能力，实现了仿真中100%的工程可行率。事件触发的MPC机制在降低低风险阶段冗余计算的同时，保持了面对碰撞威胁时的快速响应能力，将避障延迟降至45毫秒。结合李雅普诺夫稳定性理论分析，该框架为动态城市环境中低空异构无人机作业提供了兼具全局优化能力、物理可执行性、高安全性和计算经济性的解决方案。
在讨论与未来工作部分，作者指出当前研究限于8架无人机的数字孪生场景，更大规模集群和更密集城市场景仍需评估。未来工作将聚焦于三个方向：一是极端天气耦合建模，研究暴风雪、极端寒冷结冰等条件对多旋翼非线性气动性能退化的耦合影响，以切实增强集群在极端灾害救援环境中的容错规划能力；二是超大规模集群完全分布式架构，融合边缘计算技术，设计完全不依赖全局通信和中心节点的海量异构无人机集群分布式协调架构；三是软硬件在环与户外飞行验证，利用PX4或ArduPilot开源飞控，将算法部署到高性能机载计算机，并在真实动态障碍物场景中进行户外飞行测试，完成从理论验证到工业应用的完整工程闭环。
