针对随机灾害追踪和快速响应需求，对大规模无人机群实施风险敏感的平均场控制

《Scientific Reports》：Risk-sensitive mean-field control of large-scale UAV Swarms for stochastic disaster tracking and robust first response

　　

摘要

本文提出了一种风险敏感的平均场最优控制框架，用于在随机不确定性和通信限制存在的情况下，对大规模多无人机（UAV）进行灾害跟踪、引导和初步响应操作。与现有的启发式方法、聚类方法以及基于群体的优化技术不同，这些方法通常对风险不敏感，并且基于确定性传播模型。新方法考虑了灾害场的随机性、指数形式的风险敏感性能函数以及改进的Riccati递归算法。尽管Riccati递归算法是在线下以集中式方式计算的，但实时计算过程是完全分布式的，每架无人机仅通过与其邻近无人机之间的通信来计算自身的控制增益。通过平均场近似，计算复杂度与无人机群体的规模解耦。此外，熵对偶公式保证了分布鲁棒性，该公式考虑了在有限Kullback-Leibler散度球范围内的最坏情况干扰，并且与分布式在线计算结构相补充——在这种结构中，每架无人机仅与其最近的邻居进行交互。关于闭环Schur稳定性、风险可接受性极限、收敛到平均场平衡以及分布式共识算法一致性的理论结果已经得到严格证明并通过数值验证。在各种城市障碍物环境下的仿真表明，与其他方法相比，所提出的算法在覆盖范围、任务时间、能耗、连通性保持、路径长度以及对干扰增加的鲁棒性方面表现更优。据作者所知，该框架是首个将风险敏感的平均场控制、熵对偶分布鲁棒优化以及通信受限的分布式共识集成到无人机救灾操作中的方法。