CREDS：资源高效的分散式时空火灾早期防控时序规划器

人工智能 计算机科学 信息科学 工程学 航空航天工程
无人机 火灾防控 分散式规划 时空任务 资源优化

基于多无人机的高效分散式时序规划器用于时空野火防控

学术背景

野火是全球范围内对生物多样性和资源可持续性的重大威胁，尤其是在初期阶段。若未能及时控制，野火的规模可能会迅速扩大，导致严重的生态破坏。近年来，多无人机系统（Unmanned Aerial Vehicles, UAVs）在野火防控中的应用逐渐增多，主要是为了减少人类在危险环境中的暴露，并提高应急响应的效率。然而，现有的研究大多局限于搜索、监测或灭火等单一环节，缺乏对多无人机协同任务的综合研究。尤其在资源有限、无人机数量不足、野火动态变化的部分可观测环境中，如何高效分配无人机任务以进行早期野火防控仍是一个复杂且具有挑战性的问题。

本文提出了一种冲突感知的高效分散式时序规划器（Conflict-aware Resource-efficient Decentralized Sequential Planner, CREDS），旨在通过多架异构无人机对动态扩展的野火进行早期防控，最大化资源利用效率并减少生物多样性的损失。

论文来源

本文由 Josy John, Shridhar Velhal 和 Suresh Sundaram 共同撰写，三位作者均来自印度科学研究院（Indian Institute of Science）的航空航天工程系。文章于2025年发表在 IEEE Transactions on Automation Science and Engineering 期刊上。

研究流程

1. 问题建模与任务分配

CREDS 将野火防控问题建模为一个分散式时空任务分配问题，目标是最大化单无人机任务的执行成功率，同时最小化火灾造成的生态破坏。研究假设火灾具有动态扩展的特性，且无人机的感知范围有限，导致环境部分可观测。为此，CREDS 采用三阶段框架：搜索阶段、本地轨迹生成阶段和冲突解决阶段。

a) 搜索阶段

无人机使用 Oxyhrris Marina 启发式搜索算法（OMS） 在任务区域内搜索火灾。OMS 是一种多层次搜索算法，模拟了海洋浮游生物的觅食行为。当温度低于阈值时，无人机采用 Levy 搜索进行探索；当温度高于阈值时，采用布朗运动搜索。当红外摄像头探测到火灾时，火灾的位置、面积和扩展速率等信息会被记录到无人机的探测列表中。

b) 本地轨迹生成阶段

CREDS 使用 资源高效分散式时序规划器（Resource-efficient Decentralized Sequential Planner, REDS） 生成无人机的本地灭火轨迹。REDS 提出了一种新颖的 截止时间优先灭火成本（Deadline-prioritized Mitigation Cost, DPMC），用于根据火灾的截止时间高效分配任务。DPMC 成本包括时间截止成本和任务启动成本，前者用于确保在截止时间前完成任务，后者用于最小化火灾扩展造成的损失。

c) 冲突解决阶段

无人机在本地生成的任务可能会发生冲突。为此，CREDS 采用 冲突感知的共识算法，通过通信网络与其它无人机同步信息，并根据最低成本分配任务，最终生成无冲突的全局轨迹。

2. 实验与性能评估

研究通过蒙特卡洛模拟评估了 CREDS 在部分和完全可观测条件下的性能，分别测试了异构和同构无人机团队在不同火灾与无人机比例下的表现。

a) 同构无人机团队

在同构无人机团队中，所有无人机的速度和灭火能力相同。实验结果表明，CREDS 在火灾与无人机比例高达4时，任务成功率达到了100%。即使在火灾与无人机比例为5的情况下，CREDS 的成功率也显著高于基线方法。

b) 异构无人机团队

在异构无人机团队中，无人机的速度和灭火能力不同。实验结果表明，CREDS 在处理异构截止时间任务时表现更优，其成功率在火灾与无人机比例为5时达到了84%，远高于基线方法的67%。

3. 可扩展性与收敛性

研究进一步评估了 CREDS 的可扩展性和收敛性。结果表明，随着灭火能力的提高，CREDS 在高火灾与无人机比例下的成功率显著提高。此外，CREDS 在所有测试场景中均实现了100%的收敛率，且所需的迭代次数少于基线方法。

研究结果

  1. 任务成功率：在火灾与无人机比例为5的极端情况下，CREDS 的异构无人机团队任务成功率高达84%，比基线方法提高了17%。
  2. 收敛率与迭代次数：CREDS 在所有测试场景中均实现了100%的收敛率，且所需的平均迭代次数比基线方法减少了26.3%。
  3. 灭火时间与火灾扩展比：CREDS 显著减少了火灾的总灭火时间和扩展比，证明了其在最小化生态损失方面的高效性。

结论与意义

本文提出的 CREDS 提供了一种高效的分散式时序规划方法，能够在资源有限的情况下，通过多无人机协同对动态扩展的野火进行早期防控。其创新点在于： 1. 任务分配策略：通过 DPMC 成本函数，CREDS 能够在动态环境中高效分配任务，确保在截止时间前完成任务并最小化火灾扩展。 2. 异构团队优势：异构无人机团队在处理不同截止时间任务时表现更优，进一步提高了任务成功率。 3. 可扩展性与收敛性：CREDS 在资源有限的情况下表现出良好的可扩展性，且在所有测试场景中均实现了快速收敛。

研究亮点

  1. 高效的任务分配：CREDS 通过 DPMC 成本函数实现了高效的任务分配，显著提高了任务成功率。
  2. 部分可观测环境下的优异表现：即使在部分可观测环境中，CREDS 仍能保持较高的任务成功率和收敛率。
  3. 实际应用价值：CREDS 的高效性和可扩展性使其在实际野火防控场景中具有广泛的应用潜力。

CREDS 为解决复杂的多无人机野火防控问题提供了一种创新的解决方案，具有重要的科学价值和应用前景。