[论文解读] Collaborative Multi-Robot Systems for Search and Rescue: Coordination and Perception

Jorge Peña Queralta, Jussi Taipalmaa+7 more|arXiv (Cornell University)|Aug 28, 2020

Underwater Vehicles and Communication Systems参考文献 228被引用 28

一句话总结

本文全面综述了用于搜救（SAR）的协作式多机器人系统，聚焦于异构平台（无人机、地面无人车、无人水面艇、无人水下潜航器）在多样化环境中的协同作业与感知能力。研究整合了控制算法与基于机器学习的感知技术，强调主动感知与多智能体规划，以提升态势感知能力与搜救效率。

ABSTRACT

Autonomous or teleoperated robots have been playing increasingly important roles in civil applications in recent years. Across the different civil domains where robots can support human operators, one of the areas where they can have more impact is in search and rescue (SAR) operations. In particular, multi-robot systems have the potential to significantly improve the efficiency of SAR personnel with faster search of victims, initial assessment and mapping of the environment, real-time monitoring and surveillance of SAR operations, or establishing emergency communication networks, among other possibilities. SAR operations encompass a wide variety of environments and situations, and therefore heterogeneous and collaborative multi-robot systems can provide the most advantages. In this paper, we review and analyze the existing approaches to multi-robot SAR support, from an algorithmic perspective and putting an emphasis on the methods enabling collaboration among the robots as well as advanced perception through machine vision and multi-agent active perception. Furthermore, we put these algorithms in the context of the different challenges and constraints that various types of robots (ground, aerial, surface or underwater) encounter in different SAR environments (maritime, urban, wilderness or other post-disaster scenarios). This is, to the best of our knowledge, the first review considering heterogeneous SAR robots across different environments, while giving two complimentary points of view: control mechanisms and machine perception. Based on our review of the state-of-the-art, we discuss the main open research questions, and outline our insights on the current approaches that have potential to improve the real-world performance of multi-robot SAR systems.

研究动机与目标

• 分析2000年至2022年期间在多样化环境中协作式多机器人搜救系统（SAR）的最新研究进展。
• 识别系统级互操作性、机器人异质性以及在动态、非结构化SAR环境中实时协同作业的关键挑战。
• 评估感知技术，特别是主动感知与多模态传感器融合，以提升受害者检测与环境理解能力。
• 突出多机器人搜救系统在高层规划、动态任务分配及实际部署方面存在的开放研究空白。
• 通过将主动感知整合到多机器人SAR工作流程中，弥合算法控制与感知之间的差距。

提出的方法

• 对2000年至2022年间的多机器人SAR系统开展系统性文献综述，重点关注协同作业与感知技术。
• 将现有方法分类为系统级组件（通信、共享自主、传感）与算法级组件（协同、感知、主动感知）。
• 分析包括编队控制、区域覆盖与多智能体决策在内的协同算法，适用于异构机器人。
• 综述包括分割、目标检测、多模态传感器融合以及主动多智能体感知在内的感知技术。
• 评估主动感知策略在灾后场景中用于动态路径规划与实时受害者概率更新。
• 将研究成果整合为统一框架，连接控制机制与感知系统，强调实时适应性与人机协作。

实验结果

研究问题

• RQ1 如何在城市、海上及荒野等多样化SAR环境中，有效协调异构多机器人系统（无人机、地面无人车、无人水面艇、无人水下潜航器）？
• RQ2 当前多机器人SAR系统在互操作性、动态任务分配以及非结构化环境鲁棒性方面存在哪些关键局限？
• RQ3 主动感知技术如何在搜救任务中实时提升受害者检测与环境制图能力？
• RQ4 多智能体感知在提升灾后场景中的态势感知能力与降低不确定性方面发挥何种作用？
• RQ5 在高层规划、感知与实际部署的集成方面，多机器人SAR系统面临哪些开放性研究挑战？

主要发现

• 尽管主动感知在提升受害者检测效率与缩短搜救时间方面具有巨大潜力，但当前关于多机器人SAR系统中主动感知的研究仍严重不足。
• 当前的区域覆盖与路径规划策略通常依赖静态或先验的搜索空间划分，难以适应动态变化的环境条件。
• 多智能体感知与主动SLAM技术在识别灾后环境中高风险或严重受损区域方面展现出巨大潜力。
• 在城市搜救场景中，结合无人机与地面无人车的异构系统可显著提升态势感知能力并增强对危险区域的访问能力。
• 具备在线规划能力的自组织多机器人系统部署是可行的，但其容错能力与动态重构能力仍需进一步发展。
• 将机器学习与感知及协同算法相结合，可显著提升在不确定或动态环境中的实时决策能力。