随着人工智能等技术的发展，无人驾驶技术应运而生，越来越多的无人化装备也投入到作战应用中。面对复杂的越野环境，高精地图可以为无人车辆提供丰富的先验信息，辅助无人车辆进行环境感知、路径规划以及决策等，提升无人车辆越野机动能力。分析高精地图标准化、构建、应用等方面的研究现状，面向无人车辆越野环境下的自主机动任务需求，提出越野环境下高精地图的研究目标与技术体系，归纳总结越野环境下高精地图的基础理论与关键技术，并对越野环境下高精地图的应用发展进行了展望，为高精地图在无人驾驶方面的应用提供了参考。

为提高存在模型不确定及外界扰动的情况下对四足机器人的控制效果，提出结合扩张状态观测器、二次型优化(Quadratic Programming, QP)及模型预测控制(Model Predictive Control,MPC)的复合控制算法。基于单刚体四足机器人模型，设计基于MPC的控制算法，实现对四足机器人的控制。考虑到模型及参数的不确定性，以及环境中存在的外界扰动，进一步利用变带宽非线性扩张状态观测器对机器人受到的总和扰动进行估计，并利用估计结果，设计基于QP的足端力重分配算法，实现对总和扰动的补偿。通过仿真实验验证了本文所提控制算法的有效性。仿真结果表明，在使用抗干扰复合控制方法之后，机器人在质量发生重大变化和受到外力作用下，依然可以保持良好的控制效果，与传统控制方法相比，机器人的控制精度和抗干扰能力得到了明显提升。

无人集群节点间精确位置获取是集群协同的基础，但在复杂多变的应用环境中，全球导航卫星系统（GNSS）难以提供稳定准确的位置信息；难以部署辅助锚点；传统相对定位方法大多存在节点数量限制。针对上述3个问题，提出了一种GNSS拒止条件下的集群节点相对定位的新方法。以搭载惯性测量单元（IMU）和超宽带传感器的两个节点为例建立了相对定位模型，采用扩展卡尔曼滤波算法，融合机载IMU和机间距离信息，实现了相对位置的最优估计。仿真实验结果表明：在无人机相距200 m的范围内，所提方法可达到约1.3 m的相对定位精度，与现有多节点相对定位算法相比，提高了约4倍；在无需GNSS和辅助锚点的支持下，即可实现两个节点之间的高精度相对定位，能够为无人集群在复杂应用环境下的协同定位提供有效可行的解决方案。

自主车队有广泛的应用前景，模拟仿真是高效、安全研究自主车队协同控制技术的一种重要技术手段。针对自主车队协同控制仿真系统需求，提出一种构成要素全面的自主车队协同控制仿真系统方案，描述了系统主要软件的基本结构和功能。以基于领航-跟随模式的三车编队机动任务为应用实例，设计了车辆跟踪控制和多车协同机动控制策略，利用自主车队协同控制仿真系统验证了其有效性，说明所提出自主车队协同仿真系统的可用性。总结了所提出自主车队协同仿真系统的优点以及未来研究方向。

编队机动是地面无人平台自主导航技术的重要功能之一。研究编队机动系统的车速自适应车间距保持控制方法，建立车速自适应车间距控制框架，将车间距保持控制分为串联的3个部分：跟驰模型、车间距控制和速度规划。以传统时距模型为基础，引入前后车速度关系的修正项，提出改进非线性跟驰模型，模型符合编队机动逻辑，根据车速变化自适应调节安全车间距，提高编队效率。以距离误差和速度误差的加权组合作为车间距控制的目标，设计加权系数的自修正PID控制器，提高了控制响应和控制精度。以参考速度和前后车运动特性为约束，设计速度规划器，对期望速度进行精确跟踪。通过仿真实验和实车实验验证车间距保持控制的性能，实验结果表明控制算法对不同速度具有较好的控制效果，在越野环境前车频繁加减速的工况下具有较好的跟驰性能，且自动适应速度变化过程。

为使多无人机(UAV)在面临不同程度的任务威胁环境时能够高效的执行任务，研究并设计一种新型协同航迹规划算法，以综合代价为目标函数，利用改进的蝗虫优化算法对构建的航迹规划模型进行求解。分析传统蝗虫算法的原理以及不足，提出改进策略，即引入基于逻辑斯蒂函数的非线性递减策略；针对改进之后的算法进行仿真测试，并与其他算法进行对比，验证算法的应用效果。仿真结果显示，相对于其他算法，改进算法具有明显的优势，收敛速度更高，航迹代价更低，可为UAV作战效能提升提供支撑。

为拓展四足仿生机器人的运输能力，提出一种助力双轮拖车载荷构型，自带动力并由四足仿生机器人牵引，从而获得更大的运输能力，同时兼顾整体的灵活机动能力，具备一定的越野能力。通过分析其运动学和动力学特点，建立双轮拖车载荷的动力学仿真模型，提出基于力控的助力控制算法，并以此为依据设计双轮拖车载荷实物样机，在该样机上对算法进行验证。实验结果表明，助力双轮拖车载荷可以在满载的情况下较好地响应四足仿生机器人的运动状态，并具有一定的越野能力，极大地拓展了四足仿生机器人的运输能力。

为了提升四足机器人腿足的运动性能，设计一种具有并联弹性驱动器(Parallel Elastic Actuator，PEA)的腿足关节，通过模仿四足动物的肌腱作用原理，将拉簧并联在小腿连杆和大腿连杆之间，在膝关节处实现了并联弹性驱动，具有尺寸小、质量和惯量低的特点。建立了PEA膝关节的动力学模型，并借助该模型，在预设跟踪任务轨迹下，综合考虑峰值力矩、峰值功率和能量利用率，对拉簧的刚度系数进行多目标优化，得到全局最优的拉簧刚度为5 510 N/m。为了对比本PEA关节与电机直驱关节的性能，从仿真和实验两个方面进行验证。利用Gazebo机器人仿真环境，使用带有刚度的滑动副来实现PEA拉簧的效果，通过物理引擎模拟获取关节电机的输出力矩、输出功率、机械能耗；搭建PEA膝关节实验平台开展样机实验，获取膝关节电机的电源输入参数，如输入电流、输入功率、电源能耗。实验结果表明：PEA对比电机直驱关节，在0.5~2.0 s的轨迹周期下，电机输出方面可以减少峰值力矩40%~79%、峰值功率52%~89%和机械能损耗40%~89%，电机输入方面可以减少峰值电流46%~77%、峰值电功率43%~76%和电能损耗62%~73%。

从科研思维、行为模式方面，论述四足、双足机器人国内发展现状，对比国内与波士顿动力公司间存在的差距。从科研范式的角度分析新技术推动下中国在四足、双足机器人换道超车的核心技术及发展方向，总结国内在电驱动关节及足式机器人控制方面所面临的机遇，提出基于AI驱动的足式机器人系统设计方法。

无人车凭借其适应性强、成本低的优点，成为代替人类前往高风险、高污染区域执行任务的一种切实可行的方案。轨迹规划作为无人车任务系统的关键技术，其目的是根据任务目标制定满足约束条件的运动轨迹。然而，目前的导航控制器主要依赖于预先获取的地图和先验知识，对未知环境的应对能力有所欠缺，无法适应复杂多变的任务环境。为此，提出了一种基于控制障碍函数的轨迹规划方法，用于解决无人车在未知环境下的自主避障、轨迹规划问题。该方法前端利用激光雷达感知环境深度信息，后端采用最小二乘支持向量机拟合障碍物边界，以估计控制障碍函数，并对负样本错分类进行补偿，最终通过求解二次规划得到安全控制指令。针对无人车可能陷入停滞状态的死锁问题，提出一种分段式的检测与消除方法来避免。数值仿真实验和半实物实验结果表明，所提方法在多种障碍物环境下具备较好的避障避撞和轨迹规划能力，在路径长度等方面优于传统的控制方法。

覆盖路径规划的目的是为智能体找到一条安全的轨迹，其不仅可以有效覆盖任务区域，而且可以避开障碍物与邻近智能体。在执行覆盖任务时，复杂的大面积任务区域总是不可避免的。如何在保证智能体安全的前提下加强智能体之间的协同合作，以改善集群任务效率低、能力不足的缺点是值得探索的问题。为此，利用栅格地图建立离散的覆盖路径规划数学模型，提出一种基于值分解网络的安全多智能体强化学习算法，并通过理论证明论证其合理性。该算法通过分解群体价值函数以避免智能体的虚假奖励，有助于加强智能体之间协同覆盖策略的学习，以提高算法的收敛速度。通过在训练过程中引入屏蔽器以修正智能体的出界和碰撞等行为，保证智能体在整个任务过程中的安全。仿真和半实物实验结果表明，新算法不仅可以保证智能体的覆盖效率，同时还能有效维护智能体的安全。

针对执行器严重故障下多移动机器人的编队重构控制问题，提出一种基于灰狼优化-鲸鱼优化算法(Grey WolfOptimizer-Whale Optimization Algorithm，GWO-WOA)的协同编队重构控制策略。设计一种故障观测器以检测多机器人系统中出现的执行器严重故障，并使执行器严重故障的机器人离开编队。利用匈牙利算法分配剩余机器人在期望重构编队中的位置，并用GWO-WOA规划出机器人的运动路径。提出编队重构综合控制策略，包括三部分，分别为基于一致性的编队保持控制、基于势能函数的避碰控制和基于比例积分的跟踪控制器，使多机器人在无碰撞的情形下实现了重构编队。仿真实验结果表明，所提出的编队重构控制策略能够实时监测出故障机器人，并且在形成期望重构编队的同时防止相互碰撞。

无人机集群在军事战争、公共安全和商业领域的应用越来越广泛，但在复杂多变的对抗环境下，制定高效的策略仍然是一个挑战。为使无人机集群能够自主学习和适应对抗环境的变化，提高任务执行的效率和成功率，提出一种基于值分解的多智能体强化学习算法框架，在仿真平台模拟不同对抗场景下的无人机集群行为，通过强化学习算法，培养无人机集群在不同情境下做出决策的能力，以实现任务目标的最优化。讨论不同强化学习算法在无人机集群对抗策略中的应用和性能比较。实验结果表明，该算法在多种集群对抗环境下均表现出良好的效果，展现出其在军事无人机集群对抗中的有力支持。

为了提高四足机器人的运动多样性和地形适应性，提出一种复杂运动行为控制方法，通过构建四足机器人动力学模型，在此基础上进行离线滚动优化预测，生成四足机器人复杂行为的期望轨迹。在运动学、关节扭矩、接触力、运动状态和地形高度等非线性约束下更全面地优化了轨迹，设计在线轨迹跟踪控制器与落足控制器，实现四足机器人复杂行为的在线控制。在多复杂运动的动态仿真环境下评估了所提方法，机器人可以实现前跳、后空翻、前空翻和旋转跳跃，并可以在给定地形信息下跳跃障碍物。将在线轨迹跟踪控制器迁移到四足机器人物理样机中，完成了四足机器人向前跳跃的实验。实验结果表明，所提出的方法能够使四足机器人有效地完成多种特定复杂运动技能的稳定控制。

针对传统路径规划算法用于解决无人机战术路径规划问题时存在局部最优、慢收敛等问题，提出一种改进的群智能算法，以改变初始种群的更新方式，提升灰狼算法的全局寻优能力并加快其收敛速度。引入莱维飞行随机策略以及共生生物搜索算法，借助莱维飞行策略更新种群个体，利用共生生物搜索算法偏利共生阶段的交互性避免陷入局部最优问题。威胁建模是UAV路径规划的重要前提，对威胁物进行等效预处理，结合适应度函数检验算法。设计一种虚实映射仿真验证平台，通过以实映虚的手段验证算法的有效性。实验结果表明，改进后的算法改善了传统路径规划算法的局部最优和慢收敛等路径规划问题，对UAV作战能力的提升具有一定参考价值。

在信息化战场上，无人机面临多种潜在威胁，不时出现的非意图干扰对无人机系统的卫星信号和通信链路造成干扰，对飞行产生不良影响。为了解决这一挑战，采用多传感器信息融合，以全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统（Inertial Navigation System, INS）组合导航系统为主滤波器，并将全球定位系统导航系统和视觉导航系统作为子滤波器，建立了联合滤波器。将多架无人机数字影像的相对导航信息与各无人机平台获取的绝对导航信息融合，实现了一种基于卡尔曼滤波的多地标接力辅助导航算法，有效提高了GNSS/INS相对导航系统的解算精度，降低了多无人机群体的计算负担，扩大了无人机的巡航范围。采用并行分布式的系统框架，将算法部署在多个无人机平台上，通过无人机之间的信息传递和互动，实现多无人机的协同感知与自主定位。在仿真任务场景中进行相关实验，实验结果显示该方法在3架无人机协同导航中位置估计平均误差达到0.66 m，速度估计精度保持在±0.4 m/s，满足设计要求。

随着数字孪生技术的不断发展，人们面临将大规模、高维度的点云数据进行压缩编码的问题，以提高传输效率。然而大多点云编码方式存在压缩实时性不强、压缩效率低、点云格式要求过高等问题。针对解决这些问题，提出了一种基于谷歌Draco几何压缩库的实时彩色点云流压缩(Real-time Color Stream Draco,RCS-Draco)算法。将算法集成到ROS框架内，借助ROS消息流，对点云流实时地进行编码和解码，提高了算法的实时性；通过建立优化裁剪模型，对点云进行裁剪和滤波，去除了漂移和离群点云，提高了压缩算法的压缩效率。建立量化预测模型，对点云的RGB颜色信息进行编码，解决了大多数点云压缩算法无法处理颜色信息的问题。对比试验通过调整压缩等级和量化参数，证明RCS-Draco算法的平均压缩率最高能够达到77%、平均压缩和解压时间小于0.035 s、位置平均误差小于0.05 m、属性平均误差小于35；并通过相融试验证明RCS-Draco算法在各项指标上优于Draco算法。试验结果表明，RCS-Draco压缩算法在压缩实时性、效率、点云格式方面均表现良好，能够有效地提升传输效率。

多机器人协同系统具备强鲁棒性和容错性，可显著提高整体效率并完成复杂任务。当前多机器人编队常采用集中式架构，此方式依赖中央决策模块，尤其在处理众多机器人的协同任务时存在可扩展性不足、可解性低的问题。提出了一种基于领导者-跟随者方法的分布式模型预测控制器（DMPC），处理多机器人协同编队任务。基于运动学和图网络，对机器人和系统通信进行建模。将编队问题中的轨迹跟踪和队形保持任务分解，分别对领导者和跟随者设计了模型预测控制器。设计了编队队形矩阵，并将其与通信图网络结合，以实现一致性控制或编队控制。各机器人独立决策、并行计算，在面对较多数量机器人的协同编队时表现出更好的准确性和可扩展性。同时，该控制器的设计中还考虑了控制输入变化，有助于减小能耗。设计了数值仿真及方案对比，并通过物理仿真实验，验证了所设计的控制策略的有效性。

针对无人机集群任务规划与协同控制面临的规模可扩展、任务多样化、指控互操作等新需求新挑战，界定了无人机集群任务规划与协同系统架构概念与内涵；从集群拓扑组织方式入手分析了集群任务规划与协同系统架构发展现状；在此基础上，提出了混合式无人机集群任务规划与协同系统架构设计方法，建立了分布式扁平化体系架构总体设计方法、自适应演化与自组织重构机制和事件驱动的协同触发机制。采用层次化设计思想，设计了系统底层控制层、高层控制层、协调层、通信层和人机交互层五层次结构。研究结果表明，相比于现有方法，提出的体系架构和设计方法充分考虑了单体间的组织方式、信息交互模式和互操作等集群间的基础性问题，为无人机集群任务规划与协同系统架构设计提供了理论支撑和设计参考。

基于美军两栖攻击舰舰载反潜直升机收放过程的技术发展趋势，对其相关方案和流程进行分析，围绕美军两栖攻击舰的收放过程技术展开，研究LHA和LHD两种类型两栖攻击舰的舰载直升机离舰起飞、登舰回收以及应急回收登舰的多项方案，挖掘美军舰载反潜直升机自主适用性技术，提炼出离舰起飞、回收、应急回收方法与航线。研究结果表明：“美军舰载直升机离舰起飞方案Ⅰ、Ⅱ、Ⅲ”在100 000架次的离舰仿真，无论飞行条件是目视飞行天气条件下，还是仪表飞行天气条件下，离舰起飞故障率均能控制在10以下，事故平均发生率基本为5；“美军舰载直升机回收方案Ⅰ、Ⅱ、Ⅲ”在100 000架次的离舰仿真，回收过程故障率均能控制在25以下；其中回收方案Ⅰ回收过程故障率均能控制在5以，回收方案Ⅱ回收过程故障率均能控制在15以下，回收方案Ⅲ回收过程故障率均能控制在20以下；应急回收方案回收过程故障率均能控制在25以下。

基于无人协同博弈快速发展并临近实战的背景下，结合数字孪生技术构建无人协同博弈数字孪生系统模型，搭建无人智能博弈的系统结构体系，从而推进无人协同博弈孪生仿真的研究实践。基于KJ法，对相关战例进行归纳分析，进而对未来战争样式进行推演、对无人协同博弈系统要素和组织关系进行演绎推理。通过构建无人协同博弈矩阵、无人协同博弈函数、无人协同博弈优化方程矩阵，完成无人协同博弈态势感知及博弈方案优化模型构建，实现阶段博弈方案全局最优，结合数字孪生技术，从物理层、虚拟层、服务层、数据层、数据连接5个方面构建出无人协同博弈数字孪生结构模型，并梳理此模型的技术体系。为实现无人协同博弈的虚实同步，交互运行，智能决策优化提供理论框架，为未来无人作战体系构建提供参考。

针对事件触发下一般线性多智能体系统一致性问题研究中，现有算法多采用静态触发方式、一致性协议设计中存在全局信息、无法实现完全分布式控制的问题，提出一种基于动态事件触发的一致性协议。通过引入时变耦合权重自适应地调整图的标量增益，实现一致性问题的完全分布式求解。针对事件触发控制中需要持续检测触发条件的问题，引入基于个体的状态估计器，用于在触发间隔期内对自身状态进行估计，减少了智能体间的通信次数。基于所选择的Lyapunov函数，设计一种耦合系统状态估计值、测量误差和自适应参数的动态触发函数，显著地减少了系统的触发次数、降低了系统的能耗。数值计算表明所提一致性协议能够实现渐近一致性，且不发生Zeno行为。 仿真结果表明所提协议能有效降低系统能耗、节省通信资源。