1. 课程导入与多无人系统协同搜索覆盖概述

当一片区域需要被“看全、看准、看快”时，单台无人机的局限会迅速暴露：视场有限、续航有限、通信距离有限，一旦遇到遮挡、风扰或目标机动，覆盖就会出现空洞。多无人系统协同搜索与覆盖，正是为解决这类问题而发展起来的技术体系。它研究的不是“让一架飞机飞得更好”，而是让若干无人机、无人车或无人艇在共享任务目标下分工协作，用有限的平台资源换取更高的搜索概率、更短的发现时间和更可靠的覆盖质量。

学习目标与核心概念

学完本课程，你应当能够完成四类任务：第一，把真实任务描述为可计算的搜索覆盖问题，明确区域、目标、传感器和约束；第二，为多平台设计协同搜索策略，包括区域划分、航迹生成、任务分配与重规划；第三，理解通信、定位、感知误差对协同效果的影响，并能分析系统在异常条件下的退化行为；第四，能够用仿真或小规模实验验证方案，依据覆盖率、发现概率、重访周期等指标判断方案是否达标。

核心概念需要先厘清。搜索关注“目标是否存在、在哪里”，本质是降低目标位置的不确定性；覆盖关注“区域是否被传感器有效扫过”，本质是保证空间上的观测完整性。二者常同时出现：搜索过程中需要覆盖足够区域，覆盖过程中也可能发现目标并转入跟踪。另一个关键概念是协同，它不是简单的多机同时飞行，而是平台之间通过信息共享和任务协调，使整体性能优于各机独立执行之和。衡量这种性能的常用指标包括：区域覆盖率、目标发现概率、平均发现时间、最大重访间隔、任务完成时间和通信开销。

系统组成：从单机到协同闭环

一个典型的多无人系统协同搜索覆盖体系，可以拆成五个层次。最底层是平台与载荷，包括无人机/无人车本体、光电吊舱、雷达、激光雷达、通信电台等；其上是导航与定位，提供各平台的位置、姿态和时间基准；再往上是感知与目标检测，把原始图像或点云转化为目标候选和置信度；第四层是协同决策，负责任务分配、区域划分、航迹规划和冲突消解；最上层是任务管理与评估，监控覆盖率、发现概率和系统健康状态，必要时触发重规划。

这五层构成一个闭环：感知结果影响决策，决策改变航迹，航迹改变观测，观测又更新对区域的认知。闭环中任何一环出现延迟或误差，都会在协同层面被放大。例如定位误差 10 m 时，两机可能对同一区域重复搜索；通信中断 5 s 时，任务分配可能基于过期信息，导致覆盖空洞。

典型应用场景与任务差异

不同场景对协同搜索覆盖的要求差异很大。灾害搜救强调“快”，目标是在黄金 72 小时内尽可能覆盖废墟区域，发现概率优先于覆盖均匀性；边境巡逻强调“持续”，要求对重点通道保持最大重访间隔不超过设定阈值，例如 10 分钟；农业植保强调“均匀”，覆盖重叠率需要控制在 5%～15% 之间，避免漏喷或重喷；环境监测强调“溯源”，需要多机沿浓度梯度方向协同采样，逐步缩小污染源范围。

这些差异直接决定算法选择。搜救场景常用随机搜索或概率地图更新，因为目标位置先验未知；巡逻场景常用分区轮换或周期航迹，因为需要可预测的重访；植保场景常用平行扫掠或牛耕式覆盖，因为要求几何均匀；溯源场景常用梯度爬升或粒子滤波协同，因为需要根据实时测量调整方向。

整体课程框架

本课程按“基础—方法—系统—实践”四条主线展开。基础部分建立搜索覆盖的数学描述、传感器模型和协同机制；方法部分覆盖区域划分、航迹规划、任务分配、动态重规划等核心算法；系统部分讨论通信拓扑、定位误差、时间同步和系统评估；实践部分通过仿真案例和小规模实验，把算法落到具体参数和可观察结果上。

学习过程中建议始终带着三个问题：当前任务的核心指标是什么？协同带来了什么额外收益和代价？如果通信或定位退化，方案还能不能工作？这三个问题会贯穿后续所有章节，也是判断一个协同搜索覆盖方案是否真正可用的基本标准。