1. 课程导入与多无人系统协同全景
当一架无人机执行巡检任务时，它面对的是一个相对确定的世界：航线由自己规划，图像由自己采集，遇到障碍由自己规避。但当任务区域扩大到几十平方公里、目标数量增加到上百个、并且要求在规定时间内完成覆盖与回传时，单架平台就会迅速遇到瓶颈——续航有限、传感器视场有限、通信距离有限、算力有限。多无人系统协同要解决的，正是如何让若干能力互补、位置分散的无人平台，在统一的任务目标下形成"一个系统"来工作。
本课程讨论的对象包括空中无人机（UAV）、地面无人车（UGV）、水面无人艇（USV）以及无人潜航器（UUV）等。它们可能同构，也可能异构。所谓协同，不是简单地把多台设备同时放飞，而是让平台之间在任务层、路径层、感知层甚至控制层建立可计算的耦合关系：谁去哪个区域、谁负责中继、谁在何时把结果交给谁、出现故障后谁接管。协同架构与任务分配，就是支撑这些耦合关系的"骨架"和"调度规则"。
学习目标与知识框架
完成本课程后，学习者应当能够：第一，说清集中式、分布式与混合式协同架构的差别，并能根据通信条件、任务规模和实时性要求做出选择；第二，把一段自然语言任务描述转化为可计算的任务分配问题，写出目标函数与约束；第三，理解拍卖算法、合同网、一致性包算法（CBBA）等典型分配机制的运行过程，并能手工推演小规模算例；第四，掌握协同航迹规划与任务分配之间的耦合关系，知道为什么"先分配再规划"往往不是最优；第五，能够搭建一个最小可运行的协同仿真，观察任务完成率、通信开销、负载均衡等指标随参数的变化。
整体知识框架可以概括为四层：任务层负责任务分解、分配与重分配；协同层负责一致性、协商与冲突消解；规划层负责航迹、时序与资源约束下的可行解生成；执行层负责底层控制、通信链路与状态反馈。四层之间不是单向流水线，而是带有反馈的闭环——执行层的通信中断会触发协同层的重协商，进而改变任务层的分配结果。
典型应用场景
理解协同架构最好的方式，是看它在真实场景中解决什么问题。以下是三类典型场景及其对架构选择的直接影响。
场景一：区域搜索与目标确认。假设 6 架固定翼无人机需要在 20 km × 15 km 区域内搜索 12 个疑似目标点，要求 15 分钟内完成覆盖并回传图像。此时任务分配需要同时考虑每架飞机的续航（约 40 分钟）、传感器视场（约 200 m 幅宽）和转弯半径。若采用集中式架构，地面站统一计算分配方案，优点是全局最优性好，缺点是通信中断时整个系统失效。若采用分布式架构，每架飞机基于局部信息协商，鲁棒性更强，但可能产生重复覆盖。实际工程中常采用混合式：地面站给出初始分配，飞行中由机间链路进行局部调整。
场景二：异构编队协同运输。2 架无人机与 3 台无人车组成编队，无人机负责前方侦察与通信中继，无人车负责物资运输。此时任务分配不仅是"谁去哪里"，还包括"谁在什么位置提供中继"这一通信资源分配问题。中继位置的选择会改变通信拓扑，进而影响分布式协商的收敛速度。这是一个典型的任务分配与通信拓扑联合优化问题。
场景三：动态目标跟踪与围捕。多台无人平台对移动目标进行持续跟踪，目标可能突然转向或加速。此时分配方案需要在线重规划，重分配周期可能短至 1～2 秒。集中式架构的通信延迟往往无法满足这一要求，必须采用分布式一致性算法，让各平台基于邻居信息快速达成新的分配共识。
一个最小算例：从任务描述到分配结果
为了让后续章节的算法讨论有具体抓手，这里给出一个贯穿课程的小规模算例。假设有 3 个任务点 T1、T2、T3 和 2 架无人机 U1、U2。任务点坐标与价值如下：T1(2,3) 价值 8，T2(6,1) 价值 5，T3(4,7) 价值 9。U1 初始位置 (0,0)，速度 1 单位/秒；U2 初始位置 (8,0)，速度 1 单位/秒。要求每架无人机最多执行 2 个任务，任务执行时间忽略不计，目标是最小化总飞行距离的同时最大化任务价值。
一个直观的分配方案是：U1 依次执行 T1、T3，U2 执行 T2。计算距离：U1 从 (0,0) 到 T1(2,3) 距离约 3.61，T1 到 T3(4,7) 距离约 4.47，总距离约 8.08；U2 从 (8,0) 到 T2(6,1) 距离约 2.24。总距离约 10.32，总价值 22。若改为 U1 执行 T1、T2，U2 执行 T3：U1 距离 3.61 + 4.47 = 8.08，U2 距离从 (8,0) 到 (4,7) 约 8.06，总距离约 16.14，总价值仍为 22。可见在价值相同的情况下，第一种方案更优。这个简单算例说明：任务分配的目标函数需要同时考虑距离代价和价值收益，而约束条件（每架最多 2 个任务）会直接改变可行解空间。
课程结构导览
后续内容将按照"架构—分配—规划—执行—评估"的主线展开。第 2 至第 5 章讨论协同架构与通信拓扑，包括集中式、分布式、混合式的形式化描述与适用边界。第 6 至第 12 章深入任务分配算法，从经典的匈牙利算法、拍卖算法，到分布式合同网和一致性包算法，每章都配有可手工推演的小规模算例。第 13 至第 18 章讨论协同航迹规划与任务分配的耦合，重点解释为什么联合优化比分层优化更优，以及如何在计算复杂度与解质量之间折中。第 19 至第 24 章进入执行层，涵盖通信链路管理、故障检测与重分配触发条件。第 25 至第 30 章以综合案例和评估指标收尾，包括仿真环境搭建、指标定义和结果判读。
需要强调的是，本课程不追求覆盖所有算法细节，而是帮助学习者建立"问题—模型—算法—验证"的完整思维链。当面对一个新的多无人系统任务时，能够判断它属于哪类分配问题、适合哪种架构、需要哪些约束、用什么指标评估，这比记住某个算法的具体步骤更重要。