1. 课程导入与安全边界

当多架无人机、无人车或无人艇在同一空域、路段或水域协同执行任务时，系统面临的首要问题并不是“能不能飞得更近”，而是“在多近的距离内仍然安全”。这正是碰撞避免（Collision Avoidance）与安全间隔（Safety Separation）要回答的核心问题。碰撞避免关注的是当冲突即将发生时的规避动作，安全间隔关注的是在冲突发生之前，系统应始终保持的最小距离或最小时间余量。两者共同构成多无人系统安全运行的第一道防线。

一、从单机安全到多机安全

单台无人系统的安全通常依赖自身传感器、飞控与操作员判断。例如一架无人机通过高度保持、GPS定位和避障雷达，避免撞上建筑或地形。但当多台无人系统同时运行时，风险来源发生了本质变化：其他无人系统本身成为动态障碍物。此时，安全不再只是“我是否撞到环境”，而是“我与其他无人系统之间是否保持了可接受的距离”。

因此，多无人系统安全问题的核心可以概括为三个层次：

• 感知层：每台无人系统能否准确获取自身位置、速度、航向，以及邻近无人系统的状态信息。
• 决策层：当预测到潜在冲突时，系统如何判断冲突等级，并选择规避策略。
• 执行层：规避指令能否被可靠执行，并在执行后重新回到安全间隔范围内。

这三个层次不是孤立的。感知误差会导致决策误判，决策延迟会导致执行来不及，执行偏差又可能让原本安全的间隔被突破。因此，碰撞避免与安全间隔必须作为一个闭环系统来设计。

二、安全间隔的定义与边界

安全间隔通常用两种方式描述：空间间隔和时间间隔。空间间隔指两台无人系统之间的最小允许距离，例如水平方向不小于 50 米、垂直方向不小于 15 米。时间间隔则指在最坏情况下，从当前状态到潜在碰撞点所需的时间，例如不小于 20 秒。时间间隔更能反映动态风险，因为两架无人机即使距离较远，如果相向高速飞行，也可能在很短时间内进入危险区域。

安全边界并不是一个固定数值，而是由任务类型、无人系统性能、通信延迟、定位精度和运行环境共同决定的。例如，在城市低空物流场景中，由于建筑遮挡和 GPS 多径效应，定位误差可能达到数米，安全间隔就需要相应放大；而在开阔海域的无人艇编队中，定位精度较高，安全间隔可以适当缩小，但仍需考虑风浪和通信中断带来的不确定性。

三、典型应用场景

多无人系统碰撞避免与安全间隔的应用场景非常广泛，不同场景对安全边界的要求差异显著：

这些场景的共同点是：多个无人系统共享同一空间资源，且每个系统的运动都会影响其他系统的安全状态。因此，碰撞避免不能只靠单机自主判断，还需要系统级的协调机制。

四、课程学习地图

本课程将围绕“感知—决策—执行—验证”的主线展开，逐步深入多无人系统碰撞避免与安全间隔的关键技术。整体学习路径如下：

从学习地图可以看出，课程并不是孤立地讲解某一个算法，而是沿着“感知—决策—执行—验证”的闭环逐步展开。前几章会先建立安全间隔的基本概念和数学描述，然后进入冲突检测、规避策略、协同决策等核心方法，最后通过仿真与测试验证系统是否真正满足安全边界要求。

五、本课程的学习方法建议

学习本课程时，建议始终带着三个问题：当前系统的安全边界是什么？ 冲突是如何被检测和分级的？ 规避动作执行后，如何确认安全间隔仍然满足？ 这三个问题贯穿所有章节，也是工程实践中判断系统是否可靠的基本依据。

此外，碰撞避免与安全间隔不是纯理论问题。实际系统中，通信延迟、定位误差、风扰、传感器噪声都会让理想模型失效。因此，在学习过程中要特别关注“假设条件”和“边界情况”：算法在什么条件下有效，在什么条件下会退化，退化后是否有兜底策略。这些内容将在后续章节中结合具体场景和参数逐步展开。