面向未知动态环境的多智能体分布式覆盖与避障协同控制算法

摘要

针对未知动态环境下多智能体系统的快速搜索场景，本文提出了一种融合强化学习与模型预测控制的一体化分布式控制架构，旨在使集群在时变障碍、不完整先验地图与有限机载感知能力的约束下实现安全且高效的覆盖任务.传统基于模型的覆盖控制器往往依赖于精确的环境模型，而强化学习策略在面对未知的动态障碍物时可能产生危险指令.为解决上述问题，本文首先采用多智能体深度确定性策略梯度算法学习集群的协同覆盖策略，并输出智能体的覆盖控制量；其次，引入结合控制障碍函数的模型预测控制器，对覆盖控制量进行优化使其满足安全约束；最后，设计动态权重融合机制，实现智能体在全域扫描、动态避障、应急制动三种模式的自适应切换，以平衡集群的覆盖效率与安全保障.实验结果表明，所提算法在覆盖率和避撞成功率方面均优于现有基线算法，进一步地，半实物仿真实验也验证了该方法在真实场景中的可行性与扩展性.

关键词

多智能体系统 / 覆盖控制 / 强化学习 / 模型预测控制 / 避撞

基金资助

中国博士后科学基金特别资助项目(2025T180475);中国博士后科学基金面上资助项目(2024M760784,2025M781564); 国家自然科学基金青年科学基金项目(62503153); 河南省重点研发专项(241111211200); 河南省科技研发计划联合基金青年科学家项目(235200810088); 河南省科协学会学术青年托举人才项目(2026HYTP041)