摘要：无人机表演作为一种大型灯光秀形式，越来越受到欢迎。这些表演通常包含数百到数千架无人机，每架无人机都经过编程以沿特定路径飞行，共同构成天空中的复杂形状和图案。当一切按计划进行时，无人机表演会非常壮观。然而，一旦一架或多架无人机出现故障，可能会对地面观众造成严重危

无人机表演作为一种大型灯光秀形式，越来越受到欢迎。这些表演通常包含数百到数千架无人机，每架无人机都经过编程以沿特定路径飞行，共同构成天空中的复杂形状和图案。当一切按计划进行时，无人机表演会非常壮观。然而，一旦一架或多架无人机出现故障，可能会对地面观众造成严重危害。例如，最近在佛罗里达、纽约等地发生的无人机展览事故就凸显了这一问题。

这些问题揭示了工程师们所面临的“多智能体系统”维护安全的挑战。多智能体系统包括多个协调、协作并由计算机编程控制的智能体，如机器人、无人机和自动驾驶汽车。为了解决这些问题，麻省理工学院的一组工程师开发了一种新的训练方法，确保多智能体系统能够在拥挤环境中安全运行。

研究人员发现，通过这种方法训练少数智能体后，它们学到的安全边界和控制策略可以自动扩展到更多的智能体，从而保证整个系统的安全性。在实际演示中，团队训练了少量手掌大小的无人机，使其能够安全地执行不同的任务，从在飞行过程中同时切换位置到降落在指定的移动车辆上。模拟实验表明，同样的程序可以在数千架无人机之间复制并扩展，使大型代理系统也能安全完成相同任务。

麻省理工学院航空航天学副教授Fan Chuchu表示：“这可能成为任何需要团队合作的应用的标准，例如仓库机器人、搜救无人机和自动驾驶汽车。它提供了一个盾牌或安全过滤器，告诉每个代理如何继续其任务，并确保安全。”

多智能体系统安全设计

传统上，工程师在为多智能体系统进行安全设计时，必须考虑系统中每个智能体相对于其他智能体的潜在路径。这种成对路径规划是一个耗时且计算量大的过程，即便如此，安全性也无法得到完全保证。

这项研究的主要作者Zhang Songyuan解释道：“在无人机表演中，每架无人机都会被赋予一条特定的轨迹——一组航点和时间点。然后它们基本上闭上眼睛按照计划飞行。如果发生意外情况，它们不知道如何适应。”

为了应对这一挑战，麻省理工学院的研究团队开发了一种新方法，用于训练少数智能体安全行动，并有效地将其扩展到系统中的任意数量的智能体。该方法不是为单个智能体规划特定路径，而是让智能体不断绘制其安全边界，即它们可能变得不安全的边界。只要智能体保持在这些安全边界内，它们可以采取任意数量的路径来完成任务。

研究人员Oswin So用一个类比解释道：“假设你身处一个非常拥挤的购物中心，除了你周围5米范围内的人，你不会关心其他人。你只需要确保自己能安全走动，不撞到任何人。我们的工作也采用了类似的局部方法。”

安全护栏：GCBF+方法

在这项新研究中，麻省理工学院团队介绍了他们的新方法GCBF+（图形控制屏障函数）。屏障函数是机器人学中使用的数学术语，用于计算一种安全屏障，即代理在超出该屏障后很可能变得不安全的边界。对于任何给定的代理，随着代理在系统内移动，这个安全区可以随时变化。

传统的屏障函数计算需要考虑系统中所有其他代理的潜在路径和交互。相比之下，麻省理工学院团队的方法只计算少数智能体的安全区，其精确度足以代表系统中更多智能体的动态。

Oswin So解释说：“然后我们可以将这个屏障函数复制粘贴到每一个代理上，然后我们就得到了一个适用于系统中任意数量代理的安全区图。”

为了计算代理的屏障函数，该团队首先考虑了代理的“感知半径”，即代理能够观察到多少周围环境，这取决于其传感器功能。就像在商场类比中一样，研究人员假设代理只关心其感知半径内的代理，以确保安全并避免碰撞。

接下来，团队利用捕捉代理特定机械能力和极限的计算机模型，模拟“控制器”，即代理和少数类似代理应如何移动的一组指令。然后，他们模拟多个代理沿特定轨迹移动，并记录它们是否以及如何发生碰撞或相互作用。

Zhang Songyuan介绍道：“一旦我们有了这些轨迹，我们就可以计算出一些我们想要最小化的规律，比如说，当前控制器中有多少安全违规行为。然后我们更新控制器，使其更安全。”

通过这种方式，控制器可以被编程到实际的代理中，使它们能够根据周围环境中的其他代理不断映射它们的安全区域，并在该区域内移动以完成任务。

Fan Chuchu总结道：“我们的控制器是被动的。我们不会事先规划路径。我们的控制器不断收集有关代理要去哪里、它的速度是多少、其他无人机的速度有多快的信息。它会利用所有这些信息来制定计划，并且每次都会重新规划。因此，如果情况发生变化，它总是能够适应以保持安全。”

实验验证与应用前景

该团队在一个由八架Crazyflies组成的系统上演示了GCBF+。Crazyflies是轻型、手掌大小的四旋翼无人机，任务是在空中切换位置。经过该团队的方法训练后，无人机能够实时调整以绕过彼此，保持在各自的安全区内，成功在飞行中切换位置。类似地，团队还让无人机降落在特定的Turtlebots上，Turtlebots是一种顶部呈贝壳状的轮式机器人。结果表明，无人机能够安全着陆而不会发生碰撞。

Fan想象该方法可以应用于多种场景：“无论是无人机表演中的防撞系统、仓库机器人、自动驾驶汽车还是无人机运送系统，都可以使用我们的框架来确保安全性。”

来源：SENSORO升哲