基于无人艇跨域异构编队协同导航研究进展与未来趋势

徐博，王朝阳

哈尔滨工程大学 智能科学与工程学院，黑龙江 哈尔滨 150001

0 引 言

异构无人系统相比同构无人系统其任务执行力更高效、承担的任务种类更复杂。例如，异构多无人机（UAV）任务规划经过分布式方法的优化后，异构无人系统编队的作业效率变得更高[1-2]，无人艇（USV）可为小型UAV 提供自主起飞和降落的平台，并可作为无人系统异构编队的信息处理中心和通信基站[3]。

2018 年8 月，美国国防部发布了《无人系统综合路线图（2017-2042）》，旨在进一步将无人系统整合到作战体系之中，以及明确相关的投资领域，确保各军种的无人系统发展目标及工作与国防部拟定的规划保持一致[4]。同年12 月，中国工程院院士、同济大学陈杰教授发表了《人工智能发展中的若干科学问题及颠覆性技术》报告，针对未来自主智能无人系统发展规划，提出了3 个重点研究方向：自主感知与理解、决策与控制一体化、群知与协同控制[5]。2021 年3 月，美海军和海军陆战队联合发布了《美国海军部无人作战框架》，旨在对未来作战中无人系统承担的使命任务和需要的能力予以明确，包括海上及联合作战中有人与无人系统协同、建立数字基础设施、激发无人系统增量能力、在跨平台跨领域扩展作战能力。同时，未来无人系统的使用不仅包括作战任务，还包括日常海上对抗任务，例如侦察、反潜战（ASW）、水雷对抗（MCM）等。

随着无人系统在自主能力与智能化方面的水平不断提高，由这些无人系统组成的无人编队在民用和军用领域得到了广泛应用，例如海洋监测、海洋牧场管理、远洋勘探（图1）[6-8]和水面侦察、目标打击（图2）。在军用领域，作为未来海上作战的尖兵武器，随着USV 装备技术的迅猛发展，基于USV的异构跨域协同可以弥补同构USV编队的不足，使之达到功能最大化、能耗最小化的理想状态[9]。

图1 远洋勘探系统概念图[8]Fig. 1 Conceptual view of ocean exploration system[8]

图2 跨域异构平台一体化协同打击[10]Fig. 2 Cooperative strike of cross-domain heterogeneous platforms[10]

综上，无人系统的跨域协同已成为学界研究的热点问题之一，得到了许多军事强国的重视，并已将其列为未来的核心作战能力。同时，基于USV 的跨域协同技术也符合我国海洋强国发展战略的需求，对于增强我国国防力量、提高海域管控能力有着重要意义。

为此，本文将针对基于USV 跨域异构编队关键技术之一的协同导航定位，从多个层面阐述国内外在该技术领域取得的最新研究进展，分析无人系统编队协同导航方式，讨论基于USV 跨域异构编队协同研究所面临的关键问题及挑战。

1 基于USV 跨域异构编队协同的概念

USV 是一种适用于海洋作战、探测等的多功能无人平台，其在航行过程中，通过搭载的多种海洋观测传感器，以遥控、预编程、自主活动的工作方式完成相关海洋观测任务，具有灵活性强、风险率低等特点。随着各国更加重视USV 装备技术研究，USV 的自主能力得到不断提高。尽管如此，在人类对海洋探索的需求高涨，而执行任务所在的海洋环境越来越复杂的情况下，依赖单个USV 或同构USV 编队已无法顺利完成复杂的任务，需要与功能各异的智能无人系统，例如UAV、无人水下航行器（UUV），协同作业。为此，跨域异构无人系统编队的技术应运而生。所谓跨域异构无人系统编队是指为提升完成任务的能力，将USV 与UAV，UUV 整合到编队中，实现跨域多平台协同作业的一种编队模式[11]。在此模式下，协同作业平台可以包括目前常用的各类无人系统，在复杂环境下协作执行诸如远洋通信、海空监测等任务。

在未来海战中，水面、水下和天空都是主要作战环境，而处于天空与水下之间的USV 恰好可作为通信基站的搭载平台，基于USV 的跨域异构编队也将成为海战中执行任务的主要无人系统编队。相比于同构无人系统编队，异构跨域无人系统编队在功能性方面更有针对性、协同作战能力更强[10]。以USV/UAV 跨域异构编队为例，UAV 的优点是视野广、通信限制小，但存在续航时间短的缺点，而USV 的优势是续航时间长，但搜索范围有限。因此，在执行海上救援、巡逻任务中，二者可以互补，即由USV 运送UAV 到指定海域，再由UAV 获得良好视野，从而可弥补UAV 续航时间短、USV 视野较差的缺点，提高异构编队执行上述任务的能力。

2 USV 及异构编队协同研究进展

鉴于USV 跨域异构编队所具有的隐蔽性、灵活性等独特优点，无论是在海洋开发（例如海洋监测、海洋勘探）还是在水面作战（例如水面侦察、目标打击）领域都可以起到重要作用，各国也都增加了在USV 装备和异构编队技术研制方面的投入力度。

2.1 USV 研究进展

美国是世界上最早开展USV 装备研究的国家，其海军2001 年就提出了利用濒海战斗舰（LCS)与USV 构建异构编队协同执行任务的设想。2007 年，在发布的《海军无人水面艇总体规划》中提出了USV 发展的关键技术：自主控制、载荷与武器耦合、释放和回收、通用控制，并按照USV 尺寸将USV 分为舰船级、通气管级、港口级、X 级[12-13]。

2011 年，美海军研制服役了X-2 新型三体无人快速侦察艇。该艇长约16 m，宽约12 m，配备有雷达、声呐、摄像头、导航系统与防撞系统，还将安装先进的网络通信系统和情报、监视、侦察（ISR）系统，可在8 级海况下以15～30 kn速度自主巡航，定位精度在3 m 以内。

2016 年， 美国国防部高级研究计划局（DARPA）为美海军设计的“海上猎手”反潜战持续跟踪无人水面艇 （ACTUV）技术验证艇下水，以验证USV 用于舰队未来执行浅水海域反潜或ISR 任务的性能，2017 年，在“海上猎手”验证艇的基础上，第2 艘“海鹰”号建成交付海军使用。

除美国外，以色列2003 年为其海军研制并于2005 服役了“保护者”（Protector）USV，该型USV是全球第1 代经过实战检验的USV。2014 年，以色列航空航天工业公司（IAI）推出“武士刀”（Katana）USV，配备有自动导航系统和自动防撞系统，可在大范围区域执行海上边界巡逻、港口安全等任务，并可根据指令对目标发起攻击。2017 年，以色列海军研制的“海上骑士”（Sea Knight）USV 顺利完成任务测试，升级后的“海上骑士”USV 继承了“保护者”USV 的基本装备及高速航行的优点，最高航速可达75 km/h，艇长增大至11 m，在大浪中航行更稳定，可以航行至离岸500 km 的远海，连续续航时间提升至12 h，还配备了1 门水炮和多枚“长钉”导弹，成为迄今全球第1 艘可发射导弹的USV。随着“海上骑士”的研制成功，该型USV将替代以色列已服役20 年的“保护者”USV，并用其组建无人系统编队，继续执行相关作战任务。

现阶段，我国对USV 装备技术的研制主要集中于高校、科研院所主持的基础型号预研类项目，适用领域主要偏向于民用。而水面无人作战系统仍停留在大型舰艇为主、小型突击艇为辅的状态，在轻型USV 作战应用领域涉及得较少。

2008 年，中国航天科工新光集团研发 了“天象一号”USV，该艇长6.5 m，最长作业时间20 天左右，并且配备有智能驾控、GPS 定位、航海雷达等设备，在青岛举办的奥运会帆船比赛中开展实时气象播报，为赛事做出了重大贡献，这也标志着我国在USV 领域迈出了重要一步[14]。2013 年，上海大学的彭艳教授团队开始研制“精海”系列USV，其中“精海1 号”艇长6.25 m，适用于4 级海况，内置有侧扫声呐（SSS）、声学多普勒流速剖面仪（ADCP）、高精度光纤罗经等多种高精度测量设备，同时还配备了激光测距系统、影像监管系统、避碰雷达、高精度GPS 及“北斗”导航系统。该USV 曾随“雪龙”号破冰船执行南极科考任务，而且还在东海、黄海、南海执行过测绘和监测等任务[15]。2017 年，哈尔滨工程大学研制了 “天行一号” 无人快艇，该艇长12.2 m，排水量7.5 t，最高航速可达50 kn，可以根据航行中的状态，对周围可疑目标进行自动跟踪。

表1 所示为国内开发的几型典型USV 及相关参数。

表1 国内研究机构设计的典型USVTable 1 Typical unmanned surface vehicles designed by Chinese research institutions

2.2 异构编队协同研究进展

常见的协同导航方式主要分为主从式和并行式，从融合结构的角度可以分成分散式、分层式、集中式。国内外专家从不同的角度出发，针对编队协同导航问题展开了不同方向的研究。对于核心导航算法而言，大致可以分为优化理论的导航算法、基于图论的导航算法和基于贝叶斯估计的导航算法。

以优化理论为基础的编队协同导航算法主要分为：通过对求解导航状态进行近似、拆分，并分别求解各子问题；利用优化技术对导航问题求解，然后找到等价的优化算法。

基于图论的协同导航算法是建立协同导航问题的测量图模型，将整个平台所有历史时刻的导航状态与测量图的节点集合相对应。此算法应用在路径跟踪控制中可以大量减少通信数据量。

基于贝叶斯估计的卡尔曼滤波/粒子滤波/H-SPAWN 多AUV 协同导航算法存在通信量、计算量过大，以及对平台间计算同步要求严格、最优性估计得不到保证等问题。国内外学者对水声通信延迟和测距误差的建模与补偿提出了大量研究方法，可实现在滤波效果不发生大的偏差的情况下，显著提高滤波效率。针对洋流的影响与估计，国内外学者进行了较多的相关研究工作, 取得了一些有意义的成果。

目前，同构无人系统协同研究已经获得了较多研究成果和理论积累。随着各领域的研究深入，需求趋于多元化，由单一类型无人系统平台组成的编队已无法完成许多环境复杂的任务。因此，近年来多无人平台跨域异构编队引起了世界各国的广泛关注[16-20]。

在异构编队技术研究领域，自2010 年以来，美国已在USV 和AUV 组成的异构编队领域对智能指挥与感知控制体系架构（control architecture for robotic agent command and sensing, CARACaS）进行了长达10 年的试验[21]。图3 所示为美国对USV 蜂群协同进行技术验证。2015 年，日本防卫省技术研究所针对USV 与AUV 协同搜索的问题（图4）开展研究，利用基于协同控制的平行巡航技术（parallel cruising technology by using cooperative control, PaCTeCC）来实现USV 将声呐图像从AUV传输至远处支援船的设想[22]。

图3 美国USV 蜂群演示验证[21]Fig. 3 Validation of USV swarm operation[21]

图4 USV 与AUV 之间声呐图像传输概念图[22]Fig. 4 Conceptual view of USV-AUV sonar images transmission[22]

2016 年，英国在 “无人战士”（unmanned warrior）无人系统平台联合作战演习中，测试了包括USV，UUV 在内的50 艘无人系统平台协同执行ISR、反潜战、水雷对抗任务的能力，并在反潜战演习中，首次采用依靠海浪动能和太阳能驱动、具有长续航能力和低可探性特点的4 艘“波浪滑翔者”（wave glider） USV 与“传感器密集型自主远程艇”（sensor hosting autonomous remote craft,SHARC）组成的异构水面编队进行探测、跟踪UUV 的测试。此次联合作战演习展示了上述无人系统高效执行自主反潜任务和实时交换数据的性能，还演示了微小型UUV 自动降落在小型USV 上的能力[23]。表2 所示为国外跨域异构编队试验的情况[24-25]。

表2 国外跨域异构编队试验Table 2 Cross-domain heterogeneous formation tests

海-空、海面-水下跨域异构无人系统平台不仅在军用领域扮演着重要角色，在民用领域也有着举足轻重的地位。例如，2014 年美国夏威夷大学和伍兹霍尔海洋研究所（WHIO）联合搭载水听器和调制解调器开展了一系列水下水面联合定位、通信试验，2018 年大连理工大学进行了USVUAV 异构协同试验（图5）。同年，由中国云州、百度等企业联合开发的海陆空无人系统联合展演在港珠澳大桥亮相，展演中不仅展示了各种型号、能适用于不同环境的UAV 和USV，还通过UAV，USV 与无人车（UGV）跨域异构协同方式执行了一些任务，如图6 所示。

图5 USV-UAV 异构协同试验验证Fig. 5 Test validation of USV-UAV heterogeneous collaboration

图6 国内海陆空无人系统异构编队协同演示[9]Fig. 6 Demonstration of sea-land-air unmanned system heterogeneous cooperative formation in China[9]

此外，国内外许多高校在跨域异构编队的技术开发方面也取得了显著成果。例如，美国宾夕法尼亚大学GRASP 实验室开发出了以网络为中心的异构平台的关键技术，在UAV 与UGV 的协同领域做出了贡献[26-27]。中南大学吴国华等[28]提出一种层次化的协同计划架构，对卫星、UAV、飞艇等异构地球观测资源（EOR）进行了集成。克罗地亚萨格勒布大学学者提出一种包含USV/UAV/UUV 的异构系统，用于实时检测意外泄漏问题，并于2014 年进行了模拟漏油野外试验，测试了探测、协同导航和通信可视化技术[29]。2016 年，美国弗罗里达大学学者在USV 上进行了REMUS 100 AUV 投放与回收试验，验证了其声学通信、定位等性能[30]。

3 USV 跨域异构协同导航发展现状

跨域异构编队导航定位不仅是编队协同作业的先决条件，更是其安全返回的技术保障。针对USV 跨域异构协同导航存在的问题，国内外学者针对同构编队协同定位、路径规划等问题展开了大量研究工作，而围绕异构编队的研究工作大多处于理论研究状态。

3.1 基于USV 跨域异构编队协同定位

在USV 与UAV，UUV 跨域异构编队中，准确解算每个时刻编队内各成员的位置信息是所有协同执行任务的最基本要求。例如，通过USV 投放与回收UUV、UAV 和水下排雷等。因GPS 导航系统在水下无法使用，且水下声学信道条件恶劣，故包含UUV 的跨域异构编队协同定位一直是研究的热点问题之一。

目前，有学者已经将卡尔曼滤波算法、优化理论算法应用于UUV 编队的导航问题[31-36]。针对包含UUV 的跨域异构编队导航，常用方法是使用高成本的导航传感器来减缓发散速度。例如，文献[37]提出了一种利用USV 的位置限制UUV位置的方法，并比较了粒子滤波、非线性最小二乘优化以及扩展卡尔曼滤波器（EKF）改善UUV 现有定位的效果。文献[38]提出一种基于EKF 模块化量测模型，在使用UUV 的传感器进行量测的基础上，根据USV 和声呐图像估计UUV 的位置，从而提高了定位精度。

此外，水下通信也是跨域异构编队协同导航的挑战之一。针对USV 通信提供的带宽有限且在水面上易受影响的问题，文献[39]利用声波通信和定位系统建立了USV 与AUV 间的通信网络，利用USV 定位结果标定误差及限制AUV 与USV 间的距离并保持稳定，以提高AUV 的精度。文献[40]提出了一种双系统串联导航策略，采用USV 作为UUV 的“私人”卫星，并始终能够获得超短基线（USBL）定位信息，在避免昂贵成本的条件下确保了水面、水下有良好的定位精度。文献[41]提出了如图7 所示的HOTL（human-onthe-loop）系统。该系统引入了另一种水面运载器作为水面、水下的通信枢纽，以实现USV 保持向控制中心传输定位和通信数据，并矫正UUV 的航位推算误差。文献[42]基于上述系统中心枢纽的概念和作用，通过WiFi 和GSM/LTE 链路，建立水下物联网改善水下定位和通信，以提高导航精度。2016 年，美国的WHIO、麻省理工大学（MIT）、东北大学学者针对多海洋机器人编队水声通信开展研究，验证了不同通信配置下多智能体编队的跟踪性能[43]，试验的现场如图8 所示。

图7 HOTL 系统示意图[41]Fig. 7 Schematics of HOTL system[41]

图8 异构编队协同搜索试验[43]Fig. 8 Test of heterogeneous formation cooperative search[43]

3.2 基于USV 跨域异构编队视觉导航

在海空跨域异构编队中，精准导航技术是USV 投放与回收UAV 的基础，而常规GPS 和惯性导航在导航精度上都有难以忽视的缺点[44]，因此，基于视觉的高精度导航成为了目前USV 与UAV 研究领域的前沿问题。与静止于路面的UGV 四自由度运动模型不同[45]，USV 是一个六自由度运动模型，无法精确控制运动轨迹，即使忽略UAV 运动对USV 带来的影响，USV 依然存在姿态稳定性差等问题，导致UAV 降落安全隐患较大。文献[46]通过干涉排除、椭圆拟合、特定特征匹配对姿态进行不确定标记估计，并在不同阶段分别采取GPS 系统和视觉导航方法，提出了完整的视觉导航、制导策略。文献[47]提出了一套完整的USV 甲板模拟方案，并通过UAV 向下的摄像头结合卡尔曼滤波改善UAV 和USV 估计的鲁棒性。文献[48]通过在USV 甲板上安装一系列传感器，同时引入多超声联合动态定位算法解决了耦合系统中USV 可调浮标动态定位问题，获得了高精度三维定位数据（图5）。除了USV的姿态导致导航误差较大以外，水面的反射也是影响UAV/USV 跨域异构编队视觉导航的重要因素之一，因此文献[49]设计了一种三阶视觉检测器，得到了USV 与UAV 之间的三维相对位置。文献[50]使用高分辨视觉传感器并结合部署USV声呐测出的水深数据，来改善UAV 与USV 之间的通信。

此外，协同导航精度也是USV/UAV 跨域异构编队执行海上救援、目标搜索任务的重中之重。针对USV 在海上视野有限导致的定位误差大的问题，文献[51]提出了颜色阈值与轮廓检测相结合的定位方法和Camshift（continuously adaptive mean-SHIFT）算法，能够得到USV/UAV 与救援目标的相对位置，以提高协同导航精度。随着计算机视觉和机器学习的发展，基于深度学习（DL）的视觉导航逐渐应用于USV/UAV 跨域协同导航，但深度学习过程中需要大量的迭代循环，难以实时得到数据。文献[52]提出了UAV/USV 协作平台“水母”配送管理系统，通过卷积神经网络（CNN）算法识别USV 和“水母”并计算其分布位置，在此基础上开发出一种高速深度神经网络，缩短了目标识别定位时间。

综上，USV/UAV 跨域异构编队通过UAV 的通信距离、视野优势可弥补USV 视野狭窄等缺点，USV 的超远续航能力为UAV 提供了中转平台，因此基于USV/UAV 的跨域异构编队视觉导航是未来搜救、海空一体化等复杂任务所需的关键技术。

3.3 路径规划与目标跟踪

相比于同构编队，跨域异构编队执行任务所处的环境更复杂、难度更大、危险性更高，因此要求由USV，UAV 和UUV 所组成的跨域异构编队系统应具有强鲁棒、低风险等特点。目前，国内外学者在同构UAV 路径规划研究方面已取得显著成果[53-58]，但在跨域异构编队路径规划方面的研究较少。我国学者研发了四旋翼飞行平台，并于2019 年进行了UAV 在移动的HUSTER-68 全自主USV 上的降落（图9）演示，拓展了USV 在水陆空跨域信息感知、目标探测任务范围，大幅度提高了异构跨域无人编队的机动能力与控制性能。

图9 UAV 自主降落演示[5]Fig. 9 Test of autonomous landing of UAV on a moving platform[5]

在USV/UAV/UUV 跨域异构编队执行搜索目标、自主降落等任务时，需要在任务开始时通过异构编队内各成员信息的交互，使系统对全局环境有一定的掌握，从而达到最优路径规划的目的。文献[59] 设计了一个基于UUV/USV 协同采样的自主框架，开发了自主程序预测UUV 的位置并规划出一条USV 路径，在执行任务过程中保证了UUV 和USV 协同控制性能。在环境适应方面，文献[60-61]针对跨域异构编队设计了多层控制系统架构，在控制系统架构的最上层，则根据全局环境条件选择合适的路径规划，分别在USV 与UGV 上进行了相应的试验。针对路径规划过程中所要面对的问题，文献[62]提出了一种受约束的Fiduccia-Mattheyses（FM）算法来构造USV 领域区（ship domain area）和避碰区（ collision avoidance area），以确保规划路径与碰撞区域发生冲突。文献[63]分别利用USV 前置声呐和在线源航拍图像通过训练分类器生成特征，再对输出进行融合，达到分类学习障碍物的效果。文献[64]通过自适应阈值和斑点检测算法判断UAV 是否寻找到目标, 在降落前确定方位并给出优化路径。

此外，针对跨域异构编队在航行中面临通信频率的问题，WHIO 学者根据异构航行器所需导航精度、能量消耗、通信性能以及观察目标，推导出一组异构航行器的轨迹、通信速率和采样速率，并通过外场试验进行了验证[65]。

通信范围也是水面与水下通信的局限之一。文献[66]通过构建分布式动态网络拓扑，实现了自组织网络UAV 与USV 有效通信，提高了通信单元的鲁棒性和通信效率。针对编队能量消耗和通信范围这两个关键问题，文献[67]提出了一种基于自组织映射（SOM）和快速行进法（FMM）算法的智能多任务分配和路径规划方法，通过任务优先级算法和能量协调方案保证了编队成员与对应基站的通信质量和能源储备。

针对跨域异构编队系统容错问题，文献[68]基于随机模拟实验和异步规划策略设计了两个阶段的协同路径规划算法，路径由改进的粒子群优化（IPSO）算法以集中式或分布式方式生成，能够处理UUV/USV 系统中协同水下目标搜索与跟踪任务，并可提高跨域异构编队的自适应能力。文献[69]基于遗传算法（GA）和蚁群算法（ACO），提出了适用于UAV/USV 跨域异构编队海上监测与清污任务的路径规划方法，在提高任务效率的同时还考虑了跨域异构编队轨迹容错问题。此外，在路径规划中，耦合系统内浮标的动态问题也受到了学者们的关注。例如，文献[48]通过所设计的分层着陆点来获得有顺序的指导点，为UAV在USV 上降落过程设计出高质量的航路。

若UAV 在USV 上降落过程中遇到视觉环境受限的情况，则会对全局环境信息的处理造成很大影响。因此，针对弱视觉环境条件，文献[70]使用94 GHz 毫米波雷达、GPS、惯性传感器，产生地形障碍物图像，进一步优化路径规划的效果。文献[71]则使用一个标准的EKF 来传输状态和融合传感器数据，再构建贝塞尔曲线连接UAV 和USV 的航向，并通过迭代使它们在约束条件下完成路径规划。

4 基于USV 的跨域异构编队关键问题及未来发展趋势

4.1 跨域异构编队的关键问题

1） 跨域异构编队导航精度。

同构USV 编队协同导航研究已经较成熟，且提出了很多解决方法（例如卡尔曼滤波、优化理论算法等[31-36]）来提高所建的导航框架模型、误差特性分析、误差补偿等的精度。但是，在对跨域异构编队进行误差特性分析与补偿的过程中，需考虑很多问题，例如不同无人系统运动学模型。迄今，学界大部分研究工作还处于跨域异构导航建模的阶段，而从理论上分析异构编队对协同网络带来的误差并不多见，因此研究跨域异构编队的协同导航精度问题是目前的关键问题之一。

2） 通信延时条件下导航性能。

鉴于恶劣的水面环境以及GPS 不适用于水下环境，跨域异构编队导航定位成为了跨域异构编队作业中所要面对的关键问题之一。此外，跨域异构编队导航需要面对的另一个关键问题是缺乏高效的跨域通信链路。相比于UUV，USV 具有良好的导航能力，可以与水面、水下、天空中的智能平台通信，通过分布式优化算法可以在一定程度上降低通信对跨域异构编队的影响。但是，目前在此方面的研究成果多局限于理论分析和仿真验证。未来分布式优化算法可能会成为跨域异构编队发展的突破口。而且，提高通信延时条件下的导航性能是目前跨域异构编队需要解决的关键问题。

3） 特殊工况下协同导航技术。

基于USV 的跨域异构编队在执行任务过程中会经常遇到恶劣的水面环境（例如复杂多变的海浪、传感器量测异常、USV 与UAV 间歇性失联等），且使用传统的滤波算法或优化算法对于异常值的处理会导致误差随时间的增加而增大。目前，国内外学者在特殊工况下对同构无人编队协同导航的研究取得了不错的进展，但是因跨域异构编队需要面对更多种类的特殊工况[72-75]，因而，特殊工况下的协同导航技术是当前导航领域的关键技术之一。

4.2 跨域异构编队未来发展方向

1） 多源传感器信息融合。

面对越来越复杂的跨域任务，跨域异构编队中的无人系统平台需要携带不同的装备及传感器设备。例如USV 可携带航海雷达、激光雷达、主动声呐和被动声呐来增强避障检测能力，UAV 可携带视觉传感器、超频无线电来提高导航能力。通过多源传感器融合技术，可以提高跨域异构编队的有效负载，并可利用不同编队成员的传感器数据相互校正、补偿。因此，多元传感器信息融合技术将成为未来跨域异构编队研究的热点问题之一。

2） 仿生视觉导航。

跨域异构编队需要面临水面、水下、天空这些不同的环境，因此对环境的适应能力是跨域异构编队需面对的关键性问题之一。随着计算机视觉的深入发展，基于USV 的跨域异构编队具备了一定程度的环境自适应以及战场环境学习能力，但因环境的复杂性和不确定性，基于视觉的协同导航技术还需进一步提高。以鹰为代表的猛禽可以在高空锁定并迅速跟踪水下的鱼，仿生视觉技术为基于视觉的信息处理提供了新思路。北京航空航天大学段滨海团队在特征点匹配、分层时间视觉、视觉导航机制方面开展了一系列研究[76-79]。基于仿生视觉的导航技术在视觉范围、分辨率方面有很大的优势。可以预见，基于仿生视觉的导航技术将会成为未来跨域异构编队执行任务的一大助力。

3） 大型跨域异构编队。

近年来，针对跨域异构编队协同导航研究所使用的无人系统平台（USV，UUV 和UAV）的总数大多为2～5 艘（架），然而，面对未来越来越复杂的任务，跨域异构无人编队数目无疑将远超此数目。随着跨域异构编队的扩大，编队中的USV与其他无人系统平台的信息交流和融合的难度会增加，导航难度也将相应地增加。因此，在大型跨域异构编队中，如何协调好USV 与其他无人系统平台的信息融合、交互是未来跨域异构编队协同导航研究的热点问题之一。

5 结 语

基于USV 跨域异构编队协同导航是解决水下、水面、天空3 个空间中USV/UAV/UUV 导航定位的关键技术。跨域异构编队内不同类型的无人系统平台间的相互协作可以弥补编队任务类型单一的缺点，因此，开展基于USV 跨域异构编队的协同导航研究具有重要的理论意义和工程意义。本文介绍了基于USV 跨域异构编队的形式以及UAV/USV 跨域异构编队近年来的发展现状，重点介绍了基于USV 跨域异构编队协同定位、视觉导航、路径规划中的数学模型和算法，阐述了基于USV 跨域异构编队协同导航的关键技术及未来发展趋势。未来，我国应加大投入，研制USV，UUV 与UAV 之间的跨域协同技术，使我国海洋武器装置体系更加完善。