《面向协同任务的无人地面车辆与无人机（UGV-UAV）集成研究综述》2025最新综述论文

本文系统回顾了无人地面车辆（UGV）与无人机（UAV）整合技术的最新进展。重点探讨了整合过程中的关键挑战（如通信协议差异、传感器互操作性、网络安全问题）、创新解决方案（如统一机器人协议URP、模块化载荷系统、人工智能驱动的集群智能），以及实际应用案例和未来技术方向。

UGV与UAV的整合代表了自主系统协调的变革性飞跃，但存在通信、传感器、安全等持久性挑战；通过提出统一机器人协议（URP）、区块链安全层、AI集群智能等新技术，可以显著提升系统互操作性、任务协调性和韧性。论文采用结构化综述方法，基于六项评估指标（互操作性、实时通信、传感器融合精度、自主性与AI集成、操作效率、网络安全）分析现有文献，并提出一个多层级技术框架，为未来研究提供路线图。以下将分章节详细分析论文的主要内容。

1. 概述与背景

UGV和UAV的整合结合了地面机动性和空中灵活性，能应对复杂现实任务（如监视、应急响应、军事行动），但通信协议差异、传感器互操作性问题和自主框架不匹配导致整合挑战。作者通过综合当前文献和现场实践，批判性分析这些差距，并引入新颖的统一机器人协议（URP），该协议支持ROS和MAVLink系统间的实时通信，并通过区块链技术确保安全。此外，还提出AI驱动的集群智能和模块化载荷系统，以增强去中心化任务分配和操作适应性。关键发现显示，在现实约束下，系统互操作性、任务协调和韧性有显著改善。论文最后提出了推进安全、可互操作和智能多智能体系统的路线图。

引言部分（第1节）进一步阐述了整合的背景：过去几年，UGV与UAV的整合是无人载具领域的巨大进步，两者合并能解决许多领域的复杂问题。UGV能运载重货并穿越复杂地形，增强UAV的性能（UAV擅长空中监视、实时数据收集和快速部署）。尽管在CAx相关开发中存在机械挑战，但两者的操作协同潜力能提升态势感知、决策和资源分配。近期研究（如Tang等人的EN-MASCA算法和Alonso-Mora等人的反应式任务规划方法）提供了宝贵见解，但缺乏跨平台通信和鲁棒数据融合的统一解决方案，且忽视了基于区块链的安全集成和去中心化任务执行。为此，论文的贡献包括：(i) 提出URP桥接ROS和MAVLink生态系统；(ii) 引入区块链验证的安全数据层；(iii) 纳入集群智能；(iv) 通过现实案例验证。这些贡献旨在克服当前整合方法中的碎片化问题。

论文的结构分为七大部分：引言（包括问题定义、评估指标和方法论）、挑战与技术障碍（第2节）、新颖解决方案（第3节）、现实应用案例研究（第4节）、新兴技术与未来方向（第5节）、结果与关键发现（第6节）以及结论（第7节）。这种结构使论文逻辑清晰，从问题分析到解决方案，再到应用验证和未来展望。

2. 挑战与技术障碍分析

本节详细分析了UGV-UAV整合的主要挑战，分为通信问题、网络安全挑战、传感器融合与数据集成、环境与操作约束以及实时不确定性。这些挑战是整合的核心障碍，论文通过文献综合和实例进行了深入探讨。

2.1 通信问题

通信问题是整合的首要挑战。UGV通常依赖地面通信（如Wi-Fi或蜂窝网络），而UAV使用卫星或空对地特定技术，导致协议不兼容（如ROS用于UGV，MAVLink用于UAV）。这种差异造成数据流瓶颈、丢包或完全失败。环境变量（如城市密集基础设施中的信号干扰）加剧了问题：UAV使用高频段（2.4 GHz或5 GHz）适合开放空域，但UGV在障碍地形中受益于低频段（亚1 GHz），牺牲数据速率。实时操作（如搜索救援中的视频传输）需要标准化、自适应协议。论文提出URP作为解决方案，它封装ROS和MAVLink，并利用区块链确保安全通信。此外，网状网络设计差异（UAV用分层网络，UGV用去中心化拓扑）增加了延迟和通信丢失风险。软件定义网络（SDN）和ROS2 DDS等中间件被建议为潜在解决方案。

图：直观展示了UGV和UGV在操作环境中的通信挑战，突出了干扰和协议不兼容性在城市环境中尤为严重。

2.2 网络安全挑战

网络安全是另一关键问题，源于无线通信和自主系统的依赖性。主要威胁包括信号干扰（故意阻塞通信频率）、未经授权访问（通过弱加密截取敏感信息）和欺骗（如GPS欺骗误导导航）。这些风险在军事或灾难响应等高安全性任务中尤为严重。现有多种网络安全措施：基本加密成本低但易受高级攻击；跳频扩频（FHSS）抗干扰但实现复杂；区块链提供防篡改通信，但计算资源需求高；量子密钥分发（QKD）理论上不可破解但成本极高。区块链技术通过去中心化账本确保数据完整性，而QKD代表了未来方向。论文强调，需要多层次策略，包括加密、区块链和实时入侵检测，以增强系统韧性。

2.3 传感器融合与数据集成

传感器融合对于创建统一环境理解至关重要，但UGV和UAV使用不同传感器（如UGV的LiDAR和UAV的光学/热传感器），数据格式和处理标准各异，导致同步问题。计算需求高，实时处理困难，且传感器精度、分辨率和视场差异阻碍连贯地图构建。论文描述了预处理步骤（如降噪和标准化）以及融合算法（如卡尔曼滤波和深度学习），以整合多模态数据。下图展示了传感器融合流程，包括数据采集、预处理、融合和统一环境地图生成。挑战包括数据同步、计算开销和环境因素（如天气影响）。AI和语义数据模型被提出作为改进手段。

图：传感器融合流程

2.4 环境与操作约束

环境因素显著影响性能：UAV对恶劣天气（如大风、雨雾）敏感，影响飞行稳定性和传感器精度；UGV面临地形挑战（如崎岖地面），限制机动性。操作约束包括有限电池寿命：UAV续航短，UGV在重载或复杂地形中能耗增加。下表比较了UGV和UAV的操作约束，例如UGV在稳定条件下续航长，但地形适应性差；UAV敏捷但天气敏感。互补部署可提升任务效率。案例显示，在灾害响应中，UAV快速勘察，UGV地面干预，但电池技术需进步以延长操作时间。

方面	无人地面车辆	无人机	来源
地形挑战	- 在崎岖、不平或泥泞地形上行动困难 - 易受岩石、树木和斜坡等障碍物影响	- 地形不相关，因无人机在空中操作 - 在密闭区域或茂密森林冠层中可能面临困难	[2]
天气敏感性	- 除非极端天气（如洪水、大雪），否则受天气条件影响较小 - 地面能见度和牵引力至关重要	- 对风、雨、雪高度敏感 - 恶劣天气影响飞行稳定性、安全性和传感器性能	[61, 62]
能源限制	- 通常由电池或燃料提供动力 - 在困难地形或陡坡上能耗增加	- 由于推进和悬停能耗高，电池续航有限 - 太阳能无人机在晴朗条件下可延长操作时间	[13, 63]
操作时长	- 在平坦、稳定地形上可工作较长时间（数小时） - 在挑战性地形上，因功耗需求增加，工作时长缩短	- 电池供电的无人机通常工作时长较短（30分钟至数小时） - 可通过系留供电系统或优化飞行路径来延长	[64, 65]
有效载荷能力	- 比无人机具有更高的有效载荷能力 - 可运载重型设备、传感器或补给品	- 由于重量限制，有效载荷能力有限 - 影响飞行时间和敏捷性	[66]
环境条件	- 除极端温度和洪水外，在大多数环境中表现良好 - 沙子、泥浆和积雪会阻碍移动	- 易受恶劣天气条件、高海拔和电磁干扰的影响 - 高湿度可能影响敏感电子设备	[53, 67]
导航限制	- 需要精确地图以避开障碍物 - GPS信号在密集城区或森林中可能受阻	- 依赖清晰的GPS信号进行导航 - 在GPS拒止区域或信号干扰严重的地区可能无法有效工作	[68]

2.5 实时不确定性

实时操作面临内部（如传感器噪声、电池退化）和外部不确定性（如风切变、动态障碍），以及参数（如质量变化）和非参数不确定性（未建模动态）。这些因素导致任务漂移、能耗增加或碰撞风险。Pham等人采用自适应控制框架和Khan的模型预测控制作为解决方案，强调学习型去中心化策略增强韧性。管理不确定性对安全可靠性至关重要，尤其在灾害响应等动态环境中。

3. 新颖解决方案提案

本节提出了解决上述挑战的创新方案，包括统一机器人协议（URP）、模块化载荷系统、AI与集群智能以及现有系统集成。这些方案基于新兴技术，旨在提升互操作性、安全性和适应性。

3.1 统一机器人协议（URP）

URP是核心贡献，是一个混合通信框架，桥接ROS和MAVLink生态系统，支持实时数据传输和同步。它集成区块链技术确保防篡改通信，并通过多线程处理降低延迟。下图展示了URP架构，包括UGV、UAV和区块链节点间的交互。URP在速度、可靠性、安全性、互操作性、可扩展性和灵活性上优于传统协议（下表）。例如，URP优化低延迟通信，而ROS可能有延迟；区块链增强安全，而MAVLink仅提供基本加密。URP的模块化设计使其适用于复杂任务，如军事行动。

图：统一机器人协议（URP）的体系结构，显示UGV、UAV和区块链技术之间的交互

表：URP 与传统通信框架（ROS 对比 MAVLink）比较，突出其在速度、安全性与可靠性方面的优势

评估因素	统一机器人协议 (URP)	ROS (机器人操作系统)	MAVLink 协议
速度	- 为 UGV 与 UAV 之间的低延迟通信而优化	- 可能因数据抽象开销而产生延迟	- 作为一种轻量级协议，为实时通信而优化，但其主要设计面向 UAV，在与 UGV 集成时可能限制速度
可靠性	- 融入多线程和异步数据处理，以实现更快的响应时间 - 在具有挑战性的环境中，通过冗余机制和故障转移协议处理通信，确保持续的数据交换 - 不适用于 UGV 和 UAV 之间的高速、实时控制	- 可靠性在数据密集型应用中可能表现不一 - ROS 通常依赖于底层网络设置，其核心本身缺乏原生的故障转移或冗余功能	- 针对 UAV 特定操作可靠，但在复杂的多平台协调中可能遇到困难
安全性	- 集成区块链技术，确保数据完整性、验证和安全的指令传输	- ROS 缺乏原生安全特性，依赖外部工具和中间件进行加密与身份验证 - 其基本形式易受基于网络的攻击	- MAV Link 为安全通信提供基本加密
互操作性	- 在 UGV 和 UAV 生态系统之间实现无缝通信 - 支持 ROS 和 MAVLink 消息格式的实时翻译	- 主要为基于 ROS 的系统设计，与其他框架的互操作性需要定制桥接或中间件 - 在异构平台（如 UGV-UAV 组合）中集成可能具有挑战性	- 专为 UAV 设计，在与非 UAV 系统（如 UGV）集成时可能需要额外的适配层
灵活性	- 模块化设计，支持与新兴技术（如区块链、AI驱动协调）轻松集成 - 可适应各种任务和硬件配置	- 高度可定制，但需要大量配置和编码才能与 UAV 特定协议（如 MAVLink）集成 - 灵活性取决于开发者的专业知识	- 专为 UAV 通信量身定制，灵活性有限，特别是在扩展到 UGV 或其他机器人平台时
资源效率	- 在 UGV 和 UAV 之间优化资源使用，平衡计算、通信和能耗	- 由于中间件开销，可能消耗大量计算资源，尤其是在大规模、多机器人设置中	- 作为一种轻量级协议，对 UAV 的资源效率高，但在跨 UGV-UAV 平台使用时，优化可能不足

3.2 模块化载荷系统

模块化载荷系统允许UGV和UAV快速重新配置载荷，以适应不同任务（如监视、交付、侦察）。UGV可交换机械臂或传感器，UAV可切换相机或太阳能板，提升操作灵活性。下图展示了UGV和UAV的模块化载荷可能性，如UAV搭载热像仪，UGV运载货物。下表比较了模块化系统与单用途载荷：模块化初始成本高但长期成本效益好，支持多种任务，减少停机时间；单用途优化性能但缺乏适应性。模块化系统在灾害响应等动态环境中价值显著，可通过标准化接口实现“即插即用”。

图：UGV和无人机的模块化有效载荷系统，说明了每个平台具有可互换工具和传感器的灵活性

表：模块化有效载荷系统与一次性有效载荷的比较，强调成本效益、操作灵活性和任务成功率

评估标准	模块化系统	一次性载荷
初始成本	较高，因需要模块化硬件和接口	较低，组件专为特定用途定制
操作灵活性	非常高：可通过更换有效载荷适应多种任务	有限：受限于原始设计用途
任务多样性	可执行多种角色（如监视、投送、侦察）	每单元限单一角色，执行不同任务需多个平台
有效载荷集成	即插即用的模块化设计简化了更换；标准接口便于集成	固定有效载荷，变更需定制或重建
维护成本	长期较低：共用部件简化了维修和备件库存	较高，因需独特部件和特定设计的备件
部署速度	高：模块化设计支持现场快速重新配置	较慢：执行不同任务可能需要部署独立系统
系统重量	通常较重，因需模块化连接器和通用兼容性设计	更轻，为单一用例优化设计
能效	略低，因模块化系统可能承载未使用的容量	针对特定任务更高，因载荷设计经过优化
可升级性	优秀：模块化允许升级而无需更换整个系统	差：升级通常需要完全更换或重新设计
可扩展性	高：模块化通过标准化部件支持机队扩展	可扩展性有限，因采用定制化设计
任务停机时间	极短：快速更换有效载荷缩短任务间隔时间	较长：需要单独载具或手动重新配置的停机时间
单类任务成本	较低：共享平台用于多样化任务时降低成本	较高：每项独特任务都需要新系统
长期投资回报率	高：成本可分摊到广泛的任务范围和更长的生命周期	较低：频繁更换或额外采购增加了开支
实例	无人机：大疆Matrice系列；无人车：Milrem THeMIS	无人机：大疆Phantom；无人车：固定用途的排爆机器人

3.3 AI与集群智能用于任务分配

AI和集群智能实现去中心化任务分配，允许多个UGV和UAV自主协作。例如，在灾害区域，UAV用AI识别幸存者，UGV自动交付物资。集群算法受生物系统（如蚁群）启发，通过本地规则优化集体行为。下图展示了集群智能任务分配流程：UAV侦察环境，UGV执行地面任务，通过点对点通信动态协调。AI算法（如强化学习）增强实时决策。论文引用高级控制策略（如量化迭代学习控制）展示进步，但指出需扩展至异构团队。

图：UGV-UAV系统中的群体智能任务分配说明了多个智能体之间的分散协调

3.4 现有系统集成

集成现有系统（如Android团队感知工具包ATAK）可通过翻译模块协调不同协议，提升互操作性。下图展示了ATAK在UGV-UAV集成中的角色，作为共享接口传输数据。优势包括减少延迟和增强态势感知，但挑战有数据同步、高带宽管理和安全。区块链可集成以保护通信。这种集成支持可扩展操作，但需解决网络安全问题。

图：使用ATAK的UGV-UAV集成

4. 现实应用与案例研究

本节通过案例研究展示UGV-UAV整合的实际应用，涵盖军事行动、灾害响应和监视监控，验证了解决方案的有效性。

4.1 军事行动

在城市作战演习中，UAV提供空中侦察和实时视频，UGV交付物资或中和威胁，提升态势感知并降低人员风险。下图展示了UAV和UGV在城市环境中的协调：UAV侦察，UGV地面行动。挑战包括通信延迟，URP等协议可改善。案例证明整合能缩短响应时间，但需进一步优化同步。

4.2 灾害响应

在Emilia Romagna地震案例中，UAV评估教堂塔结构损伤，UGV检查内部文物，实现全面评估。下表比较了UAV和UGV在灾害响应中的角色：UAV快速空中调查，但续航有限；UGV地面干预，但机动性差。整合提高效率，但电池寿命和地形限制需先进电池技术解决。模块化载荷允许快速适配，如UAV切换热像仪定位幸存者。

表6 无人机与无人地面车辆在灾害响应中的角色对比

场景	无人机 (UAV)			无人地面车辆 (UGV)
	角色	优势	限制	角色	优势	限制
空中勘测	对受灾区域进行快速测绘与航空成像	快速覆盖大片区域，不受地面障碍物影响	电池续航有限；受恶劣天气条件影响	不适用于空中勘测	不适用	无法执行空中任务；依赖无人机数据进行地形分析
废墟清理	在废墟清理中作用极小或无作用	不适用	无法与物理障碍物交互；有效载荷能力有限	配备机械臂的无人地面车辆可清理废墟、移动重物	可在恶劣条件下操作，并能物理操控环境	在极度崎岖地形中机动性有限；大范围覆盖速度慢于无人机
幸存者救援	通过热成像识别幸存者并传递其位置	可从安全高度快速识别；不受地形影响	与幸存者交互有限；可能在密集障碍物中遇到困难	可向幸存者运输补给，或将其从危险区域转移	可提供物理援助，例如运送幸存者或补给品	操作速度有限；在复杂地形中可能遇到困难
搜索与侦察	侦察安全路径、危险区域和可通行路线	快速探索大片区域；可绕过水体或悬崖等障碍	可能遗漏地面细节或无法进入受限空间	在地面验证无人机侦察信息并确认危险	地面验证提高了准确性，并能适应动态变化	侦察速度较慢；受实际地形挑战限制
物资投送	投送小型、轻量包裹（如药品、通讯设备）	在复杂地形上投送更快；可绕过道路封锁	受有效载荷能力和天气条件限制	投送较重的物资，如食物、水或医疗设备	有效载荷能力更强；在危险环境中投送更安全	速度慢于无人机；受地形可通行性限制
环境监测	从空中监测空气质量、气体泄漏或辐射水平	可快速进行高层级监测，无需人员亲临险境	仅限于空中测量；对地面状况的准确性较低	执行地面层级的环境采样与检测	可在危险环境中进行精确的地面层级数据收集	传感器范围有限；在危险区域受地形限制