项目简介：
多智能体协同无人机系统是指由两架及以上具备一定自主能力的无人机组成的群体系统，它们通过通信网络和信息交互，在共同目标的驱动下完成复杂任务。与传统单机作业模式不同，多智能体协同强调“1+1>2”的集群效应，通过分工协作突破单架无人机在感知、载荷、续航和计算能力等方面的物理限制。
分布式智能决策是该系统的核心。每架无人机被视为一个独立的智能体，配备机载计算单元和传感器套件，能够实时感知环境、处理信息并做出局部决策。与集中式控制不同，分布式架构没有统一指挥中心，智能体之间通过对等网络交换位置、状态、任务进度等信息，依靠共识算法和行为规则实现协同。这种设计提高了系统的鲁棒性——即使部分无人机失效，剩余单元仍能动态调整、继续执行任务。
协同感知与信息融合是多智能体协同的基础。多架无人机从不同角度、不同距离观测同一区域，利用视觉、激光雷达、红外等异构传感器获取多模态数据。通过时空同步和数据融合技术，系统能够构建比单机更完整、更精确的环境地图，并实现对动态目标的联合跟踪。例如，在搜索救援任务中，多机协同可以消除视觉盲区，快速覆盖大面积区域。
任务分配与路径规划是系统的“大脑”。基于市场机制、博弈论或群体智能算法，系统将复杂任务分解为可并行执行的子任务，并根据各无人机的性能、剩余电量和当前位置动态匹配最优执行者。同时，协同路径规划算法需避免机间碰撞，优化全局飞行轨迹，平衡任务效率与能量消耗。典型方法包括一致性算法、人工势场法和基于学习的策略网络。
尽管潜力巨大，多智能体协同无人机系统仍面临多项挑战。通信约束是首要瓶颈——无线链路易受干扰、带宽有限且存在时延，在复杂环境（如城市峡谷、森林）中甚至可能中断。为此，系统需采用间歇性通信下的协同控制策略，如基于预测的状态同步或机会通信。可扩展性同样棘手，当无人机数量增加时，信息交互呈指数级增长，传统算法可能陷入计算爆炸。仿生群体智能（如蚁群、鸟群行为模型）提供了启发，通过局部简单规则涌现全局有序行为。
环境适应性要求系统能应对动态障碍物、突发气象和目标移动等不确定性。强化学习、模型预测控制等技术被用于在线重规划，但实时性与最优性之间往往需要权衡。安全与伦理问题也不容忽视，包括防窃听与抗欺骗通信、飞行规则遵守（如禁飞区识别）以及集群失控时的应急机制。
获得成果：
目前已完成了一架实验样机的设计和改装，该实验样机成功实现了系统设计的各项功能，能够在指定区域内搜索目标并进行****，荣获了2021年某项水上无人登陆挑战赛的第二名。
