受美国海军研究署资助，佐治亚理工学院的研究人员提出了一种基于自适应扩展卡尔曼滤波器的预测框架，可用于多无人机系统的实时环境监测和救援任务。
在执行野火救援任务时，消防员需要预测火灾的规模、传播速度等，以生成救援方案。可通过多无人机携带的传感器全方位估计火灾状态，但无人机集群尚不能在有限时间内推测火灾位置和蔓延态势。为此，研究人员提出了一个预测框架，可使无人机实时预测火势传播状态。该框架下，无人机可利用自适应扩展卡尔曼滤波器预测每个火点的测量协方差，并获得火点位置分布；然后通过求解旅行商问题生成无人机路径图，在到达新的节点后，无人机根据观测火点状态，计算实际与预测的残差比；最后将残差比作为误差界限代入新的扩展卡尔曼滤波器，进行下一阶段预测。实验结果表明，相比最先进的基于模型和强化学习的方法，所提框架的跟踪误差分别减少7.5倍和9.0倍。
这种多无人机协同控制框架可实现实时动态目标监视和跟踪，有望用于搜救、目标跟踪、边境巡逻等领域。
• 
• 
• 
• 
• 
• 
• 
• 
• .jpg)
• 