基于深度学习的无人机集群动态障碍物实时识别与规避
孙海洋

齐鲁理工学院，山东济南，250200；

摘要：无人机集群于低空复杂环境遂行协同任务期间，动态障碍物随机闯入与高速运动直接危及编队安全。针对集群尺度下动态障碍物实时感知与分布式协同规避这一核心难题，本文提出时空注意力耦合的轻量化检测网络及图注意力规避决策框架。检测端依托通道自适应剪枝与多尺度特征金字塔融合策略，使机载嵌入式平台推理延迟压缩至18ms以内；预测端借助基于光流估计的运动矢量外推模块，对障碍物未来1.2s轨迹开展概率包络估计；决策端以相对运动状态为节点特征构建图注意力网络，在通信拓扑时变条件下生成无碰撞规避指令。仿真实验显示，含8个动态障碍物的密集场景中，所提方法将集群碰撞率压至0.3%以下，规避响应时间较传统人工势场法缩短42%，编队队形保持误差控制在0.8m以内。

关键词：无人机集群；动态障碍物检测；时空注意力网络；协同规避决策

参考文献

[1]张宇宸,段海滨,魏晨.基于深度强化学习的无人机集群数字孪生编队避障[J].工程科学学报,2024,46(7):1187-1196.

[2]张云燕,魏瑶,刘昊,等.基于深度强化学习的端到端无人机避障决策[J].西北工业大学学报,2022,40(5):1065-1073.

[3]滕菲,王迎春,姚永辉,等.基于深度强化学习的无人机动态避障规划[J].北京航空航天大学学报,2025,51(3):782-791.