目录
1.摘要
空地跨域无人集群在军事侦察、灾害救援等应用中具有重要价值，但其在复杂动态环境下面临异构协同与动态避障等路径规划难题。针对上述问题，本文提出一种受狼群行为启发的目标引导自适应路径规划方法（TAPP），通过并行图搜索与目标信息动态融合引导个体决策，并结合基于动态优先级的局部避障机制，在避免运动冲突的同时提升集群执行效率。仿真与对比实验结果表明，该方法在计算效率、路径质量和环境适应性方面具有显著优势，尤其适用于大规模、高动态的空地跨域无人集群任务，具备良好的应用前景。
2.路径规划模型
在城市作战环境中，一支由无人机（UAV）与无人地面车辆（UGV）组成的空地跨域无人集群需要在广域范围内执行多目标任务。所有无人平台从同一集结点出发，目标分配已完成。核心问题是在满足物理约束和作战条件的前提下，为各无人平台规划最优运动路径，以协调异构平台协同行动，兼顾环境复杂性与任务时效性，从而最大化集群整体效能并确保任务顺利完成。
采用栅格化方法对城市环境进行建模，基于 DEM 将连续空间离散为二维或三维网格。针对 UGV 与 UAV 的不同运动特性，分别构建二维可通行栅格与三维空域栅格，并通过障碍物膨胀引入安全裕度、简化运动约束。栅格分辨率在路径精度与计算效率之间权衡确定，从而为高效、安全的路径规划提供统一环境模型。
以狼群围猎行为为启发，将无人平台视为独立个体，在目标方向引导下进行路径规划。个体优先采用直达目标的可视路径，受阻时通过并行图搜索扩展节点，并结合父节点重连持续优化路径代价；在代价相同情况下保留多条等价路径以增强鲁棒性。
为模拟狼群的层级协作机制，论文为每个个体分配动态优先级，高优先级个体在路径冲突中享有通行权。当路径发生潜在冲突时，系统按优先级顺序进行检测，并通过结合空间安全距离与时间错峰的方式判断是否构成真实冲突。若冲突成立，低优先级个体在当前节点进行时间等待，让高优先级个体先行，从而实现无碰撞通行；若无冲突，则保持原路径不变。对于执行同一任务的个体，冲突时采用编队协同而非避让策略；当感知到动态障碍物时，则通过短暂停留与局部重规划进行规避。
4.算法框架
首先基于 DEM 对任务环境进行离散建模，分别形成适用于 UGV 的二维可通行栅格与适用于 UAV 的三维占据网格；随后采用并行个体规划机制生成初始路径，并通过全局节点重连进行整体优化。在集群层面，引入基于任务优先级的时空冲突消解策略，结合实时感知实现动态重规划。最终利用具有 C² 连续性的 Bézier 曲线对轨迹进行局部平滑，生成满足平台动力学约束的时空轨迹并输出执行，从而实现安全、高效、协同的无人集群路径规划。
5.结果展示
6.参考文献
1\] Peng Q, Wu H, Zhan R, et al. A target-guided adaptive path planning method for air-ground cross-domain unmanned swarm\[J\]. Swarm and Evolutionary Computation, 2026, 100: 102220. ### 7.代码获取 xx ### 8.算法辅导·应用定制·读者交流 xx