Encirclement Guaranteed Finite-Time Capture against Unknown Evader Strategies

这是一份关于论文《Encirclement Guaranteed Finite-Time Capture against Unknown Evader Strategies》（针对未知逃避者策略的围捕保证有限时间捕获）的详细技术总结。

1. 问题背景与定义 (Problem Statement)

场景设定：
论文研究了一个二维无界平面上的追逃博弈（Pursuit-Evasion）场景。

• 参与者：$n$ 个追捕者（Pursuers, $n \ge 3$）和 1 个逃避者（Evader）。
• 动力学模型：
  • 追捕者 $i$ 的位置为 $p_i$，最大速度为 $v_i$，控制输入为航向角 $\theta_i$。
  • 逃避者位置为 $e$，速度为 $\mu$（范围 $[0, \mu_m]$），航向角为 $\psi$。
• 核心挑战：追捕者不知道逃避者的实时速度 $\mu$ 和航向角 $\psi$，仅知道其最大速度上限 $\mu_m$。

目标：
设计一种去中心化的追捕策略，满足以下两个条件：

1. 围捕保证 (Encirclement Guarantee)：在捕获发生前的所有时刻 $t$，逃避者必须始终位于追捕者位置构成的凸包（Convex Hull）内部。
2. 有限时间捕获 (Finite-Time Capture)：无论逃避者采取何种策略，追捕者必须在有限时间 $t_c$ 内将逃避者捕获（即至少有一个追捕者与逃避者的距离小于等于捕获半径 $r_c$）。

初始假设：

• 初始时刻 $t=0$，逃避者已位于追捕者构成的凸包内部。
• 追捕者是非冗余的（即所有追捕者都位于凸包的顶点上）。
• 追捕者速度 $v_i=1$，且严格快于逃避者（$\mu_m < 1$）。

---

2. 方法论 (Methodology)

论文提出了一种基于几何三角剖分和李雅普诺夫（Lyapunov）分析的混合策略框架。

2.1 基于面积的围捕条件 (Area-Based Encirclement)

为了量化围捕状态，作者将凸包 $H$ 通过连接逃避者与相邻追捕者进行三角剖分，形成 $n$ 个子三角形 $\triangle e p_j p_k$。

• 面积定义：定义三角形面积 $A_{jk}$。当逃避者在凸包内部时 $A_{jk} > 0$；在边界上时 $A_{jk} = 0$；逃出凸包时 $A_{jk} < 0$。
• 围捕保持条件：只要所有 $A_{jk} \ge 0$，围捕即保持。关键在于当逃避者位于某条边 $p_j p_k$ 上（即 $A_{jk}=0$）时，必须保证面积的变化率 $\dot{A}_{jk} \ge 0$，以防止逃避者穿过边界逃逸。

2.2 围捕保证策略 (Encirclement-Guaranteeing Strategy)

作者推导了当某条边 $p_j p_k$ 变为“活动边”（Active Edge，即逃避者位于该边上）时，两个活跃追捕者 $p_j, p_k$ 的控制律：

• 控制律：追捕者不再直接指向逃避者，而是沿着与指向逃避者向量成特定角度 $\phi$ 的方向移动。
• 角度约束：为了保证 $\dot{A}_{jk} \ge 0$ 对任意逃避者策略成立，角度 $\phi$ 需满足：
  $$v_j d_{ek} \sin \phi_j + v_k d_{ej} \sin \phi_k \ge d_{jk} \mu_m$$
  其中 $d$ 代表距离。
• 推论：若所有追捕者速度相同（$v=1$）且 $\mu_m \le 1$，只要选择 $\phi \in [\sin^{-1}(\mu_m), \pi - \sin^{-1}(\mu_m)]$，即可保证围捕。这是一个去中心化的条件，每个活跃追捕者只需知道自身和相邻追捕者及逃避者的位置即可独立决策。

2.3 有限时间捕获策略 (Finite-Time Capture Strategy)

在满足围捕条件的基础上，作者设计了一个两阶段策略以确保捕获：

1. 内部阶段 (Interior Phase)：当逃避者在凸包内部时，所有追捕者采用纯追踪策略 (Pure Pursuit)，即直接朝向逃避者移动。
2. 边缘阶段 (Edge Phase)：当逃避者位于某条边 $p_j p_k$ 上时，该边上的两个活跃追捕者切换为上述的围捕保证策略（选择特定的 $\phi$ 角），其余非活跃追捕者继续采用纯追踪策略。
   • 关键选择：作者证明了在满足围捕的角度范围内，存在一个子集（$\phi \in [\sin^{-1}(\mu_m), \frac{\pi}{2} - \sin^{-1}(1-\mu_m)]$）能够同时保证围捕和距离的收敛。

2.4 收敛性分析 (Convergence Analysis)

• 李雅普诺夫函数：定义 $V = \sum_{i=1}^n \|p_i - e\|$ 为所有追捕者与逃避者距离之和。
• 导数分析：
  • 在内部阶段，$\dot{V} \le -n(1-\mu_m)$。
  • 在边缘阶段，通过几何推导证明 $\dot{V} \le -n(1-\mu_m)$ 依然成立。
• 结论：由于 $\dot{V}$ 始终有负的上界，距离和 $V$ 将在有限时间内收敛到捕获半径对应的值。
• 捕获时间上界：推导出了显式的捕获时间上界公式：
  $$t_c \le \frac{V_0 - n r_c}{n(1 - \mu_m)}$$
  其中 $V_0$ 是初始距离和。

---

3. 主要贡献 (Key Contributions)

1. 统一的围捕与捕获保证：首次提出了一种策略，能够在完全未知逃避者策略（速度和航向）的情况下，同时保证围捕（不逃逸）和有限时间捕获。
2. 去中心化控制律：提出的策略是去中心化的，活跃追捕者无需与其他追捕者通信，仅需局部信息即可满足围捕条件。
3. 显式捕获时间上界：利用李雅普诺夫分析，推导出了捕获时间的解析上界，这是以往许多基于模型预测控制（MPC）或博弈论的方法所缺乏的（那些方法通常只能提供经验性保证或无显式上界）。
4. 几何三角剖分视角的创新：将围捕问题转化为三角形面积变化的控制问题，为处理凸包内的动态约束提供了新的几何视角。

---

4. 实验结果 (Numerical Results)

论文在 MATLAB 环境中进行了数值仿真，设置 $n=3$，$v_i=1$，$\mu_m=0.7$，$r_c=0.3$。

• 测试策略：

  1. 贪婪策略 (GP)：逃避者始终远离最近的追捕者。
  2. 切换策略 (SP)：逃避者在最近边和凸包内部之间频繁切换。
  3. 随机策略 (RP)：模拟人类行为的不可预测移动。
  4. 静止策略 (STP)：逃避者不动。
  5. 最近边策略 (CLP)：逃避者始终试图移动到最近的边并沿边移动。

• 性能表现：

  • 在所有测试策略下，追捕者均成功保持了围捕（三角形面积 $A_{jk}$ 始终非负）并在有限时间内完成捕获。
  • 捕获时间：实际捕获时间（约 1.15s - 1.25s）均远小于理论计算的上界（约 3.10s）。
  • 对比分析：与文献 [12] 中的基于“围捕保证扇区集”（EGSS）的鲁棒 MPC 方法相比：
    • 本文方法捕获时间：~1.15 秒。
    • MPC 方法捕获时间：~42 秒。
    • 原因：MPC 方法受限于刚性扇区约束，限制了追捕者在边缘阶段直接朝向逃避者移动的能力，导致效率低下。本文方法通过解析推导的角度范围，实现了更灵活高效的运动。

---

5. 意义与结论 (Significance & Conclusion)

学术意义：

• 填补了现有文献的空白，解决了在未知逃避者策略下，同时保证围捕和有限时间捕获的难题。
• 提供了严格的解析证明和显式的时间上界，增强了理论的可信度和工程应用的可行性。

应用价值：

• 适用于无人机群、地面机器人集群对入侵者的围捕任务，特别是在需要防止目标逃脱并快速制服的场景（如反恐、边境巡逻）。
• 去中心化的特性使得系统具有更好的鲁棒性和可扩展性，不依赖中央服务器。

未来方向：

• 扩展至三维空间。
• 处理多个逃避者的情况。
• 优化捕获时间的上界，使其更接近实际值。

总结而言，该论文通过巧妙的几何构造和严格的控制理论分析，提出了一种高效、鲁棒且理论完备的围捕捕获策略，显著优于现有的基于优化的方法。