⚡ electrical engineering

Capture, Shield, or Neutralize: Engagement-Aware Pursuit-Evasion

本文提出了一种结合零和收缩时界博弈与内环离散时间控制障碍函数的层级控制架构，旨在使多智能体集群能够在保证无碰撞运行的同时，在激进追逐、周界防御和区域拒止战术之间进行流畅切换。

原作者： Ananya Acharya, Trenton Goyette, Masoud Ataei, Adrian Stoica, Vikas Dhiman, Mohammad Javad Khojasteh

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Ananya Acharya, Trenton Goyette, Masoud Ataei, Adrian Stoica, Vikas Dhiman, Mohammad Javad Khojasteh

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一场高风险的捉迷藏游戏，但参与者不是在操场上奔跑的孩子，而是一群正在对抗一个狡猾、快速移动的入侵者的机器人无人机集群。目标不仅仅是抓住入侵者；有时目标是将他们温柔地驱离，而其他时候则是阻止他们闯入安全区域。核心问题在于：你如何编写程序，让机器人团队能够在不同的“游戏规则”之间瞬间切换，而不会互相碰撞或撞到目标？

这篇论文介绍了一种全新的机器人集群“大脑”，它完全可以做到这一点。这就像是赋予了机器人一种由两部分组成的思考过程：一个策略家（Strategist）和一个安全卫士（Safety Guard）。

两部分组成的大脑

1. 策略家（游戏玩家）
在顶层层面，机器人使用一种被称为“零和博弈（zero-sum game）”的高明数学技巧。把它想象成一场国际象棋比赛，入侵者每采取一步逃跑的动作，就获得一分；而机器人每采取一步靠近的动作，就会损失一分。机器人试图最小化自己的损失，而入侵者则试图最大化自己的收益。

策略家并不只是对入侵者当前所在的位置做出反应（就像狗追球一样），它会向前观察几步。它会反复模拟未来几秒钟的游戏过程，并不断追问：“如果我去那里，他们会去哪？如果他们去那里，我应该在哪？”这使得机器人能够预测入侵者的路径，并在其发生之前进行拦截。

2. 安全卫士（内环控制）
这是最棘手的部分：如果策略家过于兴奋，机器人可能会撞向彼此，或者在不该碰撞的时候撞到入侵者。这就是安全卫士发挥作用的地方。这是一个“控制障碍函数（Control Barrier Function, CBF）”，它就像一个看不见的、超快速的力场。

安全卫士位于机器人大脑的内环中。它每一时刻都会检查策略家的计划。如果计划说：“直接冲向入侵者！”但安全卫士看到：“等等，那会导致碰撞，”它会瞬间微调指令，程度恰好足以保持所有人安全。这就像是一个副驾驶，在不改变驾驶员目的地的情况下，轻轻拨动方向盘以避开坑洼。

切换游戏规则

这个系统的最酷之处在于它如何处理不同的“交战规则（Rules of Engagement, ROE）”。通常，如果你想改变机器人的行为（比如从“抓捕坏人”变为“保护周界”），你必须重写整个计算机代码。这篇论文展示了只需转动一个旋钮即可实现。

通过简单地改变数学中的一些数值（权重），整个集群可以瞬间切换模式：

捕获模式（Capture Mode）： 机器人变得具有攻击性。它们试图尽可能靠近入侵者以将其抓住。
周界防御（Perimeter Defense）： 机器人形成一道墙。它们不尝试抓捕入侵者，只是确保入侵者无法跨越特定界线。
中和模式（Neutralization）： 机器人可能会尝试物理拦截入侵者以阻止其行动。

论文通过在二维世界中运行 100 场模拟游戏，然后在 **3D 飞行无人机（四旋翼飞行器）**中再次进行测试来证明这一点。在二维测试中，当机器人从入侵者周围的完美圆阵开始时，它们几乎 100% 地抓住了对方。即使当机器人处于随机、混乱的位置时，它们仍然能大多数情况下抓住入侵者，这证明了该系统足以应对混乱。

这是什么（以及不是什么）

了解这篇论文实际证明了什么非常重要。作者并没有建造一支真实的机器人军队并在公园里进行测试。这里描述的一切都发生在计算机模拟之中。他们使用数学模型来表示机器人的运动（例如用于平面的“双积分器”物理模型，以及复杂的 3D 物理模型用于飞行无人机）。

论文明确排除了这样一种观点，即你需要重新设计机器人的大脑才能改变任务。他们反对使用简单的、反应式的启发式算法（例如“如果它向左移动，我也向左移动”），因为这些方法在面对聪明的对手时效果不佳。相反，他们展示了层次化系统（策略家 + 安全卫士）是更好的选择。

他们还指出，目前的设置假设机器人知道确切的位置（完美信息），且世界是可预测的。他们并不声称已经解决了传感器损坏或数学无法预测的不可预测情况下的问题。

总结

在这些模拟实验中，该团队展示了通过将智能的前瞻性游戏规划器与严格的瞬时安全过滤器相结合，机器人集群可以流畅地在捕捉、阻挡和驱离入侵者之间切换。他们成功地将这一过程从平面扩展到了 3D 飞行，展示了机器人可以在空中进行协调、避免相互碰撞，并依然能够确保目标安全。

虽然这目前仍是模拟实验而非现实世界的部署，但结果表明，这种“双脑”方法是处理复杂对抗性游戏（即安全性和策略性需要同时发生的情况）的一种稳健方式。代码甚至已开放供他人尝试，邀请更多研究人员来测试它在更加混乱的场景中是否依然有效。

技术摘要：具备交战感知能力的追逃问题

问题陈述

本文研究了在对抗性追逃场景中控制多智能体追捕者团队的挑战。传统方法往往难以在实时环境中平衡战略任务规划（例如：捕获与区域拒止）与严格的安全约束（例如：碰撞规避）。求解连续时间微分博弈中的全局均衡在多智能体系统中是计算不可行的。此外，现有方法通常缺乏适应不同“交战规则”（ROE）的灵活性（例如：从激进捕获转向周界防御或中和），而无需重新设计底层控制逻辑。核心问题在于开发一种分层控制架构，将战略规划与安全保障解耦，从而使集群能够在保证无碰撞运行的同时，实现交战模式的平滑切换。

方法论

作者提出了一种由两层组成的层次化控制架构：高层**递减时域极小极大模型预测控制（Minimax MPC）规划器，以及底层离散时间控制障碍函数（CBF）**安全滤波器。

1. 高层规划：极小极大 MPC

相互作用被建模为一个有限时域的零和动态博弈。追捕者团队试图最小化共享代价函数 $J$ ，而逃逸者试图将其最大化。为了避免求解完整的 Hamilton-Jacobi-Isaacs 方程所带来的计算不可行性，系统采用了迭代极小极大方案：

迭代最优响应： 在每个时间步，追捕者假设一个冻结的标称逃逸者轨迹，并求解最优控制轨迹。随后，逃逸者在假设追捕者更新后的轨迹基础上，求解其最优轨迹。该过程针对固定的纳什迭代次数进行重复。
双重博弈形式： 代价函数 $J$ $J$ 被修改以支持不同的交战规则（ROE）：
- 追逃跟踪： 代价函数惩罚追捕者与逃逸者之间的相对距离。关键在于，它包含一个横向速度惩罚，从几何上抵消垂直于视线方向的速度分量，从而迫使追捕者进入直接碰撞路径，而非依赖反应式启发式算法。
- 周界防御： 代价函数将优先级从绝对捕获转向边界跟踪。追捕者因偏离分配在防御多边形上的目标点而受到惩罚，而逃逸者则因向受保护区域推进而受到惩罚。

2. 底层执行：CBF 安全滤波器

为了在不破坏 MPC 凸性的情况下确保安全性，离散时间控制障碍函数（CBF）作为一个内环滤波器运行。

安全滤波器： 由 MPC 生成的标称控制输入（ $u_{des}$ ）被传递给一个二次规划（QP）。该 QP 在满足离散时间 CBF 约束的同时，使偏离 $u_{des}$ 的程度最小化。
运动学障碍： 障碍函数 $h(x_k)$ 是感知速度的，它通过评估当前接近速率与在最大加速度限制下的可用制动距离，来评估安全性。这确保了智能体有足够的时间来防止突破安全距离 $D_{safe}$ 。
松弛变量： QP 中包含了松弛变量，以确保即使在密集集群中也能保持严格的可行性，这些变量被施加重罚以抑制安全违规。

3. 交战规则（ROE）自适应

该框架通过调整共享零和收益的权重以及 CBF 约束（特别是松弛惩罚和安全距离裕度）来实现自适应性。通过在线调整这些参数，系统可以在以下模式间切换：

捕获： 激进追捕，放宽了间隔约束。
威慑/偏转： 严格的周界防御或引导远离受保护区域。
中和： 选择性地放宽安全约束，以便在无法恢复时允许物理拦截。

核心贡献

交战感知框架： 本文引入了一种层次化架构，将 ROE 处理为控制设计对象，使集群能够切换战术（捕获、屏蔽、中和），而无需改变控制逻辑的结构。
计算可行的极小极大求解器： 在规划层开发了一个递减时域极小极大求解器，使防御团队能够通过迭代最优响应优化，战略性地预判对手的行为。
集成的安全与交战滤波器： 在执行层集成了一个离散时间 CBF-QP 滤波器。它修改标称 MPC 指令，以强制执行追捕者间的碰撞规避以及追捕者与逃逸者的间隔约束，实现了任务满足（MPC）与生存（CBF）目标的分离。

实验结果

该框架在 2D 平面双积分动力学和全非线性 3D 四旋翼动力学的模拟中进行了评估。

2D 追逃： 在 100 场模拟博弈中，当追捕者初始化在径向环形时，系统实现了接近 100% 的捕获率。即使在随机均匀初始化的情况下（对 CBF 滤波器的压力测试），捕获率仍保持在竞争水平，证明了求解器从混沌编队中恢复的能力。
2D 周界防御： 集群成功阻止了逃逸者突破定义的 2D 边界，通过在边界弧长上高效分配智能体，最大限度地减少了逃逸者的进展。
3D 四旋翼动力学： 该架构扩展到了 6-DOF 非线性四旋翼动力学。系统保持了动态稳定性，并在 3D 空间中成功协调，以最小化逃逸体积并实现捕获，同时考虑了安全滤波器中的俯仰/横滚动力学。
ROE 调制： 模拟表明，通过调制任务参数和滤波器权重，可以在“逃逸者保护”（严格间隔）与“逃逸者中和”（物理拦截）模式之间实现无缝切换。

重要性与主张

本文声称该框架通过将战略规划与安全执行解耦，为对抗性集群控制提供了一种鲁棒的解决方案。其重要性在于该系统能够：

动态自适应： 通过调整权重而非重新设计控制器，即可在捕获、防御和中和战术之间切换。
确保安全： 通过 CBF 内环保证无碰撞运行和间隔约束，且不会破坏 MPC 优化的凸性。
可扩展性： 在 2D 和复杂的 3D 非线性环境中均能有效运行。

作者指出，目前的工作假设了确定性动力学和单一对抗目标。未来的工作拟将求解器扩展到 $M$ 追捕者、 $N$ 逃逸者的设置，纳入动态不确定性，并集成来自传感器测量的状态估计，以放宽对完美状态知识的假设。