Certified-Robust Multi-Objective UAV Routing for Military Resupply under Nonlinear Energy Dynamics: An Adaptive Physics-Informed Approach
本文提出了一种带有认证修复层的自适应物理信息神经网络（Adaptive PINN）框架，用于解决一个考虑了基于皮克定律（Peukert's law）的非线性电池消耗及多种不确定因素的三目标鲁棒军用无人机航路规划问题。
原始论文采用 CC BY 4.0 许可（https://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
在军事物流这一高风险领域，将物资运送到偏远哨所是一场与时间、天气和危险的持续赛跑。几十年来，规划人员一直依赖无人驾驶飞行器（即无人机）来弥补这些差距，为前线的士兵运送药品、燃料和设备。然而，编程这些机器以确保飞行安全且高效，远比仅仅在地图上画一条线要复杂得多。空气本身是不可预测的；风力和湍流可能会将原本预计二十分钟的航程拉长到三十分钟，导致无人机滞留。下方的地面同样险象环森，无人机在受威胁区域停留的时间越长，被敌方发现的风险就越高。或许最关键的是，无人机自身的动力源其表现方式往往违背简单的逻辑。不同于以恒定速率消耗燃料的汽车，电池交付能量的能力会随着其工作强度的变化而变化。如果无人机飞得更快或携带更重的负载，电池电量下降的速度会不成比例地加快，这是一个标准计算机模型经常忽略或过度简化的物理现实。
一组研究人员通过创造一种新的无人机任务规划方式解决了这一错综复杂的难题，这种方式既尊重这些物理限制，又兼顾了不确定性。他们开发了一套系统，将无人机的电池视为一个受物理定律支配的“活”组件，而非一个简单的燃料箱。通过将先进数学与一种“了解”这些物理定律的人工智能相结合，他们创建了一个能够生成具备“能量感知能力”飞行计划的工具，尽管这些计划并不立即保证绝对安全。研究人员发现，通过将电池化学的实际规则直接嵌入规划软件中，他们可以生成旨在避免无人机在恶劣天气或任务超时的情况下出现动力中断等危险场景的航线。然而，人工智能的初始输出并不总是可行的；它需要一个最终的验证步骤以确保安全性。
这项工作的核心是一个新的无人机路由模型，它平衡了三个相互竞争的目标：快速完成任务、最小化在危险区域停留的时间，以及确保无人机有足够的能量安全着陆。传统方法将能量视为固定成本（如过路费），但研究人员表明，当考虑到无人机的电池化学特性时，这种方法会失效。真实的电池在工作强度较大时容量下降更快，这种现象被称为皮克特效应（Peukert effect）。为了解决这个问题，团队构建了一个计算机程序，该程序在学习预测无人机路径的同时，根据实际物理定律检查其能量水平。他们称之为“物理信息神经网络”。该系统不仅仅是猜测一条路线并寄希望于数学计算成立，而是经过训练来理解：如果无人机飞得更快，它就会消耗更多能量，并据此调整计划。
这种方法的强大之处在于它如何处理未知情况。在实际任务中，无人机可能会遇到比预测更强的风力或更具敌意的环境。新系统使用了一种称为“预算不确定性”（budgeted uncertainty）的方法，该方法假设情况会变糟，但仅限于一定的限度内。它针对该限度内的最坏情况进行规划，确保即使风力增强或威胁增加，任务仍能成功。研究人员证明，他们的方法可以生成多种最优计划，展示了速度、安全性和能量之间的权衡。例如，指挥官可以选择一条稍长但更安全的路线，或者一条更快但风险更高的路线，系统将提供精确的数据来支持这一决策。
为了确保计算机的建议不仅是理论上的而且是切实可行的，研究人员增加了一个“修复”步骤。即使是最聪明的计算机也可能犯错，提出一条会导致无人机超载或电量不足的路线。新系统包含一个快速的数学检查，用于即时验证提议的路线是否安全。如果路线不安全，系统会尝试自动进行调整，例如将物资从一架无人机转移到另一架，或改变停靠顺序，直到满足所有约束条件。然而，这个过程并非万无一失；如果系统无法在可用的重新分配方案中找到可行解，它会发出不可行信号，并将出错无人机的任务点标记为由人工操作员进行重新规划。这一检查过程非常高效，可以在不到一秒的时间内完成，从而确保在向无人机发送指令之前，只要在重新分配范围内存在解，最终计划在物理上就是可行的。
研究人员使用小型无人机群和补给点的模拟任务测试了他们的系统。他们将结果与通过耗时极长的穷举搜索法得到的最佳解进行了对比。在这些小型测试案例中，他们的系统找回了近 86% 的最优解，捕捉到了不同目标之间最重要的权衡关系。他们还验证了他们用于计算电池损耗的数学捷径具有标准计算机级别的精度，证明了无需运行缓慢且复杂的模拟即可了解电池是否能支撑全程。虽然该系统尚未在实地无人机上进行测试，但结果表明，它有望彻底改变军事物流的规划方式——从僵化的线性假设转向一种更灵活、具备物理感知能力的模式，从而保障机器及所服务人员的安全。
该研究还强调了未来仍需完成的工作。目前的实验使用了固定的无人机速度，这意味着系统尚未实现对每一段航程飞行速度的最优优化。未来，研究人员计划让系统也能决定速度，这将实现速度与能量之间更精细的平衡。他们还打算将该系统与其他先进规划方法进行对比，并最终利用真实的飞行数据进行验证。目前，这项工作是一个重要的进步，它证明了通过教导人工智能去尊重其运行环境的物理定律，我们可以创造出不仅更聪明，而且在面对不确定性时更加可靠的系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。