《人机团队背景下的受限集体运动研究》110页

本研究致力于提升人机协同导航能力，使机器人团队与人类作为整体单元协同移动并完成任务。通常情况下，团队协同导航受预定义标准操作程序（SOP）的强约束，该程序为成员行动路径与任务执行提供高层级指导。本研究提出"受限集体运动（CCM）"概念，描述团队成员如何在环境约束与应用约束平衡下，通过队内与跨队导航执行联合任务。该研究推进机器人在城市搜救、火场人员搜索、军事建筑物清剿等场景中与人类协同作业的能力。引入机器人可降低人员风险，同时提升团队执行关键任务（如向受困者输送救援装备）的效能。现有研究多聚焦纯模型驱动方法实现复杂协同导航，但需人工编码规则，耗费大量领域知识且易导致非自然行为。

本论文创新性融合高层级模型驱动知识表征与低层级行为克隆技术，实现人机团队协同导航的CCM。采用Unity游戏引擎开展仿真实验验证，结果表明：所设计方法可学习高层级行为要素（准确率达88%），并掌握低层级机器人控制行为（准确率达89%）。据现有文献，此为首个将经典AI方法与前沿机器学习相结合的人机协同导航研究范式。该成果不仅提升协同导航效能，更为联合制造、社会辅助机器人等协作型人机应用提供技术启示。