由于无人机蜂群具有更有效地完成复杂任务的潜力,因此最近引起了广泛关注。无人机蜂群具有更强的智能性、更好的协调性、更高的灵活性、生存能力和可重构性。它是一个多学科系统,需要紧密集成多个子系统,包括最优轨迹规划、定位、任务协调等。本综述涵盖了无人机群的重要方面,包括无人机群编队控制、通信、无人机群路径规划、自主性、协调性和安全性。此外,文章还探讨了无人机蜂群算法的最新技术进展,这些进展使复杂无人机蜂群系统的开发成为可能。本文还深入探讨了无人机群在各种军事、民用和娱乐应用中的伦理问题和使用案例。文章最后强调了无人机群技术未来的潜在方向和挑战,以及为充分挖掘其潜力而进行更多研究和开发的必要性。总之,本文对无人机蜂群技术进行了全面回顾,探讨了该技术在许多领域的变革潜力,并为未来的进步提供了支持。

图1所示。无人机群用例。

表一总结了关于无人机群的最新研究。从表中可以看出,这些调查在某些领域存在空白,如安全性、模式形成、伦理方面、智能决策和自主性。与现有调查相比,本调查也涵盖了这些方面。与现有调查相比,本调查更侧重于无人机蜂群技术的特定方面,因此更具有整体性。此外,为了便于理解,还对无人机群不同方面的算法进行了分类。报告还讨论了无人机群的不同应用领域、研究挑战、未来方向和伦理问题。因此,与之前的研究相比,我们的综述完整而全面地概述了该主题的最新研究趋势和进展,并提出了一些未来方向,使本研究工作有别于现有的研究工作。

本文的贡献概述如下。

  1. 将不同方面的最新无人机蜂群算法分为智能和传统两类,对现有工作进行了快速概述,以帮助研究人员找到研究空白。

  2. 对无人机蜂群使用案例进行分类和广泛调查,以实现无人机在不同领域的潜力。

  3. 探讨了无人机蜂群的伦理问题,以认识其对在全国范围内合法使用无人机蜂群技术的重要性。

  4. 强调研究的挑战和差距,以便进一步研究和开发。

图 2 显示了文章的详细结构,包括章节和小节。本文其余部分的结构如下。第二节详细讨论了无人机蜂群的研究方面。第三节讨论了无人机群的应用领域。第四节强调了研究挑战并提供了未来发展方向。第五节为本文的结论。

无人机群的研究

无人机蜂群技术的开发和实施涉及多个研究方面,包括蜂群编队控制、通信、蜂群路径规划、自主性、协调性和安全性。在这方面已经提出了各种研究。表 II 列出了有关这些研究方面的最新研究摘要。

无人机群的军事用途

无人机群的军事用途是最著名的应用之一。一些潜在的军事应用如下。

  1. 边境监控: 无人机群因其智能、能力和对大面积区域的实时监控,可为边境监控提供有前途的解决方案。它们有助于提供有关边境活动的图像和实时信息,从而对安全威胁做出更加明智和快速的反应。此外,它们还可根据边境监控需要配备不同的传感器和摄像头,以监控和侦查非法活动。为边境监控开发了一种基于无人机的监控系统,可为电池无线充电。对美国和墨西哥边境进行了案例研究,以评估该监控系统的性能[254]。

  2. 部队移动: 无人机群可以在多个方面加强军事力量。它们有助于监控军队。无人机能够收集和传递有关部队行动的重要信息。它们还可用于追踪敌军,以达到攻击目的。

  3. 闲逛: 无人机群还可用于巡航弹药部署。用作闲逛弹药的无人机通常被称为自杀式或神风特攻队无人机。用于巡航弹药的无人机群旨在高精度地搜索和攻击特定目标。由于其精确性和快速攻击移动目标的能力,它们在军事应用中越来越常见[255]。它们的协调蜂群行为由人工智能控制。每架无人机的飞行轨迹都是自主确定和修改的,这使它们能够在空中闲逛,以进行精确瞄准,并允许在任务的后期阶段中止攻击。例如,以色列军方利用无人机群有效锁定并摧毁了叙利亚境内的敌方防空设施。土耳其军方利用无人机群瞄准并摧毁了利比亚境内的敌方坦克。同样,2021 年 6 月,印度空军查谟基地也遭到了无人机的攻击[256]。

  4. 监视: 无人机群可用于各种情况下的监视任务,包括灾害响应和基础设施检测等工业用途。与传统的驾驶飞机或地面监视系统相比,无人机群具有覆盖范围广、部署快和功能多等多种优势。它们可以提供快速的空中监视和实时数据,提高对态势的感知能力,以便在战场上做出快速反应。它们可以在复杂的环境中航行,以提供关键信息,如关于敌方阵地、移动和防御结构的情报。此外,无人机群还可用于水坝、大型建筑、桥梁等的结构勘测[257]。[257].

  5. 在战场上空运送物资: 无人机群可在危险条件下工作,并在不危及人类生命的情况下快速有效地运送物资。无人机可提供各种物资,如食品、药品、弹药等。在战场等高风险场景中,无人机可自主完成任务,无需人类直接参与。然而,确保无人机的可靠性、安全性以及它们之间的协调是一项挑战。

成为VIP会员查看完整内容
31

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《定向无人机蜂群:网络视角》153页
专知会员服务
49+阅读 · 5月31日
《人工智能灾难性风险概述》2023最新55页报告
专知会员服务
64+阅读 · 2023年10月6日
基于深度学习的无人机目标检测研究综述
专知会员服务
99+阅读 · 2023年6月22日
《城市环境中的认知与协作 sUAS 蜂群》18页论文
专知会员服务
50+阅读 · 2023年3月26日
【2022新书】深度学习归一化技术,117页pdf
专知
24+阅读 · 2022年11月25日
「视频目标跟踪」最新2022研究进展综述
专知
10+阅读 · 2022年9月26日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
14+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
Arxiv
147+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
14+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员