消防救援多机器人系统研究进展及关键技术综述

徐少波，王子幼

（1.上海市松江区消防救援支队，上海 201620；2.应急管理部上海消防研究所，上海 200232）

近年来，随着相关技术的发展，机器人在消防救援中的应用愈加广泛。但是，应对规模较大的灾害，如地震、泥石流以及大型火灾等，作业强度大，作业复杂，依靠单台机器人处置力不从心，而且单台机器人集合过多功能也会使其体积增大、系统复杂度提高，增加相应的成本并降低可靠性。于是，很多研究者开始研究将多机器人系统应用到消防救援领域。2011年日本东北大地震导致福岛核电站发生核泄漏事故。相关部门将功能不同的机器人应用到核电站的灾难救援中，共同完成对灾难现场的清理、人员搜索和救援任务。2012年，中国上海奉贤一厂房发生大火，事故处置中先后调集4台消防灭火机器人进行强攻，最后取得胜利。2019年中国陕西榆林一处停车场槽罐车发生燃爆事故。事故处置中动用无人机进行火情监控，动用侦查机器人深入侦查伤亡情况及风险源头，并动用3台灭火机器人近距离冷却抑爆。

然而，以上多机器人系统只是数台机器人的简单组合，机器人之间的协作依靠人工完成，效率和可靠性都受到了很大的制约。因此，需要对整个系统进行有效整合，以产生“1+1>2”的效果。本文首先对国内外消防救援中多机器人应用和研究状况进行了总结，随后针对消防救援中多机器人系统协同控制所涉及的任务规划、编队控制、定位和通信技术，归纳相关的研究进展，并对未来的发展趋势进行展望，为今后开展消防救援时多机器人系统的应用提供参考。

1 国内外研究进展

目前，国内关于多机器人系统在消防救援中的应用研究主要针对搜救任务。中国矿业大学的课题组将多机器人系统应用于煤矿事故后的搜救任务中[1]，3台机器人组成纵向编队运动，每个成员都具有探测周边环境的能力，同时作为其他成员的信息传输中转站，3台机器人通过通信接力的方式实现煤矿巷道内远距离通信系统的搭建。在分析多机器人系统各种常用控制体系的基础上，结合煤矿救援工作的特殊环境设计了适合于煤矿救援的多机器人系统的控制结构。根据各个成员机器人自主定位系统所记录的运动轨迹信息，通过每台机器人对前方成员运动轨迹的分段跟踪，实现了多机器人系统的协同作业。武汉理工大学的课题组将多机器人系统应用于城市灾害搜救任务中[2]，对其中一些关键技术如协同路径规划技术、协同运动控制技术等进行研究，同时探讨了多机器人搜救系统中任务的分配、管理等问题。

相比较而言，国外对于此类应用研究的针对性任务更多，产品相对更为成熟。日本神户大学开发的多机器人伤员搬运系统，可代替救援人员进入危险地带搬运伤员[3]。本系统采用1个终端控制各个机器人。此系统由2台牵引机器人以及担架机器人组成，2台牵引机器人先将伤员的四肢调整到合适的位置，随后担架机器人将伤员托起。最后，三者合作将伤员搬运至安全地带。虽然采用了1个终端控制各个机器人，但是各个机器人之间无协同运动的机制。

日本电气通信大学开发了控制多台机器人进行灾后搜救工作的终端[4]。同上文的多机器人系统控制方式不同，此机器人系统具备了基于领航跟随关系的协同运动机制，机器人群组由1台终端进行控制，此终端将机器人激光雷达探测的结果进行处理后以2D地图的形式显示出来，操作者还可以通过此终端对机器人群组中的机器人进行重新编组，使得机器人群组在执行任务时有了相当大的灵活性。

日本内务省消防灾害管理厅历时5年，耗资13.8亿日元，联合日本东北大学、三菱公司等研发并在千叶县市原市部署了世界上第一支消防机器人部队，名为“Scrum Force”[5]，由4类机器人组成，包括空中监视机器人（无人机）、地面侦查机器人、水带敷设机器人，以及灭火机器人。4类机器人协同作业，完成火场侦查、编队进入火场、占领水炮阵地、水带敷设和射水灭火等工作。此系统无需消防员接近着火点，初步实现了消防作战无人化。

2 关键技术

当前国内外在多机器人系统研究领域中所涉及的关键技术主要有任务规划技术、编队控制技术、定位技术以及通信技术。

2.1 任务规划技术

多机器人任务规划分为任务分解和任务分配2个阶段。在任务分解阶段中，系统面临的总体任务被划分为多个相对独立的子任务，再按照一定的限制约束条件把分解好的各个子任务分配给正在运行中的每一个机器人，每个机器人通过完成各自的子任务实现整个系统的协同控制。任务分配方式大致可分为静态与动态2种。静态分配方式中，每台机器人所要执行的任务被固化，难以应对随机多变的消防救援环境。动态分配方式能根据机器人的工况、任务、能力和故障等特殊情形对多机器人系统进行动态调度，以适应复杂多变的外部环境。目前主要采用以下算法。

（1）线性规划法：是通过研究线性约束条件下线性目标函数的极值问题实现任务规划的方法[6-7]。此方法的基本原理是在各种约束条件下，对目标函数进行迭代搜索，直到找到最优解。

（2）市场机制法：是目前多机器人系统研究中常用的动态任务分配算法。市场机制法利用市场协商算法作为任务分配的基础，系统的总体“目标”通过每个机器人之间通过特定的“协议”进行“谈判”最终达成。系统各个成员通过“投标”和“中标”形式进行任务分配及协调。按照公平竞争原则，“出价”合理且各项条件符合要求的机器人会被选为“中标”机器人而承担任务[8-9]。

目前的动态任务规划技术大多停留在理论研究阶段，实际应用较少。消防救援现场环境具备较大的不确定性和随机性，相关装备的配置需要具备较大的处置柔性。因此，笔者认为，较为可行的任务规划方式是静态和动态2种方法结合，即“单机任务静态、力量调配动态”的方法，机器人的功能和任务固定，根据现场情况进行数台机器人的重新编组与力量整合，以应对复杂多变的消防救援环境。

2.2 编队控制技术

当任务规划完成后，多机器人系统将组成编队进入现场。编队行进期间，各个机器人相互之间的位置既要满足几何约束（队形），同时又要适应环境约束（如规避障碍物）。编队控制技术需要解决的问题主要是编队生成、编队稳定、切换编队、系统避障以及编队自适应。目前常见的编队控制策略如下。

（1）领航跟随法[10-11]：是指在多移动机器人编队中，设定一个或多个机器人作为编队的领航者，其他机器人作为跟随者。跟随机器人以领航者的位姿信息为参考根据事先约定的规则调整自身的位姿，从而实现编队控制。

（2）基于行为法[12]：是指多机器人系统中设置了一个上层决策系统，对多机器人系统各个成员的行为进行设计，通过底层控制系统在各个机器人成员上实现，并通过这些基本行为进行组合来实现编队的整体控制。

（3）虚拟结构法[13]：将所期望的编队形状抽象为多个移动机器人组成的“刚体”，“刚体”中的节点作为机器人运动所需要抵达的目标点，通过完成跟踪来实现编队控制。

由于领航跟随法实现较为简单，只需指定领航者即可实现编队控制，便于进行灵活编组，非常适合消防救援现场使用。但是，领航机器人运动一旦出现故障或跟随机器人无法正常对其进行跟踪时，整个队形将混乱甚至崩溃。消防救援现场环境非常恶劣，机器人各种状况都有可能发生。针对以上情况，研究者给出不少解决方法。例如，文献[14]中，机器人编队能够根据各个机器人的运动情况及时修改控制参数，以满足编队中其他成员的位置产生的运动约束。机器人编队中的跟随者的运动不仅以领航者为参考，还需要考虑其他成员对其构成的影响。这类研究可以有效解决领航机器人发生故障时，其余机器人继续组成编队进行运动的问题。

2.3 定位技术

定位技术是多机器人系统成员之间进行协同工作的重要信息保障，其与系统成员的编队控制、路径规划等功能息息相关。多机器人系统所采用的定位技术同单机器人的定位技术有相通之处，大致可分为绝对定位和相对定位两种。绝对定位指通过GPS-RTK、地标等硬件求得机器人编队在全局地图中的绝对坐标。相对定位是指初始时刻编队信息，通过累计信息获取运动变化的惯性定位方法，如惯导、SLAM等。但是，消防救援现场恶劣的工况，对传感器的精度和可靠性都会造成不良的影响，因此，在消防救援现场建议采用协作定位技术。协作定位技术中，绝对定位和相对定位2种技术搭配使用，进行优势互补。尤其是在消防救援现场环境中，相互之间的观测结果互为路标，并通过信息的发布和接收，共享各个机器人测量得到的位姿和环境信息，定位结果更为精确，冗余度更高，抗干扰能力更强。

2.4 通信技术

相互之间的运动信息的及时发布与接收是多机器人系统协同工作有效开展的基础，而一套稳定的通信系统是机器人之间进行信息传递的基础。多机器人系统研究中的通信系统通常可以分为显式通信和隐式通信[15]。显式通信方式中，多机器人系统在既有通信网络支持下，按照事先约定的通信协议实现信息的发布与接收。由于消防救援现场基础设施毁坏严重，各种干扰信号很多，对通信网络可靠性和稳定性有极高的要求。因此，通常采用分布性网络，而且需要具备较强的自组织性。目前研究中，常用于消防救援现场的显示通信方式主要有mesh网络和ad-hoc网络。

隐式通信中，机器人利用自身配备的传感器所获得的外部信息实现机器人之间的协同作业。与显式通信不同，此时，机器人不再依赖相互传递的运动信息进行协作，而是通过自身传感器获取的外部信息感知系统中其他成员的运动信息，可以作为显式通信的一个有力补充。然而，隐式通信系统的设计有较大难度，目前尚处于理论研究阶段，对于多机器人系统在消防救援现场通信条件恶劣环境下正常工作有着重要意义。

3 结束语

目前针对多机器人系统研究方兴未艾，各种新型技术以及算法层出不穷，已经在某些领域有了应用。然而，消防救援任务涉及人民群众生命财产安全，而且消防救援现场环境恶劣且多变，对于多机器人系统的应用是非常严峻的考验。因此，在未来进行相关技术的攻关时，必须将系统的可靠性和灵活性放在第一位，使其能更有效地执行消防救援任务，降低人员的风险。