面向無人作業的天空地協同網絡：需求、挑戰、技術變革機遇*

魏鵬，馮偉，葛寧

（清華大學電子工程系，北京 100084）

0 引言

近年來，中國、美國、歐盟、日本、韓國等世界主要經濟體都在大力發展機器人產業。根據國際機器人聯合會的《2023 世界機器人報告》，2022 年全球在工業領域新增機器人數量超50 萬臺，其中中國超29 萬臺，遠超歐盟、美國、日本、韓國等其他主要經濟體[1]?！丁笆奈濉睓C器人產業發展規劃》指出：未來5 年乃至更長一段時間，是我國機器人產業自立自強、換代跨越的戰略機遇期[2]。

隨著智能和通信技術的發展，網絡化機器人能夠在偏遠或人難以進入的工作場所進行檢查、維護等無人作業，還可用于執行對人類過于危險或過于費力的任務，例如核退役、高壓電設備檢修、海上風力機的渦輪葉片檢修、海上鉆井平臺檢查和維護、未知環境勘探、應急救災等[3-8]，如圖1 所示。根據Grand View Research 的研究報告，網絡化機器人已經成為一個快速增長的工業市場。2019 年執行遠程檢測和維護任務的機器人及其它現場機器人的市場規模達到123 億美元，預計在2020 年至2027 年間將以41.0%的年復合增長率增長[4]。而搬運機器人市場規模在2021 年達到73.4 億美元，預計在2022 年至2030 年間將以17.4%的年復合增長率增長[9]?！吨腥A人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》提出：加強礦山深部開采與重大災害防治等領域先進技術裝備創新應用，推進危險崗位機器人替代[10]。

在偏遠、應急救災等地區，地形復雜、環境惡劣，傳統的地面蜂窩網絡基礎設施難以大規模密集部署。地面基站的覆蓋范圍往往有限，不可避免地形成覆蓋盲區。另一方面，5G 網絡的總功耗是4G 網絡的12 倍之多[11]，而在這些地區，機器人的分布稀疏且范圍廣，因此常規地面網絡的運營成本偏高。

衛星網絡能夠提供廣域覆蓋，是一種不依賴地面環境的網絡部署策略。然而，衛星通信的傳播時延往往較高。根據3GPP（The 3rd Generation Partnership Project，第三代合作伙伴計劃）標準[12]，從LEO（Low Earth Orbit，低地球軌道）衛星、MEO（Medium Earth Orbit，中地球軌道）衛星、GEO（Geostationary Earth Orbit，地球靜止軌道）衛星到用戶的傳播時延分別為3～15 ms、27～43 ms、120～140 ms。假設其他附加網絡延遲總共為5 ms，用戶與地面站間的端到端時延在LEO、MEO、GEO 上可能分別高達35 ms、95 ms、285 ms。此外，GEO 衛星Inmarsat-5 可提供5 Mbps 的上傳速度[13]，Starlink 的LEO 衛星在美國的平均上傳速度可達12.04 Mbps，端到端時延為40 ms[14]。然而，根據3GPP 標準[15]，機器人視頻應用的最大端到端時延為10 ms，同時上行數據速率要大于10 Mbps。當有大量機器人訪問衛星網絡時，當前衛星系統往往難以支持10 Mbps的上行數據傳輸速率。另外，車型機器人應用要求衛星網絡至少支持25 Mbps 的上傳速度[12]。因此，衛星的高傳播時延和相對較低的數據傳輸速率使其難以作為唯一手段迅速滿足網絡化機器人的應用需求。

無人機可靈活部署、且通信鏈路傳輸損耗低，有望彌補衛星通信的不足[16-18]。對于偏遠地區、應急救災等場景下的機器人應用，以衛星、無人機為主體構成的天空地協同網絡可為各類機器人提供廣域、按需服務。在香農提出的經典開環通信范式下[19]，如圖2 所示，系統關注發射機到接收機的單向信息傳輸“管道”，往往不涉及從接收機到發射機的“高層次信息反饋”。當主要服務對象是人時，這一開環通信范式極大簡化了系統設計、帶來了3G、4G、5G 等通信網絡的繁榮發展，也使得提高傳輸速率一度成為通信系統演進的最核心指標。然而，使用機器人的主要目的是完成各種復雜、危險的任務，不僅需要網絡向機器人發送控制指令等信息，還需要機器人向網絡反饋其動作、任務完成情況等結果。這需要一種閉環的通信方式，從而增強機器人控制系統的穩定性、準度和精度。

圖2 香農建立的經典“開環通信”示意圖

為了解決這個問題，受到維納控制論的啟發[20]，本文給出了一種能夠根據接收到的信息做出動作、并提供高層次反饋的閉環通信模式。在這種通信模式下，如圖3所示，天空地協同網絡不僅能夠根據機器人的需求提供各種網絡服務，還可以根據網絡資源的分布情況調控機器人的行為，實現網絡對用戶的“主動導引”，從而大幅提升網絡資源效率。與傳統開環通信不同，針對機器人及其閉環控制，圖3 的閉環通信模式需要在通信資源配置、用戶行為控制、閉環理論模型等三個方面重新設計。

圖3 基于維納控制論的“閉環通信”示意圖

1 結構化通信資源配置

1.1 傳統通信資源配置的基本思路

5G（The Fifth Generation，第五代）等常規網絡根據移動用戶的數量和需求，給每個用戶分配通信資源，從而形成一條獨立的通信鏈路[21-22]。如圖4 所示，簡單來講，5G 網絡在時域、頻域、空域將通信資源劃分為多個獨立的資源塊，通過TDMA（Time Division Multiple Access，時分多址）、FDMA（Frequency Division Multiple Access，頻分多址）和SDMA（Space Division Multiple Access，空分多址）等多址技術，將各個資源塊分配給不同用戶。而且，網絡采用FDD（Frequency Division Duplex，頻分雙工）或TDD（Time Division Duplex，時分雙工）方式來區分同一用戶的上行鏈路和下行鏈路。因此，多址技術和雙工技術確保了每個用戶的每一條“通信管道”都能獲得一條獨立的通信鏈路，本文將其稱為用戶級通信鏈路。

圖4 傳統網絡的用戶級通信鏈路示意圖

1.2 機器人無人作業對通信資源配置的特殊需求

在無人作業中，單個機器人往往難以完成復雜的任務，例如核退役[4]、遠程醫療[23]、未知區域勘探[24]，通常需要與人類操作員或鄰近的多個機器人協同互動，配合完成復雜任務。因此，不同于面向個人用戶的傳統通信網絡，面向機器人的網絡需要給一組機器人提供網絡服務，這使得面向機器人的網絡與傳統網絡在空時頻通信資源的分配和調度方面存在明顯差異。以多機器人協作為例，如圖5所示，三個機器人R1、R2、R3分別負責感知、計算、操作，通過無線網絡協同完成一項任務。不失一般性，假設0

圖5 多個機器人通過無線網絡協同完成一項任務的示例

1.3 面向機器群組的結構化通信資源配置方法

圖6 展示了多機器人協作時空時頻通信資源調配的示意圖。網絡針對不同功能的機器人采用了不同的通信資源分配策略。例如，由于感知的數據量通常大于計算決策的數據量，因此R1 的上行鏈路和R2 的下行鏈路獲得了較大的帶寬，而R2 的上行鏈路和R3 的下行鏈路的帶寬較??；當三個機器人在不同位置執行各自的任務時，它們的空域通信資源通常也會有所不同。更重要的是，由于通信資源的調配與任務的執行順序密切相關，不同機器人間的通信資源調配在空域、時域和頻域均具有很強的“高層次任務相關性”。例如，當機器人R1改變位置，觀察到任務在其它位置的狀態偏離預期時，可能需要機器人R3 改變位置以執行有效的調整動作，這就使得機器人間的空域通信資源調配呈現相關性；通信資源的時間調配順序通常與任務的執行順序（如感知-通信-計算-通信-動作）一致；當機器人R1 的感知數據量增加時，其上行鏈路帶寬增加，因此機器人R2 的下行鏈路帶寬也需要相應地增加，這也是“高層次任務相關性”的一種體現。

圖6 多機器人協作中空域、時域和頻域通信資源調配的相關性及其結構化的示意圖

如果通信網絡仍然采用傳統的資源配置模式，每個機器人將被分配一條獨立的通信鏈路。以機器人R1為例，除了在t1時隙上傳感知數據外，其上行鏈路在其它三個時隙可能會處于空閑狀態，這會降低通信資源的整體利用率。雖然認知無線電技術能夠在一定程度上緩解該問題[25]，但其它機器人可能會帶來嚴重的干擾，不利于機器人協同完成關鍵任務。如圖6 所示，一種潛在的解決方案是根據任務的執行順序和控制的因果關系，將協作機器人的通信資源調配有機地融合為一個“結構化的整體”，從而建立多條具有“高層次任務相關性”的面向多個機器人的通信鏈路，本文將其稱為面向用戶群組的結構化通信鏈路。

文獻[26]初步研究了衛星無人機混合網絡中通信和計算資源結構化，利用不同時間尺度結構化通信和計算資源，分時段最小化卸載服務時延。如圖7 所示，提出的結構化方法優于只采用衛星的方法。這說明按需調整網絡的通信和計算資源最小編排結構，能夠有效提高系統性能。而且，提出的結構化方法也優于傳統的面向狀態的優化方法。這說明即使過程信息受限，提出的結構化方法仍能提供一定的性能增益。

圖7 在不同卸載數據量下結構化方法與傳統方法的時延對比圖

2 機器人主動行為調控

2.1 通信網絡中用戶移動行為發展概況

回顧通信發展歷史，隨著通信網絡覆蓋方式的演變，用戶的移動行為也經歷了兩次主要變化。在固定電話網絡時代，如圖8 左上所示，人類用戶習慣于“走”到固定電話的位置，然后拿起聽筒后撥號接入網絡。此時，固定電話在一定程度上起到了引導用戶移動行為的作用。進入移動通信網絡時代，如圖8 右上所示，蜂窩基站的密集部署實現了對指定區域的全覆蓋，使得人類用戶可以在網絡覆蓋區域內自由移動，無縫地連接網絡，“隨時”享受網絡服務。

圖8 固定電話網絡、蜂窩網絡和天空地協同網絡的覆蓋方式和用戶移動行為的對比圖

2.2 面向機器的主動行為調控方法

在偏遠、危險或人口稀少的地區，天空地協同網絡為機器人提供服務時，低軌衛星和無人機的移動為網絡的無縫覆蓋帶來挑戰。復雜的地形環境、大氣雨衰等也可能屏蔽或衰減無線電信號，導致寬帶覆蓋盲區。如果機器人進入覆蓋盲區，網絡服務中斷，機器人可能失去控制。然而，機器人與人類不同，其移動性是可以被主動調控的。受到固定電話網絡引導用戶移動行為的啟示，一種潛在方案是讓網絡根據其覆蓋情況來調控機器人的移動行為，而不再僅僅執著于提升網絡的覆蓋能力。如圖8 右下所示，根據網絡預先設定的移動路徑，機器人可以從覆蓋盲區快速且準確地移動到有網絡覆蓋的區域，在覆蓋范圍內實現網絡接入并完成任務。根據文獻[27]提出的電磁地圖概念，圖9 展示了一個天空地協同網絡通過電磁地圖調控機器人在偏遠地區移動行為的示例。網絡首先根據衛星和無人機的部署情況生成電磁地圖，然后根據電磁地圖中無線電信號在各區域的強度分布，提前規劃機器人的運動軌跡。規劃的運動軌跡通過天空地協同網絡傳送至機器人，引導機器人從起點移動至終點。這個過程并不嚴格避免機器人進入盲區，而是“主動”規劃，雖然有時機器人進入了盲區，但網絡預先知道，并預先規劃了相應的任務完成計劃和移動路徑，不會出現失聯等情況。

圖9 天空地協同網絡使用電磁地圖導引機器人在偏遠地區移動的示例

文獻[28]通過將電磁地圖中信號的強弱分布簡化為覆蓋區域的無線通信是否可用，研究了機器人的移動行為對衛星地面混合網絡卸載性能的影響，建立了機器人速度控制和網絡卸載判決的聯合優化問題。如圖10所示，基于對機器移動速度的調控，提出方法的卸載性能優于傳統卸載方法（conventional offloading）、貪婪方法（simplified greedy）、本地執行方法（local execution），有助于降低面向機器人的星地混合網絡的服務延遲。

圖10 不同無線通信不可用覆蓋區域數量NCH下卸載完成時間的對比圖

3 感-傳-算-控閉環系統模型

3.1 機器作業中的感-傳-算-控閉環需求

網絡化機器人的高效運作依賴于數據感知和共享、邏輯推理以及控制指令的確定性執行[6-29]。這些功能通過感知、通信、計算和控制的融合，實現對機器人的安全和可靠的閉環控制。根據相關研究報告[4]，為了使網絡化機器人能夠完成復雜任務，一方面需借助多種設備和方法賦予機器人感知能力。具體來說，攝像頭和作業環境監測方法尤為關鍵。例如，攝像頭需具備360°視野、平移– 傾斜– 變焦的能力，能產生RGB 深度圖、紅外照明、縱深等功能，而環境監測則需要多種傳感器的支持，包含溫度、濕度、氣體泄漏（如甲烷）、振動和聲音（麥克風）等。另一方面，為了確保機器人在工作場所能及時采取行動并可靠運行，機器人的控制回路中需加入三個功能：1）實時計算機視覺：基于邊緣AI（Artificial Intelligence，人工智能）和ML（Machine Learning，機器學習），對周圍環境和任務的當前狀態、危險程度、異常等事件進行識別，并對障礙、地形等進行檢測；2）實時校準：針對機器人的操作異常、移動控制與輸入指令失配等問題，通過重新校準，不斷修正機器人的感知精度，并需要定期升級控制軟件和病毒檢測程序；3）日志實時分析：結合國家和行業的法律法規，追蹤機器人的潛在安全隱患，從而進行預測性維護。所以，在網絡化機器人的控制環路中，通信網絡并非僅將機器人簡單連接起來，而是需要整合感知、計算、控制不同環節。以機械臂操控為例[30]，為了讓機械臂按設計動作執行，將指令翻譯成驅動機器人運動的命令會占用一定時間。當這個控制時間較長時，僅優化通信時延并不能有效降低網絡化機器人控制的端到端時延，這需要感-傳-算-控閉環的系統模型。

3.2 感-傳-算-控閉環系統模型發展展望

在5G 網絡中，以機器為服務對象的通信場景開始興起，比如URLLC（Ultra-Reliable and Low Latency Communications，超可靠低時延通信）和mMTC（massive Machine Type Communications，大規模機器類通信）[31]。然而，在這些通信場景中，網絡仍沒有考慮機器人閉環控制中必要的感知、計算等因素。6G（The Sixth Generation，第六代）網絡也提出了兩個以機器為中心的場景，包括IAIC（Integrated AI and Communication，集成人工智能和通信）和ISAC（Integrated Sensing and Communication，集成感知和通信）[32]。這兩個場景分別側重計算與通信的融合、感知與通信的融合。此外，在控制、通信兩個學科相對獨立發展的今天，當前的機器人控制算法通常不將通信網絡的輸出作為其閉環控制的輸入，而是簡化或忽略關于通信的假設或條件。例如，多機器人的控制算法通常假設精確的時間同步[5]，這會對機器人的最大通信時延施加固定的時間約束。然而，當前的通信網絡采用了“盡力而為”的信息傳輸模式，尚難以滿足嚴格的大規模固定通信時間要求。

在感-傳-算-控閉環系統模型中，雖然已經存在能夠單獨描述感知、通信、計算和控制性能的數學模型，例如通信的香農熵[19]和控制系統的內稟熵率[33]，但感知、通信、計算和控制之間的定量關系尚未確定，缺乏統一的系統度量來刻畫機器人的閉環控制性能。依托圖3 所示的閉環信息傳輸架構模型，進一步整合環境和目標任務的感知、感知數據的計算、以及感知數據和控制指令的傳輸，有望找到以“熵匹配”為核心的閉環數學模型。這里“熵匹配”從消除不確定性角度統一感知、通信、計算和控制不同環節。文獻[34]在理想感知和計算的假設下，通過分析衛星無人機混合網絡的通信能力和機器人控制參數對總體閉環控制性能的影響，初步探究了面向整體閉環控制性能的通信資源分配方法?；诟?傳-算-控的控制環路，建立了以LQR（Linear Quadratic Regulator，線性二次型調節器）為代價函數和以通信速率為約束條件的優化模型。如圖11 所示，相比傳統的注水功率分配方案，提出的面向控制的功率分配方案具有更低的系統代價。這初步說明基于“熵匹配”的閉環數學模型有助于改善機器人系統的性能。

圖11 不同功率分配方案得到的LQR代價

盡管如此，機器人是一個跨學科的研究領域，涵蓋電子工程、計算機科學、機械工程、生物學、認知科學等多個學科。因此，利用熵對異構信息進行統一度量還需要多學科的交叉融合。

4 結束語

針對偏遠、應急救災等地區的無人作業需求，受到維納的控制論啟發，提出了一種天空地協同網絡閉環通信新架構。新架構可認知并利用機器與人行為模式的差異，將多個機器人組成一個用戶群組，通過“高層次任務相關”的結構化通信資源調配，提高系統整體資源效率。新架構可根據當前網絡基礎設施部署和網絡資源分布的情況，主動調控機器人的行為（如位置管理、移動速度控制等），避免“單向”提升網絡性能，遭遇通信資源的“邊際效應”，造成資源浪費。新架構支持感知、通信、計算、控制的閉環運轉，以“熵匹配”為途徑，實現異構信息環節的統一度量。