韋 韜,朱 遴,梁世龍

(中國人民解放軍92228部隊,北京 100072)

近年來,隨著人工智能、無線通信以及智能控制等技術的快速發(fā)展及其在軍事方面的廣泛應用,水下無人系統(tǒng)(Underwater Unmanned System,UUS)已成為世界各國競相發(fā)展的重要裝備,正在深刻改變戰(zhàn)爭面貌。同時,單體智能化水平的提高,也為無人系統(tǒng)集群的發(fā)展提供了有利條件。水下無人系統(tǒng)集群(Underwater Unmanned System Swarm,UUSS)，作為一種新的裝備形態(tài)，發(fā)展快速,但存在許多亟待攻克的技術難題。

本文以水下無人系統(tǒng)集群為研究對象,通過回顧其國內(nèi)外發(fā)展歷程,指出我國現(xiàn)階段研發(fā)的緊迫性和可行性。然后,圍繞集群的信息獲取和處理,對水下環(huán)境感知技術(如聲學感知、光學感知)和水下協(xié)同技術(如協(xié)同通信、協(xié)同控制、協(xié)同定位與導航技術)進行詳細論述,系統(tǒng)性地對水下無人系統(tǒng)集群關鍵技術進行梳理。最后,針對水下特定環(huán)境帶來的技術挑戰(zhàn),給出了水下無人系統(tǒng)集群可能的研究方向,為其在軍事作戰(zhàn)領域的應用提供技術參考。

1 水下無人系統(tǒng)國內(nèi)外發(fā)展現(xiàn)狀

1.1 水下無人系統(tǒng)發(fā)展現(xiàn)狀

水下無人系統(tǒng)具有自主性、隱蔽性、環(huán)境適應性、可部署性和高效費比等優(yōu)點,可廣泛應用于水下警戒、偵察、監(jiān)視、跟蹤等軍事任務及水文測量、海洋學研究等科考任務,具有重要的實戰(zhàn)意義和研究價值。

美國長期致力于水下無人化、智能化、新概念裝備等方面的研究,擁有從微型到超大型種類多樣的水下無人系統(tǒng),且其功能逐漸向能夠?qū)崿F(xiàn)水下攻擊、水雷戰(zhàn)、情/監(jiān)/偵等綜合任務的智能一體化趨勢發(fā)展。俄羅斯研制出多款具有綜合性強、作戰(zhàn)任務廣等優(yōu)勢的水下無人系統(tǒng)。其中,Poseidon戰(zhàn)略級核動力水下無人系統(tǒng)具有優(yōu)良的核打擊能力。英國、法國、新加坡等國也積極開展智能化水下無人系統(tǒng)的研制。近年來,我國水下無人系統(tǒng)的研制取得了顯著成果,研制出以“海斗一號”為代表的多款用于深海探測的無人系統(tǒng)。整體上,現(xiàn)有單體水下無人系統(tǒng)具備較高的自主性和智能化,代表性水下無人系統(tǒng)如表1所示。

表1 國內(nèi)外代表性水下無人系統(tǒng)

1.2 水下無人系統(tǒng)集群發(fā)展現(xiàn)狀

水下無人系統(tǒng)集群由多個具有一定自主決策能力、彼此之間存在指揮控制和通信關系,且共同承擔給定任務的水下無人系統(tǒng)組成。利用單體間的協(xié)同優(yōu)勢,集群可綜合多源信息,擴大感知范圍,完成更復雜的任務,實現(xiàn)由單體智能向群體智能的跨越。

美國開展了以“持續(xù)瀕海水下監(jiān)控網(wǎng)絡項目(PLUSNet)”和“協(xié)作自主的分布式偵察與探測系統(tǒng)(CADRE)等為代表的水下無人系統(tǒng)集群研究與測試,以完備美軍的水下信息網(wǎng)絡功能。SwarmDiver水下無人系統(tǒng)集群可支持多達100臺SwarmDiver同時作業(yè),主要用于偵察、反水雷及創(chuàng)造安全邊界等。歐盟2011年設立“集體認知機器人(CoCoRo)”項目,依賴多個單體機器人及其搭載的各類傳感器,實現(xiàn)水下監(jiān)測和搜索。目前,我國針對水下無人系統(tǒng)集群的研究多集中于關鍵技術,水下無人系統(tǒng)集群的實踐研究報道較少。相關集群信息如表2所示。

表2 國外水下無人系統(tǒng)集群

我國對水下無人系統(tǒng)的研制起步較晚,特別是在軍事應用方面,與國外還有較大的差距,亟須加強水下無人系統(tǒng)集群的研究,提升水下防御和攻擊能力?，F(xiàn)階段,我國在單體無人系統(tǒng)方面取得的成果為軍事水下無人系統(tǒng)的研制積累了豐富的經(jīng)驗。同時,人工智能、大數(shù)據(jù)、無線通信、自動控制等關鍵技術的飛速發(fā)展與廣泛應用,為我國水下無人系統(tǒng)集群的協(xié)同操作提供了可行的技術支撐。另外,我國在無人機集群協(xié)同方面開展了廣泛的研究,并積累了大量的技術儲備,可為水下無人系統(tǒng)集群研究提供技術借鑒。

2 水下環(huán)境感知技術

根據(jù)傳感設備的不同,水下環(huán)境感知主要分為水下環(huán)境聲學感知和水下環(huán)境光學感知。其中,聲學感知利用聲吶圖像(由聲吶成像設備生成)實現(xiàn)水下遠距離目標的定位與探測;光學感知利用水下RGB圖像(由水下相機生成)實現(xiàn)水下近距離目標的檢測與定位。自主的環(huán)境感知能力是水下無人系統(tǒng)實現(xiàn)智能化的基礎。

2.1 水下環(huán)境聲學感知方法

水下聲學環(huán)境感知以聲吶為傳感設備,利用聲波在水下的傳播和反射特性,通過聲吶接收與成像設備,對聲波信號進行電聲轉(zhuǎn)換與信息處理,進而獲取聲吶圖像和探測數(shù)據(jù),以實現(xiàn)水下目標檢測、海底地形探測等目的。

水下聲學目標感知分為傳統(tǒng)的聲學圖像目標檢測和基于深度學習的聲學圖像目標檢測。傳統(tǒng)的聲學圖像目標檢測因其使用手工設計特征，而無法實現(xiàn)高層決策,并且存在光照要求高，受噪聲干擾嚴重，魯棒性不足和泛化性較差等問題;而基于深度學習的聲吶圖像目標檢測具有計算量小，檢測速率快，實時性高等優(yōu)勢,是目前的主流研究思路。王非等融合聲吶圖像的紋理特征和深度圖的空間幾何特征,通過YOLOv3(You Only Look Once,YOLO)模型實現(xiàn)水下目標物體檢測。李寶奇等利用可擴張、可選擇卷積核模塊提取、融合聲吶圖像的多尺度特征,通過改進SSD(Single Shot Detection)模型的特征表達能力來實現(xiàn)水下目標檢測,圖1展示了該方法對聲學圖像的目標感知結果。

圖1 水下聲學目標感知:圓柱形目標(左)和電纜(右)[7]

此外,受水下環(huán)境和設備自身特性影響,聲學圖像存在噪聲干擾大，分辨率低，圖像模糊等嚴重退化問題。研究者開展了聲學圖像的降噪算法,以提高圖像的可視化質(zhì)量。近期的研究主要包括基于噪聲參數(shù)估計、基于R-CNN網(wǎng)絡和基于生成對抗網(wǎng)絡等方法。圖2展示了使用噪聲參數(shù)估計方法去噪前后的聲學圖像。

圖2 原始水下聲學圖像(左)與去噪后圖像(右)[8]

2.2 水下環(huán)境光學感知方法

水下光學圖像目標感知是在水下光學圖像中，檢測或識別出感興趣目標，并確定其所在位置。由于水下環(huán)境復雜多變,且水體吸收光線,水下光學圖像成像存在顏色偏移、失真以及對比度低等問題,導致水下光學圖像目標感知精度難以滿足應用需求。針對這一問題,近期的研究主要圍繞基于深度學習的方法開展。

李慶忠等提出了基于YOLO模型的水下魚群檢測。黃廷輝等提出了基于FAttention-YOLOv5的水下目標檢測算法?？紤]SSD模型能較好地兼顧檢測精度和檢測速度,強偉等提出一種基于改進SSD的目標檢測算法,提高了水下復雜環(huán)境下目標檢測的準確率和實時性。李寶奇等利用輕量化、卷積核可變形、通道可選擇的特征提取模塊改進SSD框架,實現(xiàn)水下光學圖像感興趣目標的檢測與識別。Islam等結合Faster R-CNN、YOLOv2以及SSD模型,將訓練好的模型部署到水下無人系統(tǒng)，實現(xiàn)潛水員檢測、自主跟隨等功能。圖3給出了水下光學圖像目標感知示例。

圖3 原始水下光學圖像(左)與水下目標感知結果(右)

此外,為了生成滿足人眼視覺感知效果的水下圖像,研究者從對比度、清晰度和顏色等方面對獲取的水下光學圖像進行增強。最初，利用簡單的卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)優(yōu)化模糊圖像和清晰圖像之間的殘差，訓練端到端的圖像增強模型;后來發(fā)展為構建具有顏色校正網(wǎng)絡和去霧網(wǎng)絡兩分支的UIE-Net模型,構建能夠保留原始結構和紋理細節(jié)、重建清晰水下光學圖像的UWCNN模型;進一步,提出嵌入非局部注意機制和通道注意機制的殘差雙層注意網(wǎng)絡RTFAN來消除色偏和噪聲。隨著CNN在水下光學圖像增強領域的持續(xù)發(fā)展,水下圖像數(shù)據(jù)匱乏等問題逐漸凸顯。研究者利用生成對抗網(wǎng)絡(Generative Adversarial Networks,GAN)開展無監(jiān)督的水下圖像增強方法研究,減少對數(shù)據(jù)的依賴性。Li等提出一種實時的水下圖像顏色校正模型WaterGAN。李慶忠等和Zong等基于改進的CycleGAN實現(xiàn)水下圖像的顏色校正與增強。圖4給出了增強前后的水下圖像。

圖4 原始水下光學圖像(左)與增強后圖像(右)

2.3 水下環(huán)境協(xié)同感知方法

單一水下無人系統(tǒng)傳感資源有限,而水下環(huán)境復雜，態(tài)勢多變。為擴大環(huán)境態(tài)勢感知范圍,提高目標探測精度,增強目標感知的抗干擾能力,水下無人系統(tǒng)集群的協(xié)同感知具有重要的實戰(zhàn)意義。

在無人系統(tǒng)集群協(xié)同感知方面,美國的“班組X實驗”(Squad X)項目通過集成傳感技術、無人系統(tǒng)(無人機、無人車等)以及智能算法等,組建以人工智能協(xié)助的作戰(zhàn)部隊,提高小型作戰(zhàn)單元對威脅的感知與響應能力,驗證了無人集群協(xié)同感知在作戰(zhàn)中的實際軍事意義。然而,對于水下無人系統(tǒng)集群協(xié)同環(huán)境感知方面的研究,特別是針對水下無人系統(tǒng)獲取的高維信息(聲學、光學信息)的協(xié)同感知，目前相關的報道有限,而這方面的研究對于水下態(tài)勢感知具有重要作用。

3 水下協(xié)同技術

水下無人系統(tǒng)集群由具備自主決策，能夠相互通信且存在指揮控制關系的群組構建而成,通過利用水下協(xié)同通信、控制、定位與導航技術可以實現(xiàn)水下各種協(xié)同任務。

3.1 協(xié)同通信技術

水下常用的通信技術為水聲通信和光通信。水聲通信以聲波為載體,在海水中衰減較小,已成功應用于國外多種水下無人系統(tǒng)。然而,聲學通信面臨小帶寬、低數(shù)據(jù)率、高延遲以及環(huán)境噪聲等諸多挑戰(zhàn),直接影響通信的效率,導致協(xié)作任務中的通信周期變長。

為提高水下通信效率,光通信受到越來越多的關注，具有代表性的激光潛艇通信，具有高比特率、高安全性、寬帶寬等優(yōu)點,其發(fā)出的藍綠光(波長為470～580 nm)穿透水效果好，能量衰減小。因此,研究人員探索了基于藍綠光的光通信系統(tǒng),以確保水下無人系統(tǒng)在任何深度均能接收信息。此外,相關研究表明，盡管紅色激光器能夠?qū)崿F(xiàn)水下物體和空間平臺之間的光通信效果,但是，紅光系統(tǒng)衰減的性能明顯低于藍光系統(tǒng)。

水下多無人系統(tǒng)間的協(xié)同通信通過復雜的水下無線通信網(wǎng)絡實現(xiàn),圖5展示了一個水下無線通信網(wǎng)絡的應用場景。其中,成員節(jié)點(Member Nodes)和錨定節(jié)點(Anchored Nodes)用于輔助水下無人系統(tǒng)采集海底的信息;聚集頭節(jié)點(Cluster Head)用于聚合成員節(jié)點或錨定節(jié)點采集的信息與水下無人系統(tǒng)發(fā)送的信息;中繼節(jié)點(Relay Node/Tethered Relay Node)則用來擴大無人系統(tǒng)間的通信距離。對于兩個自主水下無人系統(tǒng)間的通信,一個無人系統(tǒng)發(fā)送的信息,首先通過聚合頭節(jié)點與收集的地面信息聚合,再將聚合后的信息以聲學或光磁鏈路方式,通過中繼節(jié)點實現(xiàn)遠距離轉(zhuǎn)發(fā),將轉(zhuǎn)發(fā)后的信息通過一個sink站點發(fā)送給與sink站點連接的另一個水下無人系統(tǒng),實現(xiàn)系統(tǒng)間的通信。

圖5 水下無線通信網(wǎng)絡場景[25]

為提高水下通信網(wǎng)絡系統(tǒng)的性能,王冠群等提出基于分布式融合的水下傳感器網(wǎng)絡部署策略。該方法將網(wǎng)絡節(jié)點進行空間劃分,通過尋找空間區(qū)域內(nèi)的最小拓撲結構中節(jié)點間的最優(yōu)距離,來提高水下通信網(wǎng)絡的傳輸效率。為了保證水下信息傳輸?shù)恼_性,楊麗等利用位置誤差和通信網(wǎng)絡的協(xié)同定位原理,提出一種抗干擾的水下無人系統(tǒng)通信網(wǎng)絡。為了解決水下協(xié)同通信時信息傳輸?shù)木W(wǎng)絡能耗問題,陳露等采用分層式的網(wǎng)絡架構,通過對網(wǎng)絡的分層操作來合理均衡網(wǎng)絡能耗。此外,該方法還提出一種基于協(xié)作通信的網(wǎng)絡優(yōu)化協(xié)議,以更好地保證水下鏈路質(zhì)量。

3.2 協(xié)同控制技術

水下無人系統(tǒng)集群需要協(xié)同控制技術來完成對集群內(nèi)各單體系統(tǒng)的整體控制。常用的協(xié)同控制技術有一致性控制、蜂擁控制和編隊控制。

在集群分布式控制中,一致性控制算法被提出得較早。一致性是指水下無人系統(tǒng)集群根據(jù)通信網(wǎng)絡或感知系統(tǒng)相互交流,使得各個水下無人系統(tǒng)在時間上趨于一致性。Jamshidi 等人通過研究水下無人系統(tǒng)試驗臺的開發(fā)、自組網(wǎng)和基于網(wǎng)絡控制的協(xié)議的實現(xiàn)以及一致性協(xié)同控制的共識控制算法,來促進協(xié)同控制的發(fā)展。Shoja等人針對多無人系統(tǒng)間非線性運動的控制,設計一種基于估計的一致性控制方案,可同時控制多個無人系統(tǒng)。Gallehdari等人利用無人系統(tǒng)間周圍鄰居系統(tǒng)的相對位置信息，實現(xiàn)多無人系統(tǒng)間信息的一致性控制。

蜂擁控制是指由許多單體組成群體來實現(xiàn)共同目標的控制算法,與一致性算法相比,基于蜂擁算法的集群系統(tǒng)結構并不一定是一種固定拓撲,它的結構在運動過程中可能會發(fā)生變化。Moshtagh等基于圖論知識,提出利用最短距離控制來最小化相對勢能,實現(xiàn)水下航行器間的速度匹配和聚集效果。Martin 等認為智能水下無人系統(tǒng)間存在通信半徑，并且集群內(nèi)各水下無人系統(tǒng)的通信半徑隨機,在選擇合適的初始速度誤差后，集群間可以最終實現(xiàn)蜂擁。

編隊控制是學術界的研究熱點。目前,編隊控制正從集中控制向分布式控制發(fā)展。集中式方法依賴于無人系統(tǒng)與中心節(jié)點之間的有效通信,而分布式方法更注重無人系統(tǒng)集群之間的相互自主協(xié)調(diào),具有分散、自動化和自主等特點。Zhong等提出了一種分布式控制策略,使水下多無人系統(tǒng)以預先設計的方向到達目標平面,以規(guī)定的半徑圍繞目標進行循環(huán),避免多主體之間的碰撞。為了更好地維護和控制水下無人航行器,董權威等提出了一種基于控制器局域網(wǎng)絡總線的分布式控制系統(tǒng),將水下無人系統(tǒng)的功能分布到不同的節(jié)點,對每個節(jié)點實現(xiàn)局部控制,再利用分布式控制協(xié)議將局部控制轉(zhuǎn)化為對整個系統(tǒng)的全局控制,具有良好的實時性和可擴展性。吳淼等針對多無人系統(tǒng)編隊控制的動態(tài)控制問題,提出一種基于強化學習的分布式控制算法,實現(xiàn)了水下無人系統(tǒng)運動軌跡的精確控制,提高了編隊系統(tǒng)的學習能力。

一致性控制算法、蜂擁控制算法、編隊控制算法均可用于實現(xiàn)水下無人系統(tǒng)集群的協(xié)同控制。一致性算法用邊表示通信,其優(yōu)點是可用圖表示任意隊形,理論較為成熟,針對的是水下集群中存在的時間延遲問題。蜂擁控制算法解決的是水下集群執(zhí)行任務中的避障問題。編隊控制算法因為其隊形控制可以更簡單地與實物系統(tǒng)相結合,所以往往解決的是工程問題,如避障、信息估計等。

3.3 協(xié)同導航與定位技術

高精度水下導航與定位技術對水下無人系統(tǒng)集群實現(xiàn)諸多復雜任務(如海底地形地貌勘探、情報收集、沿岸反潛、水雷探測等)十分重要。然而,現(xiàn)有水下導航與定位技術受傳感器質(zhì)量、體積以及水聲介質(zhì)等因素的影響,仍然是一項具有挑戰(zhàn)性的難題。

目前,僅依靠單個水下無人系統(tǒng)的導航定位很難完成大范圍、多目標感知的水下任務。多水下無人系統(tǒng)的協(xié)同導航與定位可以提高整個任務系統(tǒng)的智能化水平和效率,有效提高單個導航系統(tǒng)的導航精度，降低誤差,完成單無人系統(tǒng)難以完成的任務。

水下無人系統(tǒng)協(xié)同導航定位技術主要分為并行式(如圖6左圖所示)和主從式(如圖6右圖所示)。并行式協(xié)同導航定位是指無人系統(tǒng)集群中每個無人系統(tǒng)具有相同的結構和功能,利用各自的導航系統(tǒng)進行定位,通過水聲通信技術獲取其他系統(tǒng)的位置信息。主從式(也稱領航式)協(xié)同導航定位是指無人系統(tǒng)集群包含少量領航無人系統(tǒng)和大量跟隨無人系統(tǒng)。其中,領航系統(tǒng)裝備高精度慣性導航設備、水聲通信設備、全球定位系統(tǒng)等；跟隨系統(tǒng)通過獲得與領航系統(tǒng)的位置關系提高自身導航精度,通過水聲通信技術在系統(tǒng)中確定自身位置。主從式協(xié)同導航定位有效地平衡了導航精度和設備成本,成為多水下無人系統(tǒng)協(xié)同導航與定位的主要研究方向。

圖6 并行式(左)和主從式(右)協(xié)同方式[37]

Allotta等提出了一種主從式多水下無人系統(tǒng)的協(xié)同導航算法,該算法利用傳統(tǒng)的四面體配置的幾何方法來確定航行器的位置信息,實現(xiàn)了無人系統(tǒng)間的精確定位。湯高宇在非線性濾波算法的基礎上,提出一種基于迭代的主從式協(xié)同導航算法,在得到無人系統(tǒng)狀態(tài)信息后,對量測算法進行迭代修正,直至獲得理想的導航精度,較傳統(tǒng)的非線性濾波算法提高了導航精度。王俊將主從式與并行式算法相結合,提出一種基于自適應快恢復的分布式協(xié)同導航算法,選擇誤差最小的水下無人系統(tǒng)作為領航者,減少水下多無人系統(tǒng)的導航誤差;利用自適應的快恢復算法,在任務執(zhí)行過程中自適應選擇新的領航者,解決了領航者的失效問題。Chen等提出兩種新的容錯控制技術,使得每個相鄰的水下無人系統(tǒng)間都可交換信息,即利用分布式共識控制策略來容忍主從式和并行式系統(tǒng)協(xié)同導航過程中的信息傳輸故障。為了給水下無人系統(tǒng)集群協(xié)同導航提供有效的路徑,Sahu等提出一種基于模糊人工勢函數(shù)的模糊控制算法,該算法優(yōu)于數(shù)學勢函數(shù)的控制器性能,實現(xiàn)了精確的路徑選擇。

4 發(fā)展趨勢

隨著軍事作戰(zhàn)模式的自主化和智能化,無人系統(tǒng)因其軍事用途多樣化已成為現(xiàn)代作戰(zhàn)裝備中不可或缺的一員,而集群化是無人系統(tǒng)的重要發(fā)展方向。但對于水下無人系統(tǒng)集群,還存在較多的技術難題亟待解決。針對水下無人系統(tǒng)集群的感知和協(xié)同技術,后續(xù)的研究可以重點關注以下三個方面。

1)提升集群環(huán)境感知的能力。信息感知是后續(xù)集群決策和協(xié)同控制的依據(jù),但復雜的水下環(huán)境對水下無人系統(tǒng)的信息感知造成了很大干擾,降低了水下感知的準確性。后續(xù)研究應立足大縱深、高動態(tài)的海洋環(huán)境感知技術,改善水下獲取圖像的顯示質(zhì)量，提高水下無人系統(tǒng)的探測準確性。具體地,借助深度學習強大的學習能力,解決環(huán)境因素導致的圖像退化問題,改善水下成像的質(zhì)量。應開展異源傳感信息的融合方法研究,提高無人系統(tǒng)攜帶的多種異源傳感器獲取信息的利用率,提升單個無人系統(tǒng)的探測能力。同時,要開展多視角、多特征以及多平臺的協(xié)同感知融合技術研究,通過跨平臺信息融合、在線協(xié)同更新和分布式集成學習等方式,提高無人系統(tǒng)集群的感知范圍和感知精度。

2)增加集群協(xié)同通信的穩(wěn)定性。協(xié)同通信是水下無人系統(tǒng)集群內(nèi)各系統(tǒng)間實現(xiàn)互聯(lián)互通,接收和回傳指令、戰(zhàn)場態(tài)勢信息的基本保障。然而,水體天然的屏障作用為水下無線實時通信的實現(xiàn)制造了技術壁壘。應開展基于場景驅(qū)動的協(xié)同通信技術研究,重點突破水下環(huán)境中無人系統(tǒng)集群全域信息共享以及信息交互等關鍵技術,利用邊緣計算代替云計算以建立多代理信息互補模型,有效提高協(xié)同通信的數(shù)據(jù)傳輸效率。同時，考慮引入高動態(tài)、大帶寬通信技術,提高信息傳遞帶寬及實時性。應進一步關注無線通信網(wǎng)絡的抗干擾能力,提高集群信息共享的可靠性和安全性。

3)跨域多種類無人系統(tǒng)集群協(xié)同研究?？珀?、海、空域的立體式協(xié)同態(tài)勢感知已成為重要的發(fā)展趨勢,但受限于異構融合、工作條件、復雜環(huán)境等多重因素,跨域協(xié)同作戰(zhàn)具有高度的復雜性,無人系統(tǒng)集群在交互學習、協(xié)同運行方面具有很大的挑戰(zhàn)性。后續(xù)研究應充分利用人工智能技術,立足多層次、跨時空的統(tǒng)一表征感知模型,開展多維度、跨領域、大數(shù)據(jù)驅(qū)動的多無人系統(tǒng)集群協(xié)同感知理論和方法研究,重點突破多種類無人系統(tǒng)協(xié)作領域中無人系統(tǒng)的角色分配、意外情境響應機制等關鍵技術,根據(jù)不同種類無人系統(tǒng)的優(yōu)勢進行角色劃分，以實現(xiàn)全空間域的感知互補,構建一種分布式學習和云邊緣協(xié)同智能傳感技術,以應對跨域任務的多樣性挑戰(zhàn)。