农业机器人群体智能关键技术及前沿展望.pdf

农业工程学报 创刊40周年专题 农业机器人群体智能关键技术及前沿展望 苗中华1 郭恒伟1 徐梓毓1 欧 芳1 王冬冬1 张义博1 吴海华2 刘成良3 赵春江4 1 上海大学机电工程与自动化学院 上海 200444 2 中国机械工业集团有限公司 北京 100080 3 上海交通大学机械与动 力工程学院 上海 200240 4 北京农林科学院 北京 100097 摘 要 农业机器人群体智能作为引领现代农业机器人战略性前沿技术之一 在提高农业生产效率和可持续性方面具有 巨大潜力 对于实现安全可靠 自主高效 精准智能 支撑现代农业发展具有极其重要战略意义 本文系统综述农业机 器人群体智能的核心内涵 基本要素 关键技术与发展趋势 首先 阐释群体智能的概念起源 核心特征以及协同优势 提出了农业机器人群体智能的 个体自主 信息共享 群体协同 概念体系 其次 围绕群体智能的 协同感知 协同规划 协同控制 地空跨域 共性关键技术链路 从基本内涵 研究现状及团队成果分别展开叙述 介绍群体智能技术在智慧 农场中的典型应用 最后 指出了农业机器人群体智能的前沿展望与发展趋势 关键词 农业机器人 群体智能 协同决策 多机协同 农业4 0 doi 10 11975 j issn 1002 6819 202510194 中图分类号 S2 文献标志码 A 文章编号 1002 6819 2025 24 0001 17 苗中华 郭恒伟 徐梓毓 等 农业机器人群体智能关键技术及前沿展望 J 农业工程学报 2025 41 24 1 17 doi 10 11975 j issn 1002 6819 202510194 http www tcsae org MIAO Zhonghua GUO Hengwei XU Ziyu et al Swarmintelligence in agricultural robotics key technologies and future prospects J Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE 2025 41 24 1 17 in Chinese with English abstract doi 10 11975 j issn 1002 6819 202510194 http www tcsae org 0 引 言 当前 全球新一轮科技革命与产业变革进展迅猛 伴随互联网 物联网 大数据 人工智能及机器人技术 等与农业的深度融合 农业机器人作业正在由单体自主 向群体智能方向发展 1 2 农业生产正迈向以智能 精准 互联 绿色为特征的智慧 农业4 0 时代 通过融合电 子 信息 生物 材料等多学科前沿技术 农业生产模 式由 工具替代 向 系统重构 转变 集群农业机器 人作为全球农业装备领域的战略制高点与竞争焦点 是 现代智慧农业发展的关键驱动力 群体智能作为现代人工智能的重要分支 其核心思 想源于自然界生物群体的自组织行为 这些生物群体 相互聚集 通过局部信息交互 在宏观层面展现出独特 优势 即涌现出单个个体难以完成甚至难以想象的有序 群体协同运动与协作行为 3 该群体涌现行为呈现出无 中心 分布式 自组织的特性以及对环境良好的适应能 力 4 过去二十余年 基于机器人群体智能技术在军事 作战 极地搜救 深空探测 深海勘探等高度非结构化 的复杂任务环境中展现出巨大的应用潜力 群体智能所 具备的灵活性 自主性 鲁棒性 适应性 可扩展性等 优势特征 与农业生产复杂非结构任务的应用需求高度 契合 科学机器人 Science Robotics 指出 可利用 自动设计 异构性和分层自组织等集群机器人技术 处 理现实世界中精准农业 基础民用设施检查和维护等非 军事应用领域的诸多问题 4 5 无人智慧农场的非结构化 不可预测且开放的作业环境 被视为较为理想且典型的 应用场景 当前 农业机器人因工作环境复杂多变而面 临诸多挑战 例如对复杂农业环境的适应能力欠佳 执 行复杂作业任务时性能与效率不足 在应对复杂多变 不确定 非结构化的农业场景时仍存在诸多技术瓶颈 6 8 为了突破这些限制 农业机器人技术研究正从单机 智能向群体智能的研究范式转变 9 10 农业机器人群体 智能作为一种将群体智能融入农业机器人感知 认知 运动与交互的智能机制 有助于全面增强农业机器人环 境精准感知的适应性 自主规划决策的适用性以及协同 操控任务的鲁棒性 进而实现 感知 规划 控制 闭环 协同全链条的重构与优化 最终达成 无人化农场 向 智慧生态农业 的重要跨越 近年来农业机器人群体智能技术在全球范围内受到 广泛关注 取得了一系列丰富的学术与技术研究成果 正从实验室验证阶段加速向产业化应用探索迈进 并呈 现出区域化的发展路径与技术侧重 一方面 欧美发达 经济体凭借先发优势 着重布局群体智能核心算法 如 分布式优化 群集控制 涌现行为建模 标准化机器 人平台架构以及开放协同框架 致力于构建可互操作的 软硬件生态体系 以支撑多样化的应用场景 11 16 东亚 国家 如日本 韩国 结合其发达的设施农业 重点研 收稿日期 2025 10 23 修订日期 2025 11 12 基金项目 国家自然科学基金项目 52375107 12472018 上海市教委 自然科学重大项目 2023ZKZD47 作者简介 苗中华 教授 博士生导师 研究方向为 AI 农业机器人 E mail zhhmiao 通信作者 刘成良 教授 博士生导师 研究方向为农业机器人 Email chlliu 赵春江 教授 博士生导师 研究方向智慧农 业技术装备 Email zhaocj 第 41 卷 第 24 期农 业 工 程 学 报 Vol 41 No 24 2025 年 12 月Transactions of the Chinese Society of Agricultural Engineering Dec 2025 1 发面向温室等受限空间的小型化 高精度群体机器人系 统 强调在密集环境中实现高效协作 精细作业以及个 性化服务的过程 17 18 另一方面 中国凭借完整的智能 制造与大规模耕作场景 加速实施大田集群化作业 智 慧农场建设的工程示范 并取得了一系列具有标志性意 义的技术成果 涵盖数字化智能采摘机器 大田作物全 流程无人集群化作业 设施农业精细化管控 基于北斗 导航的无人插秧机协同作业 以及畜牧与水产养殖智能 化等方面 19 22 本论文以群体智能的概念及核心内涵为切入点 系 统梳理农业机器人群体智能理论的共性特征 在此基础 上 依据国内外有关农业机器人 感知 规划 控制 闭 环链条三大主要功能的研究现状 结合在这些领域基础 理论与关键技术方面的探索实践 对相关研究进展和关 键技术进行归纳提炼 并对未来可能的研究方向与问题 展开思考与展望 旨在为农业机器人群体智能技术创新 和产业发展提供思路与方向 1 群体智能概念与内涵 1 1 理论起源与发展 群体智能 Swarm Intelligence SI 作为分布式人工 智能的重要分支 其思想根源可追溯至Holland在 Adaptation in Natural and Artificial Systems 中提出的 复杂适应系统 Complex Adaptive Systems CAS 理论 23 该理论揭示 多主体系统可在缺乏集中控制的条件下 通过局部交互与适应性规则自发形成具有全局功能的行 为模式 这一思想为群体智能的去中心化控制 自组织 与涌现性提供了方法论根基 其理论谱系大致经历三个 阶段 1 自然启发阶段 对蚁群 蜂群 鸟群等自然群体 的聚集 分工 觅食 迁徙行为进行建模 提出信息素 交融 邻域交互 队形保持等基本机制 这一阶段初步 揭示了 简单个体 局部规则 复杂集体行为 的涌现机制 2 算法抽象阶段 形成具有代表性的群体智能优化 算法 如蚁群优化算法 24 粒子群优化算法 25 人工蜂 群算法 26 等 与协同控制算法 如领航 跟随法 基于 行为法 虚拟结构法以及基于图论的一致性方法等 这一阶段成功将生物启发机制转化为解决组合优化问题 的有效工具 在路径规划 任务调度 编队协同等领域 展现出显著优势 3 程应用阶段 从 算法最优 迁移到 任务可用 系统集成 在无人机群 27 仓储物流 28 水下群体 29 与农业多机器人 30 等开放应用场景中 探索去中心化或 分层 去中心化的混合架构 跨模态感知融合 实时决 策与安全治理的系统化落地实施 1 2 基本内涵与特征 群体智能的基本内涵在于通过个体间的局部交互 自下而上涌现出整体的全局智能 这一范式突破了传统 集中式系统在应对不确定性 复杂性和脆弱性时的固有 局限 其核心特征相互关联 彼此支撑 共同构成一个 鲁棒且自适应的有机整体 现有研究普遍认为 群体智 能可归纳为以下三大核心特征 分布式控制 群体智能的结构稳健性源于分布式控 制机制 6 31 该机制摒弃了对中央控制节点的依赖 使个 体仅依据局部感知信息 如邻近个体的状态或环境参数 自主决策 由于不存在单一控制中心 系统能够避免因 单点失效导致的整体瘫痪 从而显著提升鲁棒性 在结 构复杂 环境多变的农业应用场景中 这一特征尤为关 键 确保机器人群体在长期运行中维持稳定性和持续性 自组织协同 群体智能的全局有序性来源于自组织 协同机制 32 个体遵循简单交互规则 如信息共享 任 务协作 在无外部指令的情况下自发形成协调的集体 行为 例如 农业机器人群体通过实时通信动态调整相 对位置 实现 无重叠覆盖 的高效作业路径规划和行 为决策 这种自组织过程展现了系统超越预编程的灵活 性 为其在动态环境中高效作业提供了基础 动态适应性 群体智能的环境适应性源于动态适应 机制 33 个体能够根据环境扰动实时调整行为 例如在 遭遇障碍物或部分节点失效时 群体仍能维持任务执行 的连续性和稳定性 相较于集中式控制 这种分布式调 节机制显著增强了系统应对不确定性的能力 使其在开 放环境中展现出更强的韧性和自适应性 综上所述 分布式控制 自组织协同与动态适应性 在逻辑上层层递进 在功能上相互支撑 共同构成了群 体智能应对复杂性任务挑战的核心能力 这些特征不仅 源于对自然界群体行为的仿生学启发 还在多机器人系 统的设计与实践中不断演进与优化 成为支撑该领域发 展的理论基石 1 3 群体智能与多机器人协同 群体智能与传统多机器人系统 Multi Robot Systems MRS 密切相关 但存在本质区别 二者的关键差异主 要体现在协同逻辑 系统韧性与应用场景三个维度 协同逻辑差异 一般来说 传统MRS遵循 中心化 规划 范式 依赖中央节点生成全局最优解 再将任务 分解为个体指令 群体智能采用 分布式涌现 策略 个体仅基于局部感知信息 通过简单规则自主决策 全 局智能行为从微观交互中自下而上涌现 系统韧性差异 在传MRS协同中 若中心节点故 障或部分机器人离线 易导致整体作业中断 而群体智 能具备 在线进化 能力和 容错自修复 能力 个体 通过强化学习实时优化行为规则 如单机故障时 周边 机器人可通过自组织补位填补作业空缺 保障系统连 续性 应用场景差异 传统多机器人协同更适用于 单一 工序 固定流程 任务 而群体智能可实现 多工序 动态调整 的复杂任务 总之 传统多机器人协同是 指令式协同 群体 智能是 自主式协同 群体智能是多机器人协同的 拓展与高级形态 更能满足复杂农业场景的任务需求 2 农业机器人群体智能概念体系 2 1 农业场景对群体智能的要求 农业机器人群体智能 Agricultural Robot Swarm Intelligence ARSI 是群体智能理论与农业场景深度融合 的产物 其核心是 以农业生产需求为导向 构建适配 农田复杂环境的群体协同体系 农业生产兼具场景复 2农业工程学报 http www tcsae org 2025 年 杂性与农艺特殊性 这对群体智能提出三方面特殊要求 环境鲁棒性要求 农田环境存在作物遮挡 地形起 伏 天气突变等干扰因素 要求群体智能具备多模态感 知容错能力 农艺适配性要求 不同作物的种植模式与作业要求 差异显著 群体智能需支持 农艺规则嵌入 如依据 果树行距调整机器人协同间距 依据作物生育期优化任 务优先级 作业精准性要求 农业生产对精度要求严苛 如农 药喷洒误差需求 采摘损伤率 群体智能需在 分布 式协同 中保障个体作业精度 避免因协同偏差影响农 艺效果 2 2 农业机器人群体智能基本要素 农业机器人群体智能系统的有效运行 依赖于 个 体自主 信息共享 群体协同 这一核心逻辑在技术层面 的实现 该逻辑具体体现为 个体层 交互层 群体层 三层次基本要素的协同支撑 三层要素自下而上逐级构 建 最终促成群体智能的行为涌现 个体层要素 个体自主是群体协同的前提 作为群 体智能的行动基础 其核心是实现单台农业机器人的自 主性 这依赖于其硬件与软件基础 包括多模态感知模 块 高精度执行模块与本地计算单元 交互层要素 信息共享是连接个体自主与群体协同 的桥梁 作为群体智能的连接纽带 其关键功能是实现 个体间的信息共享与规则协同 群体层要素 群体协同是信息共享的最终目标 作 为群体智能的决策核心 其集中体现为基于共享信息进 行协同决策与优化的能力 具体通过分布式任务分配算 法 协同路径规划算法与自组织容错机制等实现 上述三层核心要素在农业机器人群体系统中层层递 进 相互作用 共同构建了农业机器人群体智能技术的 协同框架 感知 规划 控制 在这一协同框架下 个体自主 确保了底层行动的可靠性 信息共享 打通了系统内部的信息流 最终在 群体协同 层面实 现从环境感知到决策规划再到控制执行的系统闭环优化 3 农业机器人群体智能共性关键技术 农业机器人群体智能的实现依赖于多项关键技术的 协同突破 本节将遵循从单元技术到系统集成 从同构 群体到异构协同的逻辑 首先按照 感知 规划 控制 的系统脉络阐述单一域内同构机器人群体研究进展 并 延伸至地空跨域异构机器人群体协同 重点阐述地空跨 域协同的前沿进展 共性关键技术框架如图1 3 1 协同感知 协同感知是 感知 规划 控制 闭环的前端环节 旨在通过集群机器人信息交互与优势互补 实现环境理 解与状态估计的整体优化 其核心在于 跨平台数据共 享 协同约束构建与一致性维护 同时需在光照多变 遮挡与地形复杂 带宽与算力受限等条件下保持实时性 与精准性 多模态感知与融合为群体协同感知提供了基础观测 能力 通过视觉 激光雷达 毫米波雷达等多源传感器 获取互补信息 并利用融合算法形成统一可靠的环境表 征 为后续跨主体信息共享与优化奠定坚实底座 MUR ARTAL等 34 开发了基于RGB D摄像机的协同SLAM Simultaneous Localization and Mapping 系统 通过服 务器端运行ORB SLAM2并为各客户端统一管理地图数 据 SCHMUCK等 35 提出CCM SLAM框架 即使在通 信延迟和部分数据丢失的情况下仍可保持系统鲁棒性 适用于不确定农业环境 TIAN等 36 提出的Kimera Multi在有限通信带宽下构建全局一致的度量 语义三维 地图 LAJOIE等 37 开发的Swarm SLAM采用预算化闭 环检测方法 显著降低了多机通信负载 RIAZUELO等 38 提出云 地协同地图构建框架 通过云计算资源有效减轻 本地计算负荷 WANG等 39 构建了融合对象级语义与 点特征的分层地图模型 在提升语义定位精度的同时有 效抑制里程计漂移 时空统一旨在解决异构传感器间的 时间异步与空间坐标系不统一问题 在农业场景中 采 样频率不一致 强噪声与剧烈动态使多源信息难以直接 融合 削弱系统稳定性 LI等 40 41 提出基于空间向量自 组合的相机 激光雷达标定方法 通过构建平面靶标法向 量集合并建立非线性优化模型实现外参精确估计 反向 投影误差控制在30 mm以内 区域作业分群一致性控制 多移动平台事件触发协同 编队控制 多异构作业系统区域可达控制 群体控制执行 群体任务分配 群体协同调度 群体运动规划 群体轨迹跟踪 群体决策规划 农业机器人群体智能 非结构化场景协同定位 跨时空协同建模与更新 群体协同感知 地 空跨域协同 UAV UGV协同作业 智慧农场集群协同 地空协同场景感知 图1 农业机器人群体智能共性关键技术 Fig 1 Common key technologies for agricultural robot swarm intelligence 近年来 结合农业场景的环境动态性强 语义混淆 频发以及通信资源受限等共性难题 提炼并融入农田作 业中的个性特征 上海大学农业机器人团队围绕多源数 据融合和时空同步的核心问题开展了一系列探索与实践 典型案例包括基于特征对齐与权重自适应策略的精准农 业目标感知系统 42 以误差负前馈方式动态优化多模态 特征的贡献配比 成功解耦了目标结构不规则性与姿态 随机性对定位精度的影响 其感知结果如图2 分级协 同语义感知架构SBP SLAM 43 融合全局视觉SLAM与 局部激光里程计以及IMU Inertial Measurement Unit 里 程计 基于两阶段快速位姿回环检测实现机器人位姿的 高效协同与全局一致性 显著提升了GPS Global Positioning System 拒止及高相似度农业场景中的定位精度与系统适 应性 分级协同感知框架如图3 SG ISBP SLAM系统 图4 44 引入IMU预积分实现时间同步 在SBP SLAM 两阶段回环的检测的基础上 进一步以非线性优化为核 心 实现多源数据紧耦合与自适应加权的系统级时空统 一方案 方案考虑起垄种植农业场景的非平整特性 结 合全局地面分割与点云密度分布策略建立地面约束模型 第 24 期苗中华等 农业机器人群体智能关键技术及前沿展望3 显著提升了系统非结构化环境中的环境感知鲁棒性与精度 番茄中心 876 486 番茄成熟度95 番茄 0 81 tomato 0 81 Center of tomato 876 486 Center 1672 823 Maturity of tomato 95 Maturity of tomato 85 番茄成熟度85 中心 167 823 茎 0 63 stem 0 63 图2 特征对齐与权重自适应目标感知 42 Fig 2 Feature alignment and weight adaptive target awareness 42 3 1 1 非结构化农业场景协同定位 协同定位是群体作业的基础 直接影响任务执行的 精度与一致性 农业场景中的GNSS Global Navigation Satellite System 多路径 作物遮挡与重复纹理极易导致 单机定位退化 而群体协同通过分布式共享缓解 如邻 机补位 LV等 45 采用扩展卡尔曼滤波对IMU GPS 视觉和里程计进行松耦合 提升了定位精度与鲁棒性 但其开销随机器人数量急剧增加 限制了大规摸集群应 用 为降低通信与计算资源 HUANG等 46 提出自适应 递归分布式协同定位方法 基于分层高斯模型与变分贝 叶斯推断 在非结构化农田下实现分散式位姿估计 CHEBROLU等 47 则针对作物特征高度重复的问题 将 蒙特卡洛定位算法与卫星遥感及作物语义信息相结合 有效缓解了视觉混淆现象 显著提升了定位可靠性 邓 永林等 48 针对动态场景中因剔除动态物体导致特征稀疏 精度下降的问题 提出一种融合动态特征信息的协同因 子图优化方法 通过引入机器人间互观测与对同一动态 物体的跨机观测构建新型约束 有效提升了系统在动态 环境下的定位与建图精度 LAJOIE等 49 提出一种完全 分布式的集群机器人SLAM系统 通过轻量级的点对点 通信机制实现无需原始传感数据交换的跨机器人回环检 测 并结合分布式鲁棒位姿图优化与基于成对一致性的 异常值剔除模块 有效提升在感知混淆场景下的定位精 度与系统鲁棒性 KARRER等 50 提出一种集中式协同 视觉惯性SLAM框架 其中多个搭载视觉 惯性传感器的 机器人将关键帧与地图点实时上传至中央服务器 由服 务器执行全局地图融合 回环检测与优化 并将更新后 的地图信息反馈给各机器人 该系统在保持各机器人自 主运行视觉惯性里程计的同时 通过共享信息显著提升 了定位精度与建图一致性 SBP描述子提取注意力分数图构建两阶段快速回环检测 SBP描述子 重叠率评估 单帧雷达扫描 注意力分数图回环候选帧查询 KD树 查询 2000thSBP 描述子相似度 ScoreNr Score2 Score1 注意力分数图数据库 信息熵Ej 方位角指标权重Wj 局部显着性重加权 点云贡献度评分Si 回环检测 ScoreNr Score2 Score1 ScoreNr Score2 Score1 图3 分级协同感知框架SBP SLAM 43 Fig 3 Hierarchical collaborative perception framework SBP SLAM 43 LIDAR IMU RTK Camera 农业机器人平台 两阶段回环检测 地面约束建模 场景俯视图 全局环境感知 图4 地面模型约束的多源融合SG ISBP SLAM系统 44 Fig 4 Multi source fusion SG ISBP SLAM system with ground model constraints 44 近年来 上海大学农业机器人团队针对农田场景定 位易退化 传感器性能不稳定等挑战 结合多源协同和 动态评估机制 开展了以下探索与实践 1 动态评估驱动的多模态融合定位框架 图5 以惯性测量单元为核心传感单元 分别构建视觉惯性里 程计 激光雷达惯性里程计与GNSS惯性里程计作为定 位子系统 通过测量不确定性分析与模糊神经网络对传 感器数据进行初步评判 并采用模糊综合评判方法实现 在线定位性能评估 2 因子图优化中自适应权重调整机制 根据动态评 估结果自适应调整多源信息融合权重 实现对传感器退 化与噪声波动的鲁棒抑制 显著提升了机器人在非结构 化农业环境中的定位精度与鲁棒性 3 1 2 跨时空协同建模与更新 协同建模与动态更新是集群农业机器人实现长期自 主作业的核心能力 旨在融合多机局部观测 构建全局 一致 语义丰富的环境表征 并随作物生长 季节更替 与环境扰动持续演进 图6 为播种 植保 收获等 精准作业提供可靠空间支撑 然而 农田环境具有强季 节性 高动态性与低纹理特征 给地图的一致性维护与 4农业工程学报 http www tcsae org 2025 年 高效更新带来严峻挑战 现有方法主要分为直接法和间接法两类 GNSS INS里程计 LiDAR惯性里程计 Visual惯性里程计 传感器融合 状态检 查与 评估过滤 器 特征检测与 跟踪 运动补 偿 特征提 取 仅视 觉 SfM 相机帧 oc z x y IMU 帧 xy oB z 激光雷达帧 xy z ol GPS帧 xy z og 视觉惯性对准 运动 BA VIO性能评 估 LIO 性能评 估 成像质量评 估 点云质量评 估 运动 BA GNSS INS 里程计性能 评估 IMU预积分 传播 激光雷达 惯导 对齐 因子图优化 VI O LI O 两者都 好 两者都 好 是 是 否 否 摄像机 里程计 IMU 里程计 激光雷达 里程计 全局地图 xy z ogGNSS初始 化 退化检测与 处理 闭环检 测 激光雷达 特征 视觉 特征 图5 基于动态评估的多模感知信息协同定位方法 Fig 5 Multi modal perception information collaborative positioning method based on dynamic evaluation 空间体素 划分点云语义分割 点云到体素 投影 语义占据栅格 地图管理 场景语义信息 拓扑地图管理 安全可达 区域表征 关键拓扑节点 提取 视觉ORB特 征提取IMU观测 点云线面特 征提取 特征地图 管理 不同时间采集 的地图管理 地图数据 关联操作 地图局部 全局 时空强化更新 机器人1机器人2机器人3 地图时 空管理 与关联 更新体素占据 概率与标签 IMU预积分回环 地形联合位姿优化 因子图优化 回环位姿 优化 信息交互信息交互 图6 多机器人局部观测地图合并与更新 Fig 6 Multi robot local observation map merging and updating 直接法需已知初始相对位姿 由控制台接收所有数 据并直接生成全局地图 ZHANG等 51 通过异构传感器 构建独立网格地图 采用自适应蒙特卡洛定位实现重定 位 YUE等 52 提出稀疏与稠密地图融合方法 通过期 望最大化算法估计相对变换并按时间序列逐步合并 增 强了多传感器适应性 间接法通过识别公共特征或重叠 区域计算变换矩阵 XU等 53 通过相似性函数匹配不同 地图中的特征点 再使用随机抽样一致性算法计算变换 矩阵 提高了地图实时合并效率 减少重建时间 VEL SQUEZ等 54 通过角点提取算法构建同构方案 优 化变换矩阵 具备无需初始姿态假设和高精度的优点 CHAI等 55 进一步引入几何结构 如凸四边形和三角形 匹配重叠区域 在复杂环境中表现出较高的适应性与算 法效率 上海大学农业机器人团队提出轻量化分布式语 义建图机制 56 采用增量式关键帧管理与语义特征编码 策略 支持多机器人基于局部语义子图进行分布式协同 建图与融合 建图效果如图7 在纯分布式或混合架构 下均能保持果园典型物体 如果树 行道 沟渠 的高 精度标注能力 且显著降低了端侧计算负载与通信资源 为长期驻留作业提供可持续的精准感知 a 大棚内部照片 a Photosinside the greenhouse b 大棚内部SLAM效果 b SLAM performanceinside the greenhouse c 大棚俯视照片 c Photosinside the greenhouse d 大棚俯视SLAM效果 d Aerial view of greenhouse SLAM result 图7 融合语义分割模型的激光雷达SLAM效果 56 Fig 7 The SLAM effect of lidar integrating semantic segmentation models 56 针对农业环境的动态演化特性 地图更新机制需兼 顾语义理解与长期一致性 CHENG等 57 提出一种语义 与几何信息双重优化方法 通过YOLO目标检测识别并 剔除动态障碍物 实时构建包含语义标签的三维环 第 24 期苗中华等 农业机器人群体智能关键技术及前沿展望5 境地图 ZHANG等 58 提出基于不变EKF Extended Kalman Filter 与Schmidt滤波器的分层地图更新架构 在保持地图静态结构可观性的同时 实现对动态不确定 信息的有效观测 WANG等 59 开发了两阶段长期定位 与地图更新策略 结合全局与局部特征匹配筛选关键帧 并借助深度学习网络进行特征匹配与运动估计 支持农 业场景中的持续定位与地图维护 GARROTE等 60 基于 粒子滤波与强化学习策略 依据实时点云与先验地图的 重叠率进行奖励分配 实现自适应地图更新 总体而言 当前方法仍受限于实时性不足与跨季节适应能力弱 难 以支撑大规模农业机器人集群的长期自主运行 制约了 农业机器人群体大规模应用 3 2 协同规划 作为 感知 规划 控制 闭环的中枢层 协同决策 与规划在全局层面统筹农业机器人群体的作业策略 在 局部层面依托实时感知实现动态重规划与自适应调整 是智慧农场在大规模 异构主体与多任务并行情境下实 现高效与鲁棒作业的关键保障 61 62 其共性特征包括任 务分配和运动规划 另外 农业生产的作业窗口紧迫 任务多样与环境扰动频繁 使得协同决策与规划必须在 实时性 全局最优与鲁棒性之间寻找平衡 现有任务分配算法可归纳为四类范式 精确优化 拍卖与市场机制 仿生智能与学习驱动 各类方法特性 见表1 精确优化算法依托数学建模保证解的全局最优 但计算复杂度高 仅适用于小规模任务 GUO等 63 建 立混合装载车辆路径问题的混合整数线性规划模型 更 真实地刻画了收割与运输环节的资源调度特征 DONG 等 64 针对多喷洒机器人构建双目标优化模型 采用 GUROBI求解小规模最优解 拍卖与市场机制方法通过 模拟经济系统中的竞价与交易规则 实现任务分配的分 布式求解 具有扩展性强与适应性好的优势 王猛等 65 针对同构农机群的动态作业场景提出改进的合同网方法 在综合代价函数的基础上引入分布式招投标机制 显著 提升了调度的鲁棒性与灵活性 许佳杰等 66 设计分布式 拍卖机制实现多移动机器人动态任务分配 曹如月等 67 结合网页端地理信息系统构建远程监控平台 并叠加拍 卖式分配方法 在实时信息支持下有效提升了任务分配 的合理性 仿生智能算法以自然群体行为为启发 具有 较强的搜索能力和适应性 适用于异构机器人系统与多 目标优化 但收敛速度和稳定性易受参数影响 李晓静 等 68 针对多任务田间作业场景 提出了一种自适应蚁群 算法 该方法通过模拟蚂蚁群体的分布式协作行为 在 任务搜索与路径选择中实现信息素的动态调节 从而能 够在巡检 采摘 搬运等多类任务中生成高效作业路径 CAO等 69 利用改进蚁群算法实现多农业机械协同作业 任务分配 CHEN等 70 将研究对象扩展至分布式农场多 除草机器人调度 提出一种离散人工蜂群算法 DAI等 71 针对果园采摘作业中任务规模庞大 路径复杂及时间 紧迫的特点 提出一种多目标离散人工蜂群算法 通过 负载均衡启发式 自适应探索机制和非支配解局部搜索 有效避免了早熟收敛并提升了Pareto解集的质量与分布 均衡性 WANG等 72 针对除草机器人与喷洒无人机协 同作业 提出基于多目标教学学习优化的算法 学习驱 动方法借助感知数据实现在线自适应与端到端分配与调 度 对不确定与动态环境具有天然优势 但训练成本与 数据依赖度较高 LU等 73 将农业多机器人任务分配问 题建模为节点工作负载约束的多旅行商问题 提出基于 强化学习的注意力机制优化网络 能够在图结构中捕捉 任务与机器人之间的关系 从而生成高效的任务分配方 案 MIAO等 74 针对农业机器人在田间协作中存在的环 境复杂 效率低下与适应性不足等问题 设计了强化学 习增强的多目标迭代贪婪算法框架 提升解的质量与系 统鲁棒性 CHEN等 75 针对多无人机协同植保作业 提 出基于模因算法与学习机制融合的优化框架 该方法在 时间受限场景下显著提升了作业效率与覆盖率 为无人 机群体自组织协同提供了有力支撑 表 1 任务分配算法对比 Table 1 Task Allocation Algorithm Comparison 类别Type典型算法Typical algorithm优点Advantages缺点Disadvantage 精确算法 Exact algorithm混合整数线性规划 可保证全局最优解 理论基础完备 能显式处理作业幅宽 时间窗等约束计算量大 难以应对大规模与高动态性任务 拍卖与市场机制 Auctions and market mechanisms分布式拍卖机制 合同网协议 分布式求解 扩展性强 能够在线处理 任务动态变化依赖通信稳定性 可能出现竞价冲突 仿生智能算法 Bionic intelligent algorithm蚁群算法 人工蜂群算法 搜索能力强 适应性高 适用于多目标优化 及异构机器人系统收敛速度对参数敏感 易陷入局部最优 学习驱动算法 Learning driven algorithm强化学习 可在不确定与动态环境下实现自适应优化 可结合感知数据进行端到端调度训练成本高 对数据和计算资源要求较高 群体运动规划包括全局与局部两个层次 全局规划 基于已知地图生成整体路径 如田块导航与多机任务分 配 局部规划依据实时感知调整路径以应对动态障碍 典型路径规划算法如表2所示 HUANG等 76 针对多无 人机协同农药喷洒的覆盖路径规划 以时间与能耗最小 为目标进行分区与负载均衡 融合避碰 返航与任务重 分配逻辑 WANG等 77 采用深度强化学习实现猕猴桃 果园覆盖路径规划 显著降低重复覆盖与路径长度 LI 等 78 提出多无人机扫掠式覆盖规划 嵌入时间 任务约 束以兼顾覆盖效率与能耗 XIE等 79 系统化研究了多区 域 能量受限的多无人机覆盖路径规划 将问题刻画为 旅行商问题的组合优化模型 联合考虑区域访问顺序 区域内覆盖轨迹与电池容量 补能约束 为跨地块巡检 喷 洒提供参考 群体轨迹跟踪作为运动规划的执行阶段 重点实现 多机路径的同步执行与个体动态响应 确保作业均匀性 与精准性 典型算法如表3 LI等 80 提出基于优先级轨 迹优化的管线式规划框架 支持大规模协同高效生成轨 迹 SHAO等 81 提出改进的人工势场法 在保持队形稳 定性的同时实现高效避障 其轨迹偏差和收敛速度方面 6农业工程学报 http www tcsae org 2025 年 均优于传统势场法 ZHANG等 82 针对农业智能网联车 辆在共享道路条件下存在的路径冲突和轨迹偏差问题 提出了一种基于虚拟车道的协同规划与控制方法 为智 能农机在联网环境中的安全协同与精确轨迹跟踪提供了 重要参考 表 2 典型路径规划算法对比 Table 2 Comparison of Typical Path Planning Algorithms 基础策略 Basic strategy 典型算法 Typical algorithm 优点 Advantages 缺点 Disadvantages 物理模型 Physical model 人工势场 法 时间弹性带 计算简单且响应快 能 生成安全或平滑路径 适合动态环境中的局部 路径规划 如避开移动 的动物 或全局路径规 划 如远离障碍物的安 全导航 易陷入局部极小值 如狭 窄通道或密集作物间振 荡 对复杂动态环境适 应性有限 需精确地图或 运动模型 计算复杂度较 高 如需高频传感器支 持 传感器噪声影响路 径可靠性 图搜索 Graph search Dijkstra算 法 A 算 法 高效搜索静态或半静态 农田地图 生成精确路 径 适合点到点导航 如从基地到田块 或 局部路径优化 如避开 固定障碍物 对动态环境适应性差 需 精确地图支持 计算量和 内存消耗高 尤其在大规 模场景 对传感器噪声 敏感 难以应对随机障碍 物或地形变化 采样搜索 Sampling search PRM RRT 适应非结构化农田环境 如泥泞地形 密集作 物 能快速探索高维 空间 生成绕行路径 适合局部路径规划 如 动态避障 或全局路径 规划 如复杂田块导 航 路径随机性导致不平滑 实时性不足 参数敏感 预处理阶段计算量大 动 态环境适应性有限 易受 传感器噪声影响 智能优化 Intelligent optimization 遗传算法 粒子群算法 搜索能力强 能优化多 约束复杂任务 如路径 长度 能耗 覆盖效 率 适合全遍历路径 规划 如异质机器人协 同喷洒或播种 计算量大 易陷入局部最 优 参数敏感 如变异率 粒子数 对动态环境响 应慢 需高性能硬件支持 通信延迟影响多机协同效 率 表 3 典型轨迹跟踪算法对比 Table 3 Comparison of typical trajectory tracking algorithms 目的 Goal 典型算法 Typical algorithm 优点 Advantages 缺点 Disadvantages 动态 避障 人工势场法 向量场直方 图 响应快速 能实时检测和 规避临时