IEEE RAL 2025最佳论文！集群依靠局部感知形成目标形状-度量科技

近日，西北工业大学航海学院彭星光教授团队的研究成果荣获 2025 IEEE Robotics and Automation Letters（RA-L）Best Paper Award。论文第一作者为航海学院博士研究生向雅伦。

该论文从 2025 年 RA-L 收录的 1700 余篇论文中脱颖而出，成为全球仅有的五篇最佳论文奖获奖论文之一，代表了国际机器人与自动化领域的前沿研究水平。

据悉，该奖项将于维也纳时间 2026 年 6 月 4 日 12:30–14:00 在国际机器人与自动化大会（ICRA 2026）Award Ceremony 上正式颁发。

引用格式

Y. Xiang, J. Song, Z. Zheng, X. Lei and X. Peng, "Density-Driven Progressive Shape Formation for Swarm Robots in Dynamic Environments," in IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 1186-1193, Feb. 2026, doi: 10.1109/LRA.2025.3640978.

论文简介

获奖论文题为《Density-Driven Progressive Shape Formation for Swarm Robots in Dynamic Environments》，提出了一种面向集群机器人的新型“密度驱动”形状生成控制框架。该方法完全依赖局部感知运行，不需要机器人与目标之间进行通信或身份识别。真实实验中，NOKOV度量动作捕捉系统提供机器人高精度实时位姿数据，为集群运动控制与算法验证提供关键数据支持。

研究背景

传统集群形状生成方法通常依赖：全局通信、中央协调器、机器人身份识别或一对一目标分配。当机器人数量增加时，这类方法往往面临计算复杂度高、系统鲁棒性差以及部署困难等问题。

本文贡献

1、提出了无需通信的密度驱动集群形状生成方法：研究团队首次将密度场调控机制系统性引入集群机器人形状形成问题。机器人仅通过局部感知即可完成全局形状构建，显著降低了大规模集群系统对通信与计算资源的依赖。

2、实现了集群形态的渐进式自主形成：论文提出了一种“渐进式形状生成”机制。通过调节单一参考密度参数ρ₀，机器人群体即可在“形状包围（Shape-Surrounding）”、“双层轮廓（Double-Layer Contour）”和“边界贴合（Boundary-Conformal）”三种形态之间连续平滑切换。这一机制使机器人集群能够根据任务需求动态改变覆盖厚度与边界贴合程度，为复杂动态环境中的自主群体控制提供了新的解决思路。

3、具备了集群机器人动态规模自适应能力：该方法能够根据参与机器人的数量自动调整群体结构。即使在机器人突然加入、失效或移除的情况下，系统仍能够快速恢复稳定队形，保持形状保真度与分布均匀性，体现出优异的鲁棒性与可扩展性。

仿真实验验证

结果表明，本文提出的基于密度的控制框架不仅能够实现静态形状形成，还能够在群体规模动态变化时保持鲁棒适应性，确保机器人无论是加入还是丢失，群体都能继续进行协同参与。

机器人实验验证

1、实验设置：

SwarmBang 群体实验验证平台由最多约 100 台桌面机器人、NOKOV 度量光学动作捕捉系统、视频记录系统和服务器组成。每台桌面机器人尺寸为 60 mm × 60 mm × 60 mm。

在本文中，使用 50 台机器人进行实验验证。每台机器人配备两个步进电机，最大速度为 25 mm/s，并配备 2.4 GHz 射频模块，用于与中央服务器进行无线通信。服务器用于执行形状形成算法，计算所需速度，并通过定制通信协议以固定时间间隔 Δt 向机器人发送控制命令。

SwarmBang群体实验验证平台

2、集群的渐进式形状形成

结果表明，通过动态调整密度参数ρ₀，该算法能够在形状包围、双层轮廓和边界贴合队形之间实现平滑转换，从而在实际应用中展现出较强的适应性和可扩展性。

3、动态机器人添加和移除条件下的集群形状形成

结果表明，本文算法能够在机器人突然移除或插入等群体规模动态变化情况下快速适应，同时保持形状保真度和分布均匀性。

在本文真实实验中，NOKOV度量动作捕捉系统获取50台机器人的高精度实时位姿数据，为集群运动控制与算法验证提供关键数据支持。

作者简介

向雅伦，西北工业大学航海学院博士研究生在读。主要研究方向：集群机器人、集群形状生成与自组织控制、群体智能；

宋锦涛，西安建筑科技大学信息与控制工程学院硕士研究生在读。主要研究方向：集群机器人与集群控制算法；

郑志成，西北工业大学航海学院博士在读。主要研究方向：群体智能、集群机器人；

雷小康，西安建筑科技大学信息与控制工程学院副教授、研究生导师。主要研究方向：集群机器人及群体智能等；

彭星光（通讯作者），西北工业大学航海学院教授、博士生导师。主要研究方向：群体智能、演化计算、机器学习及其在无人系统特别是无人集群中的应用。

AAV 集群如何在复杂环境中自适应围捕多个目标？

国防科技大学 IEEE RA-L 论文案例：DB-PGM 让 AAV 集群无需预定义编队和显式通信，即可在障碍物环境中自适应围捕多个目标，多架无人机在目标运动、障碍物和个体故障同时存在时，仍能保持协同，并通过NOKOV度量动作捕捉系统进行位姿跟踪完成真实飞行闭环验证。

IEEE RA-L | 机载RGB实现水下目标主动跟踪，动捕支持AUV闭环验证

哈工深国际人工智能研究院胡靓教授团队在IEEE RA-L上提出 UTracker 水下目标主动跟踪框架，仅凭机载 RGB 图像生成局部航点。NOKOV度量水下动作捕捉系统实时提供 AUV 位姿，用于将局部航点转换至全局坐标，并通过 MAVROS 转化为控制指令发送至 AUV 自动驾驶仪执行，支持真实水池闭环运行与 Sim-to-Real 验证。

叠衣服过程中的手部精细操作数据采集，NOKOV度量动作捕捉系统实时追踪

通过NOKOV度量动作捕捉系统实时追踪叠衣服过程中双手的手部精细动作。操作者佩戴设置反光标记点的手套，在布置光学动作捕捉相机的场地中采集高精度手部动作数据，为精细操作、机器人操作研究及动作数据采集提供支持。

6mm可变长度仿蚯蚓连续体机器人：动捕记录末端三维坐标与书写轨迹

中国地质大学（武汉）人工智能与自动化学院孟庆鑫教授团队提出一种直径为6 mm、具有柔顺驱动力的三节段可变长度仿蚯蚓连续体机器人。实验平台部署NOKOV度量动作捕捉系统，反光标记点粘贴于机器人末端，用于实时输出末端高精度三维坐标数据，验证和评估机器人性能，并记录书写任务中的末端运动轨迹。