（1）美国：MARS2020 项目
早在21 世纪初，DARPA 资助了MARS2020项目。该项目由美国宾夕法尼亚大学、佐治亚理工大学、南加利福尼亚大学等机构联合开展，目的是探索跨域协作搜索技术。2004年12月1日在美军Fort Benning 基地开展了联合演示，演示中2 台固定翼无人机和8 台地面无人系统组成跨域协作系统，另有3 名监控人员负责演示过程监控和目标确认。演示分两个阶段进行：①无人机对整个区域进行搜索，发现疑似目标后，给地面站发送信息及粗略定位信息；②地面站接到疑似目标信息后，部署不同的地面无人系统进行精细搜索和定位。此类演示是迄今为止跨域协作最为常见的一种合作方式（图3）[11]。图3(a) 为固定翼无人机，携带视觉系统对地面目标进行观测；图3(b) 为地面无人系统，携带立体视觉传感器实现对地面目标的观测；图3(c) 为地面无人系统和无人机对地面目标观测的误差分析。
图3 MARS2020 项目中的空–地无人平台及定位算法
Fig.3 MARS 2020 project: Air-ground unmaned platform and positioning algorithm
（2）法国：Action 项目
2007年，法国国防部资助了跨域协作的Action 项目[12]。该项目以边界巡逻与监控为背景，针对跨域协作中的“数据融合”和“态势评估与决策”两个科学问题，旨在研究不同无人系统（空中、地面、水面、水下）之间的跨域协作方法及其实现技术。项目目标是开发和实现适应异构平台协同的软件架构，使它们能够在危险、未知、动态环境中合作完成任务，具体包含四个主题：双机协同、三机信息共享、跨域协同、集群管理。2012—2015年，该项目共进行包括“空中、地面协同设施监视”“空中、水下、水面协同水污染监测”等科目在内的6 次技术验证演示，验证了协同感知与协同决策等关键技术（图4）[13]。图4中，(a)为演示中的两个地面无人系统；(b)为地面无人系统跟踪；(c)为无人机跟踪目标；(d)为用于巡逻12 个机器人的路线图；(e)为任务跟踪接口；(f)为界面跟踪每辆车的操作（运动、感知、通信）。
图4 法国Action 项目的演示平台及技术
Fig.4 Action project: Platform and technologies
（3）德国：空地协作无人系统
2012年，德国锡根大学、汉诺威–莱布尼茨大学和弗劳恩霍夫CIPE 研究所联合研制了空中–地面机器人协作系统[14-15]，来验证其开发的可用于跨域协同的编程与操控语言，从而使得只需一个操控人员通过简单的操控指令即可对整个跨域协作系统进行控制。在其共同开展的技术验证中，6 台套不同的自主系统开展了协同演示，文献[14]中，开发者认为实现多平台跨域协同是可行的，且同类型的协同系统非常适用于侦察和监视等领域。
2.2.3 应用驱动型项目
除了探索研究型项目，更多跨域协同类项目直接面向具体应用使命，此类项目具有较强的针对性，所取得的可视化效果也往往更加突出，本小节将借助几个知名的跨域协同应用型项目进一步阐述跨域协同所能带来的实用效能（表3）。
表3 国外应用驱动型跨域协同项目
Table 3 Foreign application-driven cross-domain collaboration projects
（1）美国：圣迭戈SPAWAR 中心
早在21 世纪初，DARPA 就曾资助美国圣迭戈SPAWAR 中心开展过空中–地面–水面平台跨域协作的研究，并于2005年12月份进行了针对“入侵人员”监控与打击的演示（图5）。在该演示中，1 台旋翼无人机、3 台地面无人系统和相关参演人员一起展示了如何通过一个中央联合操控系统（Multi-robot Operator Control Unit, MOCU）实现对逃窜人员的联合抓捕，这是可查的、较早开展跨域联合实用化展示的案例[16]。图5 中，(a)为能同时控制多个无人系统的中央联合操控系统；(b)为空地跨域协作中的旋翼飞行机器人RotoMotion；(c)为空地跨域协作中的地面移动机器人MDARS。
图5 SPAWAR 中心开展的陆海空跨域协作演示
Fig.5 Land-sea-air cross domain demonstration of SPAWAR
（2）欧盟：SHERPA 项目
2013—2015年，欧盟资助了SHERPA 项目[19]，该项目由7 所大学、2 家公司和1 个联盟组成研发团队联合开展，历时三年，旨在构建一套可利用地面、空中无人平台与搜救人员协同开展山区人员搜救的系统。该项目于2015年开展了两次技术演示，其中夏季演示针对阿尔卑斯山失踪人员营救，冬季演示针对雪崩灾难后的被埋者营救。演示过程中固定翼无人机用于大面积搜寻，无人直升机用于搜索和紧急物资输送，多旋翼无人机用于自动跟随人员、提供稳定的航拍图像、扩展人员的观测范围，无人车搭载机械臂，用于精细搜索、挖掘和救援、物资和人员运输等，所有平台信息在同一认知地图上更新、融合（图6）。
图6 无人平台在山雪崩事故人员搜救中的应用
Fig.6 Unmanned system in snowslide rescue
（3）葡萄牙：ROBOSAMPLER 项目
2013—2015年，葡萄牙内政部资助了ROBOSAMPLER 项目。该项目旨在设计旋翼无人机和作业型地面无人系统构成的跨域协同，并通过二者的协同实现野外复杂环境中的重金属、放射性物质等有害物质的采样、存储和运输的工作。实际演示中，无人机系统用于扫描指定区域、识别待采样物，实时回传图像，并指引对地面平台的远程遥控；地面无人系统则通过搭载机械臂完成采样（图7）[20]。
图7 跨域协同用于污染土壤采样
Fig.7 Air-land cross domain in soil sampling
（4）美国：CDMaST 跨域海上监视和瞄准
2015年，DARPA 启动了跨域海上监视和瞄准（ Cross-Domain Maritime Surveillance and Targeting, CDMaST）项目，该项目明确制定了“实现面向海洋的跨域协同体系集成”的目标，旨在转变美海军当前海上力量编成体系，通过将多种海上作战功能分解至可升级的大量低成本有人–无人系统上，并分散部署至对抗激烈的广域海域，构建一种能够跨域执行监视与瞄准任务的“系统之系统”体系结构，形成能够快速响应、无处不在的进攻能力，阻止对手力量投送，或迫使对手大幅提升海上行动成本，维持美军海上绝对控制权（图8）。
图8 跨域海上监视和瞄准（CDMaST）项目概念
Fig.8 Concept of CDMaST project
（5）美国：OFFSET 进攻性蜂群战术
DARPA 于2016年资助了“进攻性蜂群战术”（OFFensive Swarm-Enabled Tactics, OFFSET）项目，谋求在未来的小规模步兵部队作战中协同使用多达250 个小型无人机系统和小型无人地面系统，利用无人蜂群技术和自主、自治、人机协同技术，快速开发和部署无人集群系统并形成战斗力。2020年9月，该项目完成第四次外场试验，重点是提高分布式异构协同感知能力，由地面无人车、旋翼无人机和固定翼无人机组成的多平台无人集群系统在模拟城市环境中对目标进行侦察（图9）。
图9 进攻性蜂群战术项目最新演示
Fig.9 Demonstration of OFFENSET project
（6）欧盟：OCEAN2020 无人海上态势感知
OCEAN 2020 是欧盟“国防试点研究计划”的旗舰项目，全称为“欧洲海上感知开放式合作”（ Open Cooperation for European mAritime awareNess，OCEAN），目标为探索面向广域持续监测和海上拦截的海洋态势感知相关技术。该项目共涉及来自15 个国家的42 家机构，旨在将不同类型的无人平台（固定翼无人机、旋翼无人机、无人水面艇和无人潜航器等）及主战装备与海上指控中心相整合，通过卫星实现海上指控中心与陆基指控中心的数据交换，以验证跨域协同中的态势感知、自主性及互操作性及其效能。
OCEAN 2020 项目于2019年11月在“地中海”举行了一次联合演示，此次演示设置了两种场景：一种是威胁船只封锁，另一种是在两栖作战前拦截布雷船。该演示共汇集了9 部无人系统（4 架无人机、3 艘无人水面舰艇和2 艘无人水下舰艇），来自意大利、西班牙、希腊和法国等的6支海军部队，5 颗通信和监视卫星，4 个国家级海上作战中心，2 个地面通信网络，1 座欧盟海上作战中心原型。“地中海演示验证”测试了如何融合从作战区域部署的系统收集的数据及信息（图10）。
图10 OCEAN2020 地中海测试场景
Fig.10 Demonstration of OCEAN2020 at the mediterranean
3 核心问题和技术体系
3.1 跨域协同核心问题
无人系统跨域协同本质上是对单无人平台和单种类无人平台协同的能力增强和效能提升，因此无人系统相关的技术导航、感知、控制、规划、决策、人机交互等均需在跨域协同的框架下进行进一步的研究。但有四方面的关键技术体现了跨域协同区别于其他技术并亟需解决的核心问题。
问题一、具有显著差异性情境信息的一致性表征与无缝融合问题。情境感知是无人系统必须面对的技术挑战，对于协同感知来说，不同无人系统得到的感知信息进行统一表述与融合，是信息共享共用的关键。而对于跨域平台，不同平台所能获得的信息在感知视角、数据类型、数据尺度、噪声水平等方面都存在显著性差异，加之跨域多平台系统所运行的环境通常具有强动态性、高复杂性等特点，所以通信链路易受各种干扰因素影响，这使得环境感知信息一致性表述、抽象与融合技术面临极大挑战。
