自主无人机集群正越来越多地被用于监视、环境监测和基础设施巡检等任务。这类任务有一个共同的硬性要求：关键资产必须持续得到可靠覆盖，即使部分机器人出现故障也不能中断。为此，系统需要实现“多重覆盖”（multicoverage），也就是每个资产都要同时被多台机器人观测，以形成冗余；同时，不同资产的重要性并不相同，其覆盖要求也应随之变化。如何在集群中高效地满足这种差异化的多重覆盖需求，正是马里耶姆·吉图尼（Mariem Guitouni）与亚伦·T·贝克尔（Aaron T. Becker）在论文《Distributed Multi-Coverage for Robot Swarms》中研究的问题。该论文于2026年5月20日提交至arXiv，编号为arXiv:2605.21686，属于机器人学（cs.RO）方向，并已被2026年国际集群智能会议（ANTS 2026）接收，将由Springer Nature出版。
论文指出，近期的研究已经能够利用整数规划方法，以集中式的方式最优地求解多重覆盖问题。然而，这种集中式方案在真实部署中面临明显限制。首先，机器人之间的通信距离有限，难以维持与中心节点的持续连接；其次，机载计算能力有限，无法承担全局规划所需的计算量；再次，任务中若出现部分系统故障，集中式架构可能导致整个任务被迫中止。正因如此，实际部署需要的是分布式解决方案，而非依赖全局协调的集中式规划。
针对这些约束，作者提出了一种面向机器人集群的分布式多重覆盖算法。该算法的关键在于：机器人仅依靠本地感知与本地通信运行，不依赖任何全局协调机制。换言之，每台机器人根据自身及邻近机器人获得的信息做出决策，从而在通信受限、计算受限且可能出现故障的环境中，仍然维持对重要资产的多重覆盖。这种设计使系统在局部失效时更具鲁棒性，避免因单点故障导致任务整体崩溃。
从应用角度看，该工作面向的是 surveillance、环境监测与基础设施巡检等对可靠性要求较高的场景。在这些场景中，覆盖冗余直接关系到任务成败：一旦某台机器人失效，其他机器人仍应保证关键资产处于被观测状态。作者强调，覆盖需求应随资产重要性而变化，这意味着算法需要在分布式条件下处理差异化的覆盖目标，而非简单地让所有资产获得同等数量的观测。
论文的贡献在于将原本集中式、可最优求解的问题，转化为适应现实约束的分布式算法，并在不依赖全局信息的前提下实现多重覆盖。该成果已被ANTS 2026接收，显示出集群智能领域对分布式、鲁棒覆盖方法的关注。论文全文可通过arXiv获取，包括PDF与实验性HTML版本，提交时间为2026年5月20日19:43:41 UTC，文件大小约347 KB。