多無人機載荷運輸在建築、物流和災難響應等領域具有廣闊前景，但無人機、纜繩與載荷之間的複雜耦合動力學帶來了巨大挑戰。現有方法在動態非結構化環境中常受限於安全性和可擴充套件性。近期，一項發表於IEEE機器人與自動化快報（2026年早期訪問）的研究提出了一種基於學習的框架，旨在實現安全且可擴充套件的多無人機協同載荷運輸。該工作由Jaeyoun Choi等五位作者完成，透過arXiv預印本（編號2607.20665）公開。
該框架的核心創新在於引入一種最小化的二維抽象模型。該模型巧妙地在保留無人機與載荷之間任務相關的耦合特性的同時，大幅降低了計算複雜度，使得大規模學習成為可能。具體來說，模型將三維空間中的複雜動力學簡化為平面內的關鍵相互作用，從而在保證協調與安全所需資訊的前提下，顯著減少了狀態空間維度。
研究者採用域隨機化技術，隨機改變團隊規模（例如無人機的數量）以及物理引數（如纜繩長度、載荷質量等），訓練了一種完全分散式的策略。他們提出了離散圖控制屏障函式近端策略最佳化（DGPPO）演算法，該演算法結合了控制屏障函式的安全性保障與強化學習的最佳化能力。控制屏障函式確保無人機在運輸過程中始終保持安全距離，避免碰撞；而近端策略最佳化則透過高效的策略梯度更新，使智慧體在模擬環境中學會協作。透過域隨機化，策略在訓練中暴露於各種不同的場景，從而具備了強大的泛化能力，能夠直接零樣本遷移到真實機器人上，無需任何微調。
廣泛的實際評估驗證了該方法的有效性。研究者進行了多組實驗，包括不同規模的無人機團隊（從兩架到多架）以及不同的任務場景（如直線運輸、轉彎等）。結果表明，單一學習策略能夠在所有這些情況下成功完成載荷運輸任務，且效能穩定。更為引人注目的是，在多組硬體實驗中，當其他無人機團隊作為移動障礙物出現在環境中時，同一策略仍然能夠安全執行，展現出對動態環境的卓越適應能力。這些結果凸顯了該框架在實現高效、安全且可擴充套件的多無人機載荷運輸方面的巨大潛力，並展示了其對複雜現實條件的強大泛化能力。論文的發表標誌著在自主無人機協同控制領域邁出了重要一步，為未來在建築工地、倉庫和災區等場景中的實際應用奠定了基礎。