CoopUQ：不确定性感知的多机器人协同导航

多机器人系统在人类共享环境中的导航，正从单机智能走向协同智能。但直接套用单机器人强化学习方案，往往在遮挡和分布外（OOD）场景下暴露安全短板。近期提出的 CoopUQ 框架，尝试用“不确定性感知的协同占用预测”来弥合预测与决策之间的鸿沟。

问题背景：单机策略为何在多机场景失效

单机器人导航策略通常假设环境中的动态障碍物（如行人）可被自身传感器充分观测。但在多机器人协作场景中，机器人之间的相互遮挡、通信延迟以及局部视角的局限性，使得每个个体只能获得环境的部分真相。

当多个机器人同时运行各自的策略时，预测误差会相互放大。一个机器人如果无法感知到被同伴遮挡的行人，就可能做出冒险的路径选择；而如果各个机器人都独立地低估风险，整体系统便会在拥挤区域出现碰撞或死锁。原文指出，这种问题在 OOD 场景（如未见过的布局、行人密度骤增或行人急促行为）下尤为突出。

核心矛盾在于：多机器人带来的信息冗余本应提升预测精度，但缺乏有效的协同机制时，冗余信息反而可能引入不一致的预测，增加决策风险。

分布外（OOD）场景指测试数据分布与训练数据分布存在显著差异的情形。在机器人导航中，常见的分布偏移包括：训练时未出现过的环境布局、行人密度远超训练范围、行人运动模式突变（如突然奔跑或急停）等。深度强化学习策略在分布内表现良好，但面对OOD输入时，神经网络的外推能力有限，容易输出高置信度却错误的预测，进而导致危险决策。因此，OOD泛化能力是衡量导航策略安全性的关键维度，也是CoopUQ引入不确定性估计的直接动因。

CoopUQ 的核心设计：预测与决策的双向耦合

CoopUQ 的框架围绕两个关键模块展开：跨机器人的时空特征融合预测，以及不确定性驱动的约束强化学习策略。

协同占用预测：融合多视角时空特征

每个机器人维护一张局部占用栅格图，并提取时序特征。CoopUQ 通过跨机器人的特征融合网络，将不同机器人观测到的局部地图对齐并整合，输出未来的占用栅格预测。

这种融合不是简单的平均或拼接，而是学习到的注意力机制——机器人会根据自身视角的置信度，自适应地加权同伴提供的信息。原文强调，该设计旨在同时提升预测精度和预测的不确定性估计质量。

占用栅格图（Occupancy Grid Map） 是一种将环境离散化为二维网格的环境表示方法，每个栅格存储该位置被障碍物占据的概率或状态。在动态场景中，时序占用预测进一步利用历史帧信息，推断未来若干时刻各栅格的占用状态。相比原始传感器点云，占用栅格图具有结构规整、便于卷积网络处理和跨机器人对齐的优点，因此成为多机器人协同感知中常用的中间表示。CoopUQ正是以局部占用栅格图为输入，通过时序模型提取动态特征。

不确定性作为决策约束

预测模块不仅输出“哪里会被占用”，还输出每个栅格位置的预测不确定性。CoopUQ 将这些不确定性映射为强化学习中的成本惩罚：策略在规划路径时，会同时考虑“预测被占用的区域”和“预测高度不确定的区域”。

这意味着机器人并非一味追求最短路径，而是学会在信息不足时采取保守策略。这种风险敏感度是可调的——在分布内（in-distribution）场景中，策略可以更激进；在 OOD 场景中，不确定性升高会自动触发更保守的行为。

约束强化学习（Constrained Reinforcement Learning） 在标准强化学习“最大化累积奖励”的目标之外，引入对某些成本（cost）的约束，通常形式化为在满足期望成本低于阈值的条件下优化奖励。这种框架适合安全攸关场景：将碰撞、进入高风险区域等行为定义为成本，策略学习在奖励与成本之间权衡。CoopUQ将预测不确定性映射为额外成本惩罚，本质上是把“信息不足”也视为一种需要规避的风险源，从而让策略在不确定区域附近自动保守化。

实验验证：仿真与真机的一致证据

CoopUQ 在多个基于 Unity3D 的仿真环境中进行了评估，覆盖分布内和 OOD 设置，包括不同布局、行人密度和行人急促行为。与代表性基线相比，CoopUQ 在预测性能和导航安全性上均有提升。

真机实验进一步验证了其在多种场景下的鲁棒性。研究团队开源了代码和演示视频，项目页面提供了详细的实验配置和结果。

值得留意的是，原文特别提到“分布偏移下的风险敏感度自适应”——这暗示 CoopUQ 的价值不仅在于平均性能提升，更在于对边缘场景的覆盖。多机器人系统的安全瓶颈往往出现在长尾场景中，而不确定性感知提供了一种可解释的降级机制。

对多机器人导航的启示

CoopUQ 的思路指向一个更广泛的趋势：将预测的不确定性从“可选的附加信息”提升为“决策的一等公民”。在单机器人系统中，不确定性通常用于故障检测或传感器融合；而在多机器人协同中，不确定性成为协调风险和效率的天然信号。

另一个值得关注的设计是协同预测与强化学习的紧耦合。许多现有工作将预测和规划分开训练，再在推理时拼接；CoopUQ 则通过成本约束将两者联合优化，使策略能够根据预测质量动态调整行为。这种耦合方式或许可以推广到更复杂的多智能体任务中，例如协作搬运或搜索救援。

当然，框架的实际部署仍面临通信带宽、异构机器人团队以及动态拓扑等工程挑战。但 CoopUQ 提供了一个清晰的起点：用不确定性感知的协同预测，为多机器人社交导航构建更可靠的安全边界。

更多细节可访问项目页面：https://coopuq.github.io/

紧耦合与松耦合是多机器人系统中预测与规划关系的两种典型范式。松耦合方式下，预测模块和规划模块独立训练、推理时串行调用，预测误差无法反馈给规划器，规划器也无法根据预测质量调整行为。紧耦合则将预测输出（含不确定性）直接嵌入决策优化目标中联合训练，使策略能够感知预测的可信度并动态调整风险偏好。CoopUQ采用的成本约束式耦合属于后者，其优势在于分布偏移时策略可自动降级为保守行为，但代价是训练复杂度更高、模块间接口设计更敏感。