近日，中国科学技术大学自动化系秦家虎教授课题组青年教师张聪博士在多机器人协同状态感知领域发表重要研究成果。该成果面向受限通信环境下机器人难以获得团队全局状态这一关键难题，提出了基于不变扩展卡尔曼滤波的两阶段分布式里程计（TSFDO），使每台机器人仅依靠局部信息交换即可实现对整个团队状态的持续估计，为多机器人系统执行高层协同任务提供关键支撑。论文以“From Local Odometry to Global Awareness: A Two-Stage Filter-Based Distributed Odometry for Multi-Robot Systems”为题发表于机器人领域顶级期刊《IEEE Transactions on Robotics》（IEEE T-RO，DOI: 10.1109/TRO.2026.3731535）。论文第一作者为张聪博士（近期前往新加坡国立大学从事博士后研究工作），秦家虎教授为论文通讯作者。该研究得到国家自然科学基金项目资助。

  随着机器人应用从单机自动化迈向多机自主协同，多机器人系统已成为具身智能与群体智能领域的重要研究方向，在智能制造、智慧农业、能源巡检、应急救援以及深海深空探测等场景具备广阔的应用前景。高效协同依赖每台机器人精准获取自身与同伴的运动状态，然而现有协同定位方法大多着眼于提升单机定位精度或估计局部邻近机器人的状态，受限于通信距离与感知范围，机器人难以稳定获取非邻近机器人的状态信息，无法建立整个机器人团队的全局状态认知。

  针对上述难题，TSFDO方法将单机状态自估计与团队联合状态估计统一构建于一套分布式里程计框架。该框架紧耦合融合惯性传感单元（IMU）、激光雷达（LiDAR）与超宽带（UWB）检测数据，依靠机器人之间的局部信息交互，实现各机器人状态信息在整个集群内的传播与融合。在动态连通的通信拓扑下，每台机器人可持续维护整个集群的联合状态估计，完成从局部里程计向团队全局状态感知能力的升级。依托该方案，多机器人系统在通信受限环境下依然能够实现全局状态感知，为集群协同规划、控制与决策提供稳定统一的状态支撑，有效提升复杂动态场景下机器人群体的自主协同作业能力。

图1 四足机器人协同状态感知与协同跟踪任务实验平台

图2 不同协同状态感知方法下四足机器人协同跟踪实验结果