在物理学中，“质点”是一个理想化的模型，它忽略了物体的大小、形状和旋转，将其所有质量集中在一个点上，只研究这个点的平移运动。论文中将一个结构复杂、具有六个自由度（前后、左右、上下、俯仰、横滚、偏航）的四旋翼无人机，简化成了一个只有三个自由度（前后、左右、上下）的质点。从而实现了1）

该论文提出的KMAPPO方法，通过融合增强K-means初始化与多智能体PPO强化学习，为解决动态灾难场景下多无人机协同轨迹优化问题提供了一个高效、稳定、实用的解决方案。仿真实验表明，KMAPPO在收敛速度、最终性能（服务用户比例、系统总容量）和算法稳定性上均显著优于PPO、MAPPO、MADDPG及传统PSO等基准算法。这项工作不仅具有重要的学术价值，展示了传统机器学习与现代深度强化学习结合的有

论文主要提出两阶段不对称自玩范式提升鲁棒性，设计双注意力机制保障扩展性，通过辅助模块降低环境不确定性，且经仿真与物理实验验证了框架的优越性。论文采用方法达到了以下效果：避碰能力强：能躲开固定障碍物和主动干扰的敌对机器人；队形稳：能保持集群中心、和队友方向一致；效率高：少走弯路，快速到达目标地；适配性好：不管机器人数量怎么变都能用；泛化性强：面对不同类型的干扰（随机动、有策略动等）都能应对，还能在真