多移动机器人集群在仓储物流巡检、工业厂区协同作业、应急搜救等场景中应用日益广泛，传统领航-跟随协同方案普遍存在避障响应滞后、编队稳定性差、动态环境适应性弱的共性问题。本研究构建人工势场全局编队维持与动态窗口局部避障深度融合的分层协同控制架构，在领航者层面采用改进动态窗口法实现全局路径跟踪与动态障碍物实时规避，在跟随者层面通过人工势场法构建虚拟编队引力场、障碍物斥力场与领航者相对位置约束场，将编队保

多智能体路径规划（MAPF）是仓储自动化、集群机器人协同、智能物流调度等领域的核心基础技术，传统最优与有界次优MAPF求解器普遍依赖时间扩展图模型与集中式冲突消解机制，在智能体数量达到数百级以上的大规模密集场景中，极易出现计算复杂度指数级上升、求解效率骤降的可扩展性瓶颈。本研究提出一种几何规划与执行时冲突消解深度解耦的混合优先级MAPF框架，第一阶段通过几何冲突预处理模块（GCP）在原始拓扑图上采

多移动机器人协同编队技术是当前工业物流、巡检安防、野外作业等场景的核心共性技术，其中非完整轮式移动机器人是工业场景中应用最广泛的机器人形态，这类机器人受非完整运动学约束，无法直接执行侧向平移运动，给高精度编队控制带来了额外的技术挑战。传统集中式编队控制方案依赖全局中央控制器统一计算所有机器人的控制指令，通信开销大、单点故障风险高，任意一个通信节点失效就可能导致整个编队系统崩溃，鲁棒性极差。

自主地面车辆（UGV）的追逐-规避场景是移动机器人领域的经典对抗性控制问题，在安防巡逻、自主跟踪、多智能体协同避障等实际工程场景中具备极高的应用价值。QCar是一款面向教育与科研场景开发的低成本开源自主地面小车平台，硬件搭载编码器、IMU、激光雷达、RGB摄像头等全套传感器，支持ROS与MATLAB/Simulink双环境二次开发，是当前小型自主地面车辆控制研究的主流标准化硬件平台。

移动机器人在未知动态环境中执行导航任务时，传统基于确定性栅格地图的路径规划方法存在明显局限性：这类方法仅将空间栅格标记为“占用”或“空闲”两种二元状态，完全忽略传感器测量噪声、环境动态障碍物的不确定性，很容易出现规划出的路径穿过概率上存在碰撞风险的区域，导致机器人实际运行中发生碰撞。基于概率图模型的路径规划方法，将环境中的每个空间单元的占用状态建模为0到1之间的连续概率值，完整保留传感器测量的不确

轮式机器人在矿山巡检、野外勘探、园区巡逻等GPS拒止长航时场景中，纯惯性导航系统（INS）的定位误差会随运行时间持续累积，仅依靠轮式里程计与常规IMU融合的方案，难以在复杂非结构化地形下维持高精度定位性能。

本报告针对自主水下机器人（AUV）的全空间运动仿真需求，基于Fossen经典水下机器人动力学建模框架，构建完整的六自由度刚体运动数学模型，采用四阶龙格-库塔法完成全离散化数值求解，精准复现AUV在水下空间的纵荡、横荡、垂荡、横摇、纵摇、艏摇六个自由度的动态运动响应。

本报告针对地面移动机器人与空中无人机组成的异构无人集群，实现了一套完整的虚拟结构编队控制方案，以LIMO差分驱动移动机器人与Parrot Bebop 2四旋翼无人机为硬件载体，通过分层内外环控制适配两类平台的动力学差异，基于ROS Noetic搭建分布式实时通信链路，引入零空间行为融合技术实现编队保持与动态避障的无冲突协同。

本代码完整实现了一套面向水下机器人（ROV）海底检测任务的‌智能体AI自主控制架构‌。5个专用AI智能体以20Hz的频率实时协同工作，分别承担任务规划、导航、感知探测、状态自监控与通信交互五大核心职能，可全自动执行包含8个航点的完整海底检测勘测任务，支持任务中途自主完成故障检测与故障恢复，全程无需人工操作员介入。该系统跳出了传统单控制器自动驾驶仪的技术路线，升级为‌监督式自主控制。

收敛-发散喷嘴（拉瓦尔喷嘴）是航空航天推进、工业气动喷射等领域实现亚音速到超音速流动转换的核心关键部件。本研究基于气体动力学一维可压缩流动守恒理论，构建完整的数值求解框架，分别实现稳态等熵流动解析求解与非稳态一维欧拉方程时间推进求解，完整复现不同出口背压工况下喷嘴内部的亚音速流、跨音速流、超音速流、激波等全系列复杂波系结构。