预印本：集中式多无人机探索框架让单无人机规划器直接协同，分离起始策略显著提速

如何在不修改单无人机采样规划器核心逻辑的前提下，通过集中式架构实现多无人机协同探索，并评估初始部署策略对探索效率的影响？

单无人机探索方法扩展到多无人机时面临共享地图一致性、机间避碰和动态目标误重建等挑战；现有单无人机规划器缺乏多机机制，voxblox 原生仅支持单传感器，多机融合与安全导航需要系统级改造。

此前多机器人探索多采用市场法任务分配、效用边界分配或去中心化协作规划，往往需要专门重构探索逻辑；而 c-blox、voxgraph 等子地图方案计算开销大，难以满足实时性。单无人机采样规划器如 RH-NBVP 无法直接用于多机。

提出集中式多无人机框架：每架无人机板载维护局部 voxblox 子地图，利用点对点位姿共享过滤其他无人机点云，增量上传子地图；中央服务器通过加权平均融合 TSDF，并利用共享路径缓存执行单无人机规划器进行避碰。核心采样逻辑不变，仅做系统级适配，覆盖 RH-NBVP、AEP、KRH-NBVP、KAEP。

在仿真中，三架 DJI F450 无人机（配备 RealSense D435i）于 Maze、Police Station、School 三个环境各重复 5 次。KAEP 在所有环境均最快，例如 Police Station SS 配置 E25%/E50%/E95% 时间为 0.48±0.02/1.02±0.11/2.60±0.18 min，JS 为 0.78±0.11/1.55±0.14/2.96±0.32 min；School SS KAEP 为 0.95±0.11/1.98±0.17/5.35±0.37 min，JS 为 1.18±0.17/2.15±0.23/5.86±1.06 min。Maze 仅 SS，KAEP E95% 59.04±2.81 s，FE 100.0±0.0%，AV 0.42±0.02 m/s。分离起始（SS）在所有环境均快于联合起始（JS）。中央 TSDF 地图 RMSE 在 Police Station 为 0.24±0.20 m，School 为 0.19±0.15 m；中央 TSDF 合并耗时 7.9±2.6 ms 和 8.6±8.5 ms。

作者承认集中式架构存在单点故障且随无人机数量增加扩展性受限；实验仅在仿真中进行，未在真实无人机上验证；假设状态估计足够准确（仿真中采用 RTK-GPS），需 NTP 同步；未与专为多机器人设计的显式协调算法进行对比；RH-NBVP 在 JS 配置下部分环境未能达到 E95%。论文未报告在通信延迟或丢包条件下的鲁棒性测试。