地下救援环境的挑战
地下车站、隧道、矿井等封闭空间中的救援行动风险极高，组织难度也很大。尤其是在爆炸或火灾发生后，技术基础设施往往会部分或完全瘫痪：
- 无手机信号
- 无电力与照明
- 无Wi-Fi
- 无GNSS（卫星导航）信号
同时，烟雾、坍塌产生的瓦砾以及受损的通道结构，会进一步增加定位和导航的难度，使救援队伍在黑暗、复杂的环境中几乎“盲行”。
NIKE MATE项目：为地下救援打造导航系统
在NIKE MATE项目中，由格拉茨工业大学（TU Graz）、莱奥本大学、联邦国防部、奥地利OHB公司以及Laabmayr工程办公室组成的研究团队，开发出一套专门面向此类极端地下任务的导航与定位系统。
该系统的核心思路是：
- 将机器人和救援人员的多源传感器数据进行融合
- 自建一个UWB（超宽带）无线网络
- 在此基础上生成一幅动态更新的环境地图
借助这幅地图，救援队伍可以在没有现成基础设施的情况下实现自组织定位、导航和协同行动。相关研究成果已发表在《BHM矿业与冶金月刊》上。
核心创新：机器人与救援队的“团队协作”
项目的关键创新点在于“团队协作式定位”。
- 一台搭载高性能传感器的机器人首先进入未知或危险区域，对周围环境进行探测并构建初始动态地图。
- 机器人获取的位置信息通过UWB发射器发送给后续进入或同时作业的救援人员。
- 救援人员佩戴UWB标签，并在行进路线沿途布设UWB锚点。
这些锚点不仅用于稳定数据传输，还能在参与者之间进行距离测量，即使彼此之间没有直接视线，也可以通过UWB信号测得相对距离，从而形成一个距离测量网络。借助该网络，机器人和救援人员的位置都可以被确定到不足一米的精度。
项目负责人、格拉茨工业大学大地测量研究所的 Philipp Berglez 指出，这种高精度定位在安全方面至关重要，例如可以帮助人员在接近敞开的电梯井口或悬崖边缘时及时获知危险位置。
多源传感：从机器人到救援人员
在整个系统中，传感技术是实现可靠定位的基础。
机器人侧传感器：
- 激光扫描仪：用于获取环境的三维结构
- 摄像头：提供视觉信息，辅助环境识别
- 轮式传感器：记录运动轨迹和里程信息
通过这些传感器，机器人能够绘制出周围环境的地图，使救援人员不必依赖可能因事故而失效、过时或不准确的原有平面图。
救援人员侧传感器：
跟随机器人的救援人员在鞋上安装惯性传感器，包括：
- 加速度计
- 角速度传感器
系统利用基于人工智能的分析方法，对这些惯性数据进行处理，从而识别多种运动模式，例如：
- 正常行走
- 四肢爬行
- 贴地匍匐前进
通过识别不同的运动状态，系统可以更准确地推算人员位移和姿态，提升整体定位精度和鲁棒性。
因子图优化：让位置计算更可靠
为了确保位置计算不仅精度高，而且在长时间任务中保持可靠，项目团队采用了源自机器人技术的因子图优化方法。
这种方法的特点是：
- 不仅利用当前测量数据，还会反复“回顾”过去的观测
- 将不同时间点的测量结果进行关联和联合优化
当机器人或救援人员在不同时间经过同一地点时，系统可以识别这一“回环”，并将相关数据关联起来，对地图和轨迹进行整体优化。这样，环境地图会持续被修正和改进，定位误差也能被逐步压缩。
原型测试与未来发展方向
“我们开发的原型系统已经在莱奥本大学 Zentrum am Berg 的测试中证明了其实用性。” Philipp Berglez 表示。
下一步，为了在真实灾害场景中部署，该团队计划：
- 提升各个组件的机械和环境耐受性，使其能够承受粉尘、湿气、冲击等恶劣条件
- 进一步提高系统在长时间任务中的稳定性和可靠性
此外，研究团队还希望将系统扩展到微型无人机平台：
- 让小型无人机在地下空间中从略高的位置飞行
- 获取额外的环境数据和视角
在紧急救援中，这类空中数据将为地面机器人和救援人员提供重要补充，有望显著提升整体救援效率和安全性。
