水面无人艇作为一种在海洋环境下自主航行的水上移动平台，在海洋科考、海事监管、海洋开发等领域得到了大量应用，有力助推了海洋强国战略进程。但在某些应用中单一无人艇无法完成任务，需要多艘无人艇协同作业，即群无人艇作业。群无人艇航行极大地增加了无人艇碰撞概率，碰撞会直接影响无人艇的航行安全和作业任务，因此一直被学者视为重点研究对象。
　　为解决群无人艇避碰问题，本文从避碰的3个方面分析：(1)群无人艇避碰必然需要获取周边障碍物信息，这就要求其具备自主感知能力，能够科学表征水域环境障碍物；(2)无人艇航行于开阔水域，在既定的水上交通规章制定下，为实现群无人艇避碰，要求无人艇遵守COLREGS规则航行；(3)群无人艇避碰会遇态势复杂，场景动态多变，现有通常的方法往往难以实现快速避碰决策，需要一种新型智能避碰方法解决群无人艇避碰问题。
　　结合上述分析，本文面向群无人艇避碰问题，首先研究分析了现阶段无人艇避碰的可行方法；同时借鉴船舶避碰理论和方法中的宝贵经验，根据无人艇和船舶的相似特征，得出群无人艇避碰的关键研究点。
　　其次，比较并分析无人艇避碰中可用的环境感知方法，选取适合无人艇避碰的激光雷达作为环境感知传感器；并利用点云处理算法构建环境障碍物模型，实现无人艇自主感知避碰环境的能力。
　　随后，以无人艇操纵性为基础，解析COLREGS涉及到的避碰条款，得出无人艇遵守避碰规则的量化标准，进一步分析群无人艇避碰复杂场景下的规则限制条件；同时，为使无人艇避碰动作更加统一协调，采用卡尔曼滤波方法预测障碍物运动轨迹。
　　进而，在以上基础上设计了群无人艇智能避碰模型(Swarm of USVs Intelligent Collision Avoidance Model,USVsICAM)。此模型利用深度强化学习的原理设计，对避碰环境具有良好的适应性，能够在复杂态势下快速实现群无人艇避碰决策。在USVsICAM模型中，无人艇会遇态势被表征为环境观察值；根据环境观察值，决策神经网络计算出避碰决策集合；根据决策的实际避碰效果，评判神经网络计算奖惩值；根据奖惩值，决策神经网络更新网络参数；不断重复上述过程，直至决策神经网络损失值降到最低。模型在迭代训练中，会自主学习避碰策略，最终达到避碰策略最优。
　　最后，本文采用仿真模拟的方式验证USVsICAM的有效性。多个仿真算例结果证实，USVsICAM能够不断学习各类会遇态势下的群避碰策略，有效地实现了多种复杂场景下的群无人艇安全、智能避碰。USVsICAM具有较好的适应性，在复杂群避碰场景中具有广阔的应用前景。本文为解决复杂会遇态势下的群无人艇避碰问题提供了有益的理论指导和技术支持。