未来，自主配送无人机可独立评估其剩余电量是否足以完成后续配送任务。据外媒报道，达姆施塔特工业大学（Technical University of Darmstadt）与谢菲尔德大学（University of Sheffield）等机构的研究团队开发出一种新型能源感知部署规划方法。该技术使无人机即使在不掌握自身电池健康状况的情况下，也能够通过自主学习判断其是否具备订单履约能力。事实证明，相较于传统方法，该方案可缩短配送耗时并提升订单处理量。

（图片来源：达姆施塔特工业大学）

在配送中心，配送无人机通过‌拍卖竞价机制‌实现任务自主分配。每架无人机根据其当前电池电量来评估自身能否完成任务。如果可以的话，它会生成反映其置信度（confidence）的投标数值。中标无人机将尝试执行任务，并利用相关结果来校准对自身真实能力的认知，这些能力受到电池长期健康状况等未知因素的影响。反直觉的是，选择‌置信度最低的竞标者作为获胜者被证明是最为有效的。该方法使无人机得以‌精准定位其性能边界，通过部署与当前作业需求高度契合的无人机执行任务，有助于‌实现智能资源调配。

在达姆施塔特工业大学计算机科学系Roderich Groß教授的领导下，研究人员在专门开发的多智能体仿真器（multi-agent simulator）中对其方法进行了为期八周的测试。结果表明，相较于传统基于阈值的策略，这种基于学习的方法显著提高了交付率，并缩短交付时间。在扩展版本中，无人机甚至能够执行只有在充足电后才能完成的任务，从而实现具有前瞻性的资源分配。谢菲尔德大学Mohamed Talamali博士表示：“这项研究展示了在线学习如何帮助机器人应对现实挑战，例如在不完全了解自身真实性能的情况下进行操作。”

该方法还可以用于高效管理异构无人机机队，这些机队中的无人机由于制造公差或个体磨损等原因而存在差异。这有助于实现具有更高可靠性的自主运营配送系统，进一步优化能源利用。Groß教授表示：“此类自主配送无人机还可以在多个配送中心运营，从而进一步缩短配送时间并降低成本。”