Unmanned aerial vehicles (UAVs) have recently rapidly grown to facilitate a wide range of innovative applications that can fundamentally change the way cyber-physical systems (CPSs) are designed. CPSs are a modern generation of systems with synergic cooperation between computational and physical potentials that can interact with humans through several new mechanisms. The main advantages of using UAVs in CPS application is their exceptional features, including their mobility, dynamism, effortless deployment, adaptive altitude, agility, adjustability, and effective appraisal of real-world functions anytime and anywhere. Furthermore, from the technology perspective, UAVs are predicted to be a vital element of the development of advanced CPSs. Therefore, in this survey, we aim to pinpoint the most fundamental and important design challenges of multi-UAV systems for CPS applications. We highlight key and versatile aspects that span the coverage and tracking of targets and infrastructure objects, energy-efficient navigation, and image analysis using machine learning for fine-grained CPS applications. Key prototypes and testbeds are also investigated to show how these practical technologies can facilitate CPS applications. We present and propose state-of-the-art algorithms to address design challenges with both quantitative and qualitative methods and map these challenges with important CPS applications to draw insightful conclusions on the challenges of each application. Finally, we summarize potential new directions and ideas that could shape future research in these areas.

中文翻译：

---

信息物理应用中多无人机系统的设计挑战：综合调查和未来方向

无人驾驶飞行器 (UAV) 最近迅速发展以促进广泛的创新应用，这些应用可以从根本上改变网络物理系统 (CPS) 的设计方式。CPS 是具有计算潜力和物理潜力之间协同合作的现代系统，可以通过几种新机制与人类互动。在 CPS 应用中使用无人机的主要优势在于其卓越的特性，包括其机动性、动态性、轻松部署、自适应高度、敏捷性、可调节性以及随时随地对现实世界功能的有效评估。此外，从技术角度来看，无人机预计将成为先进 CPS 发展的重要组成部分。因此，在本次调查中，我们旨在为 CPS 应用确定多无人机系统最基本和最重要的设计挑战。我们重点介绍了涵盖目标和基础设施对象的覆盖和跟踪、节能导航以及使用机器学习进行细粒度 CPS 应用程序的图像分析的关键和通用方面。还研究了关键原型和测试平台，以展示这些实用技术如何促进 CPS 应用。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。我们重点介绍了涵盖目标和基础设施对象的覆盖和跟踪、节能导航以及使用机器学习进行细粒度 CPS 应用程序的图像分析的关键和通用方面。还研究了关键原型和测试平台，以展示这些实用技术如何促进 CPS 应用。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。我们重点介绍了涵盖目标和基础设施对象的覆盖和跟踪、节能导航以及使用机器学习进行细粒度 CPS 应用程序的图像分析的关键和通用方面。还研究了关键原型和测试平台，以展示这些实用技术如何促进 CPS 应用。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。和使用机器学习进行细粒度 CPS 应用程序的图像分析。还研究了关键原型和测试平台，以展示这些实用技术如何促进 CPS 应用。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。和使用机器学习进行细粒度 CPS 应用程序的图像分析。还研究了关键原型和测试平台，以展示这些实用技术如何促进 CPS 应用。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。我们提出并提出了最先进的算法，以通过定量和定性方法解决设计挑战，并将这些挑战与重要的 CPS 应用程序进行映射，以针对每个应用程序的挑战得出有见地的结论。最后，我们总结了可能影响这些领域未来研究的潜在新方向和想法。