|
摘 要：对智能无人机集群的相关概念进行了解析和阐释，提出了无人机集群样式的描述方法，在对集群智能概念进行分析的基础上，指出无人机集群的智能化需求主要源自两个方面：一是“集群”概念本身的定义；二是减轻认知负担、提高决策效率。从功能结构、规模倾向、协同方式、智能化和自组织五个角度，对智能无人机集群未来的发展方向进行了剖析。上述工作，为下一步开展智能无人机集群的建模仿真活动奠定了理论基础。 关键词：智能；无人机集群；集群智能；发展趋势 信息化战争逐渐走向智能化新阶段，无人装备加快步入战场，随着通信、自组网、传感器、导航定位、云计算、物联网、大数据和人工智能等关键技术的进步，以较多数量的无人装备组成有机整体进行作战的思想正在变为现实，并以颠覆性技术的姿态引起世界各军事强国的高度重视。正如克劳塞维茨在《战争论》中指出：“任何理论首先必须澄清杂乱的、可以说是混淆不清的概念和观念。只有对名称和概念有了共同的理解，才能清楚而顺利地研究问题，才能同读者常常站在同一立足点上。”因此，把握好新型作战力量初现阶段的这种机遇，研究智能无人机集群对未来作战样式及作战体系贡献度的影响，首先应当对智能无人机集群的相关概念及主要发展趋势进行深入分析，以便为后续开展的建模仿真活动提供具有前瞻性的理论参考依据。   “集”或“群”的概念，在英文中有多种类似的表达方式，使用中常常混淆，如Swarm、Collective、Colony、Cluster、Group、Team等，但侧重点不同。Collective是集体的意思，表示众多有共同目标追求的个体，组成具有高度组织、高度团结、高度协作、高度整合的团体，如集体经济，集体企业，班集体等，集体更多的用于表示一个抽象的集合概念。Colony有人类殖民地、聚居区的含义，也指鸟、昆虫等动物的群体、群落，更多的表示“一群”具有同等地位的人或动物群居在一起。Cluster指群、簇、丛、串，更多的表示同类个体简单地聚集在一起，个体之间没有组织和协作。Group也有组、群、集体、团体的意思，更多的表示由一项临时任务组成的小单体、小团体、小群组。Team指编队，更多的表示个体按照一定的顺序或组织结构组成的小队，互相协作共同完成任务，编队中通常有领导者和被领导者之分，是一个中心化的概念。 本文所指“集群”，英文表达为Swarm，最初是受到自然现象启发，指蜜蜂、蚂蚁、鸟群、狼群、鱼群、菌群等大量的低/非智能个体，依据个体规则，在组成群体后涌现出异常复杂的集群智能行为。目前，集群在不同领域有不同的内涵，如计算机集群、产业集群、无人集群等，并没有一个统一定义，但总体上表示由一定数量个体组成的有机整体，是从系统观点出发的一个概念。集群并不是单纯的数量叠加，“一群”并不等于“集群”，集群强调的是“有机”整体，本质区别在于个体之间是否存在沟通和协作。因此，可以将各类集群统一定义为：一类生物或人工集群，它是由一定数量的相对简单个体通过相互关联、互相协作形成的有机整体，在宏观层面涌现出集群智能（Swarm Intelligence, SI），从而具备更高级、多样化的功能，能够完成更加综合、复杂的任务。这里的“简单”是相对整体而言，并不排除个体本身就有具一定的复杂性，需要视具体的集群类型而定。 在军事领域，集群还衍生出一个作战概念，即集群作战（Swarming），我国学界也有译为“蜂群”作战。由于信息时代的作战领域极为广泛，涉及陆、海、空、天、电、网等，“蜂群”给人的意象更多的是空域中大量的小型个体组成的集群，并不能完全涵盖集群的内涵，因此将Swarming称为集群作战更具广泛性。Edwards认为集群作战是指多个作战单元从多个方位向目标发起聚合攻击，即可以是远程攻击，也可以是短程攻击，即可以是预先计划的，也可以是伺机而动的，它通常是一种脉冲式的攻击，即部队迅速聚集到目标周围，发动攻击而后重新分散。Edwards依据作战对信息量的不同需求，从历史进化的角度将集群作战列为继单兵格斗、队列作战、机动作战之后的第四种作战范式。霍大军系统地阐述了网络化集群作战的概念，即以信息技术为支撑，高度分散的多元力量在多维空间上构成流动性很强的作战网络，通过灵活多变的“聚”与“散”，动态集中作战效能，实施并行攻击的广域机动作战。它提供了一种支持组织流动性的网络化作战方式，战场上大量分散的作战单元能够迅速形成以目标为中心的作战集群，以及按照战场环境的需要进行重新组合。网络化集群作战在力量编组模式上，具有组织流动性的特征；在组织协同方式上，突出以目标为中心；在战役战术特征上，实施多方向机动攻击等。 总的来说，集群作战特点可以归结为：一是在作战单元上，需是小型化、分散化、能互联、具有自主或半自主能力的机动单元，作战单元之间能够互相协作；二是在作战能力上，要求集成指挥、控制、通信、情报、监视、侦察等能力，并具备待命、包围并发动持续的脉冲式攻击的能力；三是在作战方式上，采取分布式的队形，以精心设计的组织架构和灵活的协同方式，在遵守基本规则及指令的前提下，采取中心化的战略和去中心化的战术，从各个方向对作战对象发起全面攻击；四是在作战目的上，主要是破坏作战对手的战斗力聚合。 可以认为，具有上述四个特点的作战方式，都可以称为集群作战。实际上，集群作战在不同的历史时期均有战例，都需要将指挥控制权下放至个体并高度依赖个体之间的互联能力。因此，直到信息时代，集群作战才发展成一种独立的作战理论。需要注意的是，应当将集群作战放到更广阔的作战空间内理解，例如网络空间中的集群作战，所谓的“部队”“作战单元”“机动”等概念都应作广义理解，不应当局限在物理域内，也可以存在于虚拟域，或者同时存在于两域内。 无人集群（Unmanned Swarm），是指由一定数量的无人系统（Unmanned Systems）组成的集群，具有网络化沟通、自适应协同和集群智能三大基本特征，能够在接到指令后自主完成任务。这里的无人系统指军事领域在陆、海、空、天等各作战域内执行任务的战场机器人系统，如无人车、无人艇、无人潜航器、无人机等无人装备。无人集群的内涵实际上与集群机器人（Swarm Robotics）、机器人集群（Robotic Swarms）、智能集群（Intelligent Swarms）、群化武器等概念相似，是同一概念在不同发展阶段、不同研究视角下的不同表述方式。无人集群用于作战的主要优势体现在： （1）经济优势：可以将昂贵的多任务系统分解为一系列中小型、低成本的分布式平台，使平台的大量制造更具经济性。在执行更高风险的任务时，集群个体受损后能及时补充，经济可承受性大大改善。 （2）数量优势：①作战力量较为分散，迫使敌方消耗更多资源。②单平台生存能力转化为集群弹性（Swarm Resiliency），即个体生存能力相对弱化，集群恢复能力较强。③鲁棒性较单平台更强，集群个体之间能够相互支撑、接替补位，个体受损后，集群战斗力不会迅速下降，甚至仍能执行部分任务。④可以发动饱和式攻击，压制敌方防御，从而直取目标。 （3）协同与情报优势：①动态自愈合网络，无人系统之间形成具备网络节点动态变化且有一定冗余的集群网络，当个别节点损坏时，具备自愈合功能。②协同攻击与防御，高度协调一致地配合主平台发动攻击或动态实施外围警戒和威胁处置，数量优势可以使作战目标的确认更准确，作战效果的评估效率更高。③以低成本、高度分散的形式满足功能需求，为实现不同的功能，采取一系列由大量分散的低成本系统协同工作机制来完成任务，可利用混合搭配的异构优势迫使敌人应对多种不同类型的威胁。④分布式感知与电子攻击，广泛分布的传感能力，使多平台可以相互协作、互为补充，无死角地完成探测与电磁攻击任务。⑤诱骗，以数量优势达到虚张声势的目的，通过提高声波、可见光、电磁波等多种手段营造虚假军情。⑥集群智能，发挥大量平台的集体智慧，采用诸如分布式投票、拍卖机制等群体决策方式来解决问题。例如作战目标的确定问题，通过大量平台各自发送对同一目标地理位置信息的判断信号，分布式投票得出的结果往往具有更高的正确率。 （4）速度优势：集群的自主能力可以快速响应战场事件，加快观察―判断―决策―行动即OODA（Observation, Orientation, Decision, Action）循环的速度，扰乱敌方的决策，从而获得更快的战场行为，提高集群战术行动的战略价值。 无人机也称无人航空器（Unmanned Aerial Vehicle, UAV），是指一种需要依靠动力装置，能够在空中进行持续、可控的任务飞行，或是能在航空航天空间均可实现可控飞行，能携带民用或军用性质的任务载荷执行任务，可一次性使用或可重复使用的无人驾驶飞行器。近年来，随着无人机在军事领域的优势凸显以及信息技术的发展，无人机成为由无人机平台、机载传感器、机载武器、指挥控制系统、通信系统、测控系统、综合保障系统等组成的高性能武器装备，是将武装载具平台、传感器网络以及操控决策者整合为一体的作战系统，对提高战场空间感知能力、高风险目标突防能力、通信导航支援能力、电子战能力、压制敌防空系统能力、固定和移动目标攻击能力、联合作战能力等方面有着显著作用。随着认识的提高，美国国防部（Department of Defense, DOD）于2005年将无人机改称无人机系统（Unmanned Aircraft Systems, UAS），鉴于使用习惯，本文所指无人机均指无人机系统，两者等价使用。 无人机集群（Unmanned Aircraft Systems Swarm, UAS Swarm）可以认为是无人集群概念在空天作战域的具体演绎，是最先出现、研究最多、理念最成熟的无人集群类型。目前，受技术条件制约，工业界和学术界对无人机集群的具体样式仍处在探索阶段。通过分析现有无人机集群作战概念的演示验证项目，本文提出以功能结构、集群规模和协同方式三个维度为基本属性，并在此基础上进行理论推测，从而对无人机集群样式进行更加清晰的描述和界定，如图1中的坐标轴所示。 图1 无人机集群样式描述示意图 （1）集群规模（Scale），指无人机集群的数量特征。包括：①由大量的无人机组成的数量密集型集群，常被称无人蜂群，组成这种规模的无人机一般为小、微型无人机。②由多架无人机组成的数量分散型集群，组成这种规模的无人机一般为中、大型无人机。③由前两种类型集群组成更大规模的混合型集群。需要注意的是，不应当将无人机集群和无人蜂群的概念混用，无人蜂群是数量密集型的小、微型无人机集群的形象化称谓，是无人机集群的子概念。 （2）功能结构（Functional Configuration），指无人机集群的功能配置。包括：①功能一体型，即组成集群的无人机均为具备多种（两种以上）功能的一体式无人机，如侦察、打击一体化多用途无人机等。②单一功能型，即组成集群的无人机均为同种功能的无人机，如侦察无人机集群、电子干扰无人机集群、火力打击无人机集群、诱饵无人机集群等。③异构功能型，即由多种不同功能的无人机组成的集群。④混合型，由前三种类型集群组成更大规模的混合型集群。 （3）协同方式（Coordination Type），指无人机集群是否需要与有人机进行编队协同。包括：①全部由无人机进行编队的机-机协同型集群。②由有人机和无人机进行编队的人-机协同型集群。③由前两种集群组成更大规模的混合型集群。 上述内容用BNF（Backus-Naur Form）语言描述如下： <UAS_Swarm_Type>∷= <Scale><FunctionalConfig><Coordination> <Scale>∷=<Intensive>|<Disperse>|<Mix> < FunctionalConfig >∷= <Integrate>|<Single>|<Heterogeneous>|<Mix> <CoordinationType>∷= <Machine_Machine>|<Human_Machine>|<Mix> 集群规模、功能结构和协同方式是从单一维度对无人机集群进行的划分，完整的无人机集群样式是这三个维度值在空间中的交点。例如，图1中的交点（五角星）表示： <Intensive><Heterogeneous><Machine_Machine>型无人机集群。 需要注意的是，并不是三个维度中每个交点都有现实意义，例如： <Intensive><Integrate><Machine_Machine>型无人机集群，在实际中就不具有存在价值。因为受无人机载荷、经济性等条件限制，以小、微型无人机组成的数量密集型集群就很难将多种功能集成于每一架无人机，只能采用单一功能或异构功能的结构，非而功能一体结构。 （4）混合型集群，可以理解为集群体系（swarm of swarms），即集群之集群，如图2所示。混合型集群通常会带来极高的复杂度，对于指挥控制和协同来说更是如此。当前，混合型集群仅仅是理论推导，实际应用的具体模式会受到诸多条件特别是技术上的限制，将是一个不断演进的过程。 图2 集群体系（混合式集群）模式示意图 上述探讨仅是从无人机集群的三个基本属性对集群样式进行的描述，通过这种描述，不难推测出未来可能出现的无人机集群样式。如果有必要，还可以更换维度从别的视角进行划分，或继续增加维度以进行更加详细的划分，视具体研究需要而定。另外，这里探讨的是无人机集群的样式，而非无人机的样式，在维度选择时应当以集群属性作为划分标准，而不是以无人机的自身属性为划分标准，两者不应混淆。 集群智能是与“集群”伴随而生的一个概念，也称群体智能、群集智能、群智能等，由Beni等人在1993年提出。1995年James Kennedy和Russell C. Eberhart等人提出粒子群优化算法（Particle Swarm Optimization, PSO），并在2001年出版《集群智能》一书。集群智能的特点有：①控制是分布式的，无须中心控制；②以激发工作（Stigmergy）机制进行通信；③个体行为规则简单；④系统组织机制是自组织的。所谓的激发工作机制，是法国生物学家Pierre Paul Grassé在研究白蚁行为时，于1959年提出。其原理是，大量个体以一个共同的环境作为媒介而间接地发生相互作用，即个体首先感知环境，并产生响应行为，这个行为在环境中留下一定痕迹，致使环境产生变化；新的环境又进一步影响自身和其他个体的行为，这些随后的行为是建立在大量个体彼此的行为之上，并往往能够得到强化，如图3所示。如此循环，最终形成一种以环境为媒介的激励与响应、交互与反馈机制，推动环境不断演化，导致了集群行为的涌现，即整体上展现出明显具有协调性和系统性的活动，并且这种集群行为能力往往要大于所有个体行为能力的简单叠加。 图3 激发工作机制示意图 集群智能是涌现出来的，具有不确定性，一般无法预知，同样的环境，进行重复试验，由于个体行为具有一定随机性，产生的结果总体上相近，但细节上并不完全相同。集群智能是一种自下而上产生的智能行为，这与传统的以知识表示为核心，从全局视角自上而下对个体行为进行规划和预设的符号主义人工智能是不同的，两者区别如表1所示。 表1 符号主义人工智能与集群智能的对比 智能是一个主体为实现自身目的，适应、改变、选择环境的各种行为能力，并能够通过学习产生出期望和反思行为。智能无人机集群就是指拥有了一定“智能”的无人机集群，这里的“智能”主要指人工智能，“智能”程度将随着人工智能技术的发展而进化。无人机集群对智能化的需求，主要源自两个方面： 一是“集群”概念本身的定义。“集群”的定义，本身就包含了相对简单个体通过相互关联、互相协作进而涌现出集群智能的含意。因此，无人机集群的智能，应当体现在两个层面，一是个体层面，应当具备一定的智能水平；另一个是整体层面，应当涌现出更高级的集群智能。对于集群而言，整体层面的智能如果采用中心化的全局控制方式，就需要对现实中可能遇见的大部分规则提前预设，以构建知识库，然而当集群规模达到一定程度时，大量个体组合在一起的联合规则就会产生维度爆炸，使得这一解决方案变得不可行。例如，现有的从整体角度研究无人机集群的规划算法都是从某一具体任务情形切入，一旦任务条件改变，规划算法就难以适用，所以也有人将这种智能称为自动化的预设“智能”，况且针对每一种任务情形都设计一个规划算法也是不现实的。因此，想要使无人机集群具有更高级、适用性更广泛的智能，采用集群智能的控制方式是一个可行的解决方案。当然，并不是说这种预设“智能”完全不适用于无人机集群的智能化研究，对于个体层面的智能，采用自上而下的传统智能表达方式仍然是一种较好的解决方案，对于整体层面的智能，比较适合采自下而上的集群智能表达方式。另外，受限于智能算法的发展，无人机集群的智能算法也在逐渐进步，任何一种智能表达方式，在不同的历史时期，都有其存在的价值。特别是在智能无人机集群发展的初级阶段，乃至未来很长的一段时间内，将自上而下和自下而上的两种智能的表达方式有机结合，才是一种更好的智能表达方式。 值得注意的是，由于集群智能的概念最初来自于对生物界集群行为的观察和总结，所以定义中特别强调个体行为规则的简单。但是随着先进无人机系统的出现以及人工智能技术的进步，在理解无人机集群智能时，认为无人机个体仅能按照简单的行为规则行事显然是不合适的，只能说这些行为规则相对于复杂的集群行为是简单的。因为，就当前无人机系统的发展水平来看，其本身就是一个复杂系统，人们对无人机功能和智能水平的追求也会逐渐提高，无人机面临的任务环境也将充满不确定性，无人机个体可以从事的行为也会越来越复杂，甚至一条行为规则背后就隐含着一个非常复杂的算法。因此，无人机集群中的个体智能应当区别于自然界集群中的个体智能，前者中的个体本身就应当具有较高的智能程度，组成集群后将涌现更高级的集群智能；而后者更强调通过遵循“简单”的个体行为规则涌现出“复杂”的集群行为。所以，应当跳出历史局限性，对无人机集群中的个体行为规则的复杂度有一个重新认识。 二是减轻认知负担、提高决策效率。通常而言，单架无人机至少需要一名驾驶员进行操控。而对于无人机集群来说，由于人类自身生理水平的限制，一名驾驶员难以有足够精力同时顾及多架无人机，大量的指控信息会超出操作人员的认知能力，导致决策效率下降，OODA循环速度减缓，战场行动变慢。如果为无人机集群配备数名驾驶员，又会对无人机驾驶员的数量、质量提出很高要求，特别是对大规模无人机集群而言，不但难以满足，还会造成人力资源的浪费。解决上述问题的有效途径之一，就是将无人机集群作为一个虚拟的整体进行指挥控制，无人机集群的自主协同能力将变得极为重要，“智能”成为无人机集群发展的基本要求和核心 。甚至可以说“无智能、不集群”，没有智能的集群不是真正意义上的集群，只能称为编队。真正的无人机集群只有“智能”的“高低”之分，没有“有无”之分。例如2018年，俄军在叙利亚战场遭遇叙反对派武装发动的无人机集群式攻击并成功制止，但这次所谓的无人机集群首次实战，实际上使用的是13架手工组装的较为简陋且携带爆炸物的小型无人机群组，这些无人机之间并不具备信息互联和协同能力，无法形成一个有机整体，和集群智能更是相去甚远，因此并非真正意义上的无人机集群。所以，为突出强调“智能”这一特征，本文所说无人机集群均指智能无人机集群。 美国作为当前军事科技最为发达的国家，在智能无人机集群研究、相关作战概念和技术演示验证方面均处于优势地位，一定程度上代表了智能无人机集群的主要发展趋势。 开放是指无人机集群可以实现不同类型系统功能的有效整合和新技术的增量集成，开发开放式系统架构，为可互换的组件和平台提供统一的标准和工具，使得每型平台均可快速升级或更换载荷。异构是指无人机集群不是由同一种功能的无人机组成，而是由搭载不同功能模块的多种平台的无人机组成，意味着平台和功能的多样化。分布是指集群的整体功能被拆散为若干同质或异质的子功能，分布在不同的个体无人机当中，通过信息互联、沟通协作，实现“1 1>2”的总体效果。开放、异构和分布之间联系密切，因为只有开放才能实现异构，而异构则意味着分布。但是，分布并不一定意味着异构，只要是集群就存在着分布，只不过同构集群分布的是同质功能，异构集群分布的是异质功能。例如美国国防高级研究计划局（Defense Advanced Research Projects Agency, DARPA）的拒止环境中协同作战（Collaborative Operations in Denied Environment, CODE）、体系综合技术和试验（System of Systems Integration Technology and Experimentation, SoSITE）和进攻性蜂群使能战术（Offensive Swarm Enable Tactics, OFFSET）均体现了开放、异构和分布式的理念。  从美军近年无人机集群演示验证项目来看，有国防部“山鹑”项目、DARPA“小精灵”项目、海军实验室低成本无人机集群作战技术（Low-Cost UAV Swarming Technology, LOCUST）项目、近战隐蔽自主一次性无人机（Close-In Covert Autonomous Disposable Aircraft, CICADA）项目、空军实验室忠诚僚机项目等，其中仅忠诚僚机项目采用的是中型无人机与有人机编组的数量分散型集群，其余项目均采用低成本的小型或微型无人机组成的数量密集型集群，且为进一步降低成本，美军正在积极探索可回收式无人机，如表2所示。但是，这一趋势并不代表以中、大型无人机组成的数量分散型集群没有发展空间，相反，中、大型无人机在作战半径、巡航时间、作战载荷、空战对抗上均比小、微型无人机具有优势。真正的智能无人机集群不应过于强调数量，而是强调智能，随着技术的进步，以少量的中、大型无人机组成的数量分散型集群极有可能成为未来新的发展方向。 表2 美军近年无人集群演示验证项目的集群规模对比
2014年，美国提出第三次抵消战略，将先进有人/无人作战编组作为五大关键技术之一，此后启动的忠诚僚机项目和OFFSET项目是对这一战略的积极响应，都是以不同形式探索无人机集群与人类混合编组的实际行动。例如，“忠诚僚机”项目，就是期望利用两到三架自主无人机充当僚机，协助长机完成作战任务, 必要时甚至可以“牺牲”自己。OFFSET项目，实际上是探索城市作战中小规模部队与自主“蜂群”编组作战的战术问题。 美军认为未来战争需要人与机器的紧密结合，人机协同（Human-Machine Collaboration）是增强美国军事实力领先优势的关键技术。《美国空军2009-2047年无人机系统飞行计划》指出：无人机将会以“蜂群”形式发动持续的打击，可与有人作战飞机编队执行空战拦截、对地打击等任务。将无人机以集群的形式与有人机编组，更加强调两者之间的密切配合、综合集成、体系支撑和优势互补，从而提高编队的整体作战效能。人-机编组对无人机集群的自主能力提出很高要求，以减少人类对无人机的干预，使人类的注意力更加集中，从而提高编队的整体反应速度，表明美军对集群作战样式的创新，是未来无人机集群发展的重点方向之一。 集群智能以个体智能为基础，个体智能涌现为集群智能。无论是个体智能还是集群智能，都体现在两个方面，一是自主能力，二是学习能力，这是“智能”的两个重要特征。 （1）自主能力，即自我管理、控制的能力。美国国防部《2005-2035无人机系统路线图》将无人机自主能力划分为10个等级，虽然这种划分方法有其历史局限性，但目前仍然可以作为研究无人机自主能力的一个参考。这10个等级大体可分为远程控制、自动控制、自主控制三个层次，1级属于远程控制，2-3级属于自动控制也称飞行控制，3级以上属于自主控制，如图4所示。其中，前两个层次不能完全体现无人机的自主能力，只有自主控制才属于真正意义上的自主能力。由于战场“迷雾”的存在，无人机集群面临的作战环境将是一个信息不完备、动态多变、充满对抗的不确定性环境，基于预先编程的自动控制能力难以满足未来无人机集群在如此复杂环境下完成多种作战任务的需求。因此，具有感知、判断、规划、决策、协同等高级别的自主能力将成为无人机集群的发展趋势，其中个体自主是集群自主的基础，自动控制是自主控制的支撑。随着技术的进步，完全自主集群将会出现，除非在紧急或必要的情况下，人不在回路的指控方式将成为主流。
图4 无人机自主能力等级参考示意图 （2）适应能力，即不断学习、提升自我的能力。适应能力表现在对战场环境的感知能力，对作战系统结构的调整能力，以及在战争过程的学习能力上面。“智能”不同于其他能力, 具有很强的自学习、自成长特性。人工智能在作为工具的同时，亦会改进自己这个工具。这是智能工具与其他工具最大的不同，因为智能也会成长。因此，与其他武器不同，智能武器也必须经常进行训练，以符合其成长的特性。 美国国防部《无人系统集成路线图2017-2042》更是直接把自主性定义为一个实体基于自身知识以及对环境、自我和态势的理解，通过在不同的行动过程中独立地进化和学习，从而获得能够完成多种任务的能力。对无人机而言，自主控制所遵循的规则更加广泛和灵活，能够通过不断学习进行规则更新，属于高级别的自主能力，而自动控制则基于固定规则，属于低级别的自主能力，两者本质区别在于是否具有学习能力及能否产生适应性。美军认为近年来快速发展的机器学习技术是支持无人机集群从低级别自主跨向完全自主的一种极具潜力的技术手段，主张在解决可信性的前提下，首先在无人机集群的建模仿真（Modeling and Simulation, M&S）活动中培育和训练人工智能，一旦技术成熟就可将其直接嵌入无人系统。未来，随着强人工智能的发展，最终将出现堪比甚至在某些方面超越人类智能的智能无人机集群。 自组织就是系统内部各要素能够按照相互默契的某种规则，各尽其则而又相互协调，自动形成某种有序结构的过程。反过来，如果一个系统靠外部指令才能形成组织结构，就是“他组织”。自组织是集群智能的一个重要特点，智能个体在决定自己的行为时除了要考虑自身状态，还要考虑其他个体的行为。对于生物集群来说，受限于信息获取能力，这种“考虑”是一种局部观察，只能感知到临近个体的状态；而对于无人机集群这种人工集群来说，由于信息技术的支撑，集群之间可以共享信息，所以这种“考虑”就可以是一种范围更广的全局观察，从而使无人机个体在共同目标下的行为选择更加科学、合理。未来，要使智能无人机集群在战场上具有更广泛适应性的集群智能，在行为的自组织上必然要从局部视角转向全局视角。如果用OODA循环描述作战过程，则智能无人机集群的自组织过程如图5所示。
图5 智能无人机集群的自组织作战过程 无人机个体之间以及无人机个体与外部其他个体之间存在协同观察、协同判断、协同决策和协同行动的交互性关系。将智能无人机集群视为一个整体，则相当于一个具有全局视角的虚拟全局智能体，也就是说全局智能体在观察、判断、决策和行动过程中，要以全局为中心处在集群整体的角度进行综合权衡，最终体现在个体行为产生的效果不一定最优，但集群整体行为产生的效果却为最佳，也就是具有了集群智能，如图6所示。需要注意的是，这里的虚拟全局智能体并不等同于自上而下的全局控制，两者是有区别的，虚拟全局智能体的作用是辅助集群内的个体获取、处理全局信息，在集群内进行协调，并非要取代个体作出决策，具体的行为决策还是由个体自行作出的，只不过这种决策在虚拟全局智能体的辅助下更具宏观视角。
图6 无人机个体的局部视角与全局视角对比示意图 本文对智能无人机集群的相关概念进行了辨析，澄清了当前比较模糊和易混淆的认识，如集群、集群作战、集群智能、智能无人机集群等。特别是对无人机集群智能化需求的分析，加深了对无人机集群“智能”的认识。通过对现有智能无人机集群演示验证项目的归纳分析，提出无人机集群样式的描述方法，并总结出五个发展趋势，可以为智能无人机集群的发展和研究提供一个参考。实际上上述工作还有一个目的，就是为下一步开展智能无人机集群的建模仿真活动提供理论指导，因为只有深入理解建模对象的现实原型，才能够更好地对现实事物进行抽象，才能更真实、准确地反映现实事物的本质，从而使建模仿真活动更具可信性。 [引用格式] 邹立岩,张明智,荣明. 智能无人机集群概念及主要发展趋势分析[J]. 战术导弹技术, 2019，(5): 1-11 43. 本文选自《战术导弹技术》2019年第5期 作者：邹立岩,张明智,荣明 |
|
|
