面向任务的无人机集群自主决策技术

来源： 中国指挥与控制学会

作者：张栋, 王孟阳, 唐硕

摘要

无人机集群协同作战的自主化、智能化是未来军事指挥控制技术发展的重要趋势, 为满足日趋重视的集群应用需求, 提出了面向协同作战任务的无人机集群自主决策技术概念与体系, 建立了无人机集群多任务的通信-决策-规划-控制（communica-tion, decision, planning, control；CDPC）自主决策框架。根据通信拓扑结构建立了集中式、完全分布式和混合式的决策样式, 在此基础上, 分别建立了感性任务推理决策模型和理性任务推理决策模型,探讨了模型的求解框架以及关键技术解决途径,表示无人机集群任务决策对协同作战的规划和实施具有较好的指导意义。

2020年1月,中国科学院发布的《2019年人工智能发展白皮书》中将“群体智能技术”列为八大人工智能关键技术之一[1],随着智能系统与复杂体系、感知与判断、分布式协同、人工智能和算法战等理论与技术的不断发展与突破, 智能系统已呈现出无人化、集群化和自主化等特征[2].无人机集群作为未来集群智能系统的主要形式,能够实现单平台行为决策、多平台任务协同,具有集群涌现特性,表现出了巨大的应用前景.无人机集群任务环境弹性大、态势变化快传、感器信息不完全、通信结构不稳定,是以决策为主的对抗。因此,协同自主决策作为“感知-判断-决策-行动（observation-orientation-decision-action,OODA）”环路循环中的关键技术引起了国内外广泛关注[3-5].无人机集群在复杂动态变化的环境下,如何根据不确定的态势信息,实施可解释的自主决策推理,确定高效可靠的任务协同执行方式对保障集群安全,提升作战效能至关重要.

按照系统科学的观点[6],无人机集群系统多平台异构、任务需求众多、输入态势变化、战术目的复杂、约束条件耦合,为解决以上问题,需要面向无人机集群多任务设计自主决策规划框架,降低系统研究的复杂性.文献[7]基于不确定攻防博弈态势信息搭建了无人机集群对抗博弈模型,并设计博弈成本函数计算最优策略；文献[8]提出了一种多无人机分布式智能自组织算法,将集群侦察-打击任务优化问题分解为多个局部优化问题,并通过集群与环境和集群之间的信息交流实现全局优化决策；文献[9]针对区域侦察等典型集群任务,采用深度学习方法构建任务决策模型,然后基于遗传算法对决策模型进行优化,为集群实现离线学习和在线决策提供了有效支撑任务角度出发,对集群自主决策问题进行研究相对较少.

对于集群系统协同作战任务方面的研究,主要以任务规划问题为主[10],此类问题大都是事先拟定好了任务输入类型和约束,是一种有目标信息的多约束优化问题.然而对于集群如何获得准确的任务目标信息,并根据态势进行动态任务调整并没有考虑,此问题正是集群协同任务决策的研究重点.现阶段无人机决策问题研究大都聚焦于空战过程中的机动动作决策[11-12],或者某个明确任务场景中的决策,如集群打击任务等[13-14],没有从集群协同作战过程中战术战略及任务的多样性和复杂性方面开展自主决策研究.因此,本文针对这个问题,分析了集群任务自主决策概念、任务定义与分类,设计了自主决策的流程；应用分层研究思想提出一种自主决策框架,并根据通信结构定义不同的决策模式；结合多种技术途径对无人机集群自主决策建模的体系结构和求解框架进行了分析和探讨.