作戰(zhàn)班組層次行為建模

汪 鑫，高 巖，陳 逸，邱靖鈞

華東師范大學(xué) 計算機科學(xué)與軟件工程學(xué)院，上海200062

1 引言

作戰(zhàn)班組的行為建模是戰(zhàn)術(shù)仿真領(lǐng)域中的關(guān)鍵問題[1]，常見的行為建模方法有FSM（Finite State Machine）[2]、規(guī)則系統(tǒng)[3-4]、數(shù)據(jù)驅(qū)動[5-6]、行為樹[7]、HTN等。FSM方法雖然在結(jié)構(gòu)上清晰、簡單，邏輯關(guān)系明確，系統(tǒng)實現(xiàn)相對容易，但難以實現(xiàn)復(fù)雜的行為表示。基于規(guī)則系統(tǒng)的推理方式具有知識表示容易、適應(yīng)性良好等特點。數(shù)據(jù)驅(qū)動方法利用機器學(xué)習(xí)的方法對實體行為進行建模，但需要大量的數(shù)據(jù)作為支撐，且無法對其產(chǎn)生的模型進行準(zhǔn)確的驗證[8]。行為樹被廣泛地應(yīng)用于各種行為建模中，其利用樹形結(jié)構(gòu)來表示行為節(jié)點，可以采用事件驅(qū)動的方式執(zhí)行行為樹，在行為的描述和決策的效率上都具有更好的表現(xiàn)，且便于對模型進行維護。HTN[9]是人工智能規(guī)劃領(lǐng)域常用的方法之一，常見的HTN規(guī)劃器有NOAH、SIPE、O-Plan、SHOP等[10]，它們根據(jù)相關(guān)領(lǐng)域知識，對將復(fù)雜抽象的任務(wù)分解成越來越小的子任務(wù)，直到出現(xiàn)的任務(wù)都可以通過執(zhí)行規(guī)劃動作就能完成為止，與人的思維模式較為接近，這是其他方法所不具備，但在輸入規(guī)模較大時，求解過程容易變成NP完全問題。

戰(zhàn)場中虛擬兵力通常按作戰(zhàn)任務(wù)被劃分為多個作戰(zhàn)編組，如步槍組、機槍組、反坦克組、火箭筒組等。每個班組成員數(shù)量通常為3～5人，成員攜帶不同的武器，執(zhí)行不同的戰(zhàn)術(shù)動作，多個班組之間以及組內(nèi)士兵之間在執(zhí)行戰(zhàn)術(shù)命令過程中會采用火力吸引、迂回包抄、選擇打擊目標(biāo)、火力分配等配合行動，同時單個士兵的行為又會受到環(huán)境因素的影響。單一的行為建模難以同時表達班組間的協(xié)同和成員個體的行為，需要針對班組和成員實體兩個層次分別進行建模。班組層關(guān)注執(zhí)行任務(wù)時成員間的協(xié)同性，利用行為樹進行建模相比其他方法具有更強的描述能力、更高的執(zhí)行效率，更好的維護性。個體層關(guān)注的是士兵根據(jù)環(huán)境等因素能夠動態(tài)規(guī)劃行動的能力，例如士兵在發(fā)動攻擊時需要完成武器的確認(rèn)、根據(jù)彈藥和自身安全性決定攻擊持續(xù)時間、攻擊完成后重新回到掩體等多個原子任務(wù)，采用行為樹建模時，復(fù)雜的層次關(guān)系會帶來過多的行為節(jié)點和過深的樹形結(jié)構(gòu)，增加模型的維護難度，由于行為樹每次都從根節(jié)點開始遍歷的特性，會增加CPU損耗，降低行為樹的效率，并且行為樹難以表達對未來的推理能力。雖然HTN在輸入規(guī)模較大時可能會變成NP完全問題，但將其應(yīng)用于小規(guī)模輸入的士兵個體行為規(guī)劃中，通過一定的優(yōu)化能夠有效避免此問題，且HTN規(guī)劃最大的優(yōu)勢是能夠自然地描述并推理士兵執(zhí)行任務(wù)的過程，能夠有效提高模型對個體行為描述的表達能力，彌補行為樹的不足。

本文基于行為樹和HTN方法提出了班組戰(zhàn)術(shù)行為的層次模型，基于行為樹的班組決策層和基于HTN的實體執(zhí)行層。班組決策層中，決策行為樹根據(jù)戰(zhàn)術(shù)命令為班組成員分配各自的具體任務(wù)目標(biāo)，并就班組決策應(yīng)考慮環(huán)境與敵我態(tài)勢的問題引入了TPS[11]方法，通過利用評估函數(shù)對周圍環(huán)境因素的定量評估對戰(zhàn)場環(huán)境和敵我態(tài)勢進行分析，選擇最有利的戰(zhàn)術(shù)位置。實體執(zhí)行層中，HTN的規(guī)劃算法根據(jù)實體獲得的具體命令以及對環(huán)境的感知信息，對復(fù)合任務(wù)進行不斷地分解得到一系列原子任務(wù)，構(gòu)造出實體的行動計劃，自然地描述和推理實體執(zhí)行命令的過程。

2 層次模型概述

本文提出的基于行為樹和HTN的班組作戰(zhàn)層次行為模型，在模型層次上分為了基于行為樹模型的班組決策層和基于HTN的作戰(zhàn)實體執(zhí)行層。

班組層次行為模型的整體結(jié)構(gòu)如圖1所示。班組在接收到戰(zhàn)術(shù)命令后，班組決策層會根據(jù)戰(zhàn)術(shù)命令與班組狀態(tài)通過行為樹模型為班組中各個作戰(zhàn)實體分配具體的任務(wù)和目標(biāo)。作戰(zhàn)實體接收到行為樹分配的具體任務(wù)后，執(zhí)行由HTN算法規(guī)劃生成的計劃來完成當(dāng)前戰(zhàn)術(shù)目標(biāo)。

圖1 班組層次行為模型整體結(jié)構(gòu)

3 班組決策層

首先對步兵班組執(zhí)行壓制戰(zhàn)術(shù)命令的過程中采用的行動策略進行了分析，然后根據(jù)分析結(jié)果設(shè)計了班組決策行為樹的總體結(jié)構(gòu)和壓制行為子樹。最后針對影響戰(zhàn)術(shù)位置選擇的敵我因素進行了分析與建模。

3.1 步兵班組戰(zhàn)術(shù)行為分析

如圖2所示，現(xiàn)有黑白兩組士兵正在進行對抗，白組需要前往掩體Coverb處對黑組進行壓制。

圖2 戰(zhàn)場示意圖

按照一般戰(zhàn)術(shù)執(zhí)行的原則，白組為了確保在移動至Coverb過程中的安全性，必然不能全隊成員一同移動，需要相互掩護，協(xié)同移動，即分配成員火力掩護和移動。整個過程如圖3所示，首先圖3（a）中白組整體移動至掩體Coverc處；然后圖3（b）中，成員S1與S2對敵方進行火力壓制，S3在S1與S2的掩護下，移動至Coverb；圖3（c）中，S3移動至Coverb后對敵人進行火力壓制，S1與S2在S3的掩護下移動至Coverb；最終圖3（d）中，S1、S2與S3到達Coverc一起對敵方進行火力壓制。

在上面的分析中，步兵班組根據(jù)掩體的位置，動態(tài)地制定戰(zhàn)術(shù)行為，具有一定的不確定性，且班組的戰(zhàn)術(shù)行為被分解為若干個基本行為，例如壓制行為中涉及了需找掩體、火力掩護、移動等行為，且隨著環(huán)境的變化，每個班組成員所承當(dāng)?shù)娜蝿?wù)也有所不同，以此達到協(xié)同行動的目的。

3.2 班組決策行為樹設(shè)計

行為樹是有限狀態(tài)機和層次有限狀態(tài)機的改進，采用樹形結(jié)構(gòu)設(shè)計，由不同職責(zé)的節(jié)點連接構(gòu)成，包括順序節(jié)點、條件節(jié)點、執(zhí)行節(jié)點。順序節(jié)點負(fù)責(zé)順序執(zhí)行所屬的所有子節(jié)點，選擇節(jié)點根據(jù)規(guī)則選擇其中一個子節(jié)點進行執(zhí)行，條件節(jié)點判斷條件是否成立，執(zhí)行節(jié)點負(fù)責(zé)執(zhí)行行為。

如圖4所示，在行為樹中，本文按照班組的戰(zhàn)術(shù)行為構(gòu)建了機動子樹、攻擊子樹等，每個子樹中又分別包括多種行為子樹，例如攻擊子樹中又包含壓制子樹、掩護子樹等。行為樹會根據(jù)當(dāng)前的戰(zhàn)術(shù)命令選擇對應(yīng)行為子樹，并對每個行為子樹分別進行建模。例如壓制行為子樹對圖3中壓制行過程進行了建模。其中條件1為是否到達目標(biāo)點，條件2為是否處于安全位置。

圖4 行為樹整體設(shè)計

3.3 班組戰(zhàn)術(shù)位置選擇

班組在進行決策時，需要在執(zhí)行任務(wù)的同時考慮成員的安全，這也影響行為決策的可信度，因此借鑒了TPS方法[12]，其核心思想是對環(huán)境和敵我態(tài)勢因素進行評估，選擇相對較優(yōu)的目標(biāo)位置。

TPS方法的種類較多，如布爾矩陣法、感知法、評估法，本文采用較為主流的評估法，通過設(shè)置一系列評估要素和評估函數(shù)，對環(huán)境和態(tài)勢進行評估，并參考了文獻[13]。中的動態(tài)過程化作戰(zhàn)戰(zhàn)術(shù)生成算法，獲取距離、威脅源、威脅范圍等信息，經(jīng)由評估函數(shù)的評估與加權(quán)求和后，為班組提供較優(yōu)的選擇。并根據(jù)需求調(diào)整各個評估要素的權(quán)重。

圖3 白組S1、S2和S3三名士兵執(zhí)行壓制行為的過程

以班組壓制過程中掩體的選擇為例，班組會以預(yù)設(shè)的最大距離rmax對周圍地物進行探測，獲取rmax范圍內(nèi)所有可被利用的地物作為候選，再根據(jù)班組與掩體的尋徑距離、武器威脅以及加權(quán)求和對掩體進行評估，按照評估結(jié)果選擇最優(yōu)的掩體作為移動目標(biāo)。

3.3.1 掩體靠近程度評估要素

在對掩體靠近程度的評估中，本文將班組與掩體的距離和敵人與掩體的距離作為評估因素，掩體靠近程度的評估Cdis如式（1）所示，Cdis越大意味著掩體越安全。

其中，cs為班組與掩體的距離，ce為敵人與掩體的距離，班組與掩體越近評分越高，敵人與掩體越近評分越低。ωs和ωe和分別為兩者的權(quán)重，ωs,ωe＞0。

班組與掩體的距離cs與班組中每個成員與掩體的距離相關(guān)，由于士兵在沒有掩體的情況下移動得越遠，潛在的危險越大，所以采用指數(shù)函數(shù)進行評估，具體如式（2）所示：

其中，dis()Si為士兵Si到掩體的尋徑距離，αs為調(diào)節(jié)因子，能夠針對具體任務(wù)進行調(diào)節(jié)，αs＞0。

與cs類似，敵人與掩體的距離評估ce如式（3）所示，ce＜0。其中αs為調(diào)節(jié)因子，且αs＞0,Ei表示士兵探測最大距離rmax內(nèi)的敵人。

3.3.2 武器威脅評估要素

與掩體評估類似，武器威脅的評估Cthreat考慮了班組自身武器和敵人武器的影響，并將掩體防護度納入評估因素。如式（4）所示，cte為敵人武器威脅，cts為自身武器威脅，權(quán)重ωte,ωts＞0。

由于武器的種類繁多，且攻擊方式不同，這里主要分為兩大類：范圍攻擊武器（Indir）和單點攻擊武器（Dir）。例如手雷、榴彈、火箭筒等為范圍攻擊武器，步槍、狙擊槍等為單點攻擊武器。其中范圍攻擊武器會在一定范圍內(nèi)對敵人造成傷害，且傷害的大小與距離有關(guān)，距離越近傷害越高。

敵方武器威脅的評估函數(shù)如式（5）所示，由于敵方武器威脅越大掩體越不安全，所以cte＜0。

其中，P代表掩體的抵抗攻擊的有效程度，P越大敵方武器對掩體產(chǎn)生的威脅越小，P∈[0 ,1]。Ei為威脅對象，damageDir和damageIndir分別表示單點攻擊武器和范圍攻擊武器的傷害值。distance( Ei)表示威脅對象與目標(biāo)掩體的距離，rangeIndir( Ei)為范圍攻擊武器的攻擊范圍。敵方武器對掩體的威脅隨距離的增加而減少，范圍攻擊武器的攻擊范圍越大對掩體造成的威脅也越大。同理，對敵方發(fā)動攻擊的有效評估如式（6）所示，表示利用該掩體對敵人發(fā)動攻擊的有效程度，cts≥0。

其中，Si為自身對象，Ej為敵方對象，damageDir()Si和damageIndir( Si)分別表示自身武器的傷害值，distance( Ei)表示敵方與掩體的距離，rangeIndir( Si)表示自身范圍攻擊武器的攻擊范圍。

4 實體執(zhí)行層

班組決策層完成為班組中每個成員的任務(wù)分配后，作戰(zhàn)實體需要通過HTN規(guī)劃器獲取并執(zhí)行計劃，本章介紹執(zhí)行層的結(jié)構(gòu)設(shè)計以及HTN規(guī)劃器的規(guī)劃過程。

4.1 執(zhí)行層結(jié)構(gòu)

執(zhí)行層的整體結(jié)構(gòu)如圖5所示。其中基礎(chǔ)屬性為士兵的生命值、彈藥數(shù)量等信息；命令為班組決策層經(jīng)過決策為士兵分配的具體任務(wù)目標(biāo)，如火力壓制，移動至掩體等；同時班組成員需要掩護這一信息會以消息的新式傳送到狀態(tài)中；士兵實體感知器所接收到來著外界的刺激，如察覺到敵人，將作為威脅傳送至狀態(tài)中。HTN規(guī)劃器需要根據(jù)當(dāng)前的狀態(tài)信息構(gòu)造士兵接下來的行動計劃，每當(dāng)狀態(tài)發(fā)生改變，HTN就會重新搜索并構(gòu)建新的計劃。

圖5 實體執(zhí)行層架構(gòu)

考慮到作戰(zhàn)仿真系統(tǒng)對實時性有著較高的要求，且傳統(tǒng)HTN規(guī)劃器可能由于分解順序不當(dāng)導(dǎo)致計劃的生成變?yōu)镹P完全問題[14]，因此本文采用了HTN規(guī)劃器眾多實現(xiàn)中的TFD（Total-order Forward Decomposition）規(guī)劃，它屬于STN（Simple Task Network），將復(fù)合任務(wù)的先后順序直接作為其產(chǎn)生計劃的依據(jù)，雖然會降低HTN規(guī)劃的靈活性，并且不能確保規(guī)劃結(jié)果的絕對最優(yōu)，但在任務(wù)網(wǎng)絡(luò)過于復(fù)雜時能有效降低HTN規(guī)劃的時間和風(fēng)險，保證士兵執(zhí)行命令時的一致性。最后由實體控制器控制士兵實體完成計劃的執(zhí)行。

4.2 狀態(tài)與任務(wù)網(wǎng)絡(luò)

除了狀態(tài)信息，HTN規(guī)劃器的工作還依賴于任務(wù)網(wǎng)絡(luò)。通過對狀態(tài)的判斷，不斷將復(fù)合任務(wù)分解為更具體的子任務(wù)，直至所有的子任務(wù)都為原子任務(wù)，以此形成最終的計劃。狀態(tài)空間的改變會導(dǎo)致HTN的重新規(guī)劃，因此在設(shè)計狀態(tài)空間時需要避免數(shù)據(jù)的過于復(fù)雜，對連續(xù)的數(shù)據(jù)離散化，降低規(guī)劃的復(fù)雜性。

步兵實體狀態(tài)主要包含是否遇敵、是否攻擊、彈藥數(shù)量、健康狀態(tài)等，將健康狀態(tài)、彈藥數(shù)量等數(shù)值信息離散化為健康狀態(tài)（健康、受傷、死亡），彈藥數(shù)量（高、中、低、無）。

如圖6所示，根任務(wù)由士兵的多種方法（行為）組成，每個方法擁有特定的前置條件，如命令、基礎(chǔ)屬性、消息、威脅等，同時方法的排列順序決定了該方法的優(yōu)先級[15]，分解時，由根任務(wù)開始，遍歷其包含的方法，當(dāng)某個方法的前置條件被滿足且優(yōu)先級比當(dāng)前執(zhí)行的任務(wù)更高時，將該方法的子任務(wù)加入推理的任務(wù)棧中繼續(xù)進行推理。

圖6 任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)

子任務(wù)可能是復(fù)合任務(wù)，也可能是原子任務(wù)，復(fù)合任務(wù)又包含多個方法，原子任務(wù)不包含任何方法，是士兵可以執(zhí)行的具體操作。例如攻擊任務(wù)是復(fù)合任務(wù)，其所包含的子任務(wù)有武器確認(rèn)、位置檢查、開火攻擊和隱蔽四個方法，其中武器切換是原子任務(wù)，直接控制士兵切換對應(yīng)武器，而攻擊位置檢查是復(fù)合任務(wù)，包含位置檢查和位置選擇兩個子任務(wù)。

4.3 規(guī)劃算法

規(guī)劃算法是HTN的核心，本文基于TFD設(shè)計了任務(wù)網(wǎng)絡(luò)的規(guī)劃算法。規(guī)劃過程如算法1所示，算法中維護了任務(wù)處理棧TStack和分解記錄棧DStack，其中TStack存儲著由深度優(yōu)先搜索到的任務(wù)信息，用以構(gòu)造最優(yōu)計劃，而DStack存儲著任務(wù)分解過程中每一次的分解信息，當(dāng)分解后的任務(wù)不滿足推理狀態(tài)時，能夠根據(jù)DStack中的信息，將任務(wù)分解恢復(fù)到之前的狀態(tài)。p存儲著當(dāng)前任務(wù)的優(yōu)先級，決定了該任務(wù)是否可以繼續(xù)被分解或是否可以被執(zhí)行，若低于當(dāng)前執(zhí)行任務(wù)的優(yōu)先級，則算法放棄規(guī)劃。

算法1 HTN規(guī)劃算法

輸入：

Troot：根任務(wù)；

s0：初始狀態(tài)；

輸出：

P：計劃隊列。

1.TStack={Troot},DStack={},s=s0,p=0；

2.while TStack不為空do

3.T=TStack.Pop()；

4. if T是復(fù)合任務(wù)then

5. 尋找滿足條件的方法m

6. if m優(yōu)先級大于p then

8. TStack.Push(m )；

9. else

10. return；

11. end if

12. else

13. if T滿足狀態(tài)s then

14. 修改狀態(tài)s

15. P.Push(T)；

16. else

18. end if

19. end if

20.end while

21. return P

5 實驗結(jié)果

為了驗證作戰(zhàn)班組行為模型的有效性，本文搭建了紅藍雙方進行對抗的仿真戰(zhàn)場實驗環(huán)境，紅方負(fù)責(zé)進攻，藍方負(fù)責(zé)防守，場景及兵力構(gòu)成如圖7所示。藍方利用高臺、碉堡、掩體進行防衛(wèi)，紅方利用掩體和小隊間的協(xié)同，進攻藍方。

圖7 紅藍對抗仿真戰(zhàn)場及兵力構(gòu)成

仿真戰(zhàn)場實驗環(huán)境的開發(fā)平臺：Visual Studio 2017和Unreal Engine 4，軟硬件環(huán)境：Intel i5-7500、16 GB內(nèi)存、GTX1050ti、Windows 10操作系統(tǒng)。

其中紅方進攻的作戰(zhàn)想定為：紅方小隊利用墻壁作為掩體躲避藍方攻擊；小隊R1和R2執(zhí)行火力壓制，在正面與藍方交戰(zhàn)；小隊R2停止火力壓制，利用石頭掩體進行正面突擊；小隊R4利用火箭筒爆破藍方碉堡。

實驗中紅藍班組的具體行動過程如圖8所示。從圖中可以看出，紅方基本能夠正確依靠作戰(zhàn)環(huán)境展開行動，并且最終戰(zhàn)勝藍方，驗證了班組層次行為模型的有效性。

圖8 紅藍雙方交戰(zhàn)過程

6 結(jié)束語

本文提出了基于行為樹和HTN的班組作戰(zhàn)層次行為模型，將戰(zhàn)術(shù)命令的執(zhí)行分為班組決策和實體執(zhí)行兩個層次。在班組決策層，通過對步兵班組軍事行動作戰(zhàn)規(guī)律的研究與分析，設(shè)計了步兵班組決策層的父子行為樹結(jié)構(gòu)，并就班組決策應(yīng)考慮環(huán)境與敵我態(tài)勢的問題引入了TPS方法，利用距離、威脅因素對戰(zhàn)術(shù)位置進行評估。在實體執(zhí)行層的HTN設(shè)計中，闡述了實體執(zhí)行層的架構(gòu)，并對HTN規(guī)劃的狀態(tài)空間和任務(wù)網(wǎng)絡(luò)進行了分析與設(shè)計，提出的規(guī)劃算法根據(jù)實體獲得的具體命令以及對環(huán)境的感知信息，對復(fù)合任務(wù)進行不斷地分解，構(gòu)造實體的行動計劃。最后通過搭建紅藍對抗仿真戰(zhàn)場實驗環(huán)境，驗證了作戰(zhàn)班組層次行為模型的有效性。