無(wú)人集群協(xié)同控制策略及軍事應(yīng)用

陳立棟 王 原 邸建勛 王竣德 謝 滔

無(wú)人集群協(xié)同控制是自動(dòng)控制領(lǐng)域的一個(gè)熱門研究方向.通常情況下,無(wú)人集群被定義為一個(gè)能夠協(xié)同解決復(fù)雜問(wèn)題的無(wú)人設(shè)備集合.相對(duì)于使用不可替代的單個(gè)復(fù)雜無(wú)人設(shè)備,采用無(wú)人集群執(zhí)行復(fù)雜任務(wù)通常具有以下優(yōu)勢(shì)[1]：1）使用無(wú)人集群能夠通過(guò)可替代個(gè)體策略來(lái)保證集群任務(wù)執(zhí)行的穩(wěn)定性和可靠性.2）使用無(wú)人集群能夠保證多個(gè)任務(wù)在不同地點(diǎn)被同時(shí)執(zhí)行.3）使用無(wú)人集群能夠提高復(fù)雜任務(wù)的執(zhí)行效率.

近年來(lái),無(wú)人集群在軍事領(lǐng)域獲得了日益廣泛的應(yīng)用.在執(zhí)行聯(lián)合偵察、火力打擊、應(yīng)急救援等軍事任務(wù)過(guò)程中,采用無(wú)人集群（包括無(wú)人機(jī)、無(wú)人車、無(wú)人船、無(wú)人潛航器等）或人機(jī)混合集群能夠有效擴(kuò)大偵察和搜索的范圍,增強(qiáng)分布并行感知、計(jì)算和任務(wù)遂行能力.同時(shí),大規(guī)模無(wú)人集群在容錯(cuò)性、魯棒性、抗毀性等方面均具有顯著優(yōu)勢(shì),能夠更好的適應(yīng)戰(zhàn)場(chǎng)環(huán)境.

在影響無(wú)人集群應(yīng)用效能的諸多關(guān)鍵問(wèn)題中,無(wú)人集群協(xié)同控制策略設(shè)計(jì)居于核心地位.良好的無(wú)人集群協(xié)同控制策略設(shè)計(jì)能夠有效提升無(wú)人集群任務(wù)執(zhí)行能力、降低無(wú)人集群任務(wù)執(zhí)行資源消耗、規(guī)避任務(wù)執(zhí)行風(fēng)險(xiǎn).

本文系統(tǒng)總結(jié)了無(wú)人集群的主要協(xié)同控制策略類型及優(yōu)劣勢(shì)、無(wú)人集群典型軍事應(yīng)用場(chǎng)景及不同場(chǎng)景下常用的控制策略、無(wú)人集群軍事應(yīng)用的未來(lái)挑戰(zhàn)等3 個(gè)方面問(wèn)題,能夠?yàn)闊o(wú)人集群協(xié)同控制策略設(shè)計(jì)提供借鑒,同時(shí)為該領(lǐng)域的未來(lái)研究指明方向.

1 無(wú)人集群協(xié)同控制策略

無(wú)人集群協(xié)同控制策略一般可劃分為5 大類別,包括：“領(lǐng)導(dǎo)者-跟隨者”策略（leader-follower strategy）、虛擬結(jié)構(gòu)控制策略（virtual structure strategy）、基于行為的控制策略（behavior-based strategy）、人工勢(shì)場(chǎng)法（artificial potential field）、以及基于人工智能的控制策略.下面簡(jiǎn)述上述5 類方法的結(jié)構(gòu)框架、主要優(yōu)勢(shì)以及不足.

1.1 “領(lǐng)導(dǎo)者-跟隨者”策略

“領(lǐng)導(dǎo)者-跟隨者”策略是一種在無(wú)人集群協(xié)同控制問(wèn)題中非常常用的策略.該策略具有實(shí)施簡(jiǎn)單、易擴(kuò)展的特性.在“領(lǐng)導(dǎo)者-跟隨者”模型中,無(wú)人集群中的一個(gè)或多個(gè)成員被確定為虛擬領(lǐng)導(dǎo)者（virtual leader）.虛擬領(lǐng)導(dǎo)者能夠鏈接無(wú)人集群中的其他成員,并決定整個(gè)無(wú)人集群的運(yùn)行軌跡.其他成員被設(shè)定為跟隨者（follower）,跟隨者跟隨虛擬領(lǐng)導(dǎo)者的軌跡確定自身軌跡.通過(guò)以上策略,無(wú)人集群的運(yùn)動(dòng)軌跡和隊(duì)形得以保持.一個(gè)典型的“領(lǐng)導(dǎo)者-跟隨者”模型案例如圖1 所示.

圖1 “領(lǐng)導(dǎo)者-跟隨者”模型Fig.1 “Leader-follower”model

“領(lǐng)導(dǎo)者-跟隨者”模型最先被提出于文獻(xiàn)[2].該文獻(xiàn)研究了一個(gè)需要6 臺(tái)無(wú)人機(jī)（unmanned aerial vehicle，UAV）繞1 個(gè)障礙物飛行的典型應(yīng)用場(chǎng)景.提出了兩種主要的“領(lǐng)導(dǎo)者-跟隨者”模型策略：控制器以及控制器.控制器的設(shè)計(jì)思路是保持領(lǐng)導(dǎo)者和跟隨者以及不同跟隨者之間的相對(duì)距離不變.控制器則保證領(lǐng)導(dǎo)者和跟隨者之間的相對(duì)距離以及跟隨角度不變.顯而易見,控制器需要的通訊代價(jià)更低.反步控制法（back-stepping control）[3-5]以及滑模控制法（sliding model control）[6-9]是實(shí)現(xiàn)“領(lǐng)導(dǎo)者-跟隨者”模型的兩個(gè)重要技術(shù).為實(shí)現(xiàn)大型無(wú)人集群的同步控制,文獻(xiàn)[10]提出了一種包括多領(lǐng)導(dǎo)者的層次控制框架.一個(gè)大型的無(wú)人集群被劃分成多個(gè)子集群（branch）.每個(gè)分支包括一個(gè)本地領(lǐng)導(dǎo)者以及多個(gè)跟隨者.整個(gè)無(wú)人集群則存在一個(gè)全局領(lǐng)導(dǎo)者.本地領(lǐng)導(dǎo)者通過(guò)跟隨全局領(lǐng)導(dǎo)者來(lái)控制整個(gè)子集群軌跡,而整個(gè)無(wú)人集群的軌跡由全局領(lǐng)導(dǎo)者控制.

根據(jù)文獻(xiàn)[11]所述,“領(lǐng)導(dǎo)者-跟隨者”策略的優(yōu)勢(shì)在于易用性和可擴(kuò)展性.然而,缺乏穩(wěn)定性是該模型的主要缺陷.文獻(xiàn)[12]指出,“領(lǐng)導(dǎo)者-跟隨者”策略中領(lǐng)導(dǎo)者的失能會(huì)導(dǎo)致整個(gè)集群全部失效.為了改善該缺陷,文獻(xiàn)[13]提出一種基于虛擬領(lǐng)導(dǎo)者的控制策略.在該文獻(xiàn)中,無(wú)人集群由一個(gè)通過(guò)文獻(xiàn)[14]所述算法計(jì)算出的虛擬領(lǐng)導(dǎo)者控制.該控制策略相對(duì)于其他“領(lǐng)導(dǎo)者-跟隨者”策略具有更好的收斂性表現(xiàn),且能夠在整個(gè)集群不完全聯(lián)通的條件下實(shí)現(xiàn)更少的隊(duì)形維持錯(cuò)誤.

1.2 虛擬結(jié)構(gòu)控制策略

虛擬結(jié)構(gòu)控制策略的一般定義為：存在一個(gè)無(wú)人集群控制策略,其目標(biāo)是通過(guò)一系列參考點(diǎn)維持集群內(nèi)各成員之間的相對(duì)物理位置關(guān)系.在該類策略中,無(wú)人集群的形態(tài)被定義為一個(gè)固定的虛擬軀體（virtual body）.虛擬軀體的外形通過(guò)一系列參考點(diǎn)進(jìn)行定義.同時(shí),無(wú)人集群中的成員通過(guò)修正該成員與對(duì)應(yīng)參考點(diǎn)之間的距離誤差來(lái)實(shí)現(xiàn)隊(duì)形控制.一個(gè)典型的虛擬結(jié)構(gòu)控制策略例子如圖2 所示.

圖2 虛擬結(jié)構(gòu)控制策略Fig.2 Virtual structure control strategy

虛擬結(jié)構(gòu)控制策略最先被提出于文獻(xiàn)[15].文獻(xiàn)[16-17]繼承了文獻(xiàn)[15]的控制思想,并提出了一個(gè)新的控制概念：隊(duì)形反饋（formation feedback）.通過(guò)隊(duì)形反饋能夠?qū)崿F(xiàn)更好的結(jié)構(gòu)穩(wěn)定性和擴(kuò)展性.文獻(xiàn)[18]引入了另一個(gè)虛擬結(jié)構(gòu)控制中的重要概念：柔性結(jié)構(gòu)（flexible formation）.該文獻(xiàn)提出了一種基于曲面坐標(biāo)的可變虛擬結(jié)構(gòu)控制方法.能夠提高虛擬結(jié)構(gòu)控制方法的結(jié)構(gòu)跟蹤能力.

虛擬結(jié)構(gòu)控制的優(yōu)勢(shì)是具有高度穩(wěn)定性和更低的計(jì)算開銷,虛擬結(jié)構(gòu)控制的缺點(diǎn)則為較低的靈活性以及較差的碰撞避免能力.為了改善虛擬結(jié)構(gòu)控制的碰撞避免能力,KOWNACKI 提出了一種基于虛擬結(jié)構(gòu)控制和“領(lǐng)導(dǎo)者-跟隨者”模型的混合控制策略,并實(shí)現(xiàn)了基于該控制策略的大型UAV 集群控制[19].在該控制策略中,每臺(tái)UAV 跟蹤虛擬控制結(jié)構(gòu)的參考點(diǎn)以及領(lǐng)導(dǎo)者UAV.通過(guò)該控制策略,文獻(xiàn)[19]實(shí)現(xiàn)了具有更高集群性、協(xié)同性、以及具有碰撞避免能力的無(wú)人集群.另外,具有容錯(cuò)性（fault tolerant）的虛擬結(jié)構(gòu)控制策略也是另一大研究熱點(diǎn).典型研究包括執(zhí)行器故障控制[20-21]（actuator failure possessing）,環(huán)境動(dòng)態(tài)性處理[22],以及通信時(shí)延條件下的虛擬結(jié)構(gòu)控制[23].

1.3 基于行為的控制策略

基于行為的控制策略通過(guò)設(shè)計(jì)一系列基于控制行為的狀態(tài)方程實(shí)現(xiàn)無(wú)人集群的形態(tài)控制.在該控制策略中,每個(gè)狀態(tài)方程對(duì)應(yīng)于一個(gè)特殊的無(wú)人集群形態(tài)控制目標(biāo),典型控制目標(biāo)包括集群形體控制、集群導(dǎo)航、碰撞避免等.設(shè)一個(gè)無(wú)人集群包括3 個(gè)目標(biāo)：導(dǎo)航（o1）、碰撞避免（o2）、隊(duì)形保持（o3）.每個(gè)目標(biāo)的權(quán)重分別為.則最終的控制方程可寫作.該案例的圖示如圖3 所示.

圖3 基于行為的控制策略Fig.3 Behavior-based control strategy

基于行為的控制策略首先被提出于文獻(xiàn)[24],該文獻(xiàn)討論了一個(gè)考慮導(dǎo)航、碰撞避免以及隊(duì)形保持3 個(gè)控制目標(biāo)的基于行為的控制策略.同時(shí),該文獻(xiàn)還提出了速度匹配（velocity matching）概念.文獻(xiàn)[25]首次提出了基于行為的繞障礙飛行控制策略.文獻(xiàn)[26-27]提出了重要的速度障礙（velocity obstacle）概念.速度障礙通常被用于處理飛行區(qū)域內(nèi)存在移動(dòng)障礙時(shí)的碰撞避免問(wèn)題.VASARHELYI 等提出了考慮可調(diào)參數(shù)的基于行為的控制策略[28].在該方法中,控制策略的參數(shù)通過(guò)一種多目標(biāo)進(jìn)化算法（covariance matrix adaption evolutionary strategy,CMA-ES）進(jìn)行調(diào)試.該控制策略經(jīng)過(guò)大量實(shí)機(jī)測(cè)試后,被證明在環(huán)狀飛行、對(duì)角線飛行、多障礙下的自由飛行等典型應(yīng)用場(chǎng)景下均具有良好表現(xiàn).ALFEO 等提出了不確定性環(huán)境下執(zhí)行目標(biāo)搜索任務(wù)的基于行為的無(wú)人集群控制模型[29].LI 等提出了一種基于企鵝行為的控制策略[30].該策略能夠?qū)崿F(xiàn)復(fù)雜多障礙環(huán)境下的可變隊(duì)形控制.

基于行為的控制策略的優(yōu)勢(shì)為具有極高的靈活性、良好的可擴(kuò)展性以及具有多任務(wù)的并行處理能力.該策略的不足則包括設(shè)計(jì)合理的行為控制方程需要大量的專業(yè)知識(shí)及實(shí)踐經(jīng)驗(yàn),以及在復(fù)雜環(huán)境下通過(guò)行為控制方程控制的無(wú)人機(jī)集群可能展現(xiàn)不可預(yù)測(cè)的集群行為等.

1.4 人工勢(shì)場(chǎng)法

人工勢(shì)場(chǎng)法（artificial potential field,APF）是一類通過(guò)模擬自然界中的物理學(xué)定律設(shè)計(jì)無(wú)人集群控制策略的方法.針對(duì)APF 的研究關(guān)注于兩類不同的力學(xué)定律：來(lái)自于目標(biāo)、隊(duì)形維持等需求的引力以及來(lái)自障礙物、飛行邊界等要素的斥力.一般而言,引力滿足無(wú)人集群的隊(duì)形維持以及導(dǎo)航需求,而斥力滿足無(wú)人集群的碰撞避免需求.一個(gè)典型的APF 控制策略案例如圖4 所示.

圖4 APF 控制Fig.4 Artificial potential field control strategy

APF 首先被提出于文獻(xiàn)[31].在此基礎(chǔ)上,HA 等提出一種基于APF 的移動(dòng)目標(biāo)跟蹤方法[32].CHEN 等提出基于APF 的軌跡優(yōu)化方法,并用于UAV 集群的隊(duì)形維持問(wèn)題[33].SUN 等采用一種改進(jìn)APF 解決了考慮不可到達(dá)目標(biāo)的無(wú)人集群導(dǎo)航和碰撞避免問(wèn)題[34].PAN 等提出了一種旋轉(zhuǎn)潛在勢(shì)場(chǎng)（rotating potential field）機(jī)制[35],該機(jī)制可用于解決無(wú)人集群3D 自由飛行場(chǎng)景中的死鎖問(wèn)題.

APF 的一大優(yōu)勢(shì)是能夠很好地與其他控制方法相結(jié)合以解決復(fù)雜的無(wú)人集群控制問(wèn)題.文獻(xiàn)[36]提出了一種APF 和“領(lǐng)導(dǎo)者-跟隨者”模型的混合控制策略,用于解決事件驅(qū)動(dòng)的UAV 集群隊(duì)形控制問(wèn)題,該方法相對(duì)于其他控制方法具有更高的穩(wěn)定性.HANG 提出了一種基于強(qiáng)化學(xué)習(xí)的人工勢(shì)場(chǎng)法,用于解決在完全或部分不可知環(huán)境下的無(wú)人集群編隊(duì)飛行問(wèn)題[37].仿真實(shí)驗(yàn)和實(shí)機(jī)測(cè)試結(jié)果證明,該方法具有較高的效率和可靠性.

APF 具有生成軌跡平滑、低計(jì)算代價(jià)以及高度可擴(kuò)展的方法特性.然而在復(fù)雜環(huán)境中,基于APF的控制方法通常對(duì)參數(shù)變化較為敏感.而APF 的調(diào)參過(guò)程需要大量專業(yè)知識(shí)和多次試錯(cuò),成為該方法的一個(gè)亟需解決的問(wèn)題.

1.5 基于人工智能的控制方法

近年來(lái),基于人工智能（artificial intelligent,AI）的控制方法多次被應(yīng)用于無(wú)人集群協(xié)同控制問(wèn)題,并取得了良好的效果.研究方向包括神經(jīng)網(wǎng)絡(luò)法（neural networks,NN）、模糊控制法（fuzzy logic controller,FLC）以及智能優(yōu)化方法.以下對(duì)這3 類方法進(jìn)行分別介紹.

NN 通常與其他控制策略進(jìn)行聯(lián)合求解.其中,神經(jīng)網(wǎng)絡(luò)用于建模控制過(guò)程中的非線性不確定事件.DIERKS 等提出一種基于“領(lǐng)導(dǎo)者-跟隨者”模型的混合控制策略[38].該策略采用NN 處理空氣動(dòng)力學(xué)摩擦（aerodynamic friction）以及飛行過(guò)程的臨界干擾（bounded disturbances）.WEN 等提出一種基于協(xié)商和自適應(yīng)神經(jīng)網(wǎng)絡(luò)的控制框架用于解決有障礙環(huán)境的無(wú)人集群控制問(wèn)題[39].其中,自適應(yīng)神經(jīng)網(wǎng)絡(luò)被用于解決非線性飛行動(dòng)力學(xué)影響.WANG 等提出一種用于解決完全分布狀態(tài)下的無(wú)人集群隊(duì)形重組問(wèn)題的混合控制框架[40].其中,神經(jīng)網(wǎng)絡(luò)被用于預(yù)測(cè)非線性臨界干擾.GUO 等提出一種基于反步法和神經(jīng)網(wǎng)絡(luò)的混合控制框架,用于解決無(wú)人集群的軌跡跟蹤問(wèn)題[41].其中,神經(jīng)網(wǎng)絡(luò)被用于處理多種不確定性事件（包括非線性空氣動(dòng)力學(xué)影響、非模型化動(dòng)態(tài)因素以及外部干擾等）.

FLC 通常被用于解決復(fù)雜環(huán)境中的多任務(wù)問(wèn)題.REZAEE 等提出一種用于UAV 集群隊(duì)形保持任務(wù)的模糊控制器[42],該控制器的作用是減少任務(wù)過(guò)程中的動(dòng)力學(xué)誤差.HAFEZ 提出一種動(dòng)態(tài)環(huán)境下的多UAV集群協(xié)同任務(wù)模糊控制器[43].該控制器能夠?qū)崿F(xiàn)運(yùn)動(dòng)過(guò)程中的UAV 任務(wù)角色切換.ZHOU 等提出一種針對(duì)密集隊(duì)形下的去中心化無(wú)人集群隊(duì)形控制問(wèn)題的模糊控制器[44].SAIF 等提出一種針對(duì)3D 軌跡跟蹤問(wèn)題的無(wú)人集群隊(duì)形模糊控制器[45].該控制器能夠?qū)崿F(xiàn)對(duì)復(fù)雜非線性動(dòng)力學(xué)模型的高精度近似,并且能夠?qū)崿F(xiàn)相對(duì)平滑的軌跡控制表現(xiàn).

智能優(yōu)化算法被用于改善無(wú)人集群協(xié)同控制方法的路徑規(guī)劃能力.文獻(xiàn)[46-47]采用混合粒子群算法（hybrid swarm particle optimization,HPSO）解決了無(wú)人集群隊(duì)形重構(gòu)的最優(yōu)路徑規(guī)劃問(wèn)題.GHAMRY提出一種基于粒子群算法的路徑規(guī)劃方法,用于解決森林火災(zāi)的探查問(wèn)題[48].該問(wèn)題的目標(biāo)是整個(gè)無(wú)人集群的飛行距離最短.JUAN 等提出基于粒子群算法和模糊控制器的無(wú)人集群控制方法,用于解決使用無(wú)人集群的搜索和營(yíng)救（search and rescue,SAR）任務(wù)[49].粒子群算法被用于優(yōu)化無(wú)人集群中的成員與各搜救點(diǎn)之間的路徑規(guī)劃.該問(wèn)題的目標(biāo)包括總飛行距離最短以及人員暴露在危險(xiǎn)下的風(fēng)險(xiǎn)總和最小.

相對(duì)于其他類型的控制方法,基于人工智能的控制方法通常需要更高的計(jì)算代價(jià),尤其是神經(jīng)網(wǎng)絡(luò)方法和智能優(yōu)化算法.基于人工智能的控制方法的優(yōu)點(diǎn)包括: 不需要精確的運(yùn)動(dòng)學(xué)方程且能夠自適應(yīng)處理復(fù)雜非線性動(dòng)態(tài)因素的影響.

1.6 優(yōu)劣勢(shì)對(duì)比分析

在以上分析的基礎(chǔ)上,從計(jì)算復(fù)雜度、算法可擴(kuò)展性、算法穩(wěn)定性、算法行為可解釋性、算法自適應(yīng)性、算法設(shè)計(jì)難度、算法訓(xùn)練代價(jià)等7 個(gè)方面,對(duì)以上5 類協(xié)同控制策略的優(yōu)缺點(diǎn)進(jìn)行了對(duì)比分析.其中,復(fù)雜性指算法的計(jì)算復(fù)雜度,可擴(kuò)展性指揮控制方法設(shè)計(jì)完成后,能否靈活調(diào)整算法控制的無(wú)人集群成員數(shù)量,穩(wěn)定性指算法能夠應(yīng)對(duì)不同類型環(huán)境（尤其是多障礙環(huán)境）的能力,可解釋性指算法在不同場(chǎng)景下的行為是否可預(yù)測(cè),自適應(yīng)性指算法在不同場(chǎng)景下能否靈活調(diào)整參數(shù)或結(jié)構(gòu)以達(dá)成不同場(chǎng)景下的最優(yōu)性,設(shè)計(jì)難度指設(shè)計(jì)算法是否需要大量的專家經(jīng)驗(yàn)及較長(zhǎng)的調(diào)整參數(shù)過(guò)程,訓(xùn)練代價(jià)指算法在應(yīng)用前是否需要通過(guò)模擬數(shù)據(jù)進(jìn)行訓(xùn)練.

表1 算法優(yōu)劣勢(shì)分析Table 1 Analysis of advantages and disadvantages of algorithm

2 典型軍事應(yīng)用場(chǎng)景

隨著集群智能協(xié)同控制技術(shù)的不斷進(jìn)步,無(wú)人集群在軍事領(lǐng)域的智能化應(yīng)用得到了越來(lái)越廣泛的關(guān)注[50].新一代無(wú)人集群呈現(xiàn)出智能化水平高、機(jī)動(dòng)性能強(qiáng)、可擴(kuò)展性高、制造成本低等特征,能夠遂行自主戰(zhàn)場(chǎng)偵察、自主目標(biāo)探測(cè)、自主任務(wù)協(xié)同等多類典型任務(wù)[51].近年來(lái),美國(guó)、俄羅斯、中國(guó)等大國(guó)均在先進(jìn)智能無(wú)人集群領(lǐng)域部署大量研究項(xiàng)目,以確保在本領(lǐng)域占據(jù)技術(shù)先進(jìn)地位.美國(guó)自2015 年以來(lái)先后部署了“Gremlins”“Perdix”“LOCUST”等項(xiàng)目,用于研發(fā)和驗(yàn)證大規(guī)模低成本智能無(wú)人集群的協(xié)同打擊、自主決策、自適應(yīng)編隊(duì)飛行等關(guān)鍵技術(shù)[52-53].俄羅斯在2020 年制定了《機(jī)器人部隊(duì)組建任務(wù)路線圖》,計(jì)劃于2025 年完成可獨(dú)立執(zhí)行任務(wù)的無(wú)人部隊(duì)研制[54].我國(guó)軍用無(wú)人設(shè)備起步相對(duì)較晚但發(fā)展迅速,正處于快速發(fā)展列裝階段,已成為鍛造新域新質(zhì)作戰(zhàn)力量的重要內(nèi)容.2018 年國(guó)防科技大學(xué)針對(duì)UAV集群自主協(xié)同展開試驗(yàn)飛行[55].在該實(shí)驗(yàn)中,21 架UAV 完成了編隊(duì)集結(jié)及指定區(qū)域偵察任務(wù).北京航空航天大學(xué)結(jié)合生物群體智能技術(shù),深入研究了UAV 集群編隊(duì)控制、目標(biāo)分配、目標(biāo)跟蹤、集群圍捕等任務(wù)的關(guān)鍵技術(shù),并完成了基于狼群行為機(jī)制的UAV 協(xié)同任務(wù)分配的技術(shù)驗(yàn)證[56].2022 年中國(guó)電子科技集團(tuán)發(fā)布“蜂群1 號(hào)陸戰(zhàn)車”,能夠?qū)崿F(xiàn)最多48 架次蜂群UAV 的快速部署,并遂行協(xié)同偵察和精確打擊任務(wù).

協(xié)同偵察、協(xié)同打擊、協(xié)同救援是智能化無(wú)人集群3 類最典型的軍事應(yīng)用場(chǎng)景,下面對(duì)這3 類典型場(chǎng)景中的軍事需求、實(shí)現(xiàn)策略和主要挑戰(zhàn)等方面進(jìn)行闡述.

2.1 無(wú)人集群協(xié)同偵察

無(wú)人集群協(xié)同偵察可定義為在滿足無(wú)人設(shè)備能量和存儲(chǔ)等約束條件的前提下,通過(guò)對(duì)無(wú)人集群內(nèi)各成員進(jìn)行合理的任務(wù)分配及路徑規(guī)劃,遂行偵察目標(biāo)點(diǎn)或目標(biāo)區(qū)域的覆蓋偵察或目標(biāo)搜索,并實(shí)現(xiàn)預(yù)先設(shè)定的優(yōu)化目標(biāo)的一類偵察任務(wù).從任務(wù)類型上,無(wú)人集群協(xié)同偵察場(chǎng)景可進(jìn)一步細(xì)分為點(diǎn)目標(biāo)偵察、區(qū)域目標(biāo)偵察以及混合目標(biāo)偵察3 類（如圖5所示）,優(yōu)化目標(biāo)通常包括偵察總時(shí)間最短、偵察總路徑最短、偵察覆蓋面積最大等.

圖5 偵察場(chǎng)景分類Fig.5 Classification of reconnaissance scenarios

從任務(wù)執(zhí)行策略上,無(wú)人集群協(xié)同偵察策略可分為固定行為式偵察策略和非固定行為式偵察策略.其中,固定行為式偵察策略指無(wú)人集群按照預(yù)先設(shè)定的行為模式進(jìn)行搜索,算法通過(guò)對(duì)初始運(yùn)動(dòng)方向和搜索時(shí)長(zhǎng)的優(yōu)化提升偵察規(guī)劃的效能.非固定行為式偵察策略則通常不限定無(wú)人集群的搜索行為,而是通過(guò)直接優(yōu)化無(wú)人集群在任務(wù)區(qū)域內(nèi)的搜索路徑以達(dá)到偵察規(guī)劃效能最大化的目的.這兩類任務(wù)執(zhí)行策略的簡(jiǎn)要案例如圖6 所示.

圖6 任務(wù)執(zhí)行策略分類Fig.6 Classification of mission execution strategy

作為無(wú)人集群協(xié)同控制的經(jīng)典應(yīng)用場(chǎng)景,美國(guó)、英國(guó)、法國(guó)等國(guó)家均針對(duì)無(wú)人集群協(xié)同偵察開展了大量研究.例如,美國(guó)國(guó)防部高級(jí)研究計(jì)劃局（Defense Advanced Research Projects Agency，DARPA）在針對(duì)無(wú)人集群城市空間作戰(zhàn)開展的班組X（Squad X）項(xiàng)目中研發(fā)了“變形班組增強(qiáng)頻譜態(tài)勢(shì)感知與獨(dú)立定位”（ASSAULTS）系統(tǒng).該系統(tǒng)利用配備了各類電子監(jiān)控工具的UAV 及無(wú)人車等自主平臺(tái),以行動(dòng)班組為中心建立了范圍可達(dá)數(shù)百米的感知警戒線,從而極大地增強(qiáng)了行動(dòng)班組的復(fù)雜城市空間感知和預(yù)警能力[57].2018 年美國(guó)洛克希德·馬丁公司和雷恩錫公司領(lǐng)導(dǎo)的團(tuán)隊(duì)依托RQ-23 虎鯊無(wú)人機(jī)平臺(tái),完成了由DARPA 授予的“拒止環(huán)境中協(xié)同作戰(zhàn)”（CODE）項(xiàng)目的第二階段飛行測(cè)試.該項(xiàng)目意在提升作戰(zhàn)距離遠(yuǎn)、電磁對(duì)抗強(qiáng)、威脅程度高的作戰(zhàn)環(huán)境下UAV 編隊(duì)執(zhí)行目標(biāo)搜索發(fā)現(xiàn)及自主打擊的能力,實(shí)現(xiàn)強(qiáng)對(duì)抗環(huán)境下基于人在回路指揮的UAV 集群拒止作戰(zhàn)[58].英國(guó)奎奈蒂克公司以及法國(guó)艦艇建造局等也分別針對(duì)異構(gòu)無(wú)人集群的近海目標(biāo)探測(cè)、識(shí)別、攔截及打擊場(chǎng)景開展了相關(guān)研究[59].

近年針對(duì)無(wú)人集群協(xié)同偵察的部分重要研究包括：LEE 等提出一種“內(nèi)旋式”UAV 集群控制策略,采用分段啟發(fā)式算法解決了UAV 集群對(duì)不規(guī)則區(qū)域進(jìn)行協(xié)同偵察的問(wèn)題[60].KOLLING 等設(shè)計(jì)一種“并列推掃”策略,解決了不規(guī)則2.5D 區(qū)域的持續(xù)覆蓋問(wèn)題[61].文獻(xiàn)[62-63]分別總結(jié)了UAV 集群在大區(qū)域協(xié)同偵察時(shí)采用的“平行線式”和“內(nèi)螺旋式”兩類常用行為模式的優(yōu)缺點(diǎn).晉一寧等提出一種基于柵格化無(wú)人集群區(qū)域目標(biāo)協(xié)同偵察方法,實(shí)現(xiàn)了無(wú)人集群對(duì)區(qū)域內(nèi)存在持續(xù)涌現(xiàn)目標(biāo)條件下的連續(xù)偵察,算法優(yōu)化目標(biāo)為每個(gè)柵格的未重訪時(shí)間最短[64].HUANG 等提出一種基于人工勢(shì)場(chǎng)法的無(wú)人集群編隊(duì)控制方法用于執(zhí)行大區(qū)域偵察任務(wù),并在實(shí)時(shí)計(jì)算條件下獲得了更好的區(qū)域覆蓋能力表現(xiàn)[65].LUO 等首次將神經(jīng)網(wǎng)絡(luò)方法用于無(wú)人集群的協(xié)同偵察問(wèn)題,提出生物啟發(fā)式人工神經(jīng)網(wǎng)絡(luò)（biologically inspired neural network,BINN）[66],解決了動(dòng)態(tài)環(huán)境下的無(wú)人機(jī)集群在線協(xié)同控制.在此基礎(chǔ)上,YANG 等提出一種改進(jìn)BINN 方法,解決了原始BINN 方法不具有避障能力的問(wèn)題[67].XIAO 等將Q 學(xué)習(xí)方法引入該領(lǐng)域,解決了有限通信環(huán)境下的無(wú)人集群協(xié)同偵察問(wèn)題[68].袁浩提出一種基于PPO（proximal policy optimization）的UAV 集群區(qū)域偵察方法,解決了區(qū)域內(nèi)特定目標(biāo)點(diǎn)的協(xié)同偵察,以及未知大面積區(qū)域協(xié)同覆蓋兩類典型無(wú)人集群協(xié)同偵察問(wèn)題[69].該類方法的總偵察耗時(shí)更短,且算法收斂性具有一定提高.

雖然針對(duì)無(wú)人集群協(xié)同偵察場(chǎng)景,研究人員進(jìn)行了大量的研究,然而無(wú)人集群協(xié)同控制方法在該領(lǐng)域仍面臨如下挑戰(zhàn)：無(wú)人設(shè)備個(gè)體有限的感知能力和通信能力仍然是制約無(wú)人集群協(xié)同偵察效率的重要因素[70].定位錯(cuò)誤、距離感知誤差、通信延遲等問(wèn)題均可能導(dǎo)致無(wú)人集群控制模型出現(xiàn)問(wèn)題,這就需要無(wú)人集群控制模型具有更高的穩(wěn)定性以及更低的計(jì)算和通信代價(jià).環(huán)境問(wèn)題也是無(wú)人集群協(xié)同偵察研究需要著重考慮的問(wèn)題.當(dāng)前針對(duì)無(wú)人集群協(xié)同偵察的研究,采用基于2D 的仿真環(huán)境.若將3D 環(huán)境及未知障礙等因素納入考量,則需要考慮更多的空氣動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)限制[71],從而導(dǎo)致算法設(shè)計(jì)需要考慮更多的不確定性因素.

2.2 無(wú)人集群協(xié)同打擊

無(wú)人集群協(xié)同打擊任務(wù)可定義為在滿足無(wú)人集群成員的能量和續(xù)航等約束條件的前提下,通過(guò)合理分配任務(wù)目標(biāo)和武器資源,完成對(duì)目標(biāo)區(qū)域內(nèi)敵方目標(biāo)火力打擊的一類任務(wù).從任務(wù)形式上,無(wú)人集群協(xié)同打擊場(chǎng)景中的任務(wù)可劃分為基本協(xié)同打擊任務(wù)、察打一體化任務(wù)、協(xié)同對(duì)抗任務(wù)3 類.其中,基本協(xié)同打擊任務(wù)是指無(wú)人集群在完全明確打擊目標(biāo)的前提下,通過(guò)合理分配集群內(nèi)的武器資源,實(shí)現(xiàn)打擊效能最優(yōu)化的一類任務(wù).隨著無(wú)人集群的作戰(zhàn)任務(wù)要求復(fù)雜性和戰(zhàn)場(chǎng)環(huán)境不確定性的不斷提升,無(wú)人集群的協(xié)同打擊任務(wù)與協(xié)同偵察任務(wù)已展現(xiàn)出強(qiáng)烈的耦合性[72].隨之出現(xiàn)的是無(wú)人集群察打一體化任務(wù),即無(wú)人集群在作戰(zhàn)過(guò)程中需同時(shí)兼顧目標(biāo)偵察、目標(biāo)打擊及毀傷評(píng)估3 類任務(wù).例如2020 年1 月,美軍刺殺伊朗“圣城旅”最高指揮官蘇萊曼尼的突襲行動(dòng),就是在其他情報(bào)信息支持下,使用具有一定智能化的MQ-9“死神”察打一體無(wú)人機(jī)集群,預(yù)先進(jìn)入巴格達(dá)上空,對(duì)目標(biāo)成功實(shí)施了偵察、搜索和打擊.無(wú)人集群協(xié)同對(duì)抗任務(wù)則是指無(wú)人集群通過(guò)信息交互,實(shí)現(xiàn)對(duì)敵方無(wú)人設(shè)備或無(wú)人集群的協(xié)同攔截或追擊[73].與協(xié)同打擊和察打一體化任務(wù)不同的是,無(wú)人集群協(xié)同對(duì)抗任務(wù)展現(xiàn)出更強(qiáng)烈的連續(xù)性、動(dòng)態(tài)性和對(duì)抗性.

針對(duì)無(wú)人集群協(xié)同打擊場(chǎng)景的研究有：周小程等提出一種分布式控制模型,用于解決具有動(dòng)態(tài)打擊目標(biāo)的無(wú)人集群實(shí)時(shí)調(diào)度方法[74].吳蔚楠等構(gòu)建了包含偵察機(jī)、攻擊機(jī)及察打一體無(wú)人機(jī)的異構(gòu)混合有人/無(wú)人編隊(duì),完成了集目標(biāo)識(shí)別、目標(biāo)打擊及打擊評(píng)估為一體的察打一體化協(xié)同打擊任務(wù)[75].ZHENG 等將蟻群算法應(yīng)用于無(wú)人集群察打一體化協(xié)同打擊任務(wù),提出分布式智能自組織任務(wù)規(guī)劃算法（distributed intelligent self-organized mission planning,DISOMP）[76],解決了動(dòng)態(tài)環(huán)境下的無(wú)人機(jī)集群察打一體化協(xié)同打擊任務(wù).然而,該算法對(duì)大規(guī)模無(wú)人集群的控制性能仍需進(jìn)一步驗(yàn)證.HU 等基于對(duì)狼群狩獵行為的模擬,提出一種針對(duì)多個(gè)未知固定目標(biāo)的無(wú)人集群察打一體化協(xié)同打擊任務(wù)的控制模型[77].該模型已驗(yàn)證最多可同時(shí)控制16 臺(tái)UAV 執(zhí)行察打一體化協(xié)同打擊任務(wù).然而,該模型對(duì)控制參數(shù)的選擇較敏感,且在動(dòng)態(tài)環(huán)境下的應(yīng)用效能尚待驗(yàn)證.段海濱等通過(guò)模擬鷹群的捕食行為,結(jié)合Lyapunov 導(dǎo)航向量場(chǎng)方法,設(shè)計(jì)一種無(wú)人機(jī)集群協(xié)同對(duì)抗方法,用于實(shí)現(xiàn)UAV 集群的協(xié)同圍獵任務(wù)[78].該方法經(jīng)過(guò)外場(chǎng)實(shí)機(jī)驗(yàn)證,證明其算法在小規(guī)模UAV 集群協(xié)同圍獵場(chǎng)景中具有較好的控制表現(xiàn).郭褚冰等提出基于改進(jìn)Vicesk 模型的無(wú)人集群編隊(duì)協(xié)同控制器以及數(shù)據(jù)鏈協(xié)議,改善了無(wú)人集群在拒止場(chǎng)景下的協(xié)同作戰(zhàn)能力[79].李杰將無(wú)人集群協(xié)同對(duì)抗場(chǎng)景建模為一種特殊的馬爾可夫決策過(guò)程（Markov decision process,MDP）,并設(shè)計(jì)了一種基于圍捕效應(yīng)函數(shù)最大化的編隊(duì)控制模型對(duì)無(wú)人集群協(xié)同對(duì)抗問(wèn)題進(jìn)行了求解[80].

無(wú)人集群協(xié)同控制方法在無(wú)人集群協(xié)同打擊場(chǎng)景中面臨的挑戰(zhàn)包括：無(wú)人集群協(xié)同打擊實(shí)踐場(chǎng)景中的環(huán)境因素通常為部分可知或完全未知的,如何有效提升無(wú)人集群在未知環(huán)境中的任務(wù)執(zhí)行能力,仍然是該領(lǐng)域面臨的一個(gè)首要問(wèn)題[81].考慮無(wú)人集群協(xié)同打擊任務(wù)通常具有的強(qiáng)烈博弈性和對(duì)抗性,需要進(jìn)一步提高無(wú)人集群協(xié)同控制策略的決策效率[82].該領(lǐng)域大部分研究仍針對(duì)較小規(guī)模無(wú)人集群的協(xié)同打擊場(chǎng)景,針對(duì)大規(guī)模無(wú)人集群的協(xié)同控制策略研究尚不充分.因此,如何提升無(wú)人集群協(xié)同打擊場(chǎng)景下的控制策略穩(wěn)定性及可擴(kuò)展性,同時(shí)降低算法的決策效率和通信代價(jià),仍然是本研究面臨的重要問(wèn)題.

2.3 無(wú)人集群協(xié)同救援

無(wú)人集群協(xié)同救援任務(wù)可定義為在滿足無(wú)人集群的能量及飛行能力約束條件下,合理規(guī)劃無(wú)人集群的搜索和救援路線,完成大范圍區(qū)域內(nèi)的多個(gè)關(guān)鍵地點(diǎn)的搜索或區(qū)域內(nèi)巡邏,實(shí)現(xiàn)區(qū)域內(nèi)遇難人員搜索的一類任務(wù).該類任務(wù)可歸納為一類特殊的無(wú)人集群協(xié)同偵察任務(wù).無(wú)人集群協(xié)同救援任務(wù)的屬性包括遇難人員位置可知性,遇難人員位置動(dòng)態(tài)性和無(wú)人集群屬性一致性等.從遇難人員位置可知性上,無(wú)人集群協(xié)同救援場(chǎng)景可分為全部遇難人員位置均已知的場(chǎng)景和部分（或全部）遇難人員位置均未知的場(chǎng)景.從遇難人員位置動(dòng)態(tài)性上,無(wú)人集群協(xié)同救援場(chǎng)景可分為遇難人員位置固定和遇難人員位置可變兩類.從無(wú)人集群屬性一致性上,無(wú)人集群協(xié)同救援場(chǎng)景可分為同構(gòu)無(wú)人集群協(xié)同救援和異構(gòu)無(wú)人集群協(xié)同救援兩類.

無(wú)人集群協(xié)同救援作為無(wú)人集群技術(shù)在軍事醫(yī)療領(lǐng)域的新興應(yīng)用,近年來(lái)正受到越來(lái)越廣泛的關(guān)注.盧珊珊等指出,無(wú)人集群在軍事救援領(lǐng)域的重要應(yīng)用方向包括海上遇難人員定位、醫(yī)療救援物資投送、海上傷員轉(zhuǎn)運(yùn)等[83].DARPA 在2015 年啟動(dòng)的“快速輕量自主”（fast lightweight autonomy,FLA）項(xiàng)目[84]中,也驗(yàn)證了小型自主UAV 集群具有在敵占區(qū)的叢林中尋找需要救援的飛行員的能力.

針對(duì)無(wú)人集群協(xié)同救援的重要研究包括：KUMAR 等提出一種基于Lyapunov 導(dǎo)航向量場(chǎng)的無(wú)人集群協(xié)同控制策略[85],解決了專屬經(jīng)濟(jì)區(qū)內(nèi)的大區(qū)域固定目標(biāo)搜救問(wèn)題,并采用一個(gè)包含10 臺(tái)UAV 的仿真場(chǎng)景驗(yàn)證了該算法的效能.ARNOLD 等設(shè)計(jì)一種基于固定行為的無(wú)人機(jī)集群控制策略[86],解決了區(qū)域內(nèi)災(zāi)害幸存者定位問(wèn)題,同時(shí)研究了UAV 集群內(nèi)部的協(xié)作模式對(duì)任務(wù)完成效率的影響.然而,該方法設(shè)計(jì)的無(wú)人機(jī)控制行為均為簡(jiǎn)單行為,且需要外部GPS 信號(hào)輸入的協(xié)助.陸宇提出一種僅交互位置信息即可實(shí)現(xiàn)無(wú)人船集群隊(duì)形保持和平移運(yùn)動(dòng)的無(wú)人集群協(xié)同控制策略,并應(yīng)用于海上遇難人員救援場(chǎng)景[87].然而,該方法僅能保證無(wú)人集群在救援區(qū)域內(nèi)維持簡(jiǎn)單的運(yùn)動(dòng)模式,缺乏搜索路徑規(guī)劃能力.陳昕葉提出一種結(jié)合雙目標(biāo)多蟻群優(yōu)化算法和基于動(dòng)態(tài)圖劃分的貝葉斯學(xué)習(xí)策略,解決了非確定、動(dòng)態(tài)環(huán)境下的無(wú)人集群協(xié)同搜救問(wèn)題[88].NIKOLAOS 等將粒子群算法（particle swarm optimization,PSO）用于解決動(dòng)態(tài)環(huán)境下的UAV集群協(xié)同搜救問(wèn)題,并采用最多包含4 臺(tái)UAV 的仿真場(chǎng)景驗(yàn)證了該算法的效能[89].然而,該算法缺乏擴(kuò)展到大規(guī)模無(wú)人集群或大范圍搜救場(chǎng)景的能力.ZHANG等在經(jīng)典無(wú)人集群協(xié)同搜救編隊(duì)控制算法SAR 的基礎(chǔ)上,提出了HC-SAR 算法,改進(jìn)了SAR 算法的全局收斂能力和種群多樣性[90].然而,該算法沒有考慮實(shí)際環(huán)境下UAV 速度可變的問(wèn)題及環(huán)境的動(dòng)態(tài)性問(wèn)題.JURGEN 等設(shè)計(jì)了多種啟發(fā)式算法（MILC）用于解決大范圍有效通信能力條件下的無(wú)人集群協(xié)同搜救問(wèn)題[91].然而,該算法存在缺乏可擴(kuò)展性及魯棒性的問(wèn)題,從而一定程度上限制了該算法的現(xiàn)實(shí)應(yīng)用.

無(wú)人集群協(xié)同控制方法在無(wú)人集群協(xié)同救援場(chǎng)景中面臨的挑戰(zhàn)包括：控制策略需要著重考慮環(huán)境的動(dòng)態(tài)性影響,包括救援人員位置的不確定性、搜救區(qū)域環(huán)境的變化性（尤其是地震、臺(tái)風(fēng)等惡劣環(huán)境場(chǎng)景）等因素.大范圍搜救以及大規(guī)模無(wú)人集群的協(xié)同搜救仍然對(duì)無(wú)人集群協(xié)同控制策略設(shè)計(jì)提出了極大挑戰(zhàn).控制策略設(shè)計(jì)需要更深入地考慮設(shè)備的動(dòng)力學(xué)特性,特別是在需要使用無(wú)人艇等設(shè)備的海上救援場(chǎng)景時(shí),設(shè)備的驅(qū)動(dòng)能力較弱且慣性較大,對(duì)無(wú)人集群的協(xié)同控制策略是極大的考驗(yàn)[92].以上挑戰(zhàn)對(duì)未來(lái)無(wú)人集群協(xié)同救援場(chǎng)景下的無(wú)人集群協(xié)同控制策略設(shè)計(jì)的靈活性、可擴(kuò)展性、實(shí)時(shí)性等算法特性提出了極高的要求.

2.4 應(yīng)用場(chǎng)景分析

在上述研究基礎(chǔ)上,總結(jié)了近期關(guān)鍵研究針對(duì)的不同軍事應(yīng)用場(chǎng)景及采用的控制策略類型,具體如表2 所示.

表2 不同軍事應(yīng)用場(chǎng)景下采用的控制策略Table 2 Control strategies deployed in different military application scenarios

表2 中,在無(wú)人集群協(xié)同偵察場(chǎng)景中,全部5 種控制策略均有相關(guān)應(yīng)用；在無(wú)人集群協(xié)同打擊場(chǎng)景中,僅基于行為的控制策略和基于人工智能的控制方法存在相關(guān)應(yīng)用；而在無(wú)人集群協(xié)同救援場(chǎng)景中,除“領(lǐng)導(dǎo)者-跟隨者”策略外的其他4 種控制策略均有應(yīng)用.顯然,在具有強(qiáng)對(duì)抗性和不確定性的場(chǎng)景下,基于行為的控制策略和基于人工智能的控制方法在應(yīng)用方面具有較大優(yōu)勢(shì).

在3 個(gè)應(yīng)用場(chǎng)景中,基于人工智能的控制方法和基于行為的控制策略得到了較多應(yīng)用.這得益于基于行為的控制策略和基于人工智能的控制方法相對(duì)于其他3 種策略具有更好的穩(wěn)定性和可擴(kuò)展性,從而能在更多類型的應(yīng)用環(huán)境下發(fā)揮作用.另外,基于人工智能的控制方法,尤其是智能優(yōu)化方法和神經(jīng)網(wǎng)絡(luò)法,因其自適應(yīng)能力強(qiáng),可進(jìn)行全局優(yōu)化等特點(diǎn),在3 類應(yīng)用場(chǎng)景下均具有最多應(yīng)用.

3 發(fā)展趨勢(shì)及挑戰(zhàn)

3.1 無(wú)人平臺(tái)高度智能化

隨著先進(jìn)制導(dǎo)、智能感知、人工智能等相關(guān)技術(shù)的發(fā)展,先進(jìn)無(wú)人平臺(tái)呈現(xiàn)出感知多源化、認(rèn)知融合化、決策智能化、控制自主化等重要特征[93].例如,DARPA 開發(fā)的遠(yuǎn)程反艦導(dǎo)彈（long range anti-ship missile,LRASM）以及“蛇首”（snakehead）大型水下無(wú)人潛航器既具備自主感知、在線路徑重規(guī)劃、在線協(xié)同任務(wù)分配等功能.無(wú)人平臺(tái)智能化進(jìn)程的推進(jìn)增強(qiáng)了無(wú)人平臺(tái)遂行各類任務(wù)的能力,同時(shí)也給無(wú)人集群協(xié)同控制策略的設(shè)計(jì)帶來(lái)了極大的挑戰(zhàn).無(wú)人平臺(tái)自主感知能力的提升對(duì)算法對(duì)外界環(huán)境的實(shí)時(shí)響應(yīng)能力提出了更大的挑戰(zhàn).在已知的研究中,無(wú)人集群協(xié)同控制策略的外部輸入集中在較簡(jiǎn)單的距障礙物、目標(biāo)地、周邊集群成員的距離,以及相對(duì)速度等簡(jiǎn)單的物理學(xué)要素上.如何將平臺(tái)自主感知到的復(fù)雜目標(biāo)及環(huán)境信息融入集群的協(xié)同控制策略,仍是一個(gè)亟待解決的問(wèn)題.另外,無(wú)人平臺(tái)智能化水平的提高以及在線決策能力的增強(qiáng),對(duì)無(wú)人集群控制策略的實(shí)時(shí)決策能力也提出了更高的要求.

3.2 集群構(gòu)成高度異構(gòu)化

我軍的作戰(zhàn)裝備當(dāng)前仍以有人裝備為主.在實(shí)際作戰(zhàn)中,無(wú)人裝備并不能完全取代有人裝備.靈活組合的異構(gòu)有人/無(wú)人作戰(zhàn)編隊(duì),將不同種類的無(wú)人裝備依據(jù)任務(wù)按需變成偵、控、擾、打、評(píng)等作戰(zhàn)單元,將逐漸成為未來(lái)作戰(zhàn)的主要形式[94].美國(guó)自2015年起就提出“忠誠(chéng)僚機(jī)”概念,并逐步應(yīng)用于F18、F22、F35 等機(jī)型,以提升有人機(jī)在戰(zhàn)場(chǎng)環(huán)境下的環(huán)境感知、威脅預(yù)警及協(xié)同打擊能力.無(wú)人集群的異構(gòu)化趨勢(shì)同樣給無(wú)人集群協(xié)同控制策略設(shè)計(jì)提出了更高的要求.異構(gòu)無(wú)人集群的決策過(guò)程,尤其是包含人在回路的無(wú)人集群決策過(guò)程,其復(fù)雜程度進(jìn)一步提高,同時(shí)也對(duì)無(wú)人集群控制策略的實(shí)時(shí)性和靈活性帶來(lái)了更大的挑戰(zhàn).異構(gòu)無(wú)人集群要求無(wú)人集群協(xié)同控制策略考慮更多動(dòng)力學(xué)要素.異構(gòu)無(wú)人集群成員間外形、運(yùn)動(dòng)能力、質(zhì)量等動(dòng)力學(xué)要素可能存在較大差異,為了提高無(wú)人集群控制模型的準(zhǔn)確性,需要將以上的動(dòng)力學(xué)要素差異納入模型的考慮范圍.

3.3 運(yùn)行環(huán)境高度對(duì)抗化

在無(wú)人集群的軍事應(yīng)用場(chǎng)景中,無(wú)人集群的作戰(zhàn)環(huán)境通常具有高度的對(duì)抗性.針對(duì)無(wú)人集群軍事應(yīng)用場(chǎng)景的相關(guān)研究,通常假設(shè)無(wú)人集群和目標(biāo)之間的關(guān)系是合作的或非對(duì)抗的[95].即使針對(duì)無(wú)人集群協(xié)同對(duì)抗的相關(guān)研究,場(chǎng)景設(shè)計(jì)通常也僅包含圍獵和突防等簡(jiǎn)單的躲避和追擊動(dòng)作.在真實(shí)戰(zhàn)場(chǎng)環(huán)境中,我方無(wú)人集群與對(duì)方無(wú)人集群的對(duì)抗還包含欺騙、偽裝、干擾、攻擊等多種類型的復(fù)雜動(dòng)作.如何將以上對(duì)抗動(dòng)作加入無(wú)人集群協(xié)同控制策略研究,實(shí)現(xiàn)強(qiáng)對(duì)抗環(huán)境下的無(wú)人集群智能化協(xié)同控制,將是本領(lǐng)域需要重點(diǎn)關(guān)注的一個(gè)問(wèn)題.

4 結(jié)論

隨著各種類型、不同價(jià)值和用途的無(wú)人設(shè)備在軍事作戰(zhàn)領(lǐng)域的廣泛運(yùn)用,無(wú)人集群的軍事運(yùn)用將面臨復(fù)雜性和對(duì)抗性越來(lái)越強(qiáng)的各類應(yīng)用場(chǎng)景.如何緊貼軍事應(yīng)用場(chǎng)景需求,快速適應(yīng)復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境和作戰(zhàn)任務(wù)需要,結(jié)合不同方法策略的優(yōu)缺點(diǎn),靈活選擇、組合運(yùn)用甚至是臨機(jī)調(diào)整無(wú)人集群的協(xié)同控制方法策略,將成為無(wú)人集群未來(lái)軍事應(yīng)用研究的重要方向.