向錦武，董希旺，丁文銳，索津莉，沈林成，夏輝

1. 北京航空航天大學(xué) 航空科學(xué)與工程學(xué)院，北京 100191 2. 北京航空航天大學(xué) 人工智能研究院，北京 100191 3. 北京航空航天大學(xué) 無人系統(tǒng)研究院，北京 100191 4. 北京航空航天大學(xué) 自動(dòng)化科學(xué)與電氣工程學(xué)院，北京 100191 5. 清華大學(xué) 自動(dòng)化系，北京 100084 6. 國防科技大學(xué) 研究生院，長沙 410073 7. 北京電子工程總體研究所，北京 100074

無人集群系統(tǒng)自主協(xié)同是2017年《新一代人工智能發(fā)展規(guī)劃》核心內(nèi)容和2020年新基建的關(guān)鍵支撐，在國民經(jīng)濟(jì)和社會(huì)發(fā)展主戰(zhàn)場中有廣闊應(yīng)用前景。無人集群自主協(xié)同是Gartner 2020年十大戰(zhàn)略技術(shù)趨勢，是美國“第3次抵消戰(zhàn)略”和“馬賽克戰(zhàn)”中的顛覆性前沿技術(shù)。無人集群系統(tǒng)通過異構(gòu)無人平臺(tái)之間的協(xié)同互補(bǔ)可顯著提升任務(wù)執(zhí)行效能，在大規(guī)模協(xié)同區(qū)域搜索、集群優(yōu)化調(diào)度等多種任務(wù)應(yīng)用中展現(xiàn)出廣闊的應(yīng)用前景。在實(shí)際應(yīng)用中，無人集群系統(tǒng)需要滿足環(huán)境開放、態(tài)勢多變、資源受限、響應(yīng)實(shí)時(shí)等需求，要求系統(tǒng)具備分布式協(xié)同感知、智能協(xié)同決策、魯棒協(xié)同控制等核心協(xié)同能力。

目前，國際范圍內(nèi)學(xué)術(shù)界和產(chǎn)業(yè)界盡管在復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同相關(guān)理論和技術(shù)方面取得了一系列突破，并在特定場景下開展了小規(guī)模無人集群技術(shù)驗(yàn)證試驗(yàn)，但是仍然無法應(yīng)對(duì)高動(dòng)態(tài)、不確定、資源受限等復(fù)雜環(huán)境帶來的技術(shù)挑戰(zhàn)，尤其是沒有一套開放性異構(gòu)無人集群體系架構(gòu)作為支撐，沒有形成完整的任務(wù)鏈、殺傷鏈閉合(即感知、認(rèn)知、決策、執(zhí)行、評(píng)估的全流程閉環(huán))。

本文面向大規(guī)模無人集群系統(tǒng)在大氣污染檢測、園區(qū)無人物流、火災(zāi)救援等多任務(wù)應(yīng)用需求，闡述了復(fù)雜環(huán)境下大規(guī)模異構(gòu)無人集群魯棒自主協(xié)同的基礎(chǔ)理論與關(guān)鍵技術(shù)。通過對(duì)復(fù)雜環(huán)境下無人集群系統(tǒng)執(zhí)行任務(wù)的場景及能力需求的分析，梳理出相關(guān)方向存在的挑戰(zhàn)與難點(diǎn)。圍繞目前學(xué)術(shù)界和工業(yè)界的研究進(jìn)展，概述了無人集群系統(tǒng)自主協(xié)同的新理論、新技術(shù)和新進(jìn)展。最后給出了復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同領(lǐng)域未來的發(fā)展方向思考。

1 國內(nèi)外研究現(xiàn)狀

1.1 復(fù)雜環(huán)境下無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)和建模方法

無人集群通常是由大規(guī)模相對(duì)簡單的無人平臺(tái)組成的、通過無人平臺(tái)個(gè)體之間的局部協(xié)作實(shí)現(xiàn)全局協(xié)同行為的群體系統(tǒng)。國內(nèi)外針對(duì)無人集群領(lǐng)域做了大量探索性工作，例如編隊(duì)飛行、任務(wù)規(guī)劃、目標(biāo)跟蹤等，但是針對(duì)無人集群體系架構(gòu)研究的報(bào)道相對(duì)較少。無人集群體系架構(gòu)研究的目的在于采用何種方式將無人平臺(tái)、載荷、功能模塊等要素組織起來，從而發(fā)揮集群更大的效能，因此體系架構(gòu)是構(gòu)建集群系統(tǒng)首要解決的問題[1]。

國外影響力較大的軍事領(lǐng)域的體系結(jié)構(gòu)框架有美國軍方的信息通訊指揮攻擊系統(tǒng)(Command, Control, Communication, Computer, Intelligence, Surveillance, Reconnaissance, C4ISR)體系結(jié)構(gòu)框架和國防部體系結(jié)構(gòu)框架(Department of Defense Architecture Framework, DoDAF)、英國軍方國防部體系結(jié)構(gòu)框架(Ministry of Defense Architecture Framework, MoDAF)等，其中DoDAF影響和應(yīng)用最為廣泛。DoDAF是由美國國防部根據(jù)多年研發(fā)軍事系統(tǒng)的經(jīng)驗(yàn)結(jié)合系統(tǒng)工程技術(shù)制定的一種結(jié)構(gòu)框架(Architectural Framework, AF)。國內(nèi)基于DoDAF定義的結(jié)構(gòu)產(chǎn)品構(gòu)建結(jié)構(gòu)模型的研究成果包括：指揮控制、交戰(zhàn)管理與通信(Command, Control, Battle Management and Communications, C2BMC)系統(tǒng)結(jié)構(gòu)[2]，天基信息支援作戰(zhàn)系統(tǒng)結(jié)構(gòu)[3]，以及防空反導(dǎo)作戰(zhàn)體系結(jié)構(gòu)[4-5]等，但是用基于DoDAF框架的方法對(duì)無人集群執(zhí)行任務(wù)概念和結(jié)構(gòu)建模的研究鮮見報(bào)道。

根據(jù)信息交互的策略，現(xiàn)有集群架構(gòu)通常分為集中式和分布式架構(gòu)。分布式架構(gòu)具有較好的擴(kuò)充性和容錯(cuò)性，能夠?qū)⑼话l(fā)影響限制在局部范圍內(nèi)，適宜于大規(guī)模系統(tǒng)。在項(xiàng)目開發(fā)方面，美國國防部高級(jí)研究計(jì)劃局[6](Defense Advanced Research Projects Agency, DARPA)發(fā)布體系集成技術(shù)和試驗(yàn)(System of System Integration Technology and Experimentation, SoSITE)項(xiàng)目，尋求開發(fā)并實(shí)現(xiàn)用于新技術(shù)快速集成的系統(tǒng)架構(gòu)概念，無需對(duì)現(xiàn)有能力、系統(tǒng)或體系進(jìn)行大規(guī)模重新設(shè)計(jì)，并在拒止環(huán)境中協(xié)同作戰(zhàn)(Collaborative Operations in Denied Environment system,CODE)的項(xiàng)目[7]。構(gòu)造了一個(gè)綜合真實(shí)/虛擬/構(gòu)造環(huán)境的測試框架。美國海軍研究生院建立了無人集群任務(wù)行動(dòng)“使命—戰(zhàn)術(shù)—行動(dòng)—算法—數(shù)據(jù)”5層任務(wù)框架[8]。美國國防部概括并抽象出了無人集群行動(dòng)建模與仿真問題域框架“思考—觀察—移動(dòng)—會(huì)話—工作”，并給出解決這些問題的方案；中國有幾家單位做過幾十、上百架無人機(jī)飛行試驗(yàn)，如北京航空航天大學(xué)[9]、中國電子科學(xué)研究院[10]、國防科技大學(xué)[11]等，但其飛行是分別對(duì)每架無人機(jī)進(jìn)行控制的，并沒有一套具備通用/開放性的體系架構(gòu)作為支撐。

效能評(píng)估理論是隨著航空科學(xué)技術(shù)的發(fā)展而逐步成熟起來的一門多體系交叉的學(xué)科，用來評(píng)價(jià)系統(tǒng)執(zhí)行特定任務(wù)所能達(dá)到預(yù)期目標(biāo)的有效程度。中國的效能研究起步比較晚，較系統(tǒng)地進(jìn)行效能分析是20世紀(jì)80年代后期才開始的，歷史雖然不長，但發(fā)展較快，在近幾年已形成了基于模糊技術(shù)的方法，包括層次分析法、模糊綜合評(píng)價(jià)法、灰色評(píng)估及分析法等[12-13]。在無人集群效能評(píng)估研究方面，中國學(xué)者開展了部分研究，包括：文獻(xiàn)[14]圍繞對(duì)地攻擊型無人機(jī)群協(xié)同作戰(zhàn)問題，引入了多機(jī)協(xié)同效能影響因子表示多載荷之間的影響關(guān)系，研究了以任務(wù)載荷為變量的無人機(jī)群的協(xié)同作戰(zhàn)效能計(jì)算模型；文獻(xiàn)[15]建立了對(duì)敵攻擊型無人機(jī)作戰(zhàn)效能評(píng)估指標(biāo)體系，在此基礎(chǔ)上建立了綜合指標(biāo)模型，完善了效能模型中的各分項(xiàng)能力；文獻(xiàn)[16]基于“感知—判斷—決策—行動(dòng)(Observation-Orientation-Decision-Action, OODA)”循環(huán)分析了無人機(jī)協(xié)同作戰(zhàn)各階段的效能影響因素，設(shè)計(jì)了一套無人機(jī)協(xié)同作戰(zhàn)效能評(píng)估體系與模型，并對(duì)模型進(jìn)行了驗(yàn)證；文獻(xiàn)[17]針對(duì)無人機(jī)空地作戰(zhàn)效能評(píng)估問題，提出了基于自適應(yīng)粒子群算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的無人機(jī)空地作戰(zhàn)效能評(píng)估方法，對(duì)空地作戰(zhàn)效能評(píng)估的主要影響因素進(jìn)行了分析，總結(jié)了無人機(jī)空地作戰(zhàn)效能評(píng)估指標(biāo)體系；文獻(xiàn)[18]以經(jīng)典有效、可依賴、能力(Avaliability, Dependability, Capacity, ADC)模型為基礎(chǔ)，考慮了保障度和突防因素，提出了適合體系作戰(zhàn)條件下偵察無人機(jī)作戰(zhàn)效能評(píng)估改進(jìn)模型，建立了作戰(zhàn)效能評(píng)估指標(biāo)體系；文獻(xiàn)[19]在分析未來智能無人機(jī)群體作戰(zhàn)需求和特點(diǎn)的基礎(chǔ)上，研究構(gòu)建了一套通用的效能評(píng)估指標(biāo)體系架構(gòu)，為智能無人機(jī)群體效能的科學(xué)評(píng)估提供理論基礎(chǔ)。中國目前有做過幾十、上百架無人機(jī)集群飛行試驗(yàn)，但都沒有一套開放性異構(gòu)集群體系架構(gòu)作為支撐。隨著無人集群節(jié)點(diǎn)規(guī)模和構(gòu)型的增加，異構(gòu)集群體系架構(gòu)設(shè)計(jì)難度呈指數(shù)上升；現(xiàn)有體系架構(gòu)通常只關(guān)注特定領(lǐng)域，很少能夠適應(yīng)多種任務(wù)。為滿足復(fù)雜環(huán)境下任務(wù)多樣性需求，亟待建立一套大規(guī)模異構(gòu)無人集群自適應(yīng)開放式體系架構(gòu)，并形成統(tǒng)一的標(biāo)準(zhǔn)規(guī)范。文獻(xiàn)[20]指出無人集群的協(xié)同OODA框架是未來重要發(fā)展方向。

1.2 復(fù)雜環(huán)境下高維態(tài)勢分布式感知與認(rèn)知

無人集群協(xié)同感知主要包含協(xié)同定位技術(shù)、協(xié)同目標(biāo)識(shí)別、多源傳感器協(xié)同優(yōu)化和協(xié)同目標(biāo)跟蹤等方面的內(nèi)容。視覺同步定位與建圖技術(shù)通過視頻攝像頭獲取的環(huán)境信息對(duì)無人機(jī)的位置、姿態(tài)及其所處環(huán)境進(jìn)行稀疏三維地圖構(gòu)建。面向無人集群的應(yīng)用場景可分為多無人機(jī)場景和無人機(jī)與無人車協(xié)同場景。針對(duì)多個(gè)無人機(jī)協(xié)同的場景，擴(kuò)展卡爾曼濾波-即時(shí)定位與地圖構(gòu)建(Extended Kalman Filter- Simultaneous Localization and Mapping, EKF-SLAM)、粒子濾波-即時(shí)定位與地圖構(gòu)建(Particle Filter-Simultaneous Localization and Mapping, PF-SLAM)[21]、圖-即時(shí)定位與地圖構(gòu)建(Graph-Simultaneous Localization and Mapping, Graph-SLAM)[22]技術(shù)均在不同的使用場景下實(shí)現(xiàn)了協(xié)同定位，其中，EKF-SLAM更適用于圖像特征點(diǎn)明顯的環(huán)境，PF-SLAM的檢測完整性相對(duì)更好，Graph-SLAM的計(jì)算量相對(duì)較小，適用于高動(dòng)態(tài)的場景。無人機(jī)與無人車協(xié)同感知架構(gòu)可以實(shí)現(xiàn)對(duì)環(huán)境更精確的地圖構(gòu)建，一方面無人機(jī)通過攝像頭擴(kuò)大視野范圍，另一方面無人車使用激光雷達(dá)等傳感器實(shí)現(xiàn)精準(zhǔn)定位，從而得到的全局地圖既涵蓋了較大的探測范圍，又實(shí)現(xiàn)了高精度探測[23-24]。

協(xié)同目標(biāo)識(shí)別通過多無人機(jī)之間充分關(guān)聯(lián)目標(biāo)之間的信息，得到共同提升的目標(biāo)識(shí)別結(jié)果。FAST-RCNN[25]、Yolo[26]等算法均提供了較好的單目標(biāo)檢測率，實(shí)現(xiàn)了在不同場景下的目標(biāo)跟蹤。文獻(xiàn)[27]提出了一種簡單高效的數(shù)據(jù)關(guān)聯(lián)方法用于多目標(biāo)跟蹤，利用檢測框和跟蹤軌跡之間的相似性，在保留高分檢測結(jié)果的同時(shí)，從低分檢測結(jié)果中去除背景，挖掘出真正的物體，從而降低漏檢并提高軌跡的連貫性。

由于單一傳感器無法滿足全天候、全天時(shí)、全地域、高精度感知等方面的要求，需要多源傳感器的部署滿足無人集群的感知認(rèn)知任務(wù)。然而，復(fù)雜環(huán)境的多源傳感器往往極難實(shí)現(xiàn)同步，因此需要對(duì)無人集群的多源傳感進(jìn)行進(jìn)一步優(yōu)化。傳感器同步問題往往轉(zhuǎn)換成基于概率圖模型的估計(jì)算法，將狀態(tài)估計(jì)問題表示成因子圖，并對(duì)因子圖進(jìn)行分解求解。Chen等[28]提出一種基于因子圖的多源融合算法，解決了分布式導(dǎo)航中的多源傳感器異步的問題，張靖等[29]將因子圖轉(zhuǎn)換成概率模型，以解決傳感器異步帶來的擬合誤差。

受到單傳感器探測范圍和探測精度的制約，利用多源傳感器組成分布式傳感器網(wǎng)絡(luò)，可以對(duì)大機(jī)動(dòng)目標(biāo)進(jìn)行分布式估計(jì)，獲得目標(biāo)精確的位置、速度、加速度等關(guān)鍵狀態(tài)信息。在實(shí)際復(fù)雜環(huán)境中[30-35]，多傳感器多為異質(zhì)異構(gòu)的，首先需要解決多源異質(zhì)傳感器的分布式融合問題，相關(guān)學(xué)者開始研究基于一致性的分布式跟蹤算法來對(duì)異質(zhì)傳感器探測信息進(jìn)行有效融合[36-39]。其次，考慮到能量消耗和對(duì)抗干擾場景，Li等[40]提出一種基于事件觸發(fā)的分布式狀態(tài)估計(jì)算法在實(shí)現(xiàn)對(duì)大機(jī)動(dòng)目標(biāo)準(zhǔn)確狀態(tài)估計(jì)的同時(shí)引入事件觸發(fā)機(jī)制，有效節(jié)省能量并減小被地方探測到的概率?？紤]到部分傳感器節(jié)點(diǎn)失效的問題，Dong等[41]提出一種切換拓?fù)湎碌姆植际焦烙?jì)算法，通過有效的拓?fù)淝袚Q，時(shí)刻以最佳的觀測陣位獲取到目標(biāo)的有效觀測信息，實(shí)現(xiàn)魯棒協(xié)同跟蹤。

無人集群協(xié)同認(rèn)知技術(shù)包含多源協(xié)同威脅判定、協(xié)同態(tài)勢圖生成等方面的內(nèi)容。協(xié)同威脅判定采用多層次的評(píng)判方法，兼顧無人集群的風(fēng)險(xiǎn)因素，對(duì)當(dāng)前無人集群所處環(huán)境的威脅進(jìn)行判定?？紤]到相對(duì)距離、相對(duì)方位、速度等方面的因素，判定某一目標(biāo)是否會(huì)對(duì)無人集群的正常行駛造成威脅。現(xiàn)有的協(xié)同威脅判定算法往往應(yīng)用在空戰(zhàn)、無人車自主避障等場景。例如，據(jù)空戰(zhàn)效能、空戰(zhàn)態(tài)勢及作戰(zhàn)意圖所建立的目標(biāo)威脅評(píng)判模型。吳亞輝等[42]依據(jù)視覺深度學(xué)習(xí)方法研究了機(jī)器人環(huán)境感知及自主避障方法，為機(jī)器人僅依賴視覺和慣導(dǎo)傳感器就可以實(shí)現(xiàn)障礙物識(shí)別和自主移動(dòng)避障提供了依據(jù)和參考。無人集群的協(xié)同認(rèn)知技術(shù)目前還存在較大的發(fā)展空間，在面向不同的應(yīng)用場景下，需要進(jìn)一步對(duì)無人集群面臨的威脅進(jìn)行精確的定義，以支撐后續(xù)的威脅判定和避障算法。

1.3 可引導(dǎo)、可信任、可進(jìn)化的無人集群系統(tǒng)智能決策與規(guī)劃

多變?nèi)蝿?wù)類型和復(fù)雜動(dòng)態(tài)環(huán)境下大規(guī)模飛行器集群協(xié)同決策規(guī)劃的整體架構(gòu)包含決策層與規(guī)劃層。決策層在宏觀層面上進(jìn)行集群內(nèi)各智能體的任務(wù)分配或行為決策，規(guī)劃層在動(dòng)力學(xué)層面上為每個(gè)智能體設(shè)計(jì)狀態(tài)轉(zhuǎn)移的軌跡[43]。

集群協(xié)同決策是實(shí)施編隊(duì)協(xié)同作戰(zhàn)的關(guān)鍵支撐，通過對(duì)戰(zhàn)場環(huán)境、作戰(zhàn)需求以及各種約束條件的綜合分析與計(jì)算，在任務(wù)決策層面對(duì)多個(gè)飛行器的作戰(zhàn)任務(wù)進(jìn)行合理規(guī)劃，可以提升飛行器集群協(xié)同效能[44]。任務(wù)分配問題本身也是一個(gè)離散整數(shù)規(guī)劃問題[45]，典型方法包括匈牙利算法、拍賣算法、粒子群算法[46]等。從求解策略上來看，基于啟發(fā)式的生物群體智能算法(如狼群算法[47]等)在解決小規(guī)模飛行器集群系統(tǒng)的任務(wù)分配問題具有良好的應(yīng)用效果。然而隨著約束的復(fù)雜化、集群的大規(guī)?；?，經(jīng)典的算法求解時(shí)間的局限性將會(huì)不斷凸顯。因此，基于強(qiáng)化學(xué)習(xí)的方法強(qiáng)調(diào)在與環(huán)境的交互中學(xué)習(xí)，最貼近人類的學(xué)習(xí)模式，在求解多約束條件下任務(wù)分配問題有潛在的應(yīng)用前景。文獻(xiàn)[48]構(gòu)建面向數(shù)量可變的無人機(jī)集群自主協(xié)同任務(wù)的網(wǎng)絡(luò)，通過回報(bào)組合、參數(shù)調(diào)整、觀測空間設(shè)計(jì)，進(jìn)一步實(shí)現(xiàn)無人機(jī)集群自主協(xié)同任務(wù)優(yōu)化與分配。還有一些工作[49-50]將強(qiáng)化學(xué)習(xí)應(yīng)用于無人機(jī)的決策中，并拓展到了移動(dòng)邊緣計(jì)算等多種應(yīng)用場景。盡管基于學(xué)習(xí)類的智能任務(wù)分配方法有一定優(yōu)勢，然而其對(duì)環(huán)境的復(fù)雜性和任務(wù)場景的多樣性較為敏感，而且訓(xùn)練的過程不易收斂，尚存在一些有待突破的難題。

協(xié)同規(guī)劃的核心任務(wù)則是規(guī)劃集群內(nèi)各個(gè)智能體狀態(tài)轉(zhuǎn)移的軌跡[51]。一般情況下，智能體的運(yùn)動(dòng)須保證不與障礙物發(fā)生碰撞，滿足自身動(dòng)力學(xué)的約束，而且實(shí)現(xiàn)任務(wù)層的特定需求[52]。在未知環(huán)境下部署多智能體的困難主要包括障礙物參數(shù)化困難、感知距離有限、通信可靠性低以及不一致的定位引起的定位漂移[43]。與單機(jī)軌跡規(guī)劃[53]相比，協(xié)同規(guī)劃面臨的兩大額外挑戰(zhàn)是集群個(gè)體間的拓?fù)湟?guī)劃與相互避障。在拓?fù)湟?guī)劃方面，文獻(xiàn)[54]提出了一種拓?fù)湟?guī)劃方法，在復(fù)分析中二維曲面的同源等價(jià)關(guān)系的基礎(chǔ)上，將Voronoi圖與采樣式全局路徑規(guī)劃方法，以及TEB (Timed-Elastic-Bands)局部軌跡規(guī)劃方法相結(jié)合。此外，在文獻(xiàn)[55]研究的基礎(chǔ)上，香港科技大學(xué)[56]提出了一種高效的拓?fù)涞葍r(jià)性檢查方法，實(shí)現(xiàn)了實(shí)時(shí)拓?fù)湟?guī)劃。在相互避障方面，速度障礙法可用于以點(diǎn)描述的機(jī)器人[57]，完整約束智能體[58]以及非完整約束智能體[59]?？▋?nèi)基梅隆大學(xué)的研究者[60]提出了一種分布式的異步規(guī)劃方法，使無人機(jī)能夠躲避靜態(tài)與動(dòng)態(tài)障礙，并保證集群內(nèi)不發(fā)生碰撞。然而，目前大部分研究仍無法應(yīng)用于自然環(huán)境下的全自主集群系統(tǒng)?？傮w來說，飛行器集群在線決策規(guī)劃方法的實(shí)時(shí)性和精確性之間存在著嚴(yán)重矛盾，這也是集群協(xié)同規(guī)劃研究的重點(diǎn)和難點(diǎn)。

1.4 復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同控制

自然界中的生物個(gè)體，可以通過局部交互，形成復(fù)雜的群體行為，實(shí)現(xiàn)相互配合，彌補(bǔ)自身的不足。例如魚群長途遷徙[61]、蟻群協(xié)同搬運(yùn)[62]、狼群協(xié)同捕食[63]等。從宏觀系統(tǒng)的角度來看，集群系統(tǒng)具有自適應(yīng)高、魯棒性強(qiáng)、應(yīng)用前景廣等特點(diǎn)[64]。

作為實(shí)現(xiàn)群體智能的重要手段之一，無人集群的協(xié)同控制問題受到了國內(nèi)外研究學(xué)者的廣泛關(guān)注，其主要的協(xié)同控制應(yīng)用主要包含：一致性控制[65-67]、編隊(duì)控制[68]、編隊(duì)跟蹤控制[69]、編隊(duì)-合圍控制[70]等。實(shí)際上，根據(jù)多領(lǐng)導(dǎo)者和跟隨者在狀態(tài)/輸出空間中的相對(duì)位置差異，無人集群編隊(duì)跟蹤控制問題可以轉(zhuǎn)化為編隊(duì)-合圍控制。集群系統(tǒng)的編隊(duì)-合圍控制可以定義為，跟隨者的狀態(tài)/輸出進(jìn)入領(lǐng)導(dǎo)者狀態(tài)/輸出形成的凸包的內(nèi)部。編隊(duì)-合圍控制可以廣泛應(yīng)用于有人/無人戰(zhàn)斗機(jī)協(xié)同攻擊的過程中。文獻(xiàn)[71]等給出了編隊(duì)-合圍的充分條件。文獻(xiàn)[72]研究了一階與二階集群系統(tǒng)的編隊(duì)-合圍控制，同時(shí)給出了編隊(duì)-合圍的充分條件。國內(nèi)外研究學(xué)者研究了高階系統(tǒng)的編隊(duì)-合圍控制，進(jìn)一步研究了多源干擾下，具有時(shí)變輸入的跟蹤-領(lǐng)導(dǎo)者下的編隊(duì)-合圍控制問題[73]。隨著一致性理論的快速發(fā)展，不少學(xué)者提出了一些重要的基于一致性的協(xié)同控制策略。

無人集群(無人機(jī)、無人車等)在實(shí)際執(zhí)行協(xié)同任務(wù)時(shí)，會(huì)受到外部復(fù)雜環(huán)境的約束。例如，在無人物流場景中，送貨無人機(jī)在城市執(zhí)行協(xié)同任務(wù)時(shí)往往受到外部電磁設(shè)備的干擾造成無人機(jī)之間通信的中斷；森林滅火無人機(jī)在執(zhí)行森林協(xié)同滅火與救援時(shí)候，惡劣的外部環(huán)境往往對(duì)無人機(jī)的控制協(xié)議的魯棒性提出了更高的要求；在大氣監(jiān)測場景，領(lǐng)航多旋翼無人機(jī)進(jìn)行環(huán)境監(jiān)測時(shí)候，外部的干擾往往造成領(lǐng)航無人機(jī)存在著未知外部控制輸入的情況發(fā)生，這就導(dǎo)致無人集群采用常規(guī)的控制協(xié)議時(shí)，無法能夠保證集群實(shí)現(xiàn)最終的協(xié)同任務(wù)。面對(duì)不同約束條件下衍生出的無人集群系統(tǒng)協(xié)同控制問題，國內(nèi)外的一些學(xué)者得到了非常重要的理論結(jié)果。例如：利用一致性理論，研究學(xué)者在文獻(xiàn)[74-75]中分別研究了切換拓?fù)?、多領(lǐng)導(dǎo)者、輸入飽和、非線性約束等條件下的編隊(duì)跟蹤控制問題，但是無人集群在實(shí)際執(zhí)行協(xié)同任務(wù)時(shí)受到的外部擾動(dòng)情況更加復(fù)雜，現(xiàn)有控制方法并不能準(zhǔn)確地消除其影響。

在更多實(shí)際應(yīng)用場景下，無人集群可能存在不同的動(dòng)力學(xué)，例如無人機(jī)與無人車組成的空地協(xié)同搜索場景，因?yàn)闊o人機(jī)具有視野范圍廣、靈活性高等特點(diǎn)，可以為無人車提供通信中繼的功能。對(duì)于異構(gòu)集群系統(tǒng)，國內(nèi)外研究學(xué)者首先針對(duì)一階和二階多智能體所組成的特殊異構(gòu)集群系統(tǒng)，考慮多約束條件，給出了實(shí)現(xiàn)一致性的控制方法[76]。進(jìn)一步基于內(nèi)模原理與輸出調(diào)節(jié)理論，異構(gòu)集群系統(tǒng)的研究逐漸由低階系統(tǒng)轉(zhuǎn)到一般系統(tǒng)，由無領(lǐng)導(dǎo)者轉(zhuǎn)向有領(lǐng)導(dǎo)者的控制[77]。在機(jī)器人控制領(lǐng)域，Duan等[78]研究了由一組無人機(jī)與無人車所組成的異構(gòu)多機(jī)器人系統(tǒng)的編隊(duì)控制問題?？紤]無向聯(lián)合連通拓?fù)洹㈦x散時(shí)間、非線性、輸入飽和約束的影響，眾多文獻(xiàn)提出了對(duì)應(yīng)的異構(gòu)集群編隊(duì)跟蹤方法。進(jìn)一步針對(duì)高階異構(gòu)集群系統(tǒng)，國外學(xué)者研究了高階異構(gòu)集群系統(tǒng)的編隊(duì)-合圍跟蹤控制問題，利用跟蹤-領(lǐng)導(dǎo)者來刻畫集群整體的宏觀運(yùn)動(dòng)，基于輸出調(diào)節(jié)策略構(gòu)造了間歇通信條件下的編隊(duì)-合圍跟蹤協(xié)議。文獻(xiàn)[79]基于自適應(yīng)控制理論設(shè)計(jì)了完全分布式的編隊(duì)-合圍跟蹤控制器。為了有效控制整個(gè)集群系統(tǒng)的宏觀運(yùn)動(dòng)軌跡，利用輸出信息構(gòu)造觀測器，Li等[80]提出了一種全分布式控制器，實(shí)現(xiàn)異構(gòu)集群的編隊(duì)合圍跟蹤控制。目前國外的無人集群仿真越來越貼近實(shí)際場景，當(dāng)前集群系統(tǒng)的研究仍然以實(shí)驗(yàn)室等理論環(huán)境為主，尤其針對(duì)復(fù)雜異構(gòu)集群系統(tǒng)，關(guān)于實(shí)際任務(wù)場景的研究很少，缺乏針對(duì)實(shí)際應(yīng)用場景的驗(yàn)證。

1.5 復(fù)雜環(huán)境異構(gòu)無人集群自主協(xié)同技術(shù)應(yīng)用驗(yàn)證

無人集群具有廉價(jià)、小型、便于大規(guī)模運(yùn)輸和部署的特點(diǎn)，近些年在火災(zāi)救援、大氣監(jiān)測、物流運(yùn)輸?shù)确矫姘l(fā)揮出越來越重要的作用。在森林火災(zāi)撲救場景中，多旋翼無人機(jī)的應(yīng)用較為廣泛[81]。通過高空勘察可以協(xié)助消防人員動(dòng)態(tài)掌握火勢發(fā)展蔓延方向及現(xiàn)場滅火力量分布情況，發(fā)現(xiàn)被困人員，以及鎖定明火目標(biāo)和探測殘火[82]。無人機(jī)集群在空地協(xié)同搜救活動(dòng)中，可以有效規(guī)避危險(xiǎn)，并且提高搜救效率，在地震、火災(zāi)等場景中都能發(fā)揮巨大作用[83]。

無人配送不僅可以降本增效，還能緩解勞動(dòng)力短缺問題，市場空間極大，是無人集群在復(fù)雜環(huán)境應(yīng)用驗(yàn)證的重要場景。中國無人配送市場空間可達(dá)到7 500億元，預(yù)計(jì)2030年無人配送市場可達(dá)到萬億級(jí)。近些年全球各大電商或物流巨頭正投入大量人力、物力發(fā)展無人機(jī)物流。以無人倉、無人車、無人機(jī)為代表的各項(xiàng)無人技術(shù)迅猛發(fā)展，加快了智慧物流發(fā)展的步伐。美國網(wǎng)絡(luò)電商公司亞馬遜，將大數(shù)據(jù)、人工智能和云計(jì)算等技術(shù)運(yùn)用于倉儲(chǔ)和物流管理，開創(chuàng)了一整套以高科技為支撐的電商倉儲(chǔ)物流模式。中國京東、順豐、菜鳥等物流公司近些年也在進(jìn)行無人機(jī)物流研發(fā)，并取得了一些顯著的成果，無人集群進(jìn)行協(xié)同轉(zhuǎn)運(yùn)與配送貨物更能提高物流工作效率。例如：以無人機(jī)協(xié)同配送貨物時(shí)，單個(gè)無人機(jī)的載重量較小，通過多個(gè)空中無人機(jī)組成小規(guī)模的集群系統(tǒng)進(jìn)行協(xié)同配合，將貨物空中搬運(yùn)到目的地，可以有效地提高工作效率。由無人車-無人機(jī)高低搭配的異構(gòu)無人集群系統(tǒng)進(jìn)行無人配送貨物時(shí)，當(dāng)?shù)孛鏌o人車遇到山陵等障礙導(dǎo)致路面交通不便時(shí)，空中無人機(jī)可以將貨物進(jìn)行空中運(yùn)送，實(shí)現(xiàn)貨物的快遞送達(dá)。因此，無人集群在現(xiàn)代無人物流中有著廣闊的應(yīng)用前景。

在環(huán)境監(jiān)測方面，利用新型傳感技術(shù)、衛(wèi)星遙感監(jiān)測、無人機(jī)航測等科技手段開展無人機(jī)、無人車等設(shè)備的氣體環(huán)境監(jiān)測，為大氣防治提供行動(dòng)了新思路[84-85]。利用無人機(jī)、無人車等非接觸設(shè)備協(xié)同作業(yè)的方式，能夠同時(shí)從高空俯瞰和深入煙霧與有毒氣體、污染氣體的區(qū)域，拓展了信息監(jiān)測維度，能夠在更短的時(shí)間里更加高效地獲取更為全面的信息。

目前對(duì)無人集群建模與仿真的研究，主要聚焦機(jī)器人操縱系統(tǒng)、無人系統(tǒng)任務(wù)規(guī)劃、編隊(duì)控制、自組網(wǎng)通信、智能算法等技術(shù)層面。當(dāng)前，國內(nèi)外關(guān)于無人集群系統(tǒng)協(xié)同技術(shù)的面向特定場景和半開放環(huán)境下的單項(xiàng)技術(shù)仿真驗(yàn)證取得了一定成果[86-88]。美國海軍研究生院以無人集群ISR以及空戰(zhàn)任務(wù)為例給出了其作戰(zhàn)行動(dòng)軍事概念模型示例，并建立了無人集群作戰(zhàn)行動(dòng)“使命—戰(zhàn)術(shù)—行動(dòng)—算法—數(shù)據(jù)”5層任務(wù)框架仿真平臺(tái)。清華大學(xué)提出了一種在實(shí)驗(yàn)室環(huán)境下低成本的人工智能無人機(jī)集群控制演示驗(yàn)證系統(tǒng)。國防科技大學(xué)圍繞無人集群體系仿真試驗(yàn)床，提出了基于復(fù)雜系統(tǒng)的體系理解、面向整個(gè)武器裝備體系等8條新理念。

進(jìn)行無人機(jī)集群協(xié)作完成任務(wù)實(shí)物試驗(yàn)，不論是發(fā)揮無人機(jī)在未來軍事還是民用中的廣泛作用都有著顯著優(yōu)勢。美國國防部戰(zhàn)略能力辦公室開展了“山鶉”微型無人飛行器項(xiàng)目，進(jìn)行了“山鶉”無人飛行器空中發(fā)射試驗(yàn)、發(fā)射機(jī)編隊(duì)試驗(yàn)，用來研究無人飛行器集群的群體決策、編隊(duì)飛行和協(xié)同偵察等能力。北京航空航天大學(xué)通過無人機(jī)集群飛行試驗(yàn)，對(duì)無人機(jī)集群自主飛行控制、仿生視覺認(rèn)知與智能感知、飛行器智能決策與智能控制等技術(shù)進(jìn)行探索驗(yàn)證。中國電子科學(xué)研究院開展了200架固定翼無人機(jī)集群飛行試驗(yàn)。國防科技大學(xué)研制了20架規(guī)模的小型固定翼無人機(jī)集群飛行驗(yàn)證系統(tǒng)。在“無人爭鋒”無人集群智能挑戰(zhàn)賽中，空天神劍隊(duì)將異構(gòu)集群系統(tǒng)控制技術(shù)攻關(guān)和集成驗(yàn)證系統(tǒng)成果應(yīng)用于比賽中，并獲得多個(gè)比賽的冠軍。

在體系架構(gòu)方面，隨著無人集群節(jié)點(diǎn)規(guī)模和構(gòu)型的增加，異構(gòu)集群體系架構(gòu)的設(shè)計(jì)難度呈指數(shù)上升，現(xiàn)有體系架構(gòu)通常只關(guān)注特定領(lǐng)域，很少能夠適應(yīng)多種任務(wù)，復(fù)雜環(huán)境下無人集群系統(tǒng)任務(wù)對(duì)系統(tǒng)架構(gòu)的適應(yīng)能力和異構(gòu)節(jié)點(diǎn)間的互操作能力要求更高，因此亟需開展自適應(yīng)異構(gòu)體系架構(gòu)和建模方法研究，并形成統(tǒng)一的標(biāo)準(zhǔn)設(shè)計(jì)框架與規(guī)范。此外，中國對(duì)無人集群效能認(rèn)知與評(píng)估方法依然存在局限，受國外研究影響較大，在結(jié)合實(shí)際情況進(jìn)行分析時(shí)適配性不足，亟待建立一套適用于多任務(wù)場景的無人集群效能評(píng)估體系。

在感知認(rèn)知方面，基于多源信息融合的分布式協(xié)同目標(biāo)跟蹤技術(shù)，在國內(nèi)的研究中目前已經(jīng)形成一套完成的體系架構(gòu)，一些基礎(chǔ)性的研究已經(jīng)非常成熟并大規(guī)模地應(yīng)用，例如多傳感器時(shí)間同步技術(shù)，多傳感器空間對(duì)準(zhǔn)技術(shù)。然而，現(xiàn)有的算法架構(gòu)針對(duì)一些極端光照及惡劣氣候條件無法實(shí)現(xiàn)魯棒的感知認(rèn)知。例如，在夜間等弱光照射的場景，感知算法無法精準(zhǔn)捕捉到目標(biāo)物體，導(dǎo)致認(rèn)知算法不能對(duì)物體目標(biāo)物體進(jìn)行檢測和高精度追蹤；降雨、霧霾等氣候均會(huì)對(duì)感知能力造成影響，從而影響認(rèn)知算法的精確度。在實(shí)際應(yīng)用中，現(xiàn)有的算法需突破以上瓶頸，從而實(shí)現(xiàn)高效魯棒的無人平臺(tái)全天候全場景感知認(rèn)知技術(shù)。

在決策規(guī)劃方面，國內(nèi)在小規(guī)模集群系統(tǒng)協(xié)同決策規(guī)劃領(lǐng)域已取得較為扎實(shí)的研究基礎(chǔ)，算法的理論性強(qiáng)，在適應(yīng)動(dòng)態(tài)任務(wù)與環(huán)境、小規(guī)模集群協(xié)同、同構(gòu)智能體協(xié)同優(yōu)化等挑戰(zhàn)性問題上取得了一定的進(jìn)展。但面對(duì)大規(guī)模的集群協(xié)同問題，首先，由于集群規(guī)模的增長，集群協(xié)同決策規(guī)劃問題復(fù)雜度呈指數(shù)級(jí)增長，解決小規(guī)模問題的方法不再適用；其次，集群協(xié)同通常依賴于組網(wǎng)，客觀存在的時(shí)延、丟包、誤碼、拓?fù)淇熳儯沟眉簠f(xié)同決策規(guī)劃更加困難，一旦遇到復(fù)雜電磁環(huán)境，更是難上加難；第三，大規(guī)模集群往往可能伴隨著異構(gòu)組成，需要技術(shù)方法能夠適應(yīng)集群異構(gòu)性質(zhì)。

在協(xié)同控制方面，目前國外學(xué)者開展無人集群協(xié)同控制方面的研究比較深入，集群的仿真也越貼近實(shí)際場景，而當(dāng)前中國學(xué)者對(duì)于集群系統(tǒng)的研究仍然以實(shí)驗(yàn)室等理論環(huán)境為主，尤其針對(duì)于復(fù)雜異構(gòu)集群系統(tǒng)，關(guān)于實(shí)際任務(wù)場景的研究很少，缺乏針對(duì)實(shí)際應(yīng)用場景的驗(yàn)證。雖然一部分學(xué)者得到了復(fù)雜環(huán)境下無人集群實(shí)現(xiàn)協(xié)同任務(wù)的結(jié)果，但無人集群在實(shí)際執(zhí)行協(xié)同任務(wù)受到的外部擾動(dòng)情況更加復(fù)雜、物理安全與信息安全受到不同類別的威脅，現(xiàn)有得到的控制方法并不能準(zhǔn)確地進(jìn)行刻畫并消除其影響。

在驗(yàn)證方面，通過對(duì)國內(nèi)外現(xiàn)有無人機(jī)集群相關(guān)技術(shù)仿真試驗(yàn)及應(yīng)用現(xiàn)狀進(jìn)行分析，無論是無人集群仿真試驗(yàn)還是軍事民用應(yīng)用國內(nèi)尚處于探索、試驗(yàn)、驗(yàn)證等初級(jí)階段。國內(nèi)異構(gòu)無人集群實(shí)際應(yīng)用中任務(wù)場景簡單且呈現(xiàn)“靜態(tài)化”。無人機(jī)平臺(tái)多為單一機(jī)型，且多為中小型無人機(jī)，尚無異構(gòu)無人集群在典型場景中的應(yīng)用。限于無人機(jī)平臺(tái)、監(jiān)管政策及法規(guī)、航線因素等，支線無人機(jī)物流和干線無人機(jī)物流開展較少，處于理論探索階段。在智能仿真系統(tǒng)驗(yàn)證中，基于分布式自學(xué)習(xí)迭代集成仿真理論的研究與仿真平臺(tái)的建立還不完善，亟需能夠給予更好的可視化、模塊化的仿真結(jié)果。在無人集群飛行器試驗(yàn)中缺乏針對(duì)異構(gòu)無人集群分布式并行感知、認(rèn)知、控制及決策綜合能力的試驗(yàn)驗(yàn)證。

2 存在的挑戰(zhàn)與難點(diǎn)

2.1 復(fù)雜環(huán)境下無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)和建模方法

集群體系架構(gòu)領(lǐng)域還存在如下幾方面挑戰(zhàn)，如圖1所示。

1)規(guī)?？蓴U(kuò)展性。隨著規(guī)模增加，不論在理論還是系統(tǒng)實(shí)現(xiàn)上，集群系統(tǒng)體系結(jié)構(gòu)設(shè)計(jì)的難度指數(shù)上升。

2)多樣性。高度自治化的集群系統(tǒng)需要支持多樣化任務(wù)。

3)影響因素復(fù)雜性。影響無人集群系統(tǒng)任務(wù)能力的因素多、規(guī)模大、因素間關(guān)系復(fù)雜并存在組合約束。

4)涌現(xiàn)效果復(fù)雜性。無人集群一般采用分布式控制原理，在演化過程中產(chǎn)生整體的涌現(xiàn)性效果，這些效果體現(xiàn)在系統(tǒng)的結(jié)構(gòu)、功能和行為等方面，難以進(jìn)行分析評(píng)估。

5)時(shí)空演變性。在利用集群執(zhí)行任務(wù)時(shí)，由于信息不確定性、不完全等，集群編隊(duì)會(huì)根據(jù)感知到的任務(wù)目標(biāo)狀態(tài)采取不同的協(xié)同策略。

2.2 復(fù)雜環(huán)境下高維態(tài)勢分布式感知與認(rèn)知

無人集群系統(tǒng)在災(zāi)害救援、區(qū)域物流等重大應(yīng)急事件和經(jīng)濟(jì)民生中能夠發(fā)揮不可替代作用。集群分布式感知與認(rèn)知領(lǐng)域還存在如下幾方面挑戰(zhàn)，如圖2所示。

1) 當(dāng)前，國內(nèi)外關(guān)于無人集群態(tài)勢感知尚未開展基于分布式多源傳感器信息融合的感知與認(rèn)知方面的研究，無人集群在實(shí)際應(yīng)用中無法適應(yīng)復(fù)雜不確定的環(huán)境，亟需將高維態(tài)勢感知與認(rèn)知作為無人集群導(dǎo)航研究的重要探索方向。

2) 在面向高動(dòng)態(tài)、不確定、資源受限等復(fù)雜環(huán)境，協(xié)同區(qū)域搜索、集群優(yōu)化調(diào)度等多任務(wù)應(yīng)用需求，需考慮不確定和資源受限條件下高質(zhì)量異構(gòu)異質(zhì)傳感數(shù)據(jù)處理、具備條件觸發(fā)機(jī)制的融合框架及動(dòng)態(tài)場景下的自適應(yīng)切換拓?fù)浼夹g(shù)，提升無人集群系統(tǒng)的分布式態(tài)勢感知與認(rèn)知能力。

2.3 可引導(dǎo)、可信任、可進(jìn)化的無人集群系統(tǒng)智能決策與規(guī)劃

集群系統(tǒng)協(xié)同控制的快速發(fā)展，為大規(guī)模無人系統(tǒng)智能控制打下了良好的基礎(chǔ)，但是集群系統(tǒng)協(xié)同控制還存在如下亟待解決的問題與挑戰(zhàn)，如圖3所示。

1) 多源擾動(dòng)存在下系統(tǒng)的魯棒性還需要進(jìn)一步提高。隨著無人集群規(guī)模的增大，傳統(tǒng)的協(xié)同決策規(guī)劃架構(gòu)無法適應(yīng)大規(guī)模信息傳輸導(dǎo)致的通信時(shí)延，復(fù)雜環(huán)境下存在黑暗、擁堵、潮濕等問題，給強(qiáng)魯棒協(xié)同決策規(guī)劃帶來了困難。

2) 無人集群環(huán)境下包括遠(yuǎn)距離無法感知的空間障礙、突發(fā)或消失的任務(wù)目標(biāo)、復(fù)雜的電磁環(huán)境在內(nèi)的問題對(duì)集群協(xié)同決策規(guī)劃的魯棒性帶來極大挑戰(zhàn)。針對(duì)任務(wù)場景的一體化結(jié)構(gòu)尚未建立。面向復(fù)雜的任務(wù)場景，單一的結(jié)構(gòu)降低了集群系統(tǒng)自主決策和學(xué)習(xí)的能力，同時(shí)也無法根據(jù)實(shí)際的需求進(jìn)行自適應(yīng)轉(zhuǎn)換。

3) 決策系統(tǒng)的自學(xué)習(xí)能力有待加強(qiáng)。決策規(guī)劃系統(tǒng)不具備自主學(xué)習(xí)與迭代更新的能力，而復(fù)雜任務(wù)場景可能隨時(shí)提出新的要求，給決策規(guī)劃的設(shè)計(jì)帶來困難。

2.4 復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同控制

無人集群系統(tǒng)協(xié)同控制還存在如下亟待解決的問題與挑戰(zhàn)，如圖4所示。

1)多源擾動(dòng)存在下系統(tǒng)的魯棒性還需要進(jìn)一步提高。復(fù)雜環(huán)境下存在黑暗、擁堵、潮濕等問題，給強(qiáng)魯棒協(xié)同控制協(xié)議設(shè)計(jì)帶來了困難。

2)無人集群系統(tǒng)執(zhí)行協(xié)同任務(wù)時(shí)候，面臨信息安全與物理安全問題，如電磁環(huán)境下通信鏈路層面包括Dos在內(nèi)的攻擊容易造成數(shù)據(jù)包的丟失或錯(cuò)誤數(shù)據(jù)的注入，造成無人集群系統(tǒng)的通信受到干擾，通信數(shù)據(jù)的完整性與正確性得不到保障；集群系統(tǒng)面臨外部動(dòng)態(tài)障礙物與靜態(tài)障礙物對(duì)集群系統(tǒng)造成的物理威脅，而采用傳統(tǒng)基于人工智能的防碰撞協(xié)同控制方法仍需要突破。

3)現(xiàn)階段集群傳統(tǒng)的協(xié)同控制算法，無法適應(yīng)大規(guī)模異構(gòu)集群系統(tǒng)的計(jì)算需求。針對(duì)任務(wù)場景的一體化結(jié)構(gòu)尚未建立。面向復(fù)雜的任務(wù)場景，單一的結(jié)構(gòu)降低了集群系統(tǒng)自主決策和學(xué)習(xí)的能力，同時(shí)也無法根據(jù)實(shí)際的需求進(jìn)行自適應(yīng)轉(zhuǎn)換。適用大規(guī)模實(shí)際應(yīng)用場景的集群系統(tǒng)實(shí)驗(yàn)亟需開展。

4)針對(duì)于復(fù)雜異構(gòu)集群系統(tǒng)，實(shí)際任務(wù)場景結(jié)合很少，缺乏針對(duì)實(shí)際應(yīng)用場景的驗(yàn)證。

2.5 復(fù)雜環(huán)境異構(gòu)無人集群自主協(xié)同應(yīng)用驗(yàn)證

無人集群自主協(xié)同應(yīng)用驗(yàn)證領(lǐng)域還存在如下幾方面挑戰(zhàn)，如圖5所示。

1)無人集群仿真試驗(yàn)在中國尚處于探索、試驗(yàn)、驗(yàn)證等初級(jí)階段，缺乏基于分布式自學(xué)習(xí)迭代集成仿真理論的研究與仿真平臺(tái)的構(gòu)建。

2)目前中國沒有建立一套標(biāo)準(zhǔn)的多任務(wù)異構(gòu)無人集群驗(yàn)證平臺(tái)，不能滿足無人集群飛行試驗(yàn)的場所及設(shè)備需求。

3)在實(shí)際應(yīng)用方面，無人集群技術(shù)在大氣監(jiān)測、物流配送及火災(zāi)場景救援等典型領(lǐng)域的應(yīng)用尚處于技術(shù)論證和探索階段。大規(guī)模無人集群系統(tǒng)需要更加科學(xué)的路徑規(guī)劃，科學(xué)的決策規(guī)劃能力使得集群能夠自動(dòng)規(guī)劃與實(shí)時(shí)調(diào)整任務(wù)路徑，保證集群內(nèi)各智能體的安全穩(wěn)定。

4)在有人無人協(xié)同合作的情況下，需要更敏捷的有人無人協(xié)作能力來保證異構(gòu)集群在不同環(huán)境中的任務(wù)可執(zhí)行性。

3 關(guān)鍵技術(shù)及進(jìn)展

圍繞高動(dòng)態(tài)、不確定、資源受限等復(fù)雜環(huán)境下強(qiáng)魯棒、高智能的無人集群自主協(xié)同控制技術(shù)，從面向大規(guī)模無人集群系統(tǒng)協(xié)同區(qū)域搜索、集群優(yōu)化調(diào)度等多任務(wù)應(yīng)用需求，建立復(fù)雜環(huán)境下大規(guī)模異構(gòu)無人集群魯棒自主協(xié)同理論，形成分布式“感知—判斷—決策—行動(dòng)”O(jiān)ODA循環(huán)自主協(xié)同全過程方法體系，如圖6所示。提出開放式無人集群系統(tǒng)架構(gòu)設(shè)計(jì)與效能評(píng)估方法，解決復(fù)雜環(huán)境下高維態(tài)勢分布式感知與認(rèn)知、可引導(dǎo)、可信任、可進(jìn)化的智能決策、復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同控制3個(gè)科學(xué)問題，突破非結(jié)構(gòu)化協(xié)同互補(bǔ)采集與融合、無中心自組織集群任務(wù)規(guī)劃、分布式強(qiáng)魯棒安全協(xié)同控制3項(xiàng)關(guān)鍵技術(shù)。綜述大規(guī)模集群系統(tǒng)驗(yàn)證平臺(tái)的進(jìn)展，聚焦大氣污染監(jiān)測、園區(qū)無人物流、火場災(zāi)害救援3個(gè)典型場景，給出典型場景的任務(wù)需求以及技術(shù)解決方案。

3.1 復(fù)雜環(huán)境下無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)和建模方法

在無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)和建模方法研究方面，以無人集群自主協(xié)同基礎(chǔ)理論框架為指導(dǎo)，提出無人集群系統(tǒng)自適應(yīng)異構(gòu)體系設(shè)計(jì)方法，開展面向任務(wù)效能的集群網(wǎng)絡(luò)效能評(píng)估、集群結(jié)構(gòu)與行為建模和系統(tǒng)互操作性研究，實(shí)現(xiàn)無人集群系統(tǒng)效能試驗(yàn)評(píng)估。

3.1.1 基于MBSE的集群系統(tǒng)集成方法

采用基于模型的系統(tǒng)工程(Model-Based Systems Engineering, MBSE)方法和工具研究空基異構(gòu)無人集群系統(tǒng)，使用自頂向下的解析方法逐級(jí)分解集群系統(tǒng)結(jié)構(gòu)，通過自底向上的反饋方法進(jìn)行迭代改進(jìn)，形成清晰的群系統(tǒng)模型、子系統(tǒng)模型、單元模型和對(duì)應(yīng)的結(jié)構(gòu)、流程、用例。以模型為基礎(chǔ)，以MBSE方法為手段，開發(fā)多層次仿真平臺(tái)工具，形成開放式系統(tǒng)仿真構(gòu)架。提出的設(shè)計(jì)與系統(tǒng)集成方法如圖7所示。

3.1.2 基于MBSE的集群系統(tǒng)建模方法

MBSE是一種以模型為中心的系統(tǒng)工程層次設(shè)計(jì)方法，MBSE以模型為驅(qū)動(dòng)方式，代替?zhèn)鹘y(tǒng)設(shè)計(jì)中的文檔驅(qū)動(dòng)模式，通過對(duì)型運(yùn)行測試分析和驗(yàn)證系統(tǒng)設(shè)計(jì)方案，在系統(tǒng)工程層面保證設(shè)計(jì)方案的正確性和最優(yōu)化。重點(diǎn)是通過解構(gòu)方法明晰整個(gè)系統(tǒng)架構(gòu)的詳細(xì)結(jié)構(gòu)，即任務(wù)、階段、戰(zhàn)術(shù)、行動(dòng)、算法和數(shù)據(jù)6層。圖8為無人集群6層級(jí)任務(wù)架構(gòu)。

3.1.3 無人集群行為建模研究

在集群自主協(xié)同行為的要素認(rèn)知層面，結(jié)合現(xiàn)有的生物群體行為涌現(xiàn)性以及機(jī)器人智能集群系統(tǒng)的涌現(xiàn)性行為研究，并充分考慮集群自主協(xié)同系統(tǒng)的分布式、自組織、協(xié)作性、穩(wěn)定性等典型特點(diǎn)，提出集群群體涌現(xiàn)性行為的4類基本行為模式：空間組織行為、導(dǎo)航行為、集群信息交互與決策行為和其他集群行為，如圖9所示。針對(duì)考慮集群特征和任務(wù)功能動(dòng)態(tài)演化規(guī)律的認(rèn)知框架問題，基于以上集群自主協(xié)同任務(wù)—結(jié)構(gòu)—行為要素認(rèn)知及數(shù)學(xué)規(guī)范化表達(dá)的研究。

3.1.4 無人集群網(wǎng)絡(luò)化效能評(píng)估方法

1) 效能評(píng)估指標(biāo)體系的建立。建立效能評(píng)估指標(biāo)體系是對(duì)集群進(jìn)行效能評(píng)估研究的基礎(chǔ)，針對(duì)無人平臺(tái)典型任務(wù)流程分析各個(gè)任務(wù)階段的任務(wù)需求，基于對(duì)無人集群特性及任務(wù)功能演化規(guī)律的多尺度認(rèn)知結(jié)果選取了相關(guān)指標(biāo)項(xiàng)；針對(duì)無人集群各效能影響因素之間存在復(fù)雜關(guān)聯(lián)關(guān)系而非彼此獨(dú)立的特點(diǎn)，建立了網(wǎng)絡(luò)化效能指標(biāo)體系框架，如圖10所示。

2) 無人集群網(wǎng)絡(luò)化效能評(píng)估方法。在指標(biāo)體系的基礎(chǔ)上，結(jié)合OODA任務(wù)過程分析，建立了考慮無人平臺(tái)效能的網(wǎng)絡(luò)模型，如圖11所示?；谀Ｐ蛯?duì)單機(jī)—集群涌現(xiàn)性能力進(jìn)行分析，實(shí)現(xiàn)“點(diǎn)”—“鏈”—“網(wǎng)”效能突破評(píng)估，通過指標(biāo)體系結(jié)合集群任務(wù)鏈路分析模型實(shí)現(xiàn)對(duì)集群多層次的效能分析評(píng)估。

3.1.5 無人集群體系架構(gòu)虛擬驗(yàn)證

在無人集群系統(tǒng)效能預(yù)測與評(píng)估優(yōu)化模型建立的基礎(chǔ)上，為驗(yàn)證效能評(píng)估的準(zhǔn)確性與準(zhǔn)確性，同時(shí)分析無人集群系統(tǒng)行為的運(yùn)行機(jī)理與技術(shù)架構(gòu)，提出無人集群系統(tǒng)行為虛擬驗(yàn)證仿真模塊，分為多智能體仿真推演與三維展示2部分。

如圖12所示，首先分析典型任務(wù)場景，針對(duì)無人集群任務(wù)—結(jié)構(gòu)—行為映射交互機(jī)理進(jìn)行認(rèn)知，根據(jù)任務(wù)需求提出效能指標(biāo)體系?；诘讓有茉u(píng)估指標(biāo)體系，對(duì)多智能體進(jìn)行初始數(shù)據(jù)賦值。根據(jù)具體場景任務(wù)，利用多Agent仿真軟件進(jìn)行全過程仿真推演，在推演過程中，考慮任務(wù)過程中智能體與環(huán)境的交互，如電磁干擾，設(shè)備失效等情況。將整個(gè)過程中智能體推演數(shù)據(jù)進(jìn)行采集，實(shí)時(shí)反饋給效能評(píng)估模型，有效實(shí)現(xiàn)效能預(yù)測與評(píng)估優(yōu)化。

3.2 復(fù)雜環(huán)境下高維態(tài)勢分布式感知與認(rèn)知

在復(fù)雜環(huán)境下，無人集群需要通過信息交互實(shí)現(xiàn)對(duì)高維態(tài)勢的分布式感知與認(rèn)知。研究弱光場、高采樣速率下的高維態(tài)勢數(shù)據(jù)的編碼采集機(jī)制、緊致表達(dá)與編碼感知方法，設(shè)計(jì)高維態(tài)勢分布式耦合機(jī)制，解決高通量態(tài)勢與低傳輸帶寬的矛盾，提出高效能解碼方法；研究非結(jié)構(gòu)化協(xié)同互補(bǔ)采集技術(shù)和多源異構(gòu)融合算法，構(gòu)建多源異構(gòu)融合機(jī)制，從而進(jìn)行多源傳感數(shù)據(jù)處理、共享與信息融合，實(shí)現(xiàn)環(huán)境全方位感知與認(rèn)知，為協(xié)同決策和協(xié)同控制提供信息支撐。

3.2.1 高速高分辨編碼成像機(jī)制

為獲得高速高分辨的編碼成像機(jī)制，從最大化空間頻譜利用率的角度，設(shè)計(jì)緊致編碼空間頻譜的成像機(jī)制，打破壓縮感知的壓縮率極限，提升系統(tǒng)采集通量。提出了一種新的混合編碼孔徑快照壓縮成像方案，如圖13所示。編碼采集多張高速場景視頻幀并被傳感器耦合采集，得到一張編碼快照。隨后基于PnP 算法框架進(jìn)行迭代解碼重建，最終恢復(fù)出原始的高速視頻。

3.2.2 弱光場景下的成像

傳統(tǒng)成像無法實(shí)現(xiàn)在復(fù)雜環(huán)境下低照度下的成像與感知。開發(fā)了一種能夠收集更多光子的成像系統(tǒng)，并提出在低照度下獲取高質(zhì)量視頻的方法。構(gòu)建一個(gè)三原色(Red, Green, Blue, RGB)和近紅外(Near Infrared, NIR)光譜之間的相關(guān)性雙傳感器攝像機(jī)來額外收集近紅外波長的光子，從噪聲暗視頻中對(duì)其執(zhí)行高質(zhì)量重建，如圖14所示。通過使用基于物理過程的CMOS(Complemetary Metal-Oxide-Semiconductor)噪聲模型訓(xùn)練具有模擬噪聲輸入的雙通道多幀注意力網(wǎng)絡(luò)(Dual-Channel Multi-frame Attention Network, DCMAN)模型，在合成視頻和真實(shí)視頻上的實(shí)驗(yàn)都驗(yàn)證了這種緊湊型雙傳感器攝像機(jī)設(shè)計(jì)和相應(yīng)的重建算法在暗視頻中的性能。

3.2.3 多源點(diǎn)云融合

在三維環(huán)境重建的過程中，由于相機(jī)所處位置的限制，攝像頭無法一次性完整采集物體表面的三維信息。因此，研究高動(dòng)態(tài)異構(gòu)集群個(gè)體的三維點(diǎn)云位姿匹配方法，以及大規(guī)模分布式配置下的局部地圖實(shí)時(shí)魯棒拼接方法。為構(gòu)建環(huán)境全局三維結(jié)構(gòu)，解決不同視覺維度、不同尺度、不同分辨率之間的配準(zhǔn)問題，刻畫目標(biāo)場景中多源信息之間的耦合關(guān)系，如圖15所示，在進(jìn)行設(shè)計(jì)時(shí)需要將先對(duì)多個(gè)三原色深度(Red, Green, Blue Depth RGBD)對(duì)象單獨(dú)處理，首先進(jìn)行相鄰兩幀特征提取，利用SIFT算子對(duì)每個(gè)RGB單獨(dú)提取特征，根據(jù)提取到的SIFT特征進(jìn)行匹配。再將相同的位置索引到對(duì)應(yīng)的點(diǎn)云，并將對(duì)應(yīng)的點(diǎn)云對(duì)齊，從而獲得融合的點(diǎn)云。

3.2.4 協(xié)同態(tài)勢圖構(gòu)建

態(tài)勢圖構(gòu)建需要根據(jù)對(duì)無人集群場景中的各種信息進(jìn)行解構(gòu)，將環(huán)境信息、無人集群的單點(diǎn)運(yùn)行信息、探測信息等進(jìn)行分類，并對(duì)同類、相關(guān)性較大的信息進(jìn)行融合。針對(duì)無人集群的單點(diǎn)運(yùn)行信息，需要給出位置、姿態(tài)、速度、行駛狀態(tài)等方面的信息；針對(duì)環(huán)境信息則需要給出溫度、能見度、光照等描述天氣的信息和描述不同環(huán)境的信息。在原始數(shù)據(jù)中提取語義信息，并進(jìn)行離散分布，利用多通道態(tài)勢圖對(duì)場景的關(guān)鍵性信息進(jìn)行表述，實(shí)現(xiàn)場景態(tài)勢圖的直觀表達(dá)[89]，如圖16所示。

3.2.5 協(xié)同目標(biāo)識(shí)別

利用多傳感器獨(dú)立完成對(duì)目標(biāo)屬性的判斷，即依次進(jìn)行對(duì)觀測數(shù)據(jù)的特征提取、屬性判斷，最后對(duì)各決策結(jié)果進(jìn)行融合，可進(jìn)行決策融合、決策可信度融合或概率融合。常見的融合算法有Bayes推斷、專家系統(tǒng)、D-S證據(jù)推理、模糊集理論等，最常用的是Bayes推斷和D-S證據(jù)理論，分別基于可信度與概率的融合。利用決策級(jí)融合從而準(zhǔn)確快速獲取目標(biāo)識(shí)別結(jié)果，如圖17所示。

3.2.6 分布式融合

基于多源信息融合的分布式目標(biāo)跟蹤流程如圖18所示，通過每個(gè)傳感器分別對(duì)目標(biāo)進(jìn)行觀測，然后進(jìn)行本地濾波過程獲得本地濾波值，之后進(jìn)行信息交互，最終基于一致性算法進(jìn)行融合得到最終的目標(biāo)狀態(tài)的估計(jì)值?；谝恢滦岳碚摰亩嘣葱畔⑷诤戏植际侥繕?biāo)跟蹤算法由于其較強(qiáng)的魯棒性和接近于集中式的效果，成為目前多傳感器融合目標(biāo)跟蹤領(lǐng)域的主流算法，如圖18所示。

3.2.7 多傳感器威脅估計(jì)

利用多傳感器系統(tǒng)對(duì)探測數(shù)據(jù)融合進(jìn)行威脅要素提取，然后對(duì)探測要素進(jìn)行融合以及進(jìn)行威脅度計(jì)算。利用態(tài)勢評(píng)估的結(jié)果(敵軍作戰(zhàn)意圖、作戰(zhàn)能力)，進(jìn)行加權(quán)處理，完成敵方各威脅要素對(duì)我方目標(biāo)威脅程度的定量描述。最后利用貝斯特網(wǎng)絡(luò)確定威脅等級(jí)。由威脅程度定量描述作為貝葉斯網(wǎng)絡(luò)的輸入，按照威脅源產(chǎn)生的威脅對(duì)我方可能造成的破壞程度進(jìn)行分類排序，從而得到威脅級(jí)別的輸出，如圖19所示。

3.3 可引導(dǎo)、可信任、可進(jìn)化的無人集群系統(tǒng)智能決策與規(guī)劃

無人集群自主任務(wù)協(xié)同強(qiáng)烈依賴于集群智能決策與規(guī)劃技術(shù)，大規(guī)模異構(gòu)集群問題中主要包括：① 如何適應(yīng)大規(guī)模集群或者集群規(guī)模可擴(kuò)展的問題；② 如何解決異構(gòu)集群的智能決策規(guī)劃問題。為此，提出具有可引導(dǎo)、可信任、可進(jìn)化的集群決策規(guī)劃架構(gòu)，并以此為支撐，重點(diǎn)圍繞規(guī)模無關(guān)性、集群決策規(guī)劃的自學(xué)習(xí)等問題開展研究。分別提出了兼顧指揮人員的引導(dǎo)接入、基于模型的可信任決策、及學(xué)習(xí)環(huán)境支撐的異構(gòu)集群智能決策規(guī)劃架構(gòu)；提出了規(guī)模無關(guān)的任務(wù)調(diào)度與路徑規(guī)劃方法。

3.3.1 異構(gòu)集群智能決策規(guī)劃架構(gòu)

圍繞大規(guī)模異構(gòu)無人集群自主協(xié)同決策科學(xué)問題，設(shè)計(jì)了一種異構(gòu)無人集群跨層智能決策與規(guī)劃架構(gòu)。在可引導(dǎo)方面，設(shè)計(jì)接入集群指揮員的指令接口，對(duì)全局任務(wù)進(jìn)行自動(dòng)分解，從而支持指揮員可引導(dǎo)的任務(wù)決策規(guī)劃；在可信任方面，將模型檢驗(yàn)理論作為集群策略合成的理論支撐，在生成策略的同時(shí)給出策略置信度；在可進(jìn)化方面，構(gòu)建集群分布式學(xué)習(xí)及訓(xùn)練環(huán)境，由智能學(xué)習(xí)進(jìn)化設(shè)計(jì)混合離線在線學(xué)習(xí)進(jìn)化方法，實(shí)現(xiàn)決策規(guī)劃能力的學(xué)習(xí)進(jìn)化，如圖20所示。

3.3.2 規(guī)模無關(guān)的基于平均場理論多智能體分布式任務(wù)調(diào)度

由于集群執(zhí)行任務(wù)時(shí)動(dòng)態(tài)感知環(huán)境、動(dòng)態(tài)獲取目標(biāo)，任務(wù)的注入呈現(xiàn)隨機(jī)性和不確定性，需要進(jìn)行實(shí)時(shí)動(dòng)態(tài)任務(wù)分配，針對(duì)大規(guī)模異構(gòu)無人集群任務(wù)分配中，智能體通訊拓?fù)涠嘧?，任?wù)隨機(jī)動(dòng)態(tài)注入，智能體數(shù)目不定，即規(guī)模不定問題，設(shè)計(jì)了一種基于平均場理論的多智能體分布式任務(wù)調(diào)度算法(如圖21)，建立了多智能體任務(wù)流模型，在協(xié)同任務(wù)分配時(shí)不僅考慮任務(wù)到達(dá)個(gè)體本身，還充分考慮任務(wù)流對(duì)其他智能體的影響，實(shí)現(xiàn)了集群任務(wù)調(diào)度算法不受群體規(guī)模影響。

3.3.3 基于Dubins曲線的分布式協(xié)同路徑規(guī)劃

異構(gòu)無人集群協(xié)同不僅僅需要任務(wù)調(diào)度，還需要相應(yīng)的路徑規(guī)劃。提出了一種基于Dubins曲線的分布式協(xié)同路徑規(guī)劃方法，不僅滿足集群中個(gè)體的動(dòng)力學(xué)約束，同時(shí)也能實(shí)現(xiàn)對(duì)動(dòng)態(tài)目標(biāo)和動(dòng)態(tài)障礙物的實(shí)時(shí)分布式路徑規(guī)劃，具有較高的集群運(yùn)動(dòng)適應(yīng)能力和實(shí)用價(jià)值，如圖22所示。

3.3.4 基于模型的離線學(xué)習(xí)方法

智能體探索的困難很大程度上來自于無效的探索，即由簡單經(jīng)驗(yàn)即可判斷的錯(cuò)誤情況往往需要大量探索才能排除，這嚴(yán)重降低了學(xué)習(xí)效率。

因此利用知識(shí)影響動(dòng)作選擇過程，使智能體傾向與探索知識(shí)認(rèn)為正確的行為，可通過累計(jì)經(jīng)驗(yàn)，改善網(wǎng)絡(luò)學(xué)習(xí)速度。設(shè)計(jì)了如圖23所示的COG-DQN算法，基于“信念—愿望—意圖(Belief-Desire-Intention, BDI)”模型和馬氏決策模型，將探索性行動(dòng)規(guī)則引入深度強(qiáng)化學(xué)習(xí)機(jī)制，提升策略學(xué)習(xí)效率。BDI模型以意圖系統(tǒng)和行為推理為理論依據(jù)，將人的感知、信念、意圖、事件、愿望和行動(dòng)等功能要素進(jìn)行模塊化構(gòu)建，并有機(jī)融入到智能體模型中，構(gòu)建出邏輯行為智能體。

3.3.5 基于模型的在線學(xué)習(xí)方法

通過設(shè)計(jì)集群局部態(tài)勢表示機(jī)制，實(shí)現(xiàn)了規(guī)?？蓴U(kuò)展的集群策略學(xué)習(xí)和演化，提出了一種基于局部態(tài)勢圖的無人集群避障飛行策略深度強(qiáng)化學(xué)習(xí)方法，如圖24所示。在領(lǐng)導(dǎo)者—跟隨者拓?fù)湎?，領(lǐng)導(dǎo)者將自身位置和姿態(tài)信息廣播給跟隨者，跟隨者獲取領(lǐng)導(dǎo)者及鄰近跟隨者的狀態(tài)信息，包括位置、姿態(tài)和速度信息，與其自身狀態(tài)信息聯(lián)合組成狀態(tài)；以系統(tǒng)狀態(tài)為輸入，執(zhí)行器網(wǎng)絡(luò)輸出最佳動(dòng)作。訓(xùn)練結(jié)束后，保存執(zhí)行器網(wǎng)絡(luò)參數(shù)。在執(zhí)行階段，每架跟隨者根據(jù)其自身狀態(tài)、領(lǐng)導(dǎo)者狀態(tài)和鄰近跟隨者狀態(tài)獨(dú)立地使用訓(xùn)練得到的控制策略選擇其滾轉(zhuǎn)角和速度控制。

3.4 復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同控制

無人集群系統(tǒng)協(xié)同控制需研究多源擾動(dòng)存在下系統(tǒng)的魯棒性，首先在復(fù)雜環(huán)境下，設(shè)計(jì)強(qiáng)魯棒協(xié)同控制協(xié)議設(shè)計(jì)。隨后針對(duì)現(xiàn)階段集群傳統(tǒng)的協(xié)同控制算法，無法適應(yīng)大規(guī)模異構(gòu)集群系統(tǒng)的計(jì)算需求，研究基于人工智能的協(xié)同控制方法。針對(duì)任務(wù)場景的一體化結(jié)構(gòu)建立問題，提高集群系統(tǒng)自主決策和學(xué)習(xí)的能力，開展復(fù)雜環(huán)境下深度強(qiáng)化學(xué)習(xí)的自主協(xié)同控制。

3.4.1 無人集群系統(tǒng)一致性共識(shí)控制與任務(wù)耦合的框架

在無人集群系統(tǒng)協(xié)作過程中，無人集群個(gè)體之間需要通過相應(yīng)的協(xié)同控制方法來共同實(shí)現(xiàn)指定的全局目標(biāo)。無人集群的一致性控制問題是無人集群系統(tǒng)協(xié)同控制眾多問題中一個(gè)十分基礎(chǔ)和重要的問題。為了實(shí)現(xiàn)一致，無人集群系統(tǒng)中的節(jié)點(diǎn)之間通常存在著局部的相互作用關(guān)系。根據(jù)不同的任務(wù)場景，基于一致性協(xié)同控制方法的設(shè)計(jì)也就不同。針對(duì)無人物流、火災(zāi)救援及大氣監(jiān)測，無人集群系統(tǒng)需要設(shè)計(jì)基于一致性理論的異構(gòu)編隊(duì)控制與編隊(duì)跟蹤控制、無人集群分組編隊(duì)與編隊(duì)合圍控制、無人集群編隊(duì)跟蹤與分組編隊(duì)控制問題。綜合上面3大典型應(yīng)用的實(shí)際場景，得到復(fù)雜環(huán)境下無人集群系統(tǒng)任務(wù)集合與控制方案的映射關(guān)系如圖25所示。

3.4.2 無人集群系統(tǒng)分布式一致性共識(shí)協(xié)同控制方法

根據(jù)任務(wù)的不同，協(xié)同控制方法可分為編隊(duì)控制、跟蹤控制、合圍控制等，如圖26所示。結(jié)合圖論與控制理論對(duì)協(xié)同控制問題進(jìn)行分析。為實(shí)現(xiàn)期望時(shí)變編隊(duì)跟蹤的充要條件以及編隊(duì)可行性條件，并提出了分布式時(shí)變編隊(duì)跟蹤協(xié)議，使跟隨者能夠形成期望的編隊(duì)構(gòu)型的同時(shí)跟蹤領(lǐng)導(dǎo)者狀態(tài)軌跡。此外合圍控制也引起了極大關(guān)注，其目的是驅(qū)動(dòng)所有跟隨者進(jìn)入由領(lǐng)導(dǎo)者生成的凸包。為了有效控制整個(gè)集群系統(tǒng)的宏觀運(yùn)動(dòng)軌跡，在編隊(duì)合圍控制的基礎(chǔ)上進(jìn)一步提出了編隊(duì)合圍跟蹤控制。在未知的控制輸入下，領(lǐng)導(dǎo)者可以產(chǎn)生不可預(yù)測和可機(jī)動(dòng)的軌跡。跟隨者由各自子群的單個(gè)或多個(gè)領(lǐng)導(dǎo)者引導(dǎo)完成宏觀移動(dòng)，并同時(shí)保持期望的時(shí)變子編隊(duì)。高階集群系統(tǒng)中各智能體的全狀態(tài)信息往往難以全部測量，而對(duì)輸出信息的獲取更容易實(shí)現(xiàn)。具有非自治領(lǐng)導(dǎo)者的異構(gòu)線性多智能體系統(tǒng)在有向拓?fù)渖系臅r(shí)變輸出編隊(duì)跟蹤問題。

3.4.3 復(fù)雜多約束條件下的異構(gòu)無人集群自適應(yīng)協(xié)同控制方法

異構(gòu)無人集群系統(tǒng)執(zhí)行任務(wù)過程中，由于環(huán)境復(fù)雜，存在各種外部干擾因素，如在火災(zāi)救援場景中，電磁干擾會(huì)導(dǎo)致無人機(jī)與無人機(jī)、無人機(jī)與無人車之間的通信存在時(shí)延，中斷等情況，導(dǎo)致協(xié)同控制難度增大。因此，非常有必要考慮復(fù)雜多約束條件下異構(gòu)無人集群系統(tǒng)的協(xié)同控制問題。常見的多約束主要包括領(lǐng)導(dǎo)者含未知輸入、系統(tǒng)存在外部干擾、信息攻擊、通信時(shí)延、通信拓?fù)淝袚Q等。針對(duì)領(lǐng)導(dǎo)者含未知輸入約束，設(shè)計(jì)分布式觀測器、本地狀態(tài)觀測器以及期望的編隊(duì)向量，使得所有跟隨者在領(lǐng)導(dǎo)者未知輸入的影響下仍能夠?qū)崿F(xiàn)對(duì)領(lǐng)導(dǎo)者狀態(tài)的分布式估計(jì)。針對(duì)通信拓?fù)浯嬖跁r(shí)延約束，構(gòu)建Lyapunov-Krasovskii泛函，利用線性矩陣不等式設(shè)計(jì)控制器相關(guān)參數(shù)。針對(duì)通信拓?fù)淝袚Q約束，設(shè)計(jì)分段Lyapunov函數(shù)，研究駐留時(shí)間對(duì)異構(gòu)無人集群系統(tǒng)編隊(duì)控制的影響。針對(duì)外部擾動(dòng)約束，采用分布式擾動(dòng)觀測器對(duì)外部擾動(dòng)進(jìn)行觀測估計(jì)，進(jìn)而設(shè)計(jì)分布式魯棒編隊(duì)控制器抑制擾動(dòng)影響，如圖27所示。

3.4.4 防碰避障約束下的無人集群安全協(xié)同控制方法

無人集群執(zhí)行協(xié)同任務(wù)時(shí)，航跡規(guī)劃上往往存在外部障礙物的干擾，同時(shí)無人車系統(tǒng)內(nèi)部之間也要進(jìn)行個(gè)體之間的防碰撞，使得無人集群系統(tǒng)的物理安全得不到保障。首先研究基于分布式估計(jì)的障礙物檢測與預(yù)測方法。利用最優(yōu)剛性圖和最優(yōu)持久圖提出集群系統(tǒng)的最優(yōu)持久圖生成算法，給出資源合理分配的方法。給出同時(shí)滿足時(shí)變時(shí)滯和切換拓?fù)渫瑫r(shí)存在的高通信安全無人集群協(xié)同控制方法。將防碰撞和連通性保持約束考慮到控制器設(shè)計(jì)中，首先構(gòu)造控制協(xié)議中的防碰撞項(xiàng)，將梯度力融入控制協(xié)議當(dāng)中，實(shí)現(xiàn)自主防碰撞和連通性保持機(jī)制下的協(xié)同控制方法，如圖28所示。利用基于人工勢能函數(shù)法的無人集群防碰撞與連通性實(shí)現(xiàn)和保持協(xié)同控制。

3.4.5 復(fù)雜環(huán)境下深度強(qiáng)化學(xué)習(xí)的自主協(xié)同控制

針對(duì)無人集群典型場景普遍存在的高動(dòng)態(tài)、不確定環(huán)境，集群系統(tǒng)需要高智能性及自主性以完成任務(wù)目標(biāo)。本部分研究基于深度強(qiáng)化學(xué)習(xí)的分布式智能協(xié)同控制方法，滿足無人集群系統(tǒng)高智能與強(qiáng)魯棒性的控制需求。強(qiáng)化學(xué)習(xí)下的協(xié)同控制方法如圖29所示。利用深度學(xué)習(xí)技術(shù)強(qiáng)大的表征能力，與強(qiáng)化學(xué)習(xí)方法搜索優(yōu)化能力相結(jié)合，利用生成對(duì)抗網(wǎng)絡(luò)解決在線學(xué)習(xí)時(shí)單一節(jié)點(diǎn)數(shù)據(jù)不足的問題，實(shí)現(xiàn)更加大規(guī)模、高維的實(shí)時(shí)協(xié)同控制和決策，完成復(fù)雜高動(dòng)態(tài)環(huán)境下智能決策方法設(shè)計(jì)。對(duì)每個(gè)集群系統(tǒng)個(gè)體設(shè)計(jì)深度神經(jīng)網(wǎng)絡(luò)擬合的價(jià)值網(wǎng)絡(luò)及策略網(wǎng)絡(luò)估計(jì)函數(shù)，設(shè)置并調(diào)整深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)增強(qiáng)博弈系統(tǒng)的性能。通過該方法提升對(duì)強(qiáng)干擾等環(huán)境的態(tài)勢感知能力、增強(qiáng)深度神經(jīng)網(wǎng)絡(luò)對(duì)動(dòng)態(tài)時(shí)變系統(tǒng)的估計(jì)和記憶能力、實(shí)現(xiàn)不依賴于群體規(guī)模的任務(wù)規(guī)劃、減小分布式智能行為訓(xùn)練的學(xué)習(xí)方差，最終提升深度強(qiáng)化學(xué)習(xí)算法的收斂性和魯棒性，實(shí)現(xiàn)協(xié)同決策與協(xié)同控制方法的融合。

3.5 復(fù)雜環(huán)境異構(gòu)無人集群自主協(xié)同技術(shù)應(yīng)用驗(yàn)證

面向復(fù)雜環(huán)境下大規(guī)模無人集群快速應(yīng)用需求，亟需研究大規(guī)模異構(gòu)無人集群驗(yàn)證平臺(tái)開放式總體架構(gòu)與試驗(yàn)床集成技術(shù)，以支撐集群節(jié)點(diǎn)大規(guī)模彈性擴(kuò)展能力。本部分研究開放式大規(guī)模異構(gòu)無人集群驗(yàn)證總體架構(gòu)研究及實(shí)驗(yàn)床技術(shù)、復(fù)雜環(huán)境無人自主系統(tǒng)虛實(shí)結(jié)合迭代演化仿真技術(shù)及復(fù)雜動(dòng)態(tài)場景多任務(wù)集群自主協(xié)同驗(yàn)證試驗(yàn)技術(shù)，形成實(shí)際應(yīng)用場景多任務(wù)擴(kuò)展驗(yàn)證能力。

3.5.1 開放式大規(guī)模異構(gòu)無人集群驗(yàn)證總體架構(gòu)研究及實(shí)驗(yàn)床技術(shù)

以無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)及評(píng)估、無人集群系統(tǒng)分布式感知與認(rèn)知、無人集群系統(tǒng)智能決策與規(guī)劃、無人集群系統(tǒng)魯棒安全自主協(xié)同控制技術(shù)為基礎(chǔ)，引入通用化大規(guī)模異構(gòu)無人集群總體架構(gòu)，如圖30所示。融合感知、決策、控制等專業(yè)技術(shù)，針對(duì)火場災(zāi)害救援、大氣污染檢測和園區(qū)無人物流3種典型應(yīng)用場景，開展基于虛實(shí)結(jié)合的開放式大規(guī)模異構(gòu)無人集群體系架構(gòu)研究，設(shè)計(jì)基于迭代演化的驗(yàn)證方法，實(shí)現(xiàn)異構(gòu)無人集群驗(yàn)證平臺(tái)集成與驗(yàn)證。以通用架構(gòu)為指導(dǎo)，建立仿真試驗(yàn)驗(yàn)證框架，根據(jù)關(guān)鍵技術(shù)特點(diǎn)，細(xì)化應(yīng)用場景方案，進(jìn)而確立仿真和試驗(yàn)的任務(wù)剖面。通過搭建多任務(wù)異構(gòu)無人集群驗(yàn)證平臺(tái)，形成綜合一體的仿真試驗(yàn)床，完成大規(guī)模異構(gòu)無人集群自主協(xié)同技術(shù)的典型場景試驗(yàn)驗(yàn)證，滿足無人集群飛行試驗(yàn)的場所及設(shè)備需求。

3.5.2 復(fù)雜環(huán)境無人自主系統(tǒng)虛實(shí)結(jié)合迭代演化仿真技術(shù)

針對(duì)應(yīng)用場景驗(yàn)證需求，需要構(gòu)建異構(gòu)無人集群自主協(xié)同任務(wù)集，從而研究多任務(wù)場景構(gòu)建技術(shù)。如圖31所示。對(duì)復(fù)雜典型的應(yīng)用場景進(jìn)行大規(guī)模異構(gòu)集群試驗(yàn)驗(yàn)證方案設(shè)計(jì)，搭建虛實(shí)結(jié)合迭代演化仿真平臺(tái)，用于大規(guī)模異構(gòu)集群試驗(yàn)的沉浸式仿真及實(shí)際飛行驗(yàn)證?；谛畔⒔换?、頂層決策、模塊化方法以及異構(gòu)集群數(shù)據(jù)分析技術(shù)，利用虛實(shí)結(jié)合迭代演化仿真技術(shù)從頂層設(shè)計(jì)出發(fā)，基于復(fù)雜任務(wù)場景，研究可擴(kuò)展動(dòng)態(tài)任務(wù)場景構(gòu)建技術(shù)。依據(jù)無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)及評(píng)估、無人集群系統(tǒng)分布式感知與認(rèn)知、無人集群系統(tǒng)智能決策與規(guī)劃、以及無人集群系統(tǒng)魯棒安全自主協(xié)同控制等技術(shù)的研究進(jìn)行技術(shù)引入，構(gòu)建異構(gòu)無人集群仿真架構(gòu)。與異構(gòu)無人集群算法引擎進(jìn)行數(shù)據(jù)通訊，獲取異構(gòu)無人集群全過程的仿真數(shù)據(jù)，實(shí)時(shí)模擬仿真場景試驗(yàn)流程，通過虛實(shí)信息橋?qū)崿F(xiàn)同虛擬展示平臺(tái)的數(shù)據(jù)交互。最終為各個(gè)關(guān)鍵技術(shù)模塊的融合和驗(yàn)證提供有力支撐，具備仿真場景與實(shí)際場景之間的映射更新能力，充分發(fā)揮異構(gòu)無人集群的智能性及自主性。

3.5.3 復(fù)雜動(dòng)態(tài)場景多任務(wù)集群自主協(xié)同驗(yàn)證試驗(yàn)技術(shù)

無人集群技術(shù)在火災(zāi)監(jiān)測、傷員救援、物流運(yùn)輸及大氣環(huán)境監(jiān)測等復(fù)雜場景中的應(yīng)用是當(dāng)前無人行業(yè)的迫切需要。在未來無人集群技術(shù)規(guī)?；瘧?yīng)用的情況下，勢必引發(fā)新一輪產(chǎn)業(yè)模式的升級(jí)甚至顛覆性變革，因此需要研究研究復(fù)雜動(dòng)態(tài)場景多任務(wù)集群自主協(xié)同驗(yàn)證試驗(yàn)技術(shù)，推動(dòng)無人集群在無人物流、災(zāi)害監(jiān)測、傷情救援等國民安全及經(jīng)濟(jì)領(lǐng)域的發(fā)展。

1) 火災(zāi)監(jiān)測及救援活動(dòng)

火災(zāi)救援場景下異構(gòu)無人集群試驗(yàn)(圖32)主要針對(duì)復(fù)雜地形多點(diǎn)突發(fā)火災(zāi)情況下，通過固定翼無人機(jī)、旋翼無人機(jī)及無人車組成的異構(gòu)集群進(jìn)行火情偵查、信息收集、定點(diǎn)救援進(jìn)行火場應(yīng)急救援試驗(yàn)。

2)園區(qū)無人物流場景

針對(duì)園區(qū)無人物流場景特點(diǎn)，建立驗(yàn)證場景方案(圖33)。以指揮控制中心為核心，搭建虛實(shí)結(jié)合的復(fù)雜動(dòng)態(tài)場景多任務(wù)無人集群自主協(xié)同初步驗(yàn)證方案，實(shí)現(xiàn)虛實(shí)結(jié)合應(yīng)用驗(yàn)證。

3)大氣污染監(jiān)測

針對(duì)環(huán)境監(jiān)測應(yīng)用場景研究，如圖34所示。進(jìn)行基于無人集群自主協(xié)同的驗(yàn)證，利用無人機(jī)/無人車/無人集群搭載空氣采集模塊，快速鎖定氣體污染源的類型、位置與傳輸方向，為環(huán)保部門大氣防治提供行動(dòng)思路和依據(jù)，高效省時(shí)、節(jié)省人力成本。

4 未來發(fā)展方向

4.1 復(fù)雜環(huán)境下無人集群系統(tǒng)自適應(yīng)異構(gòu)體系架構(gòu)和建模方法

1) 面向應(yīng)用需求的無人集群體系架構(gòu)設(shè)計(jì)

基于MBSE的無人集群體系架構(gòu)設(shè)計(jì)過程中，既要考慮架構(gòu)設(shè)計(jì)的通用性，又要兼顧項(xiàng)目在應(yīng)用驗(yàn)證方面的需求，因此在體系架構(gòu)設(shè)計(jì)中已經(jīng)開展了與應(yīng)用驗(yàn)證相關(guān)單位的橫向交流溝通，初步采用MBSE工具對(duì)應(yīng)用驗(yàn)證的典型場景進(jìn)行了需求分析和建模，取得了一定成果。同時(shí)，在集群感知、集群認(rèn)知、六層集群體系架構(gòu)中的各層間接口設(shè)計(jì)，需要依托集群體系各層面設(shè)計(jì)方、參與方等利益相關(guān)單位的合作密集溝通、充分理解需求、深入解刨數(shù)據(jù)流、全鏈條整合業(yè)務(wù)環(huán)節(jié)，才能充分整合各方面信息，實(shí)現(xiàn)面向應(yīng)用需求的無人集群體系架構(gòu)設(shè)計(jì)。

2) 探索建立無人集群系統(tǒng)新國際標(biāo)準(zhǔn)體系

調(diào)研無人集群相關(guān)國內(nèi)外標(biāo)準(zhǔn)體系，開展無人集群標(biāo)準(zhǔn)需求分析，目前國際上尚無無人集群相關(guān)標(biāo)準(zhǔn)，亟需建立標(biāo)準(zhǔn)體系指導(dǎo)集群相關(guān)技術(shù)發(fā)展與規(guī)范。重點(diǎn)分析《適用于無人系統(tǒng)的命令和協(xié)議標(biāo)準(zhǔn)以及相關(guān)的開發(fā)工具》、《適用于集群無人機(jī)系統(tǒng)的設(shè)計(jì)與演示》等[90]文件對(duì)無人集群相關(guān)體系的適用性，并分析無人集群缺項(xiàng)標(biāo)準(zhǔn)需求。尤其針對(duì)無人集群系統(tǒng)通信互操作領(lǐng)域，參考了《適用于無人系統(tǒng)的命令和協(xié)議標(biāo)準(zhǔn)以及相關(guān)的開發(fā)工具》[90]，深入研究基于標(biāo)準(zhǔn)解決無人集群系統(tǒng)節(jié)點(diǎn)之間的互聯(lián)互通互操作及協(xié)同等問題。因此，未來在無人集群系統(tǒng)通信互操作領(lǐng)域有望建立信道國際標(biāo)準(zhǔn)體系。

3) 基于集群效能評(píng)估的體系設(shè)計(jì)與運(yùn)用

在未來復(fù)雜多變的任務(wù)環(huán)境下，在體系任務(wù)過程中高可靠效能的準(zhǔn)確評(píng)估與有效運(yùn)用是提升集群任務(wù)能力的關(guān)鍵手段。如果能夠基于對(duì)未來狀態(tài)演化情況的掌握，對(duì)無人集群的論證、設(shè)計(jì)、使用、保障等環(huán)節(jié)開展預(yù)先效能評(píng)估，將問題扼殺于萌芽之中，就能實(shí)現(xiàn)體系效能的最優(yōu)化發(fā)揮。例如在復(fù)雜不確定因素影響下，無人集群可以基于實(shí)時(shí)效能評(píng)估結(jié)果和外界綜合態(tài)勢信息進(jìn)行自主任務(wù)規(guī)劃與系統(tǒng)重構(gòu)，在降低因個(gè)體失效而導(dǎo)致的系統(tǒng)風(fēng)險(xiǎn)的同時(shí)優(yōu)化配置體系效能。

4.2 復(fù)雜環(huán)境下高維態(tài)勢分布式感知與認(rèn)知

1) 不確定條件下高質(zhì)量傳感數(shù)據(jù)處理

無人集群在實(shí)際應(yīng)用中無法適應(yīng)復(fù)雜不確定的環(huán)境，亟需將高維態(tài)勢感知與認(rèn)知作為無人集群導(dǎo)航研究的重要探索方向，因此，需要以分布式集群的特點(diǎn)和復(fù)雜不確定環(huán)境的難點(diǎn)出發(fā)，以解決高維態(tài)勢的高通量采集需求和分布式集群低帶寬之間的矛盾為首要目標(biāo)，研究高維態(tài)勢數(shù)據(jù)的編碼采集機(jī)制和非結(jié)構(gòu)化互補(bǔ)采集技術(shù)。

2) 傳感數(shù)據(jù)的共享及多源信息融合技術(shù)

針對(duì)無人集群的傳感數(shù)據(jù)和信息共享，需提供方案解決異構(gòu)無人平臺(tái)的感知能力的尺度、維度、精度差異，提出非結(jié)構(gòu)化協(xié)同互補(bǔ)融合方式，挖掘子平臺(tái)觀測信息時(shí)空耦合關(guān)系，通過多源數(shù)據(jù)跨尺度匹配，實(shí)現(xiàn)全方位的態(tài)勢線索整合，進(jìn)一步在計(jì)算資源受限的約束下開發(fā)低功耗感知與認(rèn)知平臺(tái)，支撐集群實(shí)時(shí)可靠的決策。

3) 低功耗魯棒的集群感知方案設(shè)計(jì)

多源異構(gòu)平臺(tái)的低功耗態(tài)勢感知與認(rèn)知方法，適配高通量感知認(rèn)知需求與低配置分布式計(jì)算資源。一方面，設(shè)計(jì)異構(gòu)集群感知任務(wù)的非結(jié)構(gòu)化分解和分布式部署策略，同時(shí)提出多源異構(gòu)信息融合方法，解決集群信息整合中面臨的維度、尺度、細(xì)節(jié)程度差異大、配準(zhǔn)難的問題。另一方面，提出低功耗高魯棒的感知與認(rèn)知方法，開發(fā)滿足資源約束條件的低功耗計(jì)算平臺(tái)。從編碼信號(hào)解析出高維態(tài)勢數(shù)據(jù)與任務(wù)相關(guān)的語義信息，實(shí)現(xiàn)無人集群對(duì)復(fù)雜環(huán)境的高可靠高效能感知。該方面的技術(shù)突破，能夠解決多源異構(gòu)高通量數(shù)據(jù)感知認(rèn)知復(fù)雜度和精度的提升，解決分布式無人集群感知與認(rèn)知難題。

4.3 可引導(dǎo)、可信任、可進(jìn)化的無人集群系統(tǒng)智能決策與規(guī)劃

1) 異構(gòu)無人機(jī)集群的協(xié)作策略學(xué)習(xí)研究

目前研究對(duì)象為同構(gòu)小型固定翼無人機(jī)集群，所有的無人機(jī)可以共享通信策略和動(dòng)作策略。在實(shí)際的應(yīng)用場景中，組成集群的無人機(jī)可能是異構(gòu)的，此時(shí)無人機(jī)的運(yùn)動(dòng)學(xué)模型、通信模型以及對(duì)目標(biāo)的觀測模型可能不完全相同，所以異構(gòu)無人機(jī)之間無法直接共享經(jīng)驗(yàn)和策略。如何將本文設(shè)計(jì)的多智能體深度強(qiáng)化學(xué)習(xí)協(xié)作策略算法擴(kuò)展到異構(gòu)無人機(jī)集群還需要進(jìn)一步研究。

2) 對(duì)抗環(huán)境中的多目標(biāo)搜索與跟蹤問題

假設(shè)目標(biāo)與無人機(jī)之間是非合作、非對(duì)抗的，目標(biāo)不會(huì)主動(dòng)向無人機(jī)發(fā)送自己的信息，也不會(huì)逃避無人機(jī)的跟蹤。而在現(xiàn)實(shí)的對(duì)抗作戰(zhàn)環(huán)境中，被跟蹤的目標(biāo)可能具有感知無人機(jī)并逃避跟蹤的能力。此時(shí)，無人機(jī)之間不僅要密切合作保持對(duì)目標(biāo)的搜索和跟蹤，還要與目標(biāo)進(jìn)行博弈，甚至預(yù)判目標(biāo)的預(yù)判，正確應(yīng)對(duì)目標(biāo)的逃避行為。因此，在對(duì)抗環(huán)境中的多目標(biāo)搜索與跟蹤問題中，無人機(jī)的協(xié)作策略學(xué)習(xí)的難度上升，有必要結(jié)合其它理論和方法，如群體沖突理論、模型預(yù)測控制等方法設(shè)計(jì)學(xué)習(xí)方法學(xué)習(xí)無人機(jī)集群的協(xié)作策略。

3) 從仿真環(huán)境到現(xiàn)實(shí)世界的遷移

為了降低無人機(jī)集群協(xié)作策略的學(xué)習(xí)難度，本文采用簡化的二維平面運(yùn)動(dòng)學(xué)模型對(duì)無人機(jī)進(jìn)行建模，并設(shè)計(jì)了無人機(jī)集群多目標(biāo)搜索與跟蹤仿真環(huán)境進(jìn)行算法的開發(fā)和測試。而現(xiàn)實(shí)世界中，無人機(jī)的運(yùn)動(dòng)學(xué)模型更加復(fù)雜，仿真環(huán)境與現(xiàn)實(shí)世界存在較大的差異，因此在仿真環(huán)境中學(xué)到的無人機(jī)的運(yùn)動(dòng)和通信策略可能無法直接在真實(shí)的無人機(jī)平臺(tái)上執(zhí)行。如何跨越從仿真環(huán)境到現(xiàn)實(shí)世界的鴻溝，將多智能體深度強(qiáng)化學(xué)習(xí)協(xié)作策略真正推向?qū)嶋H應(yīng)用，仍然是一個(gè)開放的問題。

4.4 復(fù)雜環(huán)境下無人集群系統(tǒng)自主協(xié)同控制

1) 智能化協(xié)同控制

隨著人工智能的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法逐漸開始應(yīng)用于集群系統(tǒng)。隨著系統(tǒng)個(gè)體逐漸增多，傳統(tǒng)的基于圖論的控制方法不再適用于大規(guī)模集群，因此利用人工智能方法計(jì)算性能的優(yōu)越性，結(jié)合傳統(tǒng)控制理論的穩(wěn)定性，融合多學(xué)科優(yōu)勢，使集群系統(tǒng)具備在線學(xué)習(xí)與自主決策控制能力，進(jìn)一步實(shí)現(xiàn)群系統(tǒng)對(duì)多類任務(wù)場景的適應(yīng)性和切換性。

2) 強(qiáng)魯棒性高安全協(xié)同控制

由于實(shí)際任務(wù)場景的多樣化性、系統(tǒng)的復(fù)雜化，研究多源干擾、多重威脅下的強(qiáng)魯棒高安全控制算法和理論，提高無人集群系統(tǒng)在復(fù)雜任務(wù)環(huán)境下執(zhí)行任務(wù)的能力和抗干擾能力，特別是針對(duì)不同平臺(tái)下的異構(gòu)集群系統(tǒng)協(xié)同控制問題，是未來研究的重要方向之一。

3) 最優(yōu)協(xié)同控制

當(dāng)前研究主要關(guān)注集群系統(tǒng)隊(duì)形的形成、保持以及重構(gòu)，重點(diǎn)在于分析系統(tǒng)的穩(wěn)定性和收斂性。對(duì)于復(fù)雜任務(wù)場景，資源受限的條件下，如何實(shí)現(xiàn)最優(yōu)控制，即實(shí)現(xiàn)集群系統(tǒng)收益最高，能耗最少，是隨著集群數(shù)量增加而產(chǎn)生的一件亟待解決的問題。

4) 一體化協(xié)同控制

已有的研究工作表明，集群系統(tǒng)的研究主要分散為感知、決策、控制3部分，然而由于集群數(shù)量的擴(kuò)大，基于單一結(jié)構(gòu)化的模式實(shí)現(xiàn)的結(jié)果往往是不夠理想的。因此，建立感知—決策—控制為一體的系統(tǒng)架構(gòu)，支撐高動(dòng)態(tài)、大規(guī)模動(dòng)態(tài)場景的，實(shí)現(xiàn)感知和信息共享，規(guī)劃與控制結(jié)合，是實(shí)現(xiàn)理論落地的重要方向。

4.5 復(fù)雜環(huán)境異構(gòu)無人集群自主協(xié)同技術(shù)應(yīng)用驗(yàn)證

1) 面向產(chǎn)業(yè)模式的升級(jí)和變革

無人集群技術(shù)在復(fù)雜場景如物流運(yùn)輸中的應(yīng)用是當(dāng)前無人行業(yè)的迫切需要，其應(yīng)用可以帶來快遞業(yè)務(wù)能力的指數(shù)增長，乃至全面智能化技術(shù)的增幅。在未來無人集群技術(shù)規(guī)?；瘧?yīng)用的情況下，勢必引發(fā)新一輪產(chǎn)業(yè)模式的升級(jí)甚至顛覆性變革。將相關(guān)技術(shù)拓展，可以在滲透偵察、察打一體、協(xié)同攻擊等國防科技領(lǐng)域大顯身手，還將在智能交通、災(zāi)害監(jiān)測、農(nóng)業(yè)植保等其他國民經(jīng)濟(jì)領(lǐng)域發(fā)揮巨大的推動(dòng)力。

2) 立足應(yīng)急通信保障等重點(diǎn)民用需求

異構(gòu)無人集群可根據(jù)防滅火任務(wù)性質(zhì)與地域不同，結(jié)合滅火現(xiàn)場地形地勢、氣候條件、環(huán)境影響等相關(guān)要素，在選擇機(jī)型和無人機(jī)配備上構(gòu)建“低、中、高空與近、中、遠(yuǎn)程科學(xué)搭配，固定翼、多旋翼與油動(dòng)、電動(dòng)合理編成”的無人機(jī)裝備體系，再配合地面無人車的輔助，對(duì)應(yīng)急場景進(jìn)行全方位多維度的監(jiān)測，節(jié)省勘察時(shí)間的同時(shí)也降低了勘察的難度。

3) 形成區(qū)域環(huán)境監(jiān)測聯(lián)合交互機(jī)制，解決傳統(tǒng)監(jiān)測痛點(diǎn)

傳統(tǒng)環(huán)境監(jiān)測具有“涉及區(qū)域范圍較大、區(qū)域之間污染物傳輸量大、污染源種類多、污染因子相對(duì)復(fù)雜”等特點(diǎn)。采用異構(gòu)無人集群監(jiān)測方案，有如下優(yōu)勢：高效省時(shí)、靈活隱蔽、機(jī)動(dòng)敏捷。未來可構(gòu)建移動(dòng)環(huán)境監(jiān)測網(wǎng)，形成區(qū)域聯(lián)合交互機(jī)制，協(xié)助有關(guān)部門了解監(jiān)測物多維空間分布情況，判斷污染原因及傳輸特點(diǎn)，為環(huán)境防治提供行動(dòng)思路和依據(jù)。