无人机系统自主控制技术及应用研究（上）

张健，郭润兆，丁兴志

航空工业第一飞机设计研究院

自主化无人机系统在现代战争中实现作战优势的重要手段。通过剖析无人机系统自主控制概念和内涵，结合无人机系统自主控制级划分标准，分析了态势感知与信息融合、任务规划与决策、人机交互、人工智能和集群协同等自主控制关键技术。

无人机系统正在日新月异飞速发展并在多个领域取代有人驾驶飞机，与有人驾驶飞机相比，无人机系统更适合执行枯燥的、肮脏的和危险的任务。自主化是无人机系统在现代战争中实现作战优势的重要手段，提高无人机系统的自主化可以降低系统的人力需求和成本，扩大作战范围，增强作战能力，从而显著提高无人装备作战效能。

自主控制的定义和内涵

自动化（自动控制）与自主化（自主控制）是两个完全不同的概念，自动化已广泛应用于各种系统，通常指通过应用软件实现需要遂行的逻辑步骤或操作。传统的自动化是指系统运行无需或很少需要人工操作，但系统的功能仅局限于设定的行动。已应用于飞行器的自动化技术包括电传操纵、传感器信息融合、自动防撞、自动化制导与导航等技术。但从本质上讲，这些系统只是在一种或多种功能上实现了不同程度的自动化。自主化是指实物基于自身的知识和对周围态势的理解，独立开发和选择不同的行动过程以达到既定目标的能力。通常指在更为广泛的作战条件、更为复杂的环境因素和更为多样化的任务或行动中，综合使用多种传感器和更为复杂的软件，提供更高层次自动化的行为。自主化的特征通常体现在系统独立完成任务的程度，也就是说，自主系统要在极其不确定的条件下，完全排除外界干扰，即使在没有通信或通信不畅的情况下，仍能弥补系统故障引发的问题，确保整个系统长时间可靠运营并完成任务。

自主化与自动化的区别是，自动化是基于数据驱动，无人系统按照预设程序执行任务，没有环境感知与决策能力；而自主化是基于信息甚至是知识驱动。也可以说，自主化是一种能力，有了这种能力，系统就能够独立完成某种特定的动作，或者在程序规定的范围内实现“自我管理”。但自主并不是指无人机系统脱离人的控制，相反，自主系统的设计和操控都是在人-机协作下完成，所有自主系统都是在操控员的监视下工作，而且自主系统的软件都设置了计算机行动与决策的界限。

无人机系统自主控制等级

图1 自主化无人机系统能够独立完成某种特定任务。

为指导和规划无人系统发展，美国国防部于2000年发布了《2000～2025年无人机路线图》，随后又分别发布《2002～2027年无人机路线图》和《2005～2030年无人机系统路线图》，对无人机系统自主控制等级进行了描述，内容分别见图2和表1。

图2 无人机系统自主控制等级和发展趋势。

从表1可以看出，无人机系统自主控制等级是按完成任务的过程来划分，制约自主控制等级提升的主要因素包括计算机技术、通信技术和人工智能技术等。第1～4级自主控制等级（ACL1～ACL4）的着眼点是无人机个体：具有第1级自主控制等级（ACL1）的无人机，完全依靠操控员执行任务；具有第2级自主控制等级（ACL2）的无人机系统，可以完成预编程任务，系统可以对自身的状态进行健康诊断，并返馈工作状态；具有第3级自主控制等级（ACL3）的无人机系统可以适应一定程度的故障，并可在外界条件发生变化时完成既定任务；具有第4级自主控制等级（ACL4）的无人机系统，在飞行中能对地面威胁做出反应，并对飞行路径进行修正以躲避威胁。第5～9级自主控制等级（ACL5～ACL9）着眼点是多机编队，具有第5级自主控制等级的无人机具备初步多机编队协同功能；具有第6级自主控制控制的多架无人机在执行任务过程中，能对突然出现的威胁目标进行规避，通过编队中各无人机的协同，分别完成既定任务；编队中具有第7级自主控制等级的每架无人机能够针对战术目标，对任务进行规划，高效实现战术目标；编队中具有第8级自主控制等级的多架无人机采用分布式控制；编队中具有第9级自主控制等级的无人机从战略层面系统规划，合理分配个体任务，实现战略目标；具有第10级自主控制等级（ACL10）的无人机集群无中心、自组织，能够实现分布式集群作战。第10级代表无人机系统自主控制等级的最高等级，目标是实现大规模无人机集群作战。

表1 无人机系统自主控制等级表。

自主化的目标是减少对人的依赖，面临的主要挑战是如何促进人与系统的融合，换句话说，自主化应该开发支持人与系统的自然交互模式，以保证具有自主决策的系统能够和人融为一体高效完成任务，因此自主控制等级应依据工作负荷和对人的理解程度，在《2011～2036无人系统综合路线图》中，对自主控制等级进行了更通用化的描述，更多地考虑了人和无人机系统的相互影响。

而美国空军小型无人机系统飞行计划指出，美国空军应努力提高无人系统的自主控制等级，通过多机控制，降低对人力的需求，这也是未来美国空军成功执行作战任务的关键。为此，需要按人工控制占比来进行人工控制占比划分（图2）。

《自主性在美国国防部无人系统中的地位》中指出，在对美国国防部资助的多个自主控制等级研究项目审查后，得出结论认为，这些自主控制等级研究项目对于自主设计过程的帮助并不明显。无论是在认知科学的层面上，还是依据实际观察结果，这些分类都具有误导性，因而建议用自主系统参考框架替代自主控制等级。自主系统参考框架共包括三个方面的自主决策，即认知层、任务时间轴和人-机复杂系统权衡空间。

如果从认知层面来检查设计方案，那么可以站在不同用户的立场，更好地发挥自主控制等级作用，还能为扩大自主化范围提供机遇。

在任务时间轴上，决策类型随着时间变迁发生变化。通常把执行任务的过程分成三个阶段：启动阶段、执行阶段和结束阶段。在无人机系统执行任务的每个阶段，自主技术都有不同的应用空间。在启动阶段，可以在路径规划、自主起飞、意外情况应对等阶段应用自主算法，还可以同时支持更为复杂的任务规划。执行阶段离不开自主导航，还可以用来监控故障或态势变化，防止故障或态势变化而导致任务失败。在任务结束阶段，可以利用自主技术返航、对收集到的数据进行预处理，并完成自主着陆。

表2 自主控制的四个等级。

图3 人工控制占比图。

在人-机复杂系统权衡空间，可以有效预测因资源失衡等可能引发的不良后果，并在各个权衡空间内及时平衡协调系统性能，包含适应度、计划、影响力、视角和责任等内容，从而有效减少自主技术带来的风险。

无人机系统自主控制关键技术

无人机系统自主控制主要面临复杂战场环境、动态外部威胁、突发通信故障、随机系统故障以及多种类型无人机协同等问题。为解决上述问题，需要突破一系列自主控制关键技术。

态势感知与信息融合技术

无人机系统的飞行环境和自身状态复杂多变，尤其在瞬息万变的战场，战场态势、威胁对象、无人机当前的位置和姿态等都在变化。无人机系统从接受任务开始，到完成预定任务的全过程都离不开态势感知。

态势感知需要通过硬件和软件实现。硬件即传感器，有声音、温度、压力、光等多种类型。根据感知目的，可以把无人机系统感知功能分为四大类：导航感知、任务感知、健康感知和操控感知。无人系统在进行导航、制导和控制时，离不开导航感知。导航感知技术是当前发展最为成熟的技术，无人机系统可以通过视觉、声音和激光等传感器来导航。提高自主化导航感知能力，不但可以提高系统的精度，而且可以提高反应速度和安全性。无人机系统执行任务时需要任务感知支持、提高任务感知的自主性，可以降低操控员分析和判断的工作负荷，降低对通信带宽的需求，同时提高行动的隐蔽性。健康感知技术主要用于故障检测和平台健康管理。健康感知研究主要聚焦一般性软件与硬件出现的故障，基于模型的故障检测与修复。加强健康感知的自主性，可以加快故障检测速度，有助于快速修复，提高用户对系统的信任度。无人机系统任务完成的效果取决于操控感知。例如，执行察打一体任务的无人机，在任务的最后阶段，需要发现目标、识别目标、跟踪目标并击中目标。提高自主性可以有效提高任务成功率。操控感知主要取决于移动操控技术，该过程的自主化程度越高，任务成功率越高。

图4 无人机执行任务的全过程离不开态势感知。

各种传感器获得的飞行环境、导航定位、机载传感器及数据链的输入信息都是态势感知的重要内容。为全面掌握战场态势，需要对大量的信息进行特征抽取与分类，并对各种信息进一步融合。由于战场环境越来越复杂，威胁的分布越来越分散，允许使用的资源越来越有限，决策需要的周期越来越短，这就需要增强无人机系统信息融合技术，减少数据传输量，缩短决策时间。

任务规划与决策技术

任务规划技术是指将当前状态改变为预期状态的行动序列的计算过程。或者定义为在尽可能少用资源的前提下，为实现任务目标而行动的过程。这一过程共有两个关键点，一是描述行动和环境条件，设定目标和资源最优化标准；二是在满足约束的条件下，建立计算行动序列和分配行动资源的算法。

任务规划是一个独立自主的动态决策过程，当无人机系统收到新的传感器信息、情报、指令，或当不可预料的事件发生时，就要进行实时动态重规划。以最优的方式完成对预定任务规划的更新，生成新的任务规划。由于作战环境和系统的不确定性，这种动态规划应在自主化的基础上进行，主要内容包括控制策略选择和实时航迹规划。控制策略选择是在设定的规则库中进行最优决策，有效协调或融合不同策略之间的冲突或竞争，从而得到最优控制策略。控制策略选择通常在竞争协调和合作协调两种机制之间选择。实时航迹规划中不仅要考虑各项约束和地形环境限制，还要考虑和预先任务规划之间的关系，其约束条件主要有：地形或障碍、静态或动态威胁、时间要求、飞行器性能指标和目标特性等，其本质是一个多维多目标优化问题。

图5 为全面掌握战场态势，需对大量信息进行特征抽取、分类与融合。

自主规划和决策的关键在于，知道部署的最佳时间和方式，从而尽最大可能提高人-机系统的效率。然而，何种规划器才能最大程度地弥补自主化系统和用户自身知识的不足？如何开发这种规划器？这些问题需要进一步探讨。

人机交互技术

虽然无人机系统在操控上可以实现不同程度的自动化，但是在执行任务时，关键操控都需要人机交互。因此，认为无人机系统完全“无人”是错误观点，因为人的因素是整个无人机系统的核心，人对于无人机系统的成功运用至关重要。

图6 根据战场态势变化实时完成动态任务规划。

人机交互主要解决人与机器、计算机或工具如何协作，侧重于人与机器之间双向认知交互关系，由机器承担智能体的角色，在远离用户、计算机或自动驾驶仪的位置运行。人机交互主要解决六大基础研究问题：人与无人机系统如何沟通，如何为人与无人机系统之间的工作、娱乐或相应的交互关系建模，如何研究并提高人与无人机系统之间的配合度，如何预测人与无人机系统协作的可用性和可靠性，如何捕获和表达人与无人机系统在特殊应用领域中的交互关系，以及如何刻画终端用户。

研究人与无人机系统之间的关系，有助于改进系统性能，减少系统操控成本和设计成本，提高现有系统对新环境的适应能力。通过改善人与无人机系统之间的协作关系，可以提高系统执行任务的速度，同时降低失误率，如果同时能改善通信质量，提高应用程序的可用性和可靠性，那将减少系统操控人员的需求量，降低无人机系统的全寿命周期成本。通过提高人机交互水平，不仅可以提高无人机系统的任务执行能力，还可以提高人类对系统的信任度。

人机接口是人机交互的重要组成部分，人机接口设备比较多，输入通道从最初的操作手柄输入、键盘输入，发展到语音输入、手势输入、激光信号输入和脑电波输入等新型输入方式，人机接口设备也从普通的台式发展到穿戴式和便携式，而且平板电脑、智能电话也将应用于无人机系统。

人机比例是系统开发过程中需要探讨的一个重要问题，在当前技术条件下，人机比例通常大于1。虽然自主化的目标是降低人机比例，但在不考虑人机交互原则的前提下盲目降低人机比例显然不合理。在人机交互研究过程中，无人机系统的道德规范也应受到关注。

人工智能技术

人工智能（Artificial Intelligence）是一种非人类智能，这种能力可通过复制人类精神活动，诸如图案识别、自然语言理解等，从经验或类似的推理过程中，获得适应性认知能力来衡量。

人工智能系统可以在给定约束和方向的前提下，通过获取相关信息，提取解决问题所需的专门知识，以目标为导向，通过把知识转化为决策和可执行的行动，最终实现目标。在这个过程中，问题、领域知识、预期目标都需要由人预先给定。按照目前脑神经科学和认知科学的研究成果，将人类智能的信息处理过程，按照信息科学理论分为感知、认知、决策、执行（OODA）四个环节。感知（Observation）指系统对环境和目标的持续跟踪与特征获取；认知（Orientation）指压缩感知信息，并对未来态势进行预测的信息处理技术；决策（Decision）指整合加工认知信息，产生决策意图并不断增强全面性和时效性；执行（Action）指将决策意图分解为执行系统的操纵序列指令信息的过程。

机器学习现已成为开发智能自主系统最有效的办法之一。大体而言，从数据中自主获取信息比手动知识工程的效率更高。计算机视觉最新技术系统开发、机器人技术、自然语言理解和规划主要依赖于自主学习。通过在大量具体数据中寻找可靠的模式，不仅可以使自主系统的精确性和鲁棒性高于人工，还可以使系统根据实际运行经验自动地适应新环境。

图7 提高人机交互水平，进而提升无人机系统作战能力。

人工智能技术主要面向作战，以军事应用为背景，基于人机交互智能系统的任务执行想定，通过不断提升机器的智能水平，使航空装备在强实时、高动态、不确定态势和不完备信息条件下，能够逐步实现对人的辅助，协同以及融合，不断提升人机混合智能系统的任务执行效能。具体来说，机载设备智能化水平的提高，意味着人类操控员可以将更多的循环任务移交给机器。以军用航空装备使用场景为例，按照现代空中作战理论，在飞机能力相同，敌方可见，武器可达的情况下，循环速度决定了空中作战的成败，整体循环速度越快取胜机率越大。当前循环速度的落差是制约空战平台性能发展的瓶颈，表现为信息量太大，人机融合困难。航空人工智能技术发展的指导思想是，通过调整人机分工，优化人机协同效率，提升航空装备整体智能化水平。

图8 人工智能技术不断提升人机交互智能系统的任务执行效能。

图9 自主化组网的无人机集群将执行复杂任务。

无人机集群技术

无人机集群能实现对重要目标的大范围防御，同时支持从多个方向突防和战场机动性对抗，能在关键时刻和位置形成数量上的优势。无论防御还是进攻，都能发挥出意想不到的效果。

集群的本质是自主化组网的多架无人机，在统一指挥下通过协同工作执行复杂的任务。无人机集群是集群战术的基础，通信网络是集群战术的纽带，无人机集群通过网络通信协议实时分享个体从传感器获得的局部信息，还能够及时获取作战体系中其它途径获得的信息，同时监控每架无人机个体和集群的状况，迅速根据战场态势演变，通过自主化决策或外部干预，及时调整集群的作战部署和个体的任务分配。

无人机集群作战需要重点突破的关键技术包括大规模无人机集群管理与协同控制、无人机自主编队飞行、集群感知与态势共享、集群协同任务分配等。

（未完待续）