无人机自主性分级标准浅析

贾勤康

随着人工智能等技术的发展，无人机体现出越来越强的自主性。这直接影响到了人与无人机的交互与控制关系。不同自主性强度的无人机在这些方面體现出不同的特点。因此从理论上对无人机进行自主性等级划分对研究无人机的指挥控制有着重要的意义。本文对无人机自主性等级划分标准进行研究，总结出相关标准的划分依据，为今后的无人机研究提供理论支持。

一、无人机自主性等级标准研究现状

关于无人机自主性等级的划分，国外研究较多。比较典型的有Sheridan的自动装置等级（LOA）、自主控制水平等级（ACL）、无人系统自主性等级（ALFUS）、人-机权限四级模型和自主系统参考框架等。

Sheridan的自动装置等级主要通过计算机与人对决策的影响程度对自主性进行划分。最低的自主性等级下，计算机不提供任何帮助，人应该处理所有的工作。而最高的自主性等级下，计算机不受人支配，自主决定每一件事情。

自主控制水平等级是美国空军研究实验室为了研究无人机的自主性而定义的。经历了多个版本的修改。十个自主性等级分别为：遥控引导、实时故障诊断、飞行状态自适应、机上航路重规划、机群协同、群战术重规划、机群战术目标、分布式控制、机群战略目标、完全自主集群。该自主性等级聚焦于无人机的自主性能力，根据无人机的自主性能力由强到弱对自主性等级进行划分，与Sheridan自动装置等级相比更加针对无人机这一特定的自动装置。

美国国家标准和技术研究所智能系统部对ALFUS框架进行了研究。该框架用于对无人系统自主能力进行通用量化评估。该框架主要从任务复杂度、环境复杂性、人机交互程度三个方面对无人机的自主性等级进行评判。任务复杂度，通过子任务处理、协作水平、知识和态势感知要求等方面进行衡量，环境复杂性通过障碍物尺寸、地形复杂度、通信干扰条件等方面进行进行评价。人机交互程度通过交互的时间和频率、交互的工作量、技术要求水平等方面进行衡量。这三个指标构成了一个无人机自主性能力的向量空间，可以更加全面地评价无人机的自主性。

人-机四级权限模型是美国国防部在2011年的《无人系统综合路线图》中提出的。回避了自主能力分级问题，以人-机权限视角将自主性等级分为人操作、人委派、人监督、完全自主四个等级。四个等级人的权限越来越低，机器的权限越来越高。

自主系统参考框架是2012年美国国防科学委员会提出的，从认知层次、任务时间轴、人-机系统权衡空间3个角度定义的自主性评价标准。强调自主性问题要更多的关注指挥官、操作员和开发人员三者的协调问题。

二、不同自主性等级标准特点分析

以上介绍的各种无人机自主性分级标准各有特点。Sheridan的自动装置等级是一种通用的自主性分类方法。不光可以用于无人机的自主性分级，也可以用于其他自动装置。其自主性的分级标准来源于人与机器对决策的参与程度。显然，这是一种宏观抽象的分级标准。不同场景下，人和机器参与决策的方式各不相同，如何评价人和机器参与决策的程度，也没有明确的标准。因此该分级标准如果要应用于之后的无人机自主性研究，还需要进一步结合具体情境对每个自主性等级进行详细阐释。

ACL自主性等级则是专门针对无人机的自主性分级标准。其分级的依据是无人机的自主性能力。根据无人机自主性能力的强弱对自主性等级进行划分。这样的分级标准显然比Sheridan自动装置等级更为具体，具有更强的针对性。但是该分级标准也存在着具体分级方法不够明确的问题。无人机存在各种各样的自主性能力，究竟什么样的自主性能力等级低，什么样的自主性能力等级高并没有较为明确统一的说法。不同等级之间究竟有多大的差距也无法进行量化。而且随着无人机自主性的不断提高，新的自主性能力出现后该分级标准可能需要进一步完善。

ALFUS框架与ACL分级标准相比，分级的完备性较强。从三个维度构建了自主性等级的向量空间，反映了不同自主性等级在任务复杂度、环境复杂性、人机交互程度方面的不同特点。但是该分级框架最终仅仅给出了三种较为典型的自主性等级。即任务复杂度、环境复杂性、人机交互程度分别取低、中、高时的自主性等级，而对于向量空间中的其他自主性等级没有进行详细描述。除此之外，该分类方法虽然在逻辑上较为完备，但是三个方面等级的具体分级标准也难以明确。

人机四级权限模型类似于Sheridan的自动装置等级，但是与之相比更为具体，对无人机自主性等级的评价更具针对性。而与ACL自主性等级相比，该分级方法具有更强的逻辑性与完备性，解决了ACL分级标准过于离散、相互之间联系性不强的问题。但是该方法还是存在着分级标准模糊不清，主观性太强的问题，四个自主性等级的量化仍然依赖具体情况下的建模。

自主系统参考框架则是将无人机的自主性等级放在从开发到操作，再到整个任务行动的大背景下进行考察。指出无人机的自主性是开发人员、操作人员和指挥官在特定情景下互相配合的结果。这些要素都缺一不可。显然这样的分级方法结合了无人机的具体应用场景，对影响自主性表现的各个因素都加以分析。该方法的分级方式较为全面和客观，但是必须结合具体情景，而且较难进行定量分析。

三、对无人机自主性研究的思考

通过对以上的分类标准进行研究分析，对无人机自主性有以下三点思考：

一是无人机的自主性必须结合具体的应用情景进行分析。无人机的自主性不是孤立的特性，必须与环境结合起来。在一种作战情境下可能高的自主性等级有着较好的表现，但是在其他情景下可能反而表现不好。相同的算法在遇到不同的环境因素时可能产生截然不同的表现。抽象的无人机自主性分级意义不大。

二是要充分考虑到人对无人机控制地位。不管无人机具备再强的自主性，始终是人来控制机器。只是自主性等级高时，可以将简单工作完全交给无人机进行处理。而直接操作无人机的操作人员与控制整个任务行动的指挥人员都会对无人机的行为产生干预。自主性等级的提高首先取代的是操作人员，而后可以完成部分指挥人员的操作。但是不论如何，始终要有人在回路中监控整个系统的行为。

三是无人机自主性的发展必须要结合最需要的应用场景，而不是完全替代人。人工智能永远只能辅助人的工作，而不能完全取代人。再高的自主性等级也只能是人控制无人机的辅助手段，无人机不可能具备完全独立的指控能力。自主性分级的最终目的是确定相关能力对人控制无人机水平的提升程度。