人工智能在无人机领域的应用

马 捷，李 雅

(1. 海军装备部，北京 100071；2.中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

0 引言

随着无人机(Unmanned Aerial Vehicle,UAV)技术的不断发展,UAV将成为未来战场上的重要作战装备,将在战争中发挥越来越突出的作用。目前UAV系统的智能水平和自主能力还比较低,对操作员的指控依赖强,链路中断后任务执行能力有限;对卫星导航依赖强,卫星拒止条件下导航能力有限;不能有效处理各种突发威胁,生存能力有限;无法根据需要对时敏目标进行实时定位、跟踪和打击。因此现阶段UAV系统无法满足高动态对抗环境下的作战运用需求。

当前,人工智能技术日益成为国际战略竞争的新焦点,并成为推动新一轮科技革命和军事变革的重要力量,使未来作战朝着智能化方向发展。UAV系统作为未来战场的重要作战力量,为适应这一变化,必须加快人工智能技术与UAV系统的深度融合,实现UAV的自主控制,从而提升UAV在复杂对抗环境下的任务效能和生存能力。人工智能技术与UAV的深度融合是UAV系统的重要发展趋势,也是UAV向集群化、智能化、跨域化发展的内在要求。

1 国外UAV自主控制技术发展现状

以美国为首的世界军事强国非常重视无人装备的智能化发展,在国家顶层战略层面坚决推进人工智能军事化应用[1]。在人工智能应用于UAV系统方面更是启动了一系列项目,经过多年努力,取得了诸多成果。

(1)DARPA “空战演进”项目

DARPA“空战演进”项目完成首次人工智能虚拟二对一混战。“空战演进”项目旨在攻克人机协同空中格斗难题,为空战开发可信任、可扩展、人类水平、人工智能驱动的自主系统。2021年2月,“空战演进”项目算法开发团队使用2架蓝队F-16战斗机与1架红队战斗机,演示了人工智能二对一虚拟交战。这标志着“阿尔法空中格斗”试验后首次人工智能虚拟混战成功完成[2]。

(2)DARPA“拒止环境协同作战”项目

CODE项目通过开发先进人工智能算法和模块化软件架构,探索分布式作战中UAV的自主和协同技术,提升美UAV系统在拒止环境或复杂电磁环境下的高效协同交互能力,以实现无人机集群能够在GPS拒止环境下执行作战任务[3]。

美军已经针对CODE软件开展了多次测试,早在2019年2月就对CODE项目所研究的拒止环境中协同作战技术进行了演示验证。由装备CODE软件的6架RQ-23UAV与14架虚拟UAV在无法使用GPS的情况下,应对虚拟目标与威胁等,成功采取对策完成了目标任务。2022年1月,作为“拒止环境协同作战”项目的一部分,美国通用原子公司(General Atomics)对1架MQ-20复仇者真机与5架硬件在环虚拟机的协同搜索任务进行测试。该现实-虚拟编队利用虚拟红外搜索和跟踪传感器网络进行探测,当虚拟敌方进入指定的搜索区域,编队将利用人工智能算法决定哪架飞机自动脱离编队并执行空对空战术[4]。

CODE人工智能软件与自主算法等的结合在提升针对空对空目标的大型UAV平台的人工智能处理能力水平的同时,也提升了UAV集群在GPS拒止环境下的通信与导航能力,将推动UAV向更复杂的自主能力方向发展。

(3)美空军“天空博格人”项目

天空博格(Skyborg)项目由美国空军研究实验室(AFRL)主导,旨在通过开发一套软硬件系统,充当UAV大脑,实现基于人工智能的辅助决策、自主驾驶等核心功能,最终部署在有人机或UAV上,实现虚拟副驾驶和自主无人作战能力,以构建有人-无人协同或者UAV集群作战能力,其核心软件“自主核心系统”能支持UAV完全自主和联网环境中运行,包括进行自主飞行、导航和通信[5]。

2021年4月29日,美国空军“天空博格人”项目团队使用UTAP-22“鲭鲨”UAV搭载其“自主核心系统”(ACS),进行了历时2 h 10 min的飞行试验。5月5日,配备“自主核心系统”的UTAP-22UAV由F-16C战斗机陪同再次进行试飞,后续美国空军还将开展一系列飞行试验,展示载人飞机和多架“自主核心系统”控制的UAV之间的有人-无人协同能力[6]。2023年7月,作为“天空博格人”项目的一部分,“女武神”UAV在AI软件操控下完成了多个空对空和空对地任务,飞行过程历时3 h,这是AI软件首次在真实环境中驾驶“女武神”无人机,标志着AI代替驾驶员执行现代空对空和空对地任务成为可能[5]。

(4)美空军“协同作战飞机”项目

2022年5月美空军首次对外公开“协同作战飞机”(CCA)计划,该计划是该军种规模更大的下一代空中优势(NGAD)计划的组成部分。该项目将在“天空博格人”计划基础上推进,旨在实现利用人工智能技术自主操控忠诚僚机,以获得具有重大自主能力的先进UAV,实现UAV与F-35战机、未来的NGAD战机编队作战,紧密合作。美空军宣布将至少采购100架CCA,与 NGAD以及F-35A联合攻击战斗机配对,每架有人作战飞机将配置2架CCA作为武器库、传感器节点和电子战平台等,以增强载人战术战斗机的能力[7]。

2 国内UAV自主控制技术发展现状

2.1 UAV自主控制算法研究与开发

在国内,UAV与人工智能结合的算法已经在UAV控制领域得到了应用。其中,UAV路径规划是一个重要的应用领域,利用人工智能算法对UAV的路径进行智能优化,使其能够在复杂的环境中高效地完成任务。例如,在农业领域,UAV可以通过人工智能算法确定最佳飞行路径,实现精准的农药喷洒和作物监测。人工智能算法可以用于对UAV群的编队控制,提高UAV群编队的飞行效率和任务执行能力。另外,人工智能算法可以根据环境和任务需求,帮助UAV自主决策,提高UAV的任务执行效率。

目前,国内针对UAV与人工智能算法结合的算法大体可以划分为群体智能和人工智能算法。

(1)群体智能

群体智能算法是一类模拟自然界群体行为的算法,如粒子群优化(PSO)算法、蚁群(ACO)算法、遗传算法(GA)。这些算法通过模拟群体中个体之间的相互作用和信息交流,实现群体之间的协同优化。在UAV群体中,每个UAV可以看作一个个体,它们通过通信网络进行信息交流和协作。群体智能算法可以有效解决UAV群的路径规划、任务分配和资源优化等问题。

国内学者对于群体智能算法的研究,在很大程度上是在国外研究的基础上进行扩展和深化的,对算法进行创新和优化。例如,文献[8]针对传统粒子群算法全局搜索能力差,容易陷入局部最优的问题,提出了一种新的动态簇粒子群优化(DCPSO),在保留PSO算法原有优势的基础上,对其全局搜索能力和鲁棒性进行了进一步优化。文献[9]针对传统鸽群算法中存在重复搜索、目标静止等搜索效率低的问题,在鸽群优化算法模型的基础上,引入柯西因子、高斯因子和模拟退火(SA)机制,结果表明新型算法能够有效避免传统鸽群中的缺陷,避免算法陷入局部最优,由此显著提升了鸽群算法的准确性和有效性。

(2)人工智能算法

过去UAV群的控制往往依赖于人工设定的规则和指令,无法适应复杂多变的环境,人工智能算法的出现为UAV自主控制提供了新的解决方案。通过使用机器学习、深度学习等人工智能算法,UAV可以从大量的数据中学习和优化自身的行为,逐渐形成适应性更强的控制策略,能够在复杂的环境中具备更高的自主性。

国内研究中,人工智能算法主要应用于UAV的自主导航与路径规划、自主协同决策等方面。例如,在自主导航与规划方面,文献[10]针对UAV集群协同控制问题,基于深度强化学习构建了UAV集群体智能自主协同控制策略,并基于固定规则涉及UAV防撞策略,能够自主避免UAV之间发生碰撞,同时实现了单步运行耗时小于2 ms的运行效率。文献[11]提出了一种基于多智能体强化学习(MARL)的路径规划救援方案,将UAV团队与环境交互的问题转换为部分可观的马尔可夫决策过程,并基于DDQN 算法优化UAV团队的飞行路径,有效解决了UAV群在不确定环境下的搜救问题。

在自主协同与决策方面,文献[12]针对多UAV协同目标分配最优问题,提出了一种AC-DSDE 混合双策略差分进化算法,根据不同类型的个体选用不同的变异策略,同时构建动态缩放因子,解决了目前进化过程中存在的探索性和开发性平衡的问题。文献[13]针对战场环境部分已知、突然出现动态威胁情况下的多UAV任务分配与航迹规划问题,采用“预规划—在线轨迹跟踪”的模式,预先规划出多无人机飞行的参考航迹,然后采用DMPC-PSO进行航机规划,使多UAV可以有效避开突发的威胁和已知的威胁。文献[14]针对UAV群体间的攻防对抗问题,提出了基于执行-评判(Actor-Critic)算法的集中式评判和分布式执行的算法结构,实现了多UAV的稳定自主学习、不断演化的能力。文献[15]构建了基于深度确定性策略梯度网络(DDPG)算法,解决了强化学习的稀疏回报问题,提高了算法的训练效率,任务成功率达到了95%。

2.2 典型应用场景

在对算法研究和开发的基础上,国内已经将人工智能算法应用于UAV自主控制的实际场景中,目前已有许多突破性进展。

(1)翼龙

翼龙系列是成都飞机工业集团研发的中高空长航时(MALE)UAV系列,包括翼龙-1、翼龙-2等,能够执行各种任务,包括侦察、监视和精确打击。其中,翼龙-2采用了高度智能化的自主识别系统,首次引入了人工智能算法,能够进行自我反馈、敌我识别和自我判断威胁程度等,具备全自主水平轮式起降、巡航飞行等能力。

(2)彩虹

彩虹系列UAV被设计用于军事和民用等领域,并已成功用于情报收集、监视和作战行动。其中,CH-5彩虹是一种无人作战飞行器(UCAV),配备先进的人工智能能力,用于自主飞行、目标识别和武器部署。彩虹-7隐形无人攻击机通过AI技术和自主飞行控制系统,可在极端天气条件下飞行,并能在飞行途中进行自我保护。

(3)天鹰

天鹰UAV具有较高的自主化水平,已实现停机位出动,自主起飞、自主飞行、自主侦察、自主识别与定位、自主返航和自主降落等功能,真正达到“一键式”操作。

(4)飞行试验验证

国内企业和高校在UAV集群控制方面做出了许多突破性进展,促进了UAV智能产业的发展。例如,中国电科凭借领先的UAV群体智能单元技术,分别于2016年10月、2017年5月和2017年11月实现了67架、119架和200架固定翼UAV集群飞行试验,试验验证了涵盖管式发射、自主编队控制及队形变换等多项关键技术,展示出我国UAV在编队控制等方面取得的优异成果。国防科技大学的UAV系统创新团队成功开展了UAV集群自主协同飞行试验,验证了涵盖分组分簇自适应分布体系架构、自组织任务规划等多项重要的关键技术。北京航空航天大学完成基于狼群机制的多UAV分布式任务分配飞行试验,其研究的油动固定翼UAV和双关节大鸟型扑翼UAV分别于2021 年与2022 年连续2年创最长续航时间世界纪录。

UAV在国内被视为未来重要的技术和产业,具有广泛的应用前景。国内正在努力推动UAV的自主化、智能化和集群化发展,积极投资参与民用和军用自主UAV控制系统的研究和发展。

3 人工智能应用于UAV系统关键技术

3.1 构建可解释人工智能理论体系

以深度学习为代表的人工智能算法通常包含大量的参数和隐藏的结构,使得人工智能系统在开发、使用过程中,输入数据和输出结果之间存在一种难解释性和不可预测性,使得用户难以理解和解释其决策过程,限制了其在UAV等安全和可靠性要求较高的领域中应用。在UAV上应用可解释人工智能技术有助于UAV操作员充分理解人工智能系统的内在决策过程,从而增强作战人员对人工智能系统的信任。另外,UAV操作员只有更好地理解人工智能系统,才能更好地与之进行交互,在实现人工智能系统预期功能的同时,及时发现、分析并修正缺陷,进而打造出更加可靠的人工智能系统。开展更加透明和可解释的人工智能算法和技术研究,构建可解释人工智能基础理论体系,能够为人工智能技术应用于UAV系统,赋予UAV智能推理与决策能力提供可靠保障。

3.2 高动态环境下的智能决策与对抗技术

面对对抗条件下的高动态任务场景,仅靠地面控制站操作人员进行态势分析、行动决策,对操作人员的指控和认知负荷较大,高度紧张的条件下容易出现判断和决策失误,导致严重后果。同时信息从UAV传到地面站控制站进行分析处理形成决策再发送给UAV执行,会导致OODA环的周期较长,无法满足高动态环境下的作战需求。另外,对抗环境下,UAV通常会面临通信受限的境况,无法与地面控制站进行正常通信以获取行动指令。为此需要开展智能体智能自主决策框架、模型等理论研究,突破基于人工智能算法的态势感知与理解、任务规划与重规划、自主导航与定位、健康管理与故障重构、碰撞检测与威胁规避、多约束博弈对抗等关键技术,实现对复杂战场态势数据的高效快速处理、分析和决策,使UAV具备更强的动态任务场景适应能力,从而提升UAV的任务效能和应用范围。

3.3 人机智能协同技术

虽然人工智能已经应用于情报数据、目标识别和辅助决策等领域,但目前人工智能仍具有非常明显的局限性,人工智能类比迁移能力极其脆弱,没有处理关联结构的自然方法,实际应用中还需要依靠人为的综合分析、研判,并做出最终决策[16-17]。随着人工智能技术的不断发展和应用,对人和机器的自然、精准、安全交互的要求越来越高,人机协同将人的认知和分析能力与智能系统的数据处理能力和决策支持能力完美结合,真正实现了“1+1>2”的效果。为此需开展人机智能协同机制、机理等相关理论研究,突破人机权限动态分配、人类意图评估和先进人机交互等关键技术,实现人在回路的混合增强智能。

3.4 智能自主学习与进化技术

目前人工智能系统大都通过海量训练数据的预训练具备应对某一任务场景的自主能力,但由于UAV任务环境的不确定性和复杂性,搭载于UAV的人工智能系统往往需要不断地适应新的数据和情境,这就要求人工智能系统具有很强的灵活性和适应性,能够快速地学习和更新知识[18]。同时,如果UAV能够在实际任务和仿真训练中,通过与操作人员交互,基于现有经验和知识进行无监督学习,不断学习飞行控制和任务决策等技能,将使得UAV的自主能力不断得到提升。为此需开展人工智能系统自主学习进化理论研究,基于强化学习、迁移学习、进化算法和生成对抗网络等技术,实现UAV系统的自主学习和不断进化,以提升UAV的自主能力和环境适应能力。

4 发展建议

目前,国内UAV与人工智能技术起步较晚,发展相对较为落后。虽然国内在UAV制造方面已经取得了很多进展,但是在UAV领域的应用还相对较少,与国际先进水平相比存在差距,仍有较大的提升空间。一方面,国内相关法规还不够完善,对于UAV与人工智能的应用场景和安全管理等方面缺乏规定;另一方面,UAV与人工智能的融合也需要具备相关技术和领域知识的人才支持,但目前国内在这方面的培养和引进还存在不足,科研投入也相对不足。由此,提出以下三方面建议。

(1)注重人工智能技术的军事应用

当前,人工智能技术在军事领域的应用不断深入,各种智能自主武器装备不断涌现,世界主要军事强国都希望以技术优势掌握未来战争主导权。面对这一新形势,必须积极应对,主动求变,建立国家政策与布局规划,明确人工智能技术的重点发展领域和要求,整合技术资源,加大政策和资源支持,持续推进军事人工智能技术的高质量发展,从而占领先机,赢得优势。首先,要在UAV与人工智能领域进行早期投资和研发,以获取技术优势和市场竞争力。这需要政府、军队和企业共同合作,建立研发中心和实验基地,吸引优秀的科研人才,加大对UAV和人工智能技术的研究和开发力度。其次,在UAV和人工智能技术的发展过程中,要进行整体规划和协调,确保各个环节的顺利推进,包括制定技术标准、推动产业链协同发展、加强国际合作等。此外,还需要加强对UAV和人工智能技术的监管和管理,确保其安全可靠地应用于军事领域。通过超前布局、统筹规划和牵引人工智能技术的军事应用,实现UAV系统的智能化和高效化,提升军事作战能力。

(2)加强军民技术融合

近年来,图像识别、路径规划、建图定位和语义解析等人工智能技术已成功应用于UAV系统,极大地提升了无人系统的智能化水平。因此,应加快构建更加通畅的军地协同技术创新机制。

一方面,鼓励高校、民营企业积极参与融合项目,实现军民创新实力和技术的优势互补,积极推动人工智能技术在军事装备上的发展应用。具体来说,要加强合作研究,建立协同研发倡议,汇集军民专家,共同开展UAV和人工智能研究,利用军事和民用部门的专业知识和资源,加速创新,创造尖端的解决方案。另一方面,政府出台相关政策,加大军民技术研发经费投入,提供资金支持和优惠政策,积极开展与私营企业和研究机构的合作,例如建立UAV实飞测试和验证的专用试验台和示范区。此外,共同培养UAV和人工智能领域的专业人才,开展人才交流和培训活动,也有利于提高我国UAV智能化领域的技术水平和应用能力。

(3)构筑人工智能基础前沿技术体系

以深度学习、强化学习为代表的人工智能技术取得了巨大发展,将其引入UAV感知、决策与控制系统,是提高UAV作战性能的重要技术途径,以美军为首的西方军事强国已经在这方面取得重大突破,实现了利用人工智能系统驾驶飞机完成特定任务。目前国内在脑机、VR/AR和深度学习等基础理论研究方面还相对落后,基本处于跟跑和应用研究阶段。

为推进这一领域的发展,需构建一个自主可控的基础前沿技术体系与系统,集成尖端的人工智能算法、机器学习技术和计算机视觉算法,提升UAV的自主能力。在感知和传感方面,结合先进的计算机视觉人工智能算法,感知和理解周围环境,实现UAV的自主目标检测、跟踪和识别。在决策和规划方面,采用深度强化学习和规划等算法,使UAV能够实时做出智能决策、对飞行路径进行自动优化,快速适应动态环境。在控制和导航方面,集成人工智能算法与UAV的飞行控制、轨迹规划和路径跟踪等算法,实现对UAV路径和导航的精确控制。在通信和协作方面,开发群体智能、合作决策和分布式感知的算法,促进多架UAV之间的通信和协作,能够共同完成复杂的任务。此外,人工智能系统有能力从数据中学习,随着时间的推移调整其行为,并通过持续分析和处理传感器数据、飞行日志和用户反馈,利用在线学习、迁移学习和模型更新等技术来增强其自主控制的水平。因此,构筑自主可控的人工智能基础前沿技术体系对UAV自主控制具有重要的意义,可以有效提高UAV的自主决策能力、实时适应能力、智能决策能力和自主学习能力。

5 结束语

人工智能技术是以UAV为代表的无人装备技术发展的重要驱动力量,世界各国已经将军事人工智能技术发展提升到战略高度。在此情形下,应当主动作为,积极应对,避免在全球人工智能和军事能力军备竞赛中处于落后。通过对美军人工智能技术在UAV上的应用发展现状的总结,分析了人工智能技术应用与UAV的关键技术和挑战,并提出基于人工智能的UAV技术发展建议,以期对我国UAV自主能力提升和发展有所启发。