跨界 · 融合 · 服務 · 創新
3 無人系統群體智能的主要特征體現
本文重點關注的是無人系統群體智能，此類群體智能在具有明顯的自組織、自適應、自學習和自涌現等特征體現.
(1)自組織. 無人系統群體智能體現出來的自組織是指其內部眾多無人單體基于實時狀態與動態環境交互及認知，形成時空、邏輯等群體自主協作，完成復雜任務的特性，體現的是群體從無序到有序的演化過程，是群體自身固有而并非外部影響施加給群體的一種性質。自組織意味著無人群體智能系統中沒有一個中心控制模塊，也不存在一部分控制另一部分的情況. 自然界的生物群體均是通過其自組織來解決問題，理解了大自然如何使生物系統自組織，就可以模仿這種策略使人工的無人群體智能系統自組織。自組織是無人系統群體智能的重要特征體現，該特性可極大地提高無人群體智能系統在完成任務過程中的適應性與健壯性.
(2)自適應. 無人系統群體智能體現出來的自適應是指其不僅能夠動態適應外界環境動態變化與使命任務人為更新，而且能夠從群體內部狀態與行為突變(如局部個體故障)中盡快恢復原有行為的特性，即外界環境變化以及單個個體異常狀態均不會對整個群體執行任務成效產生較大影響。因此，無人系統群體智能所體現的自適應特征更具體體現在群體自重構和群體自恢復上. 自重構是指群體為了適應諸如陰雨或晴天、城市或山區等環境動態變化，搜索或跟蹤、運輸或救援等不同任務更新，而對其群體構型(如編隊)自主變更的能力；而自恢復是指群體能夠自動發現群體內個體故障、局部異常等，并據之自主調整群體行為，而不影響群體完成目標任務的能力.
(3)自學習. 無人系統群體智能體現出來的自學習是指在整體群體層面根據來自任務環境的性能反饋而修正并歸納其自身行為的特性. 學習的目的在于適應與優化，適應是為了生存，而優化是為了更好地發展. 自學習是無人系統群體智能重要的特征之一，同時又有其獨特之處. 通過自學習，群體將不再局限于預定行為，從而能夠適應動態變化的環境和新的任務要求。強化學習、合作式學習和進化學習普遍存在于生物群體系統中，是實現無人群體智能系統自學習的可借鑒方式. 其中，進化學習是群體智能一種特別的學習方法，它先以其數量占據優勢，然后隨著環境變化，淘汰不能適應的個體，在這一過程中，每一個體并沒有發生任何學習行為，但其群體具有更強的適應能力[8]。通過自主且持續學習，使得無人群體智能系統具備了成長性，不僅能夠適應環境的動態變化以及任務的需求變更，而且群體行為能夠自主演化，功能與性能得以持續提升.
(4)自涌現. 自涌現是群體智能的本質特征，其是自下而上自主出現的群智涌現，意為群體可以涌現出個體不具有的新屬性，而這種新屬性正是個體之間綜合作用的結果，形成群體宏觀有序的系統智能行為的特性。無人系統群體智能體現出來的自涌現也是如此. 群體智能中的涌現現象與系統論和復雜系統中闡述的涌現本質上是相同的，其是基于主體實現的涌現，群體中的個體結構和功能相對簡單，通過在群體活動過程的交互與協調，適應環境并學習進化，涌現出一些新的整體行為和系統能力，實現了“1+1>2”的境界[9]。人們從自然界群體行為研究中得到啟發，發現微觀個體之間相互作用多是復雜非線性動態過程的迭代，并呈現出難以預測和行為有效的涌現特性. 例如，蟻群覓食、大雁遷徙、羊群效應的群智涌現對無人系統群體智能優化設計均有參考價值.
4 無人系統群體智能研究現狀
4.1 仿生群體智能機理研究
群體智能起源于生物學、生態學等領域. 諸如魚、鳥、螞蟻、蜜蜂等群體，其個體是能力有限的生命體，但通過共識的簡單行動規則，群體合作能夠產生復雜的群體運動行為，實現超越個性行為的集體智慧. 研究者將各類生物群體智能行為歸納為集體行進、群體聚集、群體避險、協作筑巢、分工捕食等形態，深入研究不同形態集群行為中的群智協同機理，并探討其應用在無人群體智能系統優化設計之中。例如，集體行進是諸如鳥群等大規模生物個體以某種或多變形式同時行進的一種自然現象. 研究者從大雁群體遷徙過程，由強壯且有經驗的頭雁帶隊，其余緊隨其后列隊為“人”字或“一”字整齊飛行的現象中，發現頭雁后面跟隨者所受升力會大大增加，可有效節約飛行體力，將其命名為“領航-跟隨模式”[10]。生物群體所呈現出的各種協調有序的群體運動模式，啟發了無人群體智能系統協同方式設計. 例如，研究者從鳥類群體行為中總結出凝聚、分離與對齊等行為規則，進而從統計力學角度提出集群中個性運動方向達成一致的條件，并為個體運動建立了動力學方程[11-12].
4.2 典型無人群體智能系統研究實例
無人群體智能系統具體是指以群體智能理論為基礎，以無人智能體為節點，通過通信網絡協作完成復雜任務的一類群體智能系統. 在群體智能機理研究的基礎上，國內外不少研究機構開展了無人群體智能系統的研發.(1)國外典型無人群體智能系統研究實例美國目前在該領域處于國際領先地位，連續資助了多個代表性的無人機集群項目. “小精靈”(Gremlins)項目的旨在以高效、快速替代的方式搭載情報、監視、偵察等任務載荷，同時在載機平臺中開發一個可以空中實現無人機集群快速發射和回收裝置，使得未來作戰飛機可以快速部署廉價、可重復使用的無人機集群[13]。拒止環境中協同作戰項目(CODE)旨在搭建一套包含編隊協同算法的模塊化軟件，以適應帶寬限制和通信干擾等惡劣電磁環境，降低對地面指揮和操作人員的認知負擔，并利用合理方式將各類功能載荷集成在無人機集群編隊中，在單一平臺受損情況下仍可有序執行任務[14]?！盎疑靳嚒?Perdix)驗證了微型無人機空中相互通信、集體決策并自主組成集群編隊能力，可有效躲避防空系統以執行偵察任務[15]. 進攻性蜂群戰術(OFFSET)項目[16]基于增強現實、虛擬現實等技術以及手勢、觸碰和觸感裝置等發展可控蜂群原型系統，其已將無人系統群體智能擴展人機物融合群體智能。低成本無人集群技術項目(LOCUST)旨在快速發射大量小型無人機，通過自適應組網及自主協同技術，攜帶各類偵察和攻擊載荷，在數量上以絕對壓倒性優勢贏得戰爭[17]。這些項目在功能上相互獨立、各有側重，在體系上互為補充、融合發展. 除美國外，英國、日本、新加坡等國家也相繼開展了關于無人集群智能協同控制相關領域的研究.(2)國內典型無人群體智能系統研發實例在國內，無人群體智能系統研究雖起步較晚，但發展快速. 北京航空航天大學借鑒生物集群理論對無人機集群編隊、目標分配與跟蹤等集群任務進行了理論研究與飛行試驗驗證，并取得了豐碩的成果[18-19]。中國電子科技集團公司以固定翼無人機集群為載體研究無人系統群體智能關鍵技術，完成119架固定翼無人機集群飛行試驗，演示了密集彈射起飛、空中集結、多目標分組、編隊合圍、集群行動等群體動作，展示了自主飛行、隨機應變等能力[20]. 我國在南海萬山群島海域開展大規模水面無人艇“多艇協同”技術測試，56艘無人艇組成的無人艇群進行海上編隊，避“島礁”、穿“橋洞”、快速變換編隊造型，協同避障[21]。清華大學提出了一種在實驗室環境下低成本的人工智能集群控制演示驗證系統，該系統以機動自組織探測集群為驗證對象，對基于人工勢場的自組織控制策略進行了演示驗證[22].從以上無人系統群體智能研究和系統實例可以看出，目前無人系統群體智能研究具有以下特點：(1)仿生群體智能機理研究為基礎. 無人系統群體智能研究基于生物群體(包括人類)自然存在的群體智能涌現機理，并可依據需求，模擬或借鑒生物群體智能行為規則與模式，優化無人系統群體智能設計與實現，同時，注重與新一代信息技術融合，是一種有效的創新研究途徑.(2)系統載體與應用場景為驅動. 無論國外還是國內，無論何類無人系統群體智能，其群體智能研究均以具體無人集群實體為載體，以特定應用場景為驅動，開展群體智能理論方法、關鍵技術研究以及任務成效驗證，是深化技術研究、推動成果應用的技術.(3)多學科交叉融合為研發方式. 無人系統群體智能研究具有鮮明的多學科交叉與融合特點，其不僅涉及自動控制、嵌入式計算、移動網絡、人工智能等信息學科，而且與仿生學、運動學、機電一體化、系統工程等學科或方向密切相關，因此，多學科(或方向)融合團隊組建是無人系統群體智能創新研究，并取得成果的重要保障.(4)無人系統群體智能研發處于初期. 目前國外對軍用無人系統群體智能核心技術及系統設計研究，雖多為系統研發新聞報道，少見技術研究深層介紹，可以看出處于領先地位，仍在不斷深化之中；我國也組織了多項有關研究計劃，尚處于初期探索和初步實踐階段；無人系統群體智能研究與實踐，處于初期階段，其是一個不斷深化、逐步提升的無止境過程.
