跨界 · 融合 · 服務 · 創新
作者西北工業大學 計算機學院 陜西 西安 710129 周興社 男，(1955-)，博士生導師，教授. 研究方向為嵌入式計算與信息物理融合系統武文亮 男，(1989-)，博士研究生. 研究方向為智能無人集群及其評估技術.
摘要：群體智能是人工智能的重要發展方向之一。無人系統群體智能作為人工群體智能的主要形態之一，在許多軍用和民用領域都具有廣闊且重要的應用前景，同時在基礎理論方法、核心技術與系統構建等方面也面臨諸多研究挑戰。本文在在闡述群體智能的基本概念并對其進行合理分類基礎上，分析無人群體智能的自組織、自適應、自學習和自涌現特征，從仿生群體智能機理和典型無人群體智能系統實例兩方面論述當前無人系統群體智能研究現狀，并從仿生機理、驅動模式、研發方式和系統實踐四方面全面地總結無人系統群體智能研究特點。在此基礎上，從理論方法、核心技術與系統構建三方面循序漸進、系統地梳理和凝練無人系統群體智能及其系統需要持續深化的主要研究方向，期望對相關研究者有所借鑒.
1 引言
群體智能研究起源于對蟻群、蜂群等簡單社會性生物群體行為的觀察與模擬[1]. 該概念自20世紀80年代一經提出，便引起了各相關領域研究人員的高度關注。近年來，人們在模擬、延伸和擴展簡單社會性生物群體智能的同時，也有研究者從人類社會的群體智能等其它視角探索著集體的偉大力量。經過在不同應用領域的不斷拓廣，使得群體智能有了更豐富的內涵與外延[2].鑒于生物和人類群體智能所體現的集群優勢和廣泛的應用前景，2017年7月，在國務院發布的《新一代人工智能發展規劃》中明確指出“群體智能”是人工智能領域的一個新的研究方向。隨后，由科技部啟動的《科技創新2030“新一代人工智能”重大項目指南》中，將“群體智能”列為人工智能領域的五大持續攻關方向之一。2020年1月，由中國科學院印發的《人工智能發展白皮書》中，又將“群體智能技術”列為人工智能領域的八大關鍵技術之一。無人系統群體智能作為群體智能的一種重要形態，伴隨著無人系統集群化、智能化得以快速發展。為持續開展相關研究，需要在總結已有無人系統群體智能相關研究基礎上，進一步梳理無人系統群體智能的理論方法、核心技術以及系統構建問題，以推進我國此類群體智能研究及其系統研發，服務我國新一代人工智能發展目標。
2 群體智能的基本概念與分類
群體智能(Swarm Intelligence)概念最早于1989年由Beni和Wang[3]在研究細胞機器人的自組織現象提出，用以刻畫群居性生物通過協作而涌現出的集體智能行為，以及受自然界中群體協作行為啟發來解決問題或構建人工集群系統的方法。一般認為，群體智能是指由一定規模的個體通過相互協作在整個群體系統宏觀層面表現出來的一種分散、去中心化的自組織行為. 盡管群體智能系統中個體的智能都極其有限，但卻能夠通過相互協作與分工，整體涌現出高度的集體智能，以完成復雜任務，并為各種復雜問題的求解提供新的思路。歷經30余年研究與發展，群體智能研究由最初的蟻群優化算法、粒子群優化算法等群體優化算法開始發展到集群機器人、自重構機器人、無人集群等分布式群體智能系統，再由基于互聯網的群體智能理論、系統與應用發展到人機物融合的群體智能計算，概括而言，目前主要形成以下三種形態.(1)互聯網群體智能互聯網群體智能，是指在廣泛深度交互的互聯網組織結構下，規模化人群為了特定目標在線共同作用，從宏觀上產生超越個體智能局限性的智能狀態，使群體具有完成復雜任務的能力[4]. 在互聯網新技術和大數據技術高速發展背景下，人工智能2.0中的“群體智能”則更多體現的是基于互聯網的群體智能涌現。基于群體化編輯的維基百科、基于群體化開發的開源軟件、基于眾問眾答的知識共享、基于眾智眾享的APP商店等為此類群體智能的實例展現[5]. 互聯網群體智能理論與方法是人工智能2.0的核心研究領域之一，為人工智能在其他領域的研究起著基礎性和支撐性作用。通過特定的組織結構和大數據驅動的人工智能系統吸引、匯聚和管理大規模參與者，以競爭和合作等多種自主協同方式共同應對挑戰性任務，將會成為互聯網科技創新生態系統的智力內核.(2)無人系統群體智能無人系統群體智能是指由眾多相對自主、人工研發的無人自主運動體通過相互協作與分工涌現出復雜智能行為的特性. 無人機集群、無人艇集群、無人坦克集群和工業智能機器人集群等是其目前階段的典型實例，多顆不同能力的衛星也可組成衛星集群的群體智能，跨域異構無人集群進一步呈現出更為復雜的無人系統群體智能形態。這些無人集群以低成本、分散化形式滿足復雜任務功能需求，并針對復雜環境自主協同規劃、多域協同合作以及動態自適應調整，可涌現出單個無人自主運動體難以實現的智能水平. 無人系統群體智能不僅在協同偵察、聯合作戰、戰場評估等軍事領域，而且在區域物流、城市安防、搶險救援等民用領域具有廣闊應用前景[6].(3)人機物融合群體智能人機物融合群體智能是通過人、機、物異構群智能體的有機融合，利用其感知能力的差異性、計算資源的互補性、節點間的協作性和競爭性，構建具有自組織、自學習、自適應、持續演化等能力的智能感知計算空間，實現智能體個體技能和群體認知能力的提升[7]。其中“人”主要體現為社會空間廣大普通用戶及其所攜帶的移動或可穿戴設備，“物”主要體現為信息空間豐富的互聯網應用及云端和邊緣服務，“物”則主要體現為具有感知、計算、通信、決策和移動等能力的物理實體。在萬物智聯驅動下、人機物融合已是21世紀上半葉信息技術的發展趨勢，使得人機物融合群體智能成為面向未來的新型智能形態. 處于發展之中的智慧城市、智能制造、智能戰場是人機物融合群體智能的典型實例.本文從關鍵要素、實現方式和典型應用三方面對三種群體智能形態進行了綜合比較，具體如表1所示. 盡管三類群體智能形態不同，在關鍵要素的組成、實現方式和應用方面均存在一些明顯差異，但其本質內涵一致，即通過多個個體間的相互通信與協作具備單個個體無法完成的任務能力.表1 三種形態的群體智能比較
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]。“灰山鶉”(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.
5 無人系統群體智能研究方向
基于國內外無人系統群體智能已有研究與實踐，我們認為開展無人系統群體智能持續化研究和規模化實踐，需要將我國“新一代人工智能發展規劃”中的“群體智能”與“自主無人系統”融合在一起組織研究，涉及群體智能基礎理論方法、無人系統群體智能核心技術以及無人群體智能系統設計與評估技術等方面.
5.1 無人系統群體智能基礎理論方法
如前所述，不同類型群體智能，其基礎理論方法既有共性，也有個性，無人機系統群體智能理論方法研究也應在一般群體智能理論研究基礎上，注重自有特征的理論方法創新研究.(1)群體智能結構理論與組織方法. 深化生物與人類群體智能的社會性結構理論與自適應組織方法研究基礎上，進一步研究適應自主無人系統群體智能的群體化OODA(Observe, Orient, Decide, Act)行為模型以及多樣化時空結構與多形態組織方法.(2)群體智能涌現機理與協同方法. 深化群體聚集、群體避險等不同形態生物群體智能涌現機理，研究生物群體智能到人工群體智能的群體動力學、啟發式規則等映射機理，研究適應無人系統群體智能的群體化OODA協同機理.(3)群體智能學習理論與與優化方法. 在深入研究通用群體智能的群體強化學習、分布式學習、聯盟學習等學習方法創新與優化基礎上，面向無人系統群智能時空約束、任務驅動、場景關聯等特征，進一步研究與其相適應的實時可信群體學習方法.
5.2 無人系統群體智能核心技術
無人系統群體智能核心技術研究，不僅需要考慮其自組織、自適應、自學習等特征，而且需要面向多數無人系統所具備的自主運動、時空約束、行為健壯等特點，開展核心技術自主創新研究.(1)復雜動態場景智能感知與理解技術. 無人系統群體智能面臨環境自然、復雜多變的應用場景以及能力互補、多類綜合的感知方式，需要深入研究復雜動態場景的智能感知與理解技術，具體包括主動感知、群智感知、狀態認知、行為理解等算法及其自主硬/軟件結合的實現技術.(2)無人群體實時學習與決策優化技術. 在群體智能學習理論與方法研究基礎上，依據無人系統群體智能特點與應用共性需求，深化研究基于數據與知識驅動結合的學習以及群體智能行為決策的實時性優化、魯棒性保障等具體技術.(3)無人群體自主導航與任務執行技術. 研究復雜環境下基于計算機視覺的精準定位、自主導航、快速識別、主動避障等群體智能導航技術，適應特定類型(如無人機、無人車、無人艇、空間飛行器)無人集群的主動控制、智能控制技術以及跨域無人集群任務智能分配與協同技術等.
5.3 無人群體智能系統構建
(1)特定類型無人群體智能系統綜合優化設計. 面向不同應用領域或跨域的無人群體智能系統，其雖有共性，也有個性，在共性理論方法指導下，需從體系結構、資源配置、運行管控、行為智能、應用服務等方面深化研究適應個性的無人群體智能系統綜合優化設計.(2)無人群體智能操作系統及應用支撐. 為了簡化研發、高效運行無人群體智能應用系統， 需要研發與之適應群體智能操作系統及其應用支撐技術. 群體智能操作系統不僅高效管理、實時認知多維感知、異構計算、無線通訊以及控制執行等多樣化資源，而且有效支撐、實時服務群體化OODA行為的智能實現與智能算法及其軟件開發.(3)無人群體智能系統綜合驗證與評估. 無人群體智能系統具有應用場景密切關聯、系統行為變化復雜、智能特性持續增長等特點，使得其研發與試驗過程更為復雜，需要相應綜合驗證與評估技術有力支持. 為此，需要研究基于數字孿生的綜合驗證、場景驅動與數據驅動結合的智能評估等技術.
6 結束語
無人系統群體智能作為群體智能的主要形態之一，不僅在我國軍事與民用領域具有重要的應用前景，而且必將推進群體智能理論與技術的持續發展. 我們不僅應注重創新研究群體智能基礎理論方法與無人系統群體智能核心技術，而且需加強自主研發不同形態的無人群體智能系統，開展典型領域應用，服務我國國防、社會、經濟領域進步。
以上內容為高博特編輯選取的科普園地，尊重原創，如有侵權請聯系刪除。
