人工智能在提高無人機自主性上的應用與分析

李富強

摘? 要：圍繞人工智能和無人機自主性問題，梳理并分析無人機在自主感知和認知、自主規劃和控制、人機交互方面對人工智能的需求以及無人機在自主控制體系結構技術、感知與認知技術、規劃與控制技術、協同與交互技術等自主性發展上為人工智能應用打下的基礎。以視頻大數據分析和無人機僚機為例，介紹人工智能技術在無人機感知和協同規劃等自主性提升上的應用情況。最后，分析人工智能在無人機感知與認知、規劃與控制、協同與交互上的應用前景。

關鍵詞：人工智能;無人機;自主性

Abstract：Focusing on the issue of artificial intelligence and UAV autonomy，sort out and analyze UAVs demand for artificial intelligence in autonomous perception and cognition，autonomous planning and control，human-computer interaction，and autonomous control architecture technology，perception and cognitive technology，planning and control technology，collaboration and interaction technology and other autonomous developments lay the foundation for artificial intelligence applications. Taking video big data analysis and UAV wingmen as practical application cases，it introduces the application of artificial intelligence technology in autonomous enhancement such as UAV perception and collaborative planning. Finally，analyze the application prospects of artificial intelligence in UAV perception and cognition，planning and control，collaboration and interaction.

Keywords：artificial intelligence;UAV;autonomy

0? 引? 言

無人機主要是指無人在機上駕駛、可自主控制或遙控的飛機武器系統，它可執行對空、對地（海）作戰任務，并具有可回收、可重復使用的特征[1]。無人機以其在“零生命風險”、更強作戰能力以及更能適應惡劣作戰環境方面的優勢，越來越受到各國軍事作戰部門的關注。相較于其他航空裝備，無人機最主要的特點之一便是“無人”，要真正實現這一特點，就需要不斷提高其自主性。

人工智能（AI）于1956年被首次提出后，作為研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新科學技術，隨著近些年大數據、計算力和深度學習等方面研究的進展，得到了高速發展。目前，美國在第三次“抵消戰略”中將人工智能作為核心技術，正大力推進其向軍事領域的應用。而無人機在自主性上與人工智能具有極強的契合性，通過人工智能的應用可以在很大程度上提高無人機的自主性。

本文從提高無人機的自主性出發，對人工智能在提高無人機自主性上的相關應用情況和應用前景進行分析。

1? 無人機與人工智能

以“自主性”為突出特點的無人機，其作戰環境相對于過去已經發生了變化。在過去，無人機大多應用在防空威脅不大的空域，但是隨著各國防空武器裝備的不斷升級，空域競爭加劇，無人機面臨的作戰環境越來越惡劣。因此，就需要自主性更強的無人機。

1.1? 無人機對人工智能的需求

目前，按照對自主性武器系統的要求，無人機要能夠基于自身掌握的知識以及對自身和周圍動態環境的認知，獨立形成多個作戰方案，并選擇一種合適的作戰方案來完成作戰目標，而且還必須要具備對非預期戰場態勢做出響應的能力。無人機在自主性上的升級，面臨自主感知與認知、自主規劃與控制、人機交互等方面的技術挑戰。

1.1.1? 自主感知與認知

無人機要能夠在未知的復雜環境下進行作戰。所謂的未知環境，是指在設計無人機時未考慮的環境。無人機在研發和測試中，使用的是靜態的、結構化的環境，而執行任務是在動態的、非結構化的環境中進行，因此就要具備理解、響應和適應復雜多變環境的能力。

1.1.2? 自主規劃與控制

無人機要想在戰場生存并成功完成任務，除了需要具備在復雜多變的環境中能夠對各種威脅進行感知、認知、探測、確認和分類的能力，還要具備能夠針對這些威脅進行后續任務規劃和行動決策的能力。

1.1.3? 人機交互

無人機即便具有較高的自主性，但是在未來還是會在人的參與下進行作戰。而無人機作戰效能的高低取決于特定環境下人機之間的交互。在人機交互中，如何將人確定的作戰目標快速有效地傳遞給無人機，也是無人機在自主性升級上的一大挑戰。

1.2? 無人機應用人工智能的基礎

相較于真正的自主性系統，當前無人機的自主性水平距要求還有很大差距。同時，與其他軍用航空設備相比較而言，無人機由于其一直強調發展“自主性”，最具有應用基礎。美軍在《2009—2034財年綜合無人機系統路線圖》中提出，計劃到2015年實現感知、規避能力，到2034年實現在線態勢感知能力[2]。

在對無人機過去的研究中，美軍就針對無人機的自主性提出了自主控制等級路線圖[3]，如圖1所示。

除了對無人機的自主控制等級進行規劃外，也對無人機在自主性上的技術發展方向進行了梳理，即自主控制體系結構技術、感知與認知技術、規劃與控制技術、協同與交互技術方向[4]。

2? 人工智能的應用與分析

無人機的自主性發展規劃最早、最完善，在自主性提高上，對尋求人工智能技術的幫助進行了有益的研究和探索，如無人機視頻數據分析等。

2.1? 實際應用案例

由于無人機自身所具備的自主性特征以及對自主性升級的需求，使得人工智能能夠很好地與無人機相契合，從而為無人機應用人工智能提供了基礎。目前，美國在這方面不僅進行了有益探索，而且還對人工智能在提高無人機自主性上進行了工程應用。從目前的情況來看，應用人工智能的案例主要有視頻大數據分析和無人僚機等。

2.1.1? 視頻大數據分析

目前，無人機的一大主要軍事用途就是偵察，這些無人機在偵察過程中獲得了海量的視頻數據，以美軍的無人機為例，每年無人機的飛行小時數就多達50萬小時。要對這些數據進行分析，需要耗費大量的人力和時間。因此，美軍在2017年啟動了利用人工智能對視頻大數據進行分析的項目——“行家項目”（Project Maven）。

2.1.1.1? 應用方向

在該項目中，視頻分析人員主要想通過人工智能獲得視頻數據在五個方面的應用，即反向圖像搜索、目標數量快速計算、目標數量持續計算、選擇及跟蹤、事件標注。

（1）反向圖像搜索。視頻數據分析人員看到其關注區域中出現的車輛后對其進行截圖拍照，人工智能算法將所拍圖像同歷史記錄圖像進行對比，然后給出相似車輛的相關視頻記錄。

（2）目標數量快速計算。視頻分析人員在所關注目標周圍繪制邊界框圖，人工智能算法對框圖內的所有目標進行分類并計算。

（3）目標數量持續計算。視頻分析人員在所關注目標周圍繪制邊界框圖，通過人工智能算法持續計算框圖中一段時間內的目標數量，然后由人工智能算法以圖表的形式給出一段時間內框圖中的目標分類及其數量變化情況。

（4）選擇及跟蹤。視頻分析人員在視頻數據中對移動目標進行標注，然后通過制圖工具自動在地圖上生成移動物體的歷史移動路徑。

（5）事件標注。分析人員在某事件發生后，對代表性物體或目標進行標注。通過這些標注數據訓練算法，使其在后續使用中能夠通過識別物體或目標的方式，來識別出某事件的發生。

2.1.1.2? 開發流程

“行家項目”是由美國國防部“算法戰跨職能小組”（AWCFT）負責。該小組在將人工智能應用于視頻數據分析上主要分為三個步驟，即數據采集、處理與標注，算法開發，算法綜合。

（1）數據采集、處理與標注。首先獲取無人機拍攝的視頻數據，對這些數據進行人工隨機審核;然后對數據進行標注;最后生成經過標注的數據。

（2）算法開發。在算法開發上，綜合GPU資源、云計算、商用算法、開源算法和數據、軍方需求，使用經過標注的數據進行算法訓練，獲得初始模型及改進后的模型，然后再通過對算法的測試、評估來提高算法的準確度。

（3）算法綜合。算法綜合就是指將訓練后獲得的算法模型綜合到無人機上，具體涉及到算法加載、傳感器校準、軟件修改、地面測試、試飛、最終綜合測試、認證等步驟。算法綜合到無人機并投入最終的外場使用后，還要記錄使用過程中發現的錯誤，提交錯誤報告，進行算法再訓練、再綜合。

2.1.2? 無人僚機

2016年6月，由美國辛辛那提大學與美國空軍聯合研發的空戰人工智能系統阿爾法AI在模擬空戰中100%擊敗了美國空軍退役上校基恩·李。在該模擬空戰中，由阿爾法AI控制的紅方飛機擊敗了基恩·李控制的藍方飛機，展現了人工智能的優勢。

阿爾法AI對于無人機來說，可以幫助其成為無人僚機，協同有人機作戰。美國空軍研究實驗室在提出“忠誠僚機”概念后，就計劃研制一種人工智能模塊，從而實現無人駕駛的F-16和F-35之間的搭配。

阿爾法AI在空戰領域所體現出的強大的人工智能威力，主要得益于其采用了人工智能算法以及在算法上的創新。

2.1.2.1? 阿爾法AI算法

阿爾法AI采用的人工智能算法是遺傳模糊樹（GFTs）模型。該模型基于遺傳模糊系統和模糊樹，不僅通過遺傳算法來訓練模糊系統中的所有規則，而且還通過構建模糊樹來減少需要訓練的規則數量。阿爾法AI具體用到的模型被稱作學習增強戰術處理算法（LETHA）。

2.1.2.2? 算法的優點

阿爾法AI在遺傳模糊樹算法上的創新，使其具有三方面的優點：

（1）經過優化，更易在低配置計算機上運行。遺傳模糊樹算法將大型模糊邏輯問題拆散成了許多個小型模糊邏輯問題，同時還保留了原問題中多輸入量之間的關系。

（2）運算速度更快，實用性更強。如果讓機器在做出決策前就處理所有可用的數據，就會增加運算量、減慢處理速度、降低系統實用性，阿爾法AI通過簡化變量，只考慮最相關的信息，避免了這些問題的出現。

（3）降低了對計算能力的需求。阿爾法AI所采用的算法是基于語言或“模糊邏輯”，通過if-then規則做出的，這樣就減少了決策樹的分支機構數量，降低了對計算能力的需求。

2.2? 應用前景分析

目前，人工智能是最有希望提高無人機自主性的技術途徑。人工智能與自主性的契合會隨著人工智能技術的不斷發展更加深入。就無人機而言，與其自主性相關的方面主要包括感知與認知、規劃與控制、協同與交互[4]。