無人機自主作戰能力試驗評價技術綜述

杜梓冰 陳銀娣

摘 要：為有效開展智能無人機自主作戰能力的試驗與評估， 本文對自主能力進行試驗及評價的緊迫性和所屬技術范疇進行了研究， 探討美國在政策、 計劃、 技術等方面的做法， 同時深入剖析當前典型自主等級評價模型在飛行試驗中的適用性， 并分析了重塑試驗評估模式、 建設高智能對抗試驗環境、 建立試驗評估技術體系、 形成自主性等級標準、 建設通用模型和工具、 試驗評估中應用人工智能等主要方向的研究內容， 提出了頂層重視規劃試驗評估、 加大人工智能技術應用、 加大通用模型構建和發展虛實一體試驗等建議， 以期提升自主性技術落地應用速度， 擴大智能無人機作戰使用范圍。

關鍵詞：???? 軍事智能; 人工智能; 無人機; 自主作戰能力; 試驗與評價; 自主等級; 虛實一體試驗

中圖分類號：???? TJ760; V217; V279 文獻標識碼：??? A 文章編號：???? 1673-5048（2021）06-0058-08

0 引? 言

隨著人工智能技術在軍事領域的快速發展和應用， 軍事領域將迎來一場變革， 從機械化、 信息化走向智能化， 未來戰爭將是智能化的戰爭， 而無人化是其基本形態， 人工智能與相關技術的融合發展將逐步把這種形態推向高級階段， 航空裝備領域的無人機系統自主水平將大大提高[1-9]， 甚至是五代機的一種可能形式[2]。 美軍認為， 人工智能與無人系統融合為無人自主系統， 是改變戰場規則的顛覆性技術， 基于此， 美軍近年來提出了“忠誠僚機”“分布式作戰”“全域作戰”“蜂群”“馬賽克戰”等顛覆性作戰概念， 將自主性無人機作為其關鍵部分， 進行了大量演示驗證試飛， 驗證了其技術的先進和戰略優勢的維持[8]。 自主性是人工智能技術在軍事領域深度應用的結晶， 可解釋性、 自主性能力、 信任度、 魯棒性、 人機權限、 人機編組效能、 集群效能等是影響無人機系統投入使用的主要問題。 科學、 全面、 先進的試驗、 評估、 驗證和確認（TEVV）技術是解決這些問題的關鍵[10-11]， 但自主感知、 自主規劃、 自主學習、 自主協同、 自主決策、 自主攻擊等行為的試驗評估超出了現有試驗技術的范疇和模式， 其多學科交叉性、 不可理解性、 不可預測性等特征對現有試驗與評估方法帶來了巨大的挑戰， 亟需開展新的試驗與評估方法研究[11-12]。

美國自21世紀初開始出臺大量政策文件支持自主能力的試驗項目[11-17]， 形成了多種自主能力評價模型[1，2，18-28]， 國內楊偉[1]、 盧新來等[6]、 劉樹光等[26]、 Wang等[27]也對相關理論進行了研究， 但未形成統一的標準， 而且也不完全適用于外場試驗評估。

為確保軍事智能技術落地應用， 擴大自主性無人機的應用場景， 需要超前研究相關的試驗評估技術體系， 為此， 研究美國在自主能力試驗方面的做法和相關評價模型在試驗中的適用性， 分析自主作戰能力對試驗與評估的挑戰， 并給出自主作戰試驗與評估發展建議， 以期促進國內相關技術的發展。

1 無人機系統自主作戰能力試驗評價的基本問題

1.1 無人機自主性的內涵

關于自主性的定義有多種， 對于無人機而言， 美國空軍2015年發布的《自主地平線》[3]的定義比較恰當： 自主性是融合智能系統功能， 使用更多的傳感器和復雜軟件，? 在廣泛的作戰挑戰下、 復雜環境因素和多樣的任務中， 能夠響應設計中未編程或未預期的情況（即基于決策的響應）， 具有一定程度的自治和自我指導的行為。 自主性被認為是自動化的重要擴展， 可在未完全預期的情況下成功執行非常高級的任務指令。 其特征在于， 能夠在極其不確定的情況下， 獨立實現任務目標， 且在很長時間內表現良好， 還能在通信受限或無通信情況下彌補系統故障帶來的影響[3]。

1.2 無人機自主性能力發展的需求

美國國防科學委員會2012年發布的《自主性在國防部無人系統中的地位》指出， 自主能力是美國無人系統的核心能力。 美國《無人系統綜合路線圖（2017-2042）》提出，“互操作性、 自主性、 網絡安全以及人機協同”是未來無人系統發展的四個關鍵技術和驅動。 作戰需求是技術發展的牽引力， 在自主性方面， 通過提高操作速度、 降低認知負荷以及提高逆境中性能的方式提高自主性能力。

“人在環路”受制于人的固有限制， 需要提高機器的自主性以解放人力。 由于軍事、 政治和倫理的限制， 當前“捕食者”等無人機仍然是“人在環路”， 在目標偵察確認、 武器打擊等環節仍然需要人的介入， 而操控員固有的生理限制影響作戰效果， 人員處理容量和速度有限， 影響作戰效能， 有限空間多人協同操作高壓下易出錯， 合格人員成長速度落后于裝備發展速度， 通過自主性的提升， 減少人員干預環節、 減少人員操作負荷， 可以一定程度上避免人的因素影響作戰效能。

戰場的博弈對抗需要提升無人平臺的自主性。 隨著人工智能技術在軍事領域的快速應用， 未來戰場的復雜性、 博弈動態性和不確定性都給有人和無人系統執行OODA作戰環路帶來了極大的挑戰， 必須提高無人系統的自主性， 以擴大系統的處理能力。 集群作戰必須提高無人系統的自主性。 “蜂群”“狼群”“魚群”等集群模式下， 作戰的無人系統數量眾多， 但是受制于人的因素， 一個人能操作控制的無人機有限， 鏈路資源和地面站資源難以支撐， 勢必要求提高無人系統自主性。

1.3 無人機自主作戰的特征與影響

智能化作戰不再是能量的逐步釋放和作戰效果的線性疊加， 而是非線性、 涌現性、 自生長等多種效應的急劇放大和結果的快速收斂， 逐步具備自適應、 自學習、 自對抗、 自修復、 自演進、 博弈對抗等特征。 基于人工智能技術的新一代無人機自主作戰系統， 無人機平臺、 探測、 識別、 決策、 跟蹤、 打擊等環節自主作戰， 能夠模擬人的思維和行為， 促進制勝機理從“制信息權”變為“制智權”。

1.4 試驗與評估的必要性和迫切性

正如美國海軍分析中心2017年在《人工智能、 機器人和蜂群》所言[13]， 自主性武器帶來了一系列倫理與道德問題， 如“能否區分軍事目標與平民？”“如何將主觀道德變為代碼”。 牛津大學等機構研究認為， 人工智能的使用將加劇實體及數字安全系統面臨的威脅， 并產生全新的威脅[14]， 因此， 國際上一直呼吁禁止開發具有攻擊性的自主武器。 如美國2005年的電影《絕密飛行》中， 智能無人機能拒絕人工指令、 自行選擇別國目標進行攻擊等， 這在現實中將帶來巨大的政治風險， 其他諸多科幻小說、 電影中也展示出無人機自主化將帶來一系列的倫理、 道德、 文化、 人權和軍事風險， 因此世界各國都對自主無人機的作戰使用持懷疑態度。 這也帶來一個矛盾， 一方面沒有人會拒絕人工智能技術在軍用無人機領域的應用， 但同時又帶來各方面巨大的風險， 科學、 充分、 有效的試驗與評估是緩解這個問題的有效途徑， 智能無人機系統比以往任何航空裝備都更需要充足的試驗與評估。

1.5 智能無人機自主作戰能力試驗與評估范疇

智能無人系統的自主性試驗與評估屬于軍事智能試驗評估的范疇， 《美軍軍事智能試驗評估技術發展態勢研究》中將軍事智能試驗技術分為智能化試驗對象技術和試驗手段智能化技術， 如圖1所示[11]。

《智能裝備試驗與評價的挑戰與對策思考》認為， “智能裝備的試驗與評估是確保智能裝備可靠、 可信和可用的重要基礎， 是檢驗智能裝備能否在實際環境中應用的基本前提， 也是加快智能裝備研制進度的重要保障”[10]。 在智能無人機自主能力試驗與評估過程中， 需要構建相匹配的智能化試驗技術。

2 美國無人機自主作戰能力試驗與評估方面的做法

2.1 各方政策重視智能化帶來的自主性試驗挑戰， 強調試驗與設計同步發展

美國很早就認識到缺少與自主化、 智能化裝備匹配的試驗評估方法， 迫切需要新的試驗評估技術應對該挑戰， 因此， 在《維持美國在人工智能領域的領導地位》《人工智能倡議法》《2019年國家人工智能研究發展計劃》《人工智能原則支持文件》等政策文件中[12， 17]， 都提出要對軍事領域的人工智能技術進行持續的試驗與評估， 必要時改變現有試驗、 評估、 驗證和確認程序， 創建新的試驗評估基礎架構， 旨在從政策、 標準、 技術手段等方面提升軍事智能的試驗與評估能力， 促進人工智能的技術優勢向作戰優勢轉變， 尋求與設計技術同步開展研究， 確保試驗能力不滯后于裝備的發展， 避免因試驗能力的不足延遲裝備研發進程， 從而延緩先進戰斗力的生成速度。

2.2 美國多部門關注， 并持續投資自主領域的試驗與評估項目

美國國防部自2006年開始就緊盯自主性試驗與評估面臨的特殊挑戰， 一直將無人自主系統的試驗與評估作為重點投資領域。 在《國防部試驗評估資源戰略規劃》中， 將“自主與人工智能”列為試驗與評估科技計劃的投資方向之一 [12，16]， “無人與自主系統試驗”于2007年首次成為該計劃的7個領域之一[16]。 自2020財年開始， 無人與自主系統試驗更名為自主性與人工智能試驗[11-12，16]， 是重點投資的8個試驗技術領域之一， 具體的重點項目包括增強自主試驗與評估的安全性、 自主性部件的試驗與評估、 自主系統可靠性的測試等[16]， 相應的試驗技術已轉化應用， 如圖2所示。 2011年備忘錄中， 美國國防部將自主性和人機界面交互系統作為7項科技投入中的2個優先事項， 并成立自主性興趣小組[13]。 在2014年公開的《依托21工作準則》中， “自主”是其17個技術領域之一[16]。 鑒于測試、 評估、 驗證和確認（TEVV）是自主性系統保障的關鍵要素， 美國建立了利益共同體（COI）小組來解決該問題， 早在2015年便發布了一份技術投資戰略， 其目標包括協助需求開發和分析的方法和工具、 基于證據的設計和實現、 通過研究開發累積、 執行行為預測和恢復、 自主系統的保證論據。 《自主性試驗、 評估、 檢驗和確認技術投資策略2015-2018》中， 明確了自主能力試驗和評估的研究范圍和能力發展方向[12]。 美國國防高級研究計劃局（DARPA）也在不斷增加無人自主系統及其試驗評估的項目投資， 如進攻性集群使能戰術項目的重要目標就是發展無人自主集群集成試驗環境， 其他涉及無人機系統自主能力的項目也統籌考慮了試驗評估的發展。

2.3 建立頂層技術體系框架， 指引自主性發展方向

近年來， 美國出臺了覆蓋無人機、 地面無人系統、 機器人等一系列無人系統技術發展規劃， 包括《美國陸軍無人機系統路線圖》《無人系統自主技術路線圖》《無人系統綜合路線圖》《美國地面無人系統路線圖》《美國機器人技術路線圖》以及《自主地平線》等[3]。 尤其是美國國防部牽頭制定的8版《無人系統綜合路線圖》， 持續指導軍用無人系統的全面發展， 雖然各版側重點有所不同， 但在各版路線圖中均對無人機自主作戰等級劃分進行了說明。 另外， 試驗資源管理中心在2011年就制定了圖3所示的無人自主系統試驗評估體系結構框架[12]。 其中包括面向五類作戰空間的自主系統、 七類自主性支撐技術、 四層自主系統試驗類型、 五類自主系統評價指標以及基于“觀察、 調整、 決策、 行動”（OODA）環的“真實、 虛擬、 構造”（LVC）試驗環境， 從而實現相關技術成體系發展[12]。 該技術體系框架不僅對自主性試驗有指導意義， 對構建整個智能試驗技術體系也有重要參考價值。

2.4 大力開展演示驗證試飛， 提高技術成熟度

近年來， 美國針對“忠誠僚機”“分布式作戰”“馬賽克戰”“蜂群”作戰等項目陸續進行了多階段試飛， 對無人系統作戰能力進行充分的驗證， 比作戰理念和裝備研發更重視演示驗證試飛， 以加速技術成熟[8]。

2.5 出臺自主性試驗評估規則， 研究新的采辦策略

美國國防部指令3000.09要求， 自主性武器必須經過嚴格的硬件驗證和認證[15]， 以及現實系統開發和操作的試驗與評估， 包括分析復雜操作環境導致的自主或半自主系統的意外應急行為， 并擴大了驗證與認證以及試驗評估的范圍， 要求在現實條件下評估系統性能、 能力、 可靠性、 效率和適用性， 但同時認為現有做法無法滿足自主能力的試驗與評估， 正在研究新的采辦流程， 試圖將經典“V”模型替換為圖4所示的扁平模型[13]。

3 無人機自主能力評價模型在試飛評價中的適用性分析

無人機的自主作戰能力最終以自主等級來表征。 美國在持續開展自主作戰相關設計技術研究的同時， 對無人機自主能力評價技術進行了大量研究， 形成了多種評價方法， 主要有寬泛分類和精確分類兩大類[18-29]。

3.1 寬泛分類法

考慮到無人機需要人員的介入， 實戰過程中需要明確人-機權限分配問題， 形成了多種比較寬泛的分類方法， 主要有國防部的人機權限4級模型[6，19]、 “美國國家航空航天局”（NASA）的6級飛行器自主等級[6，19]、 美國海軍5級自主等級模型[2]。 美國國防部在2011、 2013版無人系統路線圖中采用了人機權限4級評價模型， 分為人操作、 人委派、 人監督、 完全自主4個等級， 人的權限越低， 機器權限越高， 自主性越強[19]。 NASA將高空長航程科學任務分為6個自主等級， 分別是遙控、 簡單的自動操作、 遠程操作、 高度自動化（半自主）、 完全自主、 協同操作， 通過掌控的時間多少來量化分析自主等級[19]。 美國海軍2021年3月在《無人作戰框架》中將自主性依賴由低到高分為人操作、 遠程操作、 人類監督、 人類編組、 接近獨立5個層級[2]。 這類模型太過寬泛、 主觀性過強， 對于定量的試驗與評估而言僅具有參考意義。

3.2 精確分類法

（1） Sheridan 的自動裝置等級（LOA）評價法

LOA評價法最早產生于1991年， 其將系統的自主性等級分成10級， 范圍從計算機不提供任何幫助、 完全由人進行操作到計算機自己選擇并執行任務、 完全不依賴于人[19]。 該方法注重通用性， 但考慮的因素較為簡單， 難以轉換為詳細的評估指標體系， 對于基于試驗的評價而言， 實際使用不便。

（2） 自主控制水平等級（ACL）

美國空軍實驗室定義了無人機的10個自主性等級[13]， 如圖5所示。 美國國防部前3版無人機路線圖采取了這種定義方法， 同時對在研的無人機均做出了自主性等級評定。 該方法在提出時具有很強的前瞻性， 時至今日， 對當前國際上大部分無人機自主性評價均有一定的借鑒意義，? 因此具有較強的實際意義。 但是其指標分類不統一， 顆粒度不均衡， 前后關聯性不強， 且都是定性評價， 對于要投入實戰的無人機而言， 評價指標太過寬泛， 無法完全依據該評價方法確定無人機自主等級， 試驗過程中需要進行細化。

（3） 無人系統自主性框架（ALFUS）

美國于2004年提出了一種ALFUS框架， 試圖從任務復雜度、 環境復雜性、 人機交互程度等三個方面來建立評價框架， 期望成為一種無人系統自主能力的通用量化評估框架[13，18]， 如圖6所示。 該框架不是一個特定的測試或一組指標， 而是代表一組表征自主性水平的多維指標模型。 通過在每個軸向上分別建立度量方法， 最終定義了人機交互從高到低， 環境從簡單到復雜， 任務從簡單到復雜， 低、 中、 高3個自主層級[13，18]。 該框架模型考慮環境、 任務和人機交互方面的實際因素較多， 不限定于特定領域， 不僅關注物理空間， 還利用“任務空間”作為衡量自主性的背景， 可以反映無人機執行任務的能力， 對試驗與評估而言具有較高的借鑒意義， 已推廣到一些地面無人車輛的試驗與評估中。

但是， ALFUS框架不提供任何以標準方式分解任務的工具， 沒有提供一種客觀的方法描述系統的自主性能力映射到整體自主性水平， 而且建立的系統比較開放[19]， 導致同一無人機、 不同方案的評價結果差異較大， 可能提供很多的間隔尺寸。 具體實施過程中， 每個坐標軸如何選取指標、 如何量化定義比較困難， 需要根據系統特點慎重制定。

（4） 基于OODA的自主等級評價模型

2002年， 美國空軍實驗室自動化領域的知名專家布魯斯結合“觀察、 調整、 決策、 行動”（OODA）環的原理， 對ACL進行了較大修改， 分成遙控駕駛（0級）、 執行預先規劃任務、 可變任務、 實時故障/事件的魯棒響應、 故障/事件自適應、 實時多平臺協同、 戰場認識、 戰場認知、 戰場集群認知和完全自主（10級）共11個等級， 分別針對OODA中的每個環節進行基于ACL模型的自主等級劃分[6，21]。 NASA的普勞德在其報告中基于OODA環將自主性分為8個等級， 也是分別對OODA環中的每個環節都進行了自主等級劃分， 同時還給出詳細的評價實例[6，22]。 為了評價無人機與其他系統協同作戰的能力， 國防科技大學還提出協同OODA模型[29]， 增加了OODA模型對協同和交互性能的描述， 從感知、 分析、 規劃、 協同、 執行五個維度評價UAV系統自主性等級， 如圖7所示。

這些方法雖然等級標準不一， 但都是通過對OODA的每個環節進行自主等級劃分和評價， 分別以不同的行為模式定義自主等級， 對整個作戰過程考慮比較全面， 比較適合智能無人機系統， 可分別牽引各部分技術發展[1]， 但是對于每個部分的定級比較困難， 不同無人機的需求不同， 在實際試驗應用中應詳細制定針對性的標準。

3.3 其他領域自主等級分類

無人機領域經過20多年的研究， 仍無權威、 具有實際使用意義的自主等級標準， 而汽車自動駕駛領域發展較快， 在這方面有更實質的進步。 美國機動車工程師協會在2016年提出了0～5級的汽車自動化駕駛劃分指導， 國內工信部也在2020年3月提出了《汽車駕駛自動化分級（報批稿）》國家標準， 將自動化駕駛分為0～5級， 這都是權威機構或部門的標準， 意味著汽車在自主能力評價方面比無人機更為成熟。

由于人工智能技術在航空裝備領域應用還不成熟， 且自主能力的試驗組織難度大、 周期長、 消耗大， 使得相關理論、 技術的驗證進度比較緩慢， 目前仍處于對智能無人機自主性試驗與評估的探索中， 各個方法都有其優缺點， 尚未形成滿足實用并普遍認同的等級劃分， 很難有一個模型對不同類型無人機都適用。 在實際試驗過程中（尤其攻擊型無人機）， 對基于OODA的模型、 ALFUS框架和ACL這三種模型進行綜合考慮， 可能在實際試飛中比較有價值和可操作性。

4 無人機自主作戰能力試驗評估技術的重點發展領域

無人機自主作戰能力試驗評估的主要任務是解決系統能否在無人干預情況下實施自主作戰的問題。 由于無人機具有了自主行為， 使得作戰任務和作戰能力相比傳統機械化、 信息化裝備大幅擴展， 必然導致試驗和評估需求有所增加， 當前的試驗評估技術體系無法完成對其進行試驗和評估的任務， 必須從一些方面重點開展研究， 建立與自主無人機系統相匹配的試驗評估技術體系。 美國國防部在2015年提出， 試驗需求、 試驗工具、 試驗方法等8個關鍵領域是無人機自主系統的重要方面， 貫穿整個采購[30]。 美國防御分析研究所2018年也指出， 對抗試驗等技術是無人機自主性試驗中的關鍵[31]。 針對未來戰爭形態和裝備研發模式， 無人機自主作戰能力試驗評估技術的重要發展領域主要包括以下方面。

4.1 重塑試驗評估模式

試驗模式是裝備試驗評估的基本框架和路線， 只有確定了試驗模式， 才能開展后續的試驗。 當前， 機械化、 信息化裝備的試驗評估模型、 體系、 技術已經比較健全， 其中一些關鍵點的進步是其發展的重點方向。 而智能化裝備的試驗評估尚處于起步階段， 由于被試對象的智能化特性， 當前試驗評估模式不再適用， 需要建立新的試驗評估模式。

首先是要研究虛實跨域融合的試驗評估模式。 對無人機自主性的評價需要對其內部算法進行大量的驗證。 由于算法規模龐大， 且持續學習進步， 無法完全依靠真實飛行試驗的方式試驗和評估， 必須大量采信仿真的結果， 這方面需要數字孿生、 平行仿真等技術的應用， 實現虛實互動、 共同試驗。

其次是要研究多階段融合的一體化試驗模式。 雖然美國當前的試驗評估強調“左移”“一體化”， 但其性能試驗、 作戰試驗等部分仍然是分立為主， 各個階段有機融合， 但各個階段的獨立性仍然存在， 而智能化無人機， 由于存在“會學習”“能進步”這一“智力”增長的最突出特點， 導致試驗評估需要各個階段實現真正的融合與一體化， 避免性能試驗評價對象智力為“小學生級”， 作戰試驗評價對象智力為“博士級”， 各個階段的自主等級評價完全不同， 結果互不適用。 另外， 對于自主性無人機， 更強調對于算法的持續驗證及模型的持續優化， 需要實驗室和外場之間保持持續的聯系和互動， 甚至實現平行試驗。 由于這些特點， 需要建立真正意義上一體化的試驗評估模式， 將研制方、 試驗方從一開始融合在同一試驗評估團隊， 加強模型和數據的共用， 這對當前的研發和試驗體系是巨大的挑戰。

最后， 要研究單樣本持續增長的試驗評估模式。 傳統裝備的試驗評估遵循“建立模型→仿真預測→飛行試驗→模型修正”循環迭代的方式[12]， 然而， 對于自主作戰的無人機而言， 其龐大的算法空間規模、 不確定的黑箱推理模型、 不確定的作戰行為， 導致無法重復狀態， 且行為持續學習、 進化， 致使預測-試驗-比較的模式行不通， 出現一個狀態一個樣本， 但是樣本持續增長的情況， 需要著重研究這種單樣本持續增長的試驗評估模式。

4.2 高智能對抗型試驗環境構建

試驗環境是進行無人機自主系統研究、 學習、 測試、 驗證和演練必不可少的條件。 由于無人機自主性試驗和評估涉及信息、 控制、 社會學等， 傳統的靶場、 試驗設施已無法支撐， 這是因為自主型無人機具備學習能力， 有什么樣的環境就會訓練出什么樣的智能算法和裝備， 經歷高智能、 高對抗性、 高復雜度環境的磨練， 才能使裝備更聰明， 自主能力更強、 更可靠， 因此對于無人機自主能力的評價， 要建設能夠與無人機持續交戰的背景環境、 干擾環境和目標環境， 能夠根據無人機的行為持續改變環境特征， 這樣才能真正激勵無人機的自主作戰行為， 挖掘其潛力， 培養其能力。

4.3 建立試驗評估技術體系

一次完整的試驗評估包含試驗設計、 試驗設施、 數據采集、 結果分析與評價等關鍵步驟。 由于“自主”的特殊性， 對這些關鍵步驟也需要研究全新的技術。

在試驗設計方面， 針對智能算法規模的急劇增加、 樣本空間沒有邊界、 多學科交叉等問題， 需要研究與傳統正交試驗設計、 均勻試驗設計等不同的試驗設計方法。

在數據采集和處理方面， 若對無人機全系統數據均進行采集、 記錄， 會導致數據采集記錄系統龐大， 對于載重小的無人機而言， 可能無法裝載足夠多的測試設備， 若按當前的模式， 事先制定部分采集方案， 又可能對無人機作戰中意料之外的“自主”行為特征數據漏采， 影響事后的分析評判， 因此需要研究自主的數據采集技術， 能夠根據任務、 行為“自主”改變部分數據的采集、 記錄內容、 方式。

在結果評估方面， 為了實現自主能力的評估， 需要針對智能力、 信任度、 魯棒性、 效能、 人機交互等方面建立新的評估模型， 這些方面評估的重要性已經超過了當前無人機“高度、 速度、 打擊距離…”等指標的評估。 同時， 為了實現對這些新指標的評估， 需要構建有別于當前基于經典統計、 Bayes統計方法的數據處理模型， 因為由于自主性的存在， 不同行為樣本的分布特性難以確定， 甚至是完全不同的。

4.4 建立自主性等級標準

制定自主性等級評價標準、 給出無人機的自主性等級， 是自主無人機試驗評估的顯著特點， 與當前裝備的評價明顯不同。

明確的自主能力分級是研發、 試驗、 使用的基礎。 當前， 由于無人機類型眾多、 作戰任務模式多樣， 對自主性的認識還不統一， 尚無權威統一的自主性評價標準體系和方法， 造成在論證、 設計、 制造、 試驗過程中， 各方對于自主性的認識不統一， 交流“頻道”不一， 影響技術的開發及裝備的研發和作戰使用。 為確保合理的研發使用， 必須建立自主性等級評價。 自主能力分級是衡量自主能力的可靠工具， 使得自主能力有可比性， 為發展方向提供明確指示。

準確的自主能力分級是合理任務分配的前提。 人機協同的主要作戰模式有： 有人機支配無人機， 有人機協助無人機， 有人機、 無人機互補等。 無人機自主系統逐漸演變為與人并肩作戰的全功能隊友， 不同復雜度、 不同環境任務對于裝備能力的需求不同， 用等級太高的無人機執行低等級任務， 是“殺雞用牛刀”， 用低等級無人機執行高等級任務， 則難以完成任務， 合理的無人機等級劃分， 可以使得任務分配更合理。

4.5 通用型模型、 工具的建設

裝備的試驗和評估過程中， 需要一些特定模型和工具的支撐。 對于機械化、 信息化的裝備而言， 存在種類少的特點， 如美國目前主流殲擊機主要有F-22， F-35， 且一代裝備研制需要數十年， 模型、 工具開發尚能應付裝備的試驗， 但是其無人機裝備類型多、 數量多， 發展速度快， 未來的自主性無人機發展速度會更快， 導致無法針對每種自主性無人機去研發配套相應的模型、 工具， 必須研究通用、 互操作的模型、 工具等試驗資源， 以應對多種多樣的智能無人系統。 為實現通用模型、 工具的研發， 還需要相應的標準、 架構的開發。

4.6 試驗評估中應用人工智能技術

隨著技術的發展， 人工智能不再是一種神秘的力量， 而是一種普適性的使能技術， 是促進社會各個方面進步的通用工具， 如同蒸汽、 電力一樣， 只有加快應用步伐， 才能提高試驗和評估技術的整體進步， 而且有的領域不應用人工智能技術已經無法解決， 如海量算法空間的試驗設計、 大量非結構化數據的處理和分析、 智能對抗環境的構建等等。 試驗與評估是裝備的量尺， 其智能化水平必須比裝備更高， 才有可能量測出裝備的具體性能。

5 發展建議

針對無人機自主性試驗與評估的重要發展領域， 對標美國的做法， 為國內相關的研究提出以下建議。

加大頂層規劃力度， 加快技術研究速度。 人工智能技術是有可能顛覆現有大國格局的關鍵技術。 美國在軍事智能技術大量應用之前， 已經認識到現有試驗評估技術無法應對自主性的要求， 因此， 早早規劃了試驗技術的發展。 智能技術的發展速度遠遠超過機械化、 信息化技術的發展速度， 導致無人機自主性能力快速提升， 而自主型無人機比以往任何領域都更需要充分的試驗和評價。 為避免試驗技術發展速度與設計技術不匹配、 無法合理評估裝備情況的出現， 國內也必須體系化考慮自主型無人機的發展問題， 與先進自主型理論、 技術的發展一道同步規劃試驗技術的研究和資源建設， 加大對試驗模型、 試驗技術體系的研究速度， 盡早完成準備。

加大人工智能技術在試驗評估中的應用， 革新試驗技術體系。 人工智能技術在裝備中的應用， 將帶來革命性的變化。 試驗與評估技術作為“尺子”， 必須構建更智能的環境、 更智能的對手、 更智能的試驗手段， 才能度量智能技術水平， 才能應對無人機自主性的試驗和評估任務。

加大對民用通用型模型、 工具、 標準、 框架的研究和應用， 提升軍用無人機自主性試驗與評估的整體進步速度。 國內對于無人機自主能力的評估還處于起步階段， 但國內外民用領域針對機器學習、 語音識別、 深度學習等基礎技術領域， 以及無人車、 機器人等典型應用場景構建了部分專用測試工具、 模型， 開展了大量的公路測試、 試用， 已經比較成熟， 且出臺或正在制定一系列標準[32]， 但是在無人機領域推廣不夠， 對于人工智能這種通用化較強的技術， 且民用研究遠遠大于軍用研究的情況下， 必須加大對民用通用測試工具、 標準、 框架的研究和推廣， 強力推進在軍用無人機領域的應用， 加快研發進度、 降低技術風險。

6 結? 論

（1） 由于人工智能技術的應用， 無人機自主作戰發展是不可逆的高速發展過程， 將顛覆傳統的作戰模式和制勝機理， 必須正視并積極應用， 但面臨戰爭倫理、 信任度等問題， 充分的試驗與評估是確保其投入使用的關鍵。

（2） 美國早早認識到自主性試驗與評估的挑戰和困難， 出臺了大量政策， 支持大量的項目研究。

（3） 自主等級是無人機自主作戰能力的最終體現， 國內外學者研究了多種模型， 但各有利弊， 適用范圍不同， 在試驗評估中需要綜合分析運用。

（4） 為了實現無人機自主作戰能力的試驗和評估， 需要在試驗模式、 試驗技術體系、 環境構建、 人工智能技術的應用、 通用模型工具等方面進行重點研究。

（5） 為了匹配設計技術的發展， 建議加大試驗評估技術的頂層規劃， 實現試驗技術與設計技術同步發展， 通過運用人工智能技術， 增加通用模型、 工具等的開發， 快速提升無人機自主性試驗與評估的發展。

參考文獻：

[1] 楊偉. 關于未來戰斗機發展的若干討論[J]. 航空學報， 2020， 41（6）： 524377.

Yang Wei. Development of Future Fighters[J]. Acta Aeronautica et Astronautica Sinica， 2020， 41（6）： 524377.（in Chinese）

[2] Department of the Navy Unmanned Campaign Framework[EB/OL].（2021-03-17）[2021-05-24]. https：∥www.subsim.com/department-of-the-navy-unmanned-campaign-framework/.

[3] Landreth L. Autonomous Horizons： The Way Forward [J]. Air & Space Power Journal， 2020， 34.

[4] 于成龍， 侯俊杰， 蒲洪波， 等. 新一代人工智能在國防科技領域發展探討[J]. 國防科技， 2020， 41（4）： 13-18.

Yu Chenglong， Hou Junjie， Pu Hongbo， et al. Development of the New Generation Artificial Intelligence in National Defense Science and Technology[J]. National Defense Technology， 2020， 41（4）： 13-18.（in Chinese）

[5] 劉永才. 新形勢下武器裝備發展思考[J]. 戰術導彈技術， 2020（4）： 1-12.

Liu Yongcai. Thoughts on the Development of Weapons and Equipment under the New Situation[J]. Tactical Missile Technology， 2020（4）： 1-12.（in Chinese）

[6] 盧新來， 杜子亮， 許赟. 航空人工智能概念與應用發展綜述[J]. 航空學報， 2021， 42（4）： 251-264.

Lu Xinlai， Du Ziliang， Xu Yun. Review on Basic Concept and Applications for Artificial Intelligence in Aviation[J]. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 251-264.（in Chinese）

[7] 雷宏杰， 姚呈康. 面向軍事應用的航空人工智能技術架構研究[J]. 導航定位與授時， 2020， 7（1）： 1-11.

Lei Hongjie， Yao Chengkang. Technical Architecture of Aviation Artificial Intelligence for Military Application[J]. Navigation Positioning and Timing， 2020， 7（1）： 1-11.（in Chinese）

[8] 杜梓冰， 張立豐， 陳敬志， 等. 有人/無人機協同作戰演示驗證試飛關鍵技術[J]. 航空兵器， 2019， 26（4）： 75-81.

Du Zibing， Zhang Lifeng， Chen Jingzhi， et al. Critical Technologies of Demonstration Flight Test of Cooperative Operation for Manned/Unmanned Aerial Vehicles[J]. Aero Weaponry， 2019， 26（4）： 75-81.（in Chinese）

[9] Endsley M R. Autonomous Horizons： System Autonomy in the Air Force—A Path to the Future. Volume I： Human-AutonomyTeaming[R]. Washington D C： United States Air Force Office of the Chief Scientist， 2015.

[10] 韋正現. 智能裝備試驗與測試的挑戰與對策思考[J]. 測控技術， 2021， 40（2）： 1-5.

Wei Zhengxian. Challenge and Countermeasure of Intelligent Equipment Experiment and Test[J]. Measurement & Control Technology， 2021， 40（2）： 1-5.（in Chinese）

[11] 權曉偉， 張灝龍， 龔茂華， 等. 美軍軍事智能試驗鑒定技術發展態勢研究[J]. 中國航天， 2021（2）： 62-64.

Quan Xiaowei， Zhang Haolong， Gong Maohua， et al. Research on the Technological Developments of Military Artificial Intelligent Test and Evaluation in US[J]. Aerospace China， 2021（2）： 62-64.（in Chinese）

[12] 周宇，楊俊嶺.美軍無人自主系統試驗鑒定挑戰、 做法及啟示[EB/OL]. （2017-03-27） [2021-05-24]. https：∥news.qq.com/a/20170327/019952.htm.

Zhou Yu，Yang Junling. Challenges， Practices and Implications of the Test and Appraisal of Unmanned Autonomous Systems in the US Military[EB/OL]. （2017-03-27） [2021-05-24]. https：∥news.qq./a/ 20170327/019952.htm. （in Chinese）

[13] Ilachinski A. AI， Robots， and Swarms： Issues， Questions， and Recommended Studies[R]. Center for Naval Analyses （CNA）， 2017.

[14] Brundage M， Avin S， Clark J， et al. The Malicious Use of Artificial Intelligence： Forecasting， Prevention， and Mitigation[EB/OL]. （2018-02-01）[2021-05-24]. https：∥www.researchgate.net/publication/ 323302750_The_Malicious_Use_of_Artificial_Intelligence_Forecasting_Prevention_and_Mitigation.

[15] Carter A B. Autonomy in Weapon Systems： DOD Directive 3000.09[S]. Washington D C： Department of Defense， 2012.

[16] 張寶珍， 尤晨宇， 吳建龍， 等. 從美國國防部試驗鑒定科技計劃看美軍試驗與測試技術發展重點[J]. 測控技術， 2020， 39（10）： 1-8.

Zhang Baozhen， You Chenyu， Wu Jianlong， et al. Focus Areas of US Military Test Technology Development in the Light of US Department of Defense Test & Evaluation/Science & Technology Program[J]. Measurement & Control Technology， 2020， 39（10）： 1-8.（in Chinese）

[17] 楊俊嶺，周宇.2019年美軍試驗鑒定熱點綜述[EB/OL]. （2020-01-21） [2021-05-24]. https：∥ www. sohu.com /a/368196290_635792.

Yang Junling， Zhou Yu. A Review of the Hot Spots of Test Identification in the US Military in 2019[EB/OL].? （2020-01-21） [2021-05-24]. https：∥ www. sohu.com /a/368196290_635792. （in Chinese）

[18] Proud R W， Hart J J， Mrozinski R B. Methods for Determining the Level of Autonomy to Design into a Human Spaceflight Vehicle： A Function Specific Approach[EB/OL]. （2003-09-01）[2021-05-24].http：∥handle.dtic.mil/100.2/ADA515467.

[19] Vincent P， Roske， Jr. Autonomous System Challenges to Test and Evaluation[R]. National Defense Industrial Association Test & Evaluation， 2012.

[20] Fahey H K M， Miller M J. Unmanned Systems Integrated Roadmap：FY2017-2042[R]. Washington DC： Office of the under Secretary of Defense， 2017： 4-5.

[21] Durst P J， Gray W. Levels of Autonomy and Autonomous System Performance Assessment for Intelligent Unmanned Systems[R]. Defense Technical Information Center， 2014.

[22] Zhang J M， Harman M， Ma L， et al. Machine Learning Testing： Survey， Landscapes and Horizons[J]. IEEE Transactions on Software Engineering， 2019.

[23] Thompson M. Testing the Intelligence of Unmanned Autonomous Systems[J]. Security， 2008， 29： 380-387.

[24] Helle P， Schamai W， Strobel C. Testing of Autonomous Systems-Challenges and Current State-of-the-Art[J]. INCOSE International Symposium， 2016， 26（1）： 571-584.

[25] Huang H M. Autonomy Levels for Unmanned Systems （ALFUS） Framework， Volume I： Terminology[R]. National Institute of Standards and Technology， 2008.

[26] 劉樹光， 茹樂， 王柯. 無人機自主性評價方法新進展[J]. 飛航導彈， 2019（2）： 43-49.

Liu Shuguang， Ru Le， Wang Ke. New Development of Evaluation Methods for UAV Autonomous Level [J]. Aerodynamic Missile Journal， 2019（2）： 43-49.（in Chinese）

[27] Wang Y C， Liu J G. Evaluation Methods for the Autonomy of Unmanned Systems[J]. Chinese Science Bulletin， 2012， 57（26）： 3409-3418.

[28] Clough B. Metrics， Schmetrics！ How do You Track a UAV’s Autonomy？ [C]∥1st UAV Conference， 2002.

[29] Wu L Z， Niu Y F， Zhu H Y， et al. Modeling and Characterizing of Unmanned Aerial Vehicles Autonomy[C]∥ 8th World Congress on Intelligent Control and Automation， 2010： 2284-2288.

[30] Maj Thoma T， Darryl K A. Workshop Report： Test and Evaluation of Autonomous System[C]∥STAT T&E Center of Excellence， 2016.

[31] Brian H， David S， David T. The Status of Test， Evaluation， Verification， and Validation of Autonomous System[R].2018.

[32] 中國電子技術標準化研究院.人工智能標準化白皮書[EB/OL]. （2020-01-21）[2021-05-24].http：∥www.cesi.cn/ 202107/7796.html.

China Electronics Standardization Institute. Artificial Intelligence Standardization White Paper[EB/OL]. （2020-01-21）[2021-05-24]. http：∥www.cesi.cn /202107/7796.html.（in Chinese）

Review on Testing and Evaluation of UAV’s

Autonomous Operational Ability

Du Zibing1 ， Chen Yindi2*

（1.Chinese Flight Test Establishment， Xi’an 710089， China;

2.Military Science Information Research Center， Military Academy of Sciences， Beijing 100142， China）

Abstract： In order to carry out the testing and evaluation of the autonomous operational ability of the intelligent UAV ， this paper studies the urgency and category of testing and evaluation for UAV autonomous ability， then discusses the main policy， plan， technology of the United States， and examines the applicability of the current typical autonomic rating evaluation model in flight test deeply. It analyzes study contents of remodeling of the test and evaluation model， building of a high-intelligent confrontation test environment， establishment of the test and evaluation technology system， forming of the autonomy level standard， construction of the general model and tools， and artificial intelligence applying in various fields of test and evaluation. Suggestions on concern the plan of test and evaluation from the top level， strengthening the application of artificial intelligence technology， increasing the construction of general model and developing the virtual reality integration test are proposed to improve the autonomous technology’s application speed and expand the operational scope of intelligent UAV.

Key words： military intelligence; artificial intelligence; UAV; autonomous operational ability; test and evaluation; autonomic rate; virtual reality integration test