智能無人集群技術發展綜述

閆嬌嬌

摘要：智能無人集群系統是由多個無人系統協同完成復雜任務的整體系統，主要通過利用物聯網、大數據、人工智能等新技術提高智能化水平和魯棒性。智能無人集群系統在農業、制造業、交通、教育、醫療、軍事、金融等多個領域具有廣闊的應用前景，但也面臨著任務復雜度提升、產品質量和成本競爭等挑戰。文章分析了智能無人集群系統應用中的環境感知與認識、多機協同任務規劃與決策、信息交互與自主控制、人機智能融合與自適應學習的關鍵技術手段，總結了當前智能無人集群系統具有的優勢以及特點，最后對智能無人集群技術的未來發展提出了展望，為智能無人集群技術發展提供參考。

關鍵詞：智能無人集群系統；環境感知；多機協同；自主控制

中圖分類號：TP311? ? ?文獻標識碼：A

文章編號：1009-3044（2023）36-0030-04

開放科學（資源服務）標識碼（OSID）

0 引言

無人系統是指利用人工智能、物聯網、大數據等技術，實現無人機、無人車、無人艇等裝備的自主協同作業的系統。無人系統的出現最初是為了滿足軍事領域的需求，例如提高作戰效率和效果，降低人員傷亡和設備損失，適應復雜和危險的作戰環境等。隨著科學技術的發展和社會經濟的進步，無人系統的出現也開始為工業、農業、交通、教育、醫療等民用領域的很多難題提供了創新的解決方案，例如提高生產效率和安全性，降低成本和資源消耗，解決環境污染和能源危機等問題。

無人系統以單一平臺的作業形式最先投入實際應用中。隨著需求升級，單無人系統只能執行單一或簡單的任務，如偵察、監視、運輸等。無人系統受制于自身的性能和環境的限制，難以應對復雜和多變的任務場景的短板逐漸暴露。為解決單無人系統的局限性問題，在法國生物學家Pierre Paul Grass 1959年提出的“群集行為”思想[1]的啟發下，智能無人集群技術應勢而生。智能無人機群是由若干個同構或者異構的單無人系統組成的更高層次的系統。各系統之間根據任務分工，通過必要的系統繼承，產生集群協同效應，在一定時間、空間內合作完成復雜任務。智能無人集群具備執行復雜多變、危險任務的能力，可以最大限度地發揮無人系統的優勢，同時提高了集群系統的載荷和信息感知處理能力。

1 智能無人集群技術的發展背景

智能無人集群技術的發展背景可以追溯到無人系統和人工智能領域的進步。物聯網、大數據、人工智能等新一代信息技術的快速發展，為智能無人集群技術提供了強大的支撐和推動。物聯網技術可以實現無人裝備之間的高速高效通信，大數據技術可以實現海量數據的快速分析和處理，人工智能技術可以實現無人裝備的自主感知和決策。同時，智能無人集群技術成為現代戰爭的重要組成部分，在軍事作戰任務執行、戰場感知、通信與網絡、風險削減以及訓練和模擬等方面都起到了尤為關鍵的作用。算法和技術的快速進步也為智能無人集群技術提供了重要支持，智能無人集群技術可以提供更強大的信息獲取和處理能力，更靈活的作戰方式和手段，更安全的作戰環境和保障。智能無人集群技術不僅會推動現有軍事科技的升級與進步，還將帶動民用科技的智慧性發展。各類產業對于提高生產效率和安全性，降低成本和資源消耗，解決環境污染和能源危機等問題有著迫切的需求。智能無人集群技術可以在農業、制造業、交通、教育、醫療等多個領域提供創新的解決方案，促進創造巨大的社會價值和經濟效益。

2 國內外發展現狀

2.1 國外發展現狀

智能無人集群技術目前相關研究尚處于初級階段。目前，國外無人技術的發展及應用研究多聚焦于軍事應用，美國在智能無人集群系統領域處于領先地位。美國軍方開展了多個智能無人集群系統的研究和試驗項目。美國海軍研究局（ONR）于2015年推出了“低成本無人機技術蜂群”項目，旨在開發能夠從大型運輸機或轟炸機發射并自主編隊的小型無人機，以提高空中作戰的靈活性和有效性。該項目于2016年4月完成了30架無人機連續發射并編組飛行的試驗[2]。美國空軍研究實驗室（AFRL）于2015年發起了“空中作戰忠誠僚機”項目，旨在將第四代戰機進行無人駕駛技術改裝，并將其與第五代隱身戰機配對，使第五代戰機（長機）的駕駛員可以對無人機（僚機）進行控制，從而讓雙方的作戰能力都有所加強，尋求有人-無人機編隊作戰的能力[3]。該項目于2020年12月完成了首次有人-無人協同飛行試驗[4]。

歐洲國家在智能無人集群技術的研究和應用方面也取得了一定進展。英國軍方于2021年2月啟動了“黑暗天空”項目，旨在研制能夠與有人戰斗機協同作戰的無人戰斗機集群，計劃在2023年進行首次飛行試驗[5]。而法國軍方于2020年7月啟動了“新一代空中武器”項目，研制能夠自主編隊和執行任務的無人飛艇集群，并且計劃在2014年進行首次飛行試驗[6]。亞洲國家也在積極開展智能無人集群技術的研究工作。其中，日本和韓國在工業、交通等民用領域開展了大量關于智能無人集群技術的應用研究[7]。

2.2 國內發展現狀

在軍事領域方面，中國軍方在無人機、無人船、無人車等多個平臺上開展了智能無人集群技術的研究和試驗，展示了高效、靈活、安全的作戰能力。2018年11月，中國海軍在南海進行了多型號水面無人艇集群演練，驗證了水面無人艇集群的自主編隊、協同探測、協同攻擊等能力[8]。2019年10月，中國陸軍在西北某訓練場進行了多型號無人車集群演練，驗證了無人車集群的自主巡邏、自主避障、自主打擊等能力[9]。

在工業領域方面，中國利用智能無人集群系統提高生產效率和安全性方面取得了顯著成果，涉及橋梁檢測、管道巡檢、電力巡線、物流配送等多個場景。2021年4月，國網利用無人機集群對新疆電網進行了巡線和抗災保電，提高了巡線效率和可靠性[10]。同年10月，京東利用自動駕駛汽車和自動配送車實現了智能物流配送，提高了配送效率和滿意度[11]。

在農業領域方面，中國利用智能無人集群系統提高農業生產效率和質量方面取得了突出進展，涉及農作物監測、施肥噴灑、收割運輸等多個環節。2020年11月，山東省啟動了“智慧果園”項目，利用水陸兩棲無人機集群對蘋果園進行監測和管理，提高了蘋果產量和品質[12]。2021年5月，河南省啟動了“智慧麥田”項目，利用無人車集群對小麥進行收割和運輸，提高了小麥產量和品質[13]。

3智能無人集群關鍵技術

智能無人集群技術不是某項單一技術，而是無人控制、群體智能、人工智能、無線移動網絡等多種相關技術的綜合運用。智能無人集群關鍵技術主要包括：環境感知與認識、多機協同任務規劃與決策、信息交互與自主控制、人機智能融合與自適應學習技術等。圖1中模擬了智能無人集群技術在森林火場救援場景中的應用實現。

3.1 環境感知與認識

環境感知與認識是指智能無人集群技術中的無人裝備能夠根據自身的傳感器和其他無人裝備的通信信息，可以實時獲取和理解周圍環境的狀態和變化，以便于進行任務規劃和決策。環境感知與認識涉及目標檢測、目標識別、目標跟蹤、障礙物避讓、地圖構建等多個方面。環境感知與認知技術的發展主要依賴于圖像處理、數據挖掘、機器學習等相關技術的進步。2022年，Suleman Qamar等人提出了一種使用深度強化學習進行集群導航的自主方法[14]，該方法模擬了具有靜態和動態障礙物以及阻力（如線性阻力、角阻力和重力）的復雜3D環境，以跟蹤多個動態目標；Saeed， R.A.等人提出了一種基于粒子群優化機制的無人機路徑規劃方法[15]，通過使用3D路徑規劃來形成無人機，并通過使用混沌基礎邏輯圖來初始化粒子分布。

3.2多機協同任務規劃與決策

多機協同任務規劃與決策是指智能無人集群技術中的無人裝備能夠根據自身的能力、資源以及其他無人裝備的信息，自主地制定和執行合理的任務計劃，以實現集群任務的要求。多機協同任務規劃與決策涉及任務分配、路徑規劃、編隊控制、協同控制等多個方面。多機協同任務規劃與決策技術的發展主要依賴于優化算法、博弈論、分布式控制等相關技術的進步。Bo Liu等人2013年提出的完全分布式的魯棒控制方案是該技術最新的應用研究成果[16]，主要利用最小虛擬領導者信息解決了無人機集群的魯棒編隊飛行問題。

3.3 信息交互與自主控制

信息交互與自主控制是指智能無人集群技術中的無人裝備能夠通過有線或無線方式與其他無人裝備或地面站進行信息交換，以實現集群任務的協調和指揮。信息交互與自主控制涉及通信協議、通信拓撲、通信質量、通信安全等多個方面。信息交互與自主控制技術的發展主要依賴于物聯網、移動通信、衛星通信等相關技術的進步。F. Chiti. 等人提出了一種使用軟件定義網絡（SDN）的無人機集群通信協議，設計SDN架構用于支持高性能的城域量子無人機網絡（MQDNs），通過無人機集群在兩個地面站（GSs）之間創建糾纏[17]。Taehoon Yoo. 等人提出了一種基于深度強化學習的無人機網絡拓撲控制方法，分析了無人機集群內部的相對位置，然后從干擾和能耗的角度優化它們之間的連通性，并最終通過選擇每個無人機的鄰居并在它們之間映射數據流來重塑無人機網絡的邏輯結構[18]。Xi Chen等人在以上學者的研究基礎上，詳細介紹了四種通信架構以及其優點和缺點，還對路由協議進行了系統性的概述和可行性研究，提出了如何通過構建多條通信路徑來實現無人機集群之間或無人機集群與中央控制中心之間的信息交換，從而提高無人機集群通信質量[19]。

3.4 人機智能融合與自適應學習

人機智能融合與自適應學習是指智能無人集群技術中的無人裝備能夠與人類操作員或指揮員進行有效的交互和協作，以實現集群任務的優化和調整。人機智能融合與自適應學習涉及人機界面、人機協同、人機信任、人機學習等多個方面。人機智能融合與自適應學習技術的發展主要依賴于人工智能、虛擬現實、情感計算、強化學習等相關技術的進步。Valerii Serpiva. 等人2023年提出了一種名為SwarmPaint的人群交互系統，該系統允許用戶通過直接手部運動或通過基于DNN手勢識別的手勢界面控制群體位置和編隊[20]。Brian Stanton. 等人則討論了人工智能（AI）系統對用戶信任的獨特挑戰。他們認為AI用戶必須因其復雜性和不可預測性而信任AI，這改變了用戶和系統之間的動態關系，同時驗證了用戶對AI的信任將是實現并發揮這種新技術優勢的同時最小化其風險所必需的[21]。

4智能無人集群技術特點及優勢

通過分析智能無人集群技術的研究現狀和關鍵技術，智能無人集群技術相比于傳統的無人技術，其特點及優勢如下：

1）高效：智能無人集群技術可以在復雜的環境中執行多種任務，如偵察、監視、打擊、救援等，提高了作戰效率和效果。同時，可以與有人系統協同作戰，形成更強大的作戰力量。

2）靈活：智能無人集群技術可以根據任務需求和環境變化，自主地調整自身的運動狀態和協同方式，實現更靈活的作戰方式和手段。在面臨部分成員或功能失效時可以通過內部信息交互控制實現敏捷重組，應對部分無人裝備的損失和故障。

3）安全：智能無人集群技術可以在高風險的區域或任務中代替有人系統，避免或減少人員傷亡和設備損失，保障了作戰安全和人員生命。未來發展中，會考慮提高設備的自保能力，利用自動控制系統，迅速采取自我防御措施，擺脫敵方打擊。

4）節約：智能無人集群技術相比有人系統，一般具有更低的研制成本、運行成本和維護成本，節省了資源和資金，提高了作戰經濟性。隨著技術的成熟，集群的龐大，可以利用數量優勢，使敵方在防御中耗費大量的物力和財力。

5）創新：智能無人集群技術可以在農業、制造業、交通、教育、醫療等多個領域提供創新的解決方案，解決環境污染和能源危機等問題，創造巨大的社會價值和經濟效益。

綜上所述，這些特點及優勢可以使智能無人集群技術在各種應用場景中具備更大的潛力和優勢，為未來的智能無人集群技術發展帶來了新的機遇。

5 智能無人集群技術未來展望

智能無人集群技術是一種利用人工智能、物聯網、大數據等技術，實現無人機、無人車、無人船等裝備的自主協同作業的技術，在其高效、靈活、安全、節約、創新等特點和優勢的驅動下，可以應用于軍事、工業、農業、交通、救援等多個領域，將是新一代信息技術的重要應用方向。智能無人集群技術在其應用領域尚未完全實現自主化與智能化，對智能無人機群技術的未來展望主要有以下4點：

1）更高的自主性和智能性：隨著人工智能技術的不斷發展和進步，智能無人集群技術將能夠實現更高的自主性和智能性，通過自主感知、決策、控制和學習，適應復雜和動態的環境和任務，實現更優化的任務執行和更靈活的任務調整。

2）更廣泛的應用領域和場景：隨著物聯網技術的不斷發展和普及，智能無人集群技術將能夠在更廣泛的應用領域和場景中發揮作用，如教育、醫療、娛樂、旅游等，為人類生活提供更多的便利和樂趣。

3）更深入的人機融合和協作：隨著虛擬現實技術的不斷發展和完善，智能無人集群技術將能夠與人類操作員或指揮員進行更深入的人機融合和協作，通過高效的人機界面、高度的人機信任、高質量的人機學習，實現更優化的任務分配和更高效的任務協調。

4）更嚴格的技術規范和標準：隨著智能無人集群技術的不斷發展和應用，也將面臨更多的技術問題和社會問題，如技術質量和安全、技術責任和倫理、技術秩序和公平等。因此，需要制定更嚴格的技術規范和標準，規范技術行為和責任，防止技術失誤和濫用，維護技術秩序和公平。

6 結束語

智能無人集群技術是指由多個不同類型的無人平臺組成的系統，它們通過信息交互和任務協同，實現一定目標的過程。智能無人集群技術作為群體智能領域的重要研究方向之一，在國防、社會、經濟等多個領域具有廣闊的應用前景，同時也將推動群體智能理論與技術的不斷創新和發展。研究者既要注重探索群體智能的基礎理論方法，又要著力研究智能無人集群技術的核心技術，更要加強自主研發各種形態的智能無人集群系統，開展典型領域應用，為國家進步和社會發展服務。

參考文獻：

[1] 李鵬舉，毛鵬軍，耿乾，等.無人機集群技術現狀與趨勢[J]. 電子科技大學學報，2020，49（5）：801-808.

[2] 賈永楠，田似營，李擎.無人機集群研究進展綜述[J].航空學報，2020，41（S1）：723738.

[3] 周軍，福子.美國海軍研究局演示低成本無人機蜂群概念[J].飛航導彈，2015（5）：1.

[4] 李德棟，曹建.對美國“忠誠僚機” 的思考及對策建議[J].國防科技，2020，41（4）：19-22.

[5] 張宇.英國軍方啟動“黑暗天空”計劃，以應對太空戰爭威脅[N].新浪軍事，2021-02-08..

[6] 楊帆，王鵬飛.法國軍隊發展網絡戰力的四大方向：網絡安全保障、網絡攻擊與防御作戰、網絡心理戰[J].飛行力學，2020（4）：10-17.

[7] 智能無人集群系統發展白皮書[J].中國電子技術標準化研究院， 2021.

[8] 邱志明，孟祥堯，馬焱，等.海上無人系統發展及關鍵技術研究[J].中國工程科學，2023，25（3）：74-83.

[9] 劉志剛，高峰，李曉東，等.無人車集群作戰技術現狀與發展研究[J].國防科技，2020，41（5）： 1-8.

[10] 國網新疆電力有限公司.國網新疆電力開展“春季抗災保電”專項行動[N].新華網， 2021-04-01.

[11] 京東物流.京東物流首次實現自動駕駛汽車與自動配送車“雙劍合璧”[N].新華網，2021-10-22.

[12] 韓冷，何雄奎，王昌陵，等.智慧果園構建關鍵技術裝備及展望[J].智慧農業（中英文），2022，4（3）：1-11.

[13] 李瑾，趙春江，馮獻，等.基于文獻計量學的智慧麥田研究進展與熱點分析[J].農業工程學報，2022，38（1）： 1-10.

[14] QAMAR S，KHAN S H，ARSHAD M A，et al.Autonomous drone swarm navigation and multi-target tracking in 3D environments with dynamic obstacles[EB/OL].2022：arXiv：2202.06253.https：//arxiv.org/abs/2202.06253.pdf

[15] SAEED R A，OMRI M，ABDEL-KHALEK S，et al.Optimal path planning for drones based on swarm intelligence algorithm[J].Neural Computing and Applications，2022，34（12）：10133-10155.

[16] LIU B，WANG S L，LI Q H，et al.Task assignment of UAV swarms based on deep reinforcement learning[J].Drones，2023，7（5）：297.

[17] CHITI F，PICCHI R，PIERUCCI L.Metropolitan quantum-drone networking and computing：a software-defined perspective[J].IEEE Access，2022，10：126062-126073.

[18] YOO T，LEE S M，YOO K，et al.Reinforcement learning based topology control for UAV networks[J].Sensors，2023，23（2）：921.

[19] CHEN X，TANG J，LAO S Y.Review of unmanned aerial vehicle swarm communication architectures and routing protocols[J].Applied Sciences，2020，10（10）：3661.

[20] SERPIVA V，KARMANOVA E，FEDOSEEV A，et al.SwarmPaint：human-swarm interaction for trajectory generation and formation control by DNN-based gesture interface[C]//2021 International Conference on Unmanned Aircraft Systems （ICUAS）.Athens，Greece.IEEE，2021：1055-1062.

[21] STANTON B，JENSEN T.Trust and Artificial Intelligence， NIST Interagency/Internal Report （NISTIR）， National Institute of Standards and Technology， Gaithersburg， MD， [online]， https：//tsapps.nist.gov/publication/get_pdf.cfm？pub_id=931087 （Accessed October 31， 2023）.2021.

【通聯編輯：梁書】