2023无人系统群体智能及其研究进展.docx

《2023无人系统群体智能及其研究进展.docx》由会员分享，可在线阅读，更多相关《2023无人系统群体智能及其研究进展.docx（23页珍藏版）》请在第一文库网上搜索。

1、2023无人系统群体智能及其研究进展摘要群体智能是人工智能的重要发展方向之一。无人系统群体智能作为人工群体智能的主要形态之一，在许多军用和民用领域都具有广阔且重要的应用前景，同时在基础理论方法、核心技术与系统构建等方面也面临诸多研究挑战。本文在在阐述群体智能的基本概念并对其进行合理分类基础上，分析无人群体智能的自组织、自适应、自学习和自涌现特征，从仿生群体智能机理和典型无人群体智能系统实例两方面论述当前无人系统群体智能研究现状，并从仿生机理、驱动模式、研发方式和系统实践四方面全面地总结无人系统群体智能研究特点。在此基础上，从理论方法、核心技术与系统构建三方面循序渐进、系统地梳理和凝练无人系统群

2、体智能及其系统需要持续深化的主要研究方向，期望对相关研究者有所借鉴。1 .引言群体智能研究起源于对蚁群、蜂群等简单社会性生物群体行为的观察与模拟。该概念自20世纪80年代一经提出，便引起了各相关领域研窕人员的高度关注。近年来，人们在模拟、延伸和扩展简单社会性生物群体智能的同时，也有研究者从人类社会的群体智能等其它视角探索着集体的伟大力量。经过在不同应用领域的不断拓广，使得群体智能有了更丰富的内涵与外延。鉴于生物和人类群体智能所体现的集群优势和广泛的应用前景，2017年7月，在国务院发布的新一代人工智能发展规划中明确指出“群体智能”是人工智能领域的一个新的研究方向。随后，由科技部启动的科技创新2

3、030“新一代人工智能”重大项目指南中，将“群体智能”列为人工智能领域的五大持续攻关方向之一。2023年1月，由中国科学院印发的人工智能发展白皮书中，又将“群体智能技术”列为人工智能领域的八大关键技术之一。无人系统群体智能作为群体智能的一种重要形态，伴随着无人系统集群化、智能化得以快速发展。为持续开展相关研究，需要在总结已有无人系统群体智能相关研究基础上，进一步梳理无人系统群体智能的理论方法、核心技术以及系统构建问题，以推进我国此类群体智能研究及其系统研发，服务我国新一代人工智能发展目标。23 .群体智能的基本概念与分类群体智能(SWarmInte11igenCe)概念最早于1989年由Ben

4、i和Wang在研究细胞机器人的自组织现象提出，用以刻画群居性生物通过协作而涌现出的集体智能行为，以及受自然界中群体协作行为启发来解决问题或构建人工集群系统的方法。一般认为，群体智能是指由一定规模的个体通过相互协作在整个群体系统宏观层面表现出来的一种分散、去中心化的自组织行为。尽管群体智能系统中个体的智能都极其有限，但却能够通过相互协作与分工，整体涌现出高度的集体智能，以完成复杂任务，并为各种复杂问题的求解提供新的思路。历经30余年研究与发展，群体智能研究由最初的蚁群优化算法、粒子群优化算法等群体优化算法开始发展到集群机器人、自重构机器人、无人集群等分布式群体智能系统，再由基于互联网的群体智能理

5、论、系统与应用发展到人机物融合的群体智能计算，概括而言，目前主要形成以下三种形态。(1)互联网群体智能互联网群体智能，是指在广泛深度交互的互联网组织结构下，规模化人群为了特定目标在线共同作用，从宏观上产生超越个体智能局限性的智能状态，使群体具有完成复杂任务的能力。在互联网新技术和大数据技术高速发展背景下，人工智能2.0中的“群体智能”则更多体现的是基于互联网的群体智能涌现。基于群体化编辑的维基百科、基于群体化开发的开源软件、基于众问众答的知识共享、基于众智众享的APP商店等为此类群体智能的实例展现。互联网群体智能理论与方法是人工智能2.0的核心研究领域之一，为人工智能在其他领域的研究起着基础性

6、和支撑性作用。通过特定的组织结构和大数据驱动的人工智能系统吸引、汇聚和管理大规模参与者，以竞争和合作等多种自主协同方式共同应对挑战性任务，将会成为互联网科技创新生态系统的智力内核。(2)无人系统群体智能无人系统群体智能是指由众多相对自主、人工研发的无人自主运动体通过相互协作与分工涌现出复杂智能行为的特性。无人机集群、无人艇集群、无人坦克集群和工业智能机器人集群等是其目前阶段的典型实例，多颗不同能力的卫星也可组成卫星集群的群体智能，跨域异构无人集群进一步呈现出更为复杂的无人系统群体智能形态。这些无人集群以低成本、分散化形式满足复杂任务功能需求，并针对复杂环境自主协同规划、多域协同合作以及动态自适

7、应调整，可涌现出单个无人自主运动体难以实现的智能水平。无人系统群体智能不仅在协同侦察、联合作战、战场评估等军事领域，而且在区域物流、城市安防、抢险救援等民用领域具有广阔应用前景。(3)人机物融合群体智能人机物融合群体智能是通过人、机、物异构群智能体的有机融合，利用其感知能力的差异性、计算资源的互补性、节点间的协作性和竞争性，构建具有自组织、自学习、自适应、持续演化等能力的智能感知计算空间，实现智能体个体技能和群体认知能力的提升。其中，人，主要体现为社会空间广大普通用户及其所携带的移动或可穿戴设备，“物”主要体现为信息空间丰富的互联网应用及云端和边缘服务，“物”则主要体现为具有感知、计算、通信、

8、决策和移动等能力的物理实体。在万物智联驱动下、人机物融合己是21世纪上半叶信息技术的发展趋势，使得人机物融合群体智能成为面向未来的新型智能形态。处于发展之中的智慈城市、智能制造、智能战场是人机物融合群体智能的典型实例。本文从关键要素、实现方式和典型应用三方面对三种群体智能形态进行了综合比较，具体如表1所示。尽管三类群体智能形态不同，在关键要素的组成、实现方式和应用方面均存在一些明显差异，但其本质内涵一致，即通过多个个体间的相互通信与协作具备单个个体无法完成的任务能力。表1三种形态的群体智能比较主要形态关睡要素实现方式典型应用互联网群体智能人髀、互连网络特定人群通过互连冏络在线协作.激发个体智能

9、.汇聚酢体智能众包、开源软件开发、堆的百科无人系施群体智傩无人集辞.冏络多个无人系统间通过无线网络相互协作，汇IK1t体智旋,完成里杂任务协同作故.物流配送、抢险救援等人机物融合解体料能人、机、物人、机,物舁构曾使体有机触合.傩力互补、解智涌现智能制造、智裴城市、智能故场等4 .无人集群系统随着人工智能技术的兴起，越来越多的领域尝试用人工智能技术解决无人系统领域的工作，使其具有智能性以期实现自主协同能力。目前美军武器装备逐步由大型集成装备转变为低成本小型无人装备。在阿富汗和伊拉克战役中运用了无人驾驶飞行器(UAV),是武器无人化的一个开端。尤其是2018年委内瑞拉恐怖分子用无人机在阅兵仪式上暗

10、杀总统马杜罗，这是世界上第一例无人机刺杀总统案件，预示着自主武器会是将来应用的热点。美军AIPha项目发布了2025年装备研发计划，军队内将配备一定比例的无人装备，包括纳米机器人、微型机器人、大型UAV以及其它无人装备和自动化系统。这些无人装备在任务范围内具有自治可调的自主权、或受监督的自主权、或者完全的自主权。进一步，2018年美军提出分布式集群作战样式，无人系统由“单平台遥控作战”向“智能集群作战”发展。DARPA在2003年就曾尝试组建一个由120个军事机器人组成的部队，装上蜂群智能软件，模仿昆虫的组织和行为，机器人形成蜂群结构使整个系统具有较高的智能。2023年9月，阿塞拜疆运用6架无

11、人机集群，在24小时内摧毁亚美尼亚一个坦克步兵团。无人集群作战已经到来，训练有素的无人集群具有极大杀伤力。美国陆军正在加大力度研究蜂群式UAV系统，该蜂群系统具备快速、准确执行侦察和战斗任务的能力，借鉴蜜蜂采蜜的仿生学机理来模拟蜂群式无人系统的自主决策，此技术目前国际上处于探索阶段。美军海军研究部提出自主式智能网络系统计划，构建自组织性无人集群系统。该系统是自主控制大量无人系统组成的部队，实现水中、地上、空中作战，形成跨域协作的牢不可破的互联网作战体系。从军用领域来说，我国无人机技术已进入世界领先，形成了一套无人机战斗系统，已在部分部队列装。2019年中国电子科技集团公司实现了200架无人机编

12、队飞行，并于2023年10月进行了无人机蜂群作战系统试飞。2023年9月国内一家民营企业，成功地组织了3051架无人机同时集群飞行，创下了集群控制新的世界记录。但总体来说，我军无人武器系统作战运用研究还处于自动控制阶段，无人武器基本上是依靠有人装备一对一遥控指挥，即各型无人系统通过地面站进行指挥与控制，无人平台之间协同能力不高或无法协同。考虑到无人武器系统智能化协同管控能力有限，无法适应瞬息万变的战场局势，未来战场对无人武器系统智能化控制和协同作战运用的需求日趋强烈，提升无人武器系统控制和作战管理水平，已成为未来体系作战亟待突破的瓶颈和未来无人武器系统体系作战能力形成必须解决的关键问题。民用领

13、域研究多智能体协作同样具有广泛的应用场景。例如，无人自主系统可用于环境监测，突破了地理空间的限制，对沼泽、湖泊、湿地等各种人员不便抵达或者抵达成本过高的复杂地理环境进行取样作业。股票市场上的交易机器人博弈，广告投标智能体通过在线广告交易平台互相竞争，电子商务协同过滤算法预测用户兴趣，交通多路口智能协调优化等等。当前无人集群系统最大的挑战之一是如何让无人系统内的多个自主系统学会一起完成任务，学会彼此合作和相互竞争，提高群体智能。迄今为止户外自主空中集群系统可以支持30架无人机自主协同编队和避免。采用Agent作为智能研究对象，未来的无人系统也会是“芯片+算法”的一个即插即用型智能系统。涉及的关键

14、技术领域有：多Agent系统自主协同、多Agent系统态势共识、未知系统动力学、群体智能理论与技术、机器学习方法、行为决策方法。在学术研究领域，国内外的大学和研究机构在无人集群协同技术方面开展了前沿性研究，该领域的多个关键技术取得了许多理论成果。5 .自主协同关键技术4.1.自主协同多Agent系统无人集群系统自主协同首要解决时空的一致统一、信息的一致表达和态势的一致理解等问题，从而实现任务的协同，支撑跨无人平台异构传感器要素级协同。因此，无人集群系统的难点和关键技术是多无人系统协同控制问题。文献归纳了有人/无人自主协同研究挑战，包括高动态和自组织之间的矛盾、局部感知和全局最优决策之间矛盾、智

15、能融合与稳定之间的矛盾、灵活性与安全性之间的矛盾。并提出协同在4个层面的科学问题，包括系统层面组织架构和协同模式、决策层面任务分配与行为规划、控制层面合作行为控制、安全层面自主协同安全指挥控制。无人集群系统上也面临这些关于协同的共性问题，值得深入研究。文献研究了多Agent共享目标系统，解决系统内Agent协同问题，提出了一种TM_Q-1earning的多Agent强化学习方法，结合基于观察的队友建模技术(Observation-basedTeammateMOde1ingTeChniqUe)以及传统的Q-1earning方法，通过新的协作动作选择策略，改进多Agent协同，使其效率得到了有效提

16、高。文献研究了不稳定服务质量(QUa1ityOfSerViCe)环境下，针对多Agent协同系统因Agent奖励分配不均而产生局部最优策略的问题，每个Agent在其每轮迭代中均随机改变与其交互(协同)的Agent,通过与其它具有不同奖励值的Agent反复交互学习，得到最优策略，同时探讨了不稳定通信服务对Agent奖励值产生误差的问题。文献认为在异构环境下的多Agent系统中，同一决策协议不能适用于所有Agent,结合Agent协同信念的概率分布，提出了一种异构环境下多Agent协同系统的行为学习策略，以解决一些实际社会困境(SOCiaIDi1emma),如囚徒困境等，并通过蒙特卡洛模拟实验表明，该方法可有效提高Agent的协同效果。文献研究了Agent控制方向未知情况下，高阶多Agent系统的协同控制问题。利用自适应反演技术(