李富強(qiáng)

摘? 要：圍繞人工智能和無(wú)人機(jī)自主性問(wèn)題，梳理并分析無(wú)人機(jī)在自主感知和認(rèn)知、自主規(guī)劃和控制、人機(jī)交互方面對(duì)人工智能的需求以及無(wú)人機(jī)在自主控制體系結(jié)構(gòu)技術(shù)、感知與認(rèn)知技術(shù)、規(guī)劃與控制技術(shù)、協(xié)同與交互技術(shù)等自主性發(fā)展上為人工智能應(yīng)用打下的基礎(chǔ)。以視頻大數(shù)據(jù)分析和無(wú)人機(jī)僚機(jī)為例，介紹人工智能技術(shù)在無(wú)人機(jī)感知和協(xié)同規(guī)劃等自主性提升上的應(yīng)用情況。最后，分析人工智能在無(wú)人機(jī)感知與認(rèn)知、規(guī)劃與控制、協(xié)同與交互上的應(yīng)用前景。

關(guān)鍵詞：人工智能;無(wú)人機(jī);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(wú)人機(jī)主要是指無(wú)人在機(jī)上駕駛、可自主控制或遙控的飛機(jī)武器系統(tǒng)，它可執(zhí)行對(duì)空、對(duì)地（海）作戰(zhàn)任務(wù)，并具有可回收、可重復(fù)使用的特征[1]。無(wú)人機(jī)以其在“零生命風(fēng)險(xiǎn)”、更強(qiáng)作戰(zhàn)能力以及更能適應(yīng)惡劣作戰(zhàn)環(huán)境方面的優(yōu)勢(shì)，越來(lái)越受到各國(guó)軍事作戰(zhàn)部門(mén)的關(guān)注。相較于其他航空裝備，無(wú)人機(jī)最主要的特點(diǎn)之一便是“無(wú)人”，要真正實(shí)現(xiàn)這一特點(diǎn)，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(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新科學(xué)技術(shù)，隨著近些年大數(shù)據(jù)、計(jì)算力和深度學(xué)習(xí)等方面研究的進(jìn)展，得到了高速發(fā)展。目前，美國(guó)在第三次“抵消戰(zhàn)略”中將人工智能作為核心技術(shù)，正大力推進(jìn)其向軍事領(lǐng)域的應(yīng)用。而無(wú)人機(jī)在自主性上與人工智能具有極強(qiáng)的契合性，通過(guò)人工智能的應(yīng)用可以在很大程度上提高無(wú)人機(jī)的自主性。

本文從提高無(wú)人機(jī)的自主性出發(fā)，對(duì)人工智能在提高無(wú)人機(jī)自主性上的相關(guān)應(yīng)用情況和應(yīng)用前景進(jìn)行分析。

1? 無(wú)人機(jī)與人工智能

以“自主性”為突出特點(diǎn)的無(wú)人機(jī)，其作戰(zhàn)環(huán)境相對(duì)于過(guò)去已經(jīng)發(fā)生了變化。在過(guò)去，無(wú)人機(jī)大多應(yīng)用在防空威脅不大的空域，但是隨著各國(guó)防空武器裝備的不斷升級(jí)，空域競(jìng)爭(zhēng)加劇，無(wú)人機(jī)面臨的作戰(zhàn)環(huán)境越來(lái)越惡劣。因此，就需要自主性更強(qiáng)的無(wú)人機(jī)。

1.1? 無(wú)人機(jī)對(duì)人工智能的需求

目前，按照對(duì)自主性武器系統(tǒng)的要求，無(wú)人機(jī)要能夠基于自身掌握的知識(shí)以及對(duì)自身和周?chē)鷦?dòng)態(tài)環(huán)境的認(rèn)知，獨(dú)立形成多個(gè)作戰(zhàn)方案，并選擇一種合適的作戰(zhàn)方案來(lái)完成作戰(zhàn)目標(biāo)，而且還必須要具備對(duì)非預(yù)期戰(zhàn)場(chǎng)態(tài)勢(shì)做出響應(yīng)的能力。無(wú)人機(jī)在自主性上的升級(jí)，面臨自主感知與認(rèn)知、自主規(guī)劃與控制、人機(jī)交互等方面的技術(shù)挑戰(zhàn)。

1.1.1? 自主感知與認(rèn)知

無(wú)人機(jī)要能夠在未知的復(fù)雜環(huán)境下進(jìn)行作戰(zhàn)。所謂的未知環(huán)境，是指在設(shè)計(jì)無(wú)人機(jī)時(shí)未考慮的環(huán)境。無(wú)人機(jī)在研發(fā)和測(cè)試中，使用的是靜態(tài)的、結(jié)構(gòu)化的環(huán)境，而執(zhí)行任務(wù)是在動(dòng)態(tài)的、非結(jié)構(gòu)化的環(huán)境中進(jìn)行，因此就要具備理解、響應(yīng)和適應(yīng)復(fù)雜多變環(huán)境的能力。

1.1.2? 自主規(guī)劃與控制

無(wú)人機(jī)要想在戰(zhàn)場(chǎng)生存并成功完成任務(wù)，除了需要具備在復(fù)雜多變的環(huán)境中能夠?qū)Ω鞣N威脅進(jìn)行感知、認(rèn)知、探測(cè)、確認(rèn)和分類(lèi)的能力，還要具備能夠針對(duì)這些威脅進(jìn)行后續(xù)任務(wù)規(guī)劃和行動(dòng)決策的能力。

1.1.3? 人機(jī)交互

無(wú)人機(jī)即便具有較高的自主性，但是在未來(lái)還是會(huì)在人的參與下進(jìn)行作戰(zhàn)。而無(wú)人機(jī)作戰(zhàn)效能的高低取決于特定環(huán)境下人機(jī)之間的交互。在人機(jī)交互中，如何將人確定的作戰(zhàn)目標(biāo)快速有效地傳遞給無(wú)人機(jī)，也是無(wú)人機(jī)在自主性升級(jí)上的一大挑戰(zhàn)。

1.2? 無(wú)人機(jī)應(yīng)用人工智能的基礎(chǔ)

相較于真正的自主性系統(tǒng)，當(dāng)前無(wú)人機(jī)的自主性水平距要求還有很大差距。同時(shí)，與其他軍用航空設(shè)備相比較而言，無(wú)人機(jī)由于其一直強(qiáng)調(diào)發(fā)展“自主性”，最具有應(yīng)用基礎(chǔ)。美軍在《2009—2034財(cái)年綜合無(wú)人機(jī)系統(tǒng)路線圖》中提出，計(jì)劃到2015年實(shí)現(xiàn)感知、規(guī)避能力，到2034年實(shí)現(xiàn)在線態(tài)勢(shì)感知能力[2]。

在對(duì)無(wú)人機(jī)過(guò)去的研究中，美軍就針對(duì)無(wú)人機(jī)的自主性提出了自主控制等級(jí)路線圖[3]，如圖1所示。

除了對(duì)無(wú)人機(jī)的自主控制等級(jí)進(jìn)行規(guī)劃外，也對(duì)無(wú)人機(jī)在自主性上的技術(shù)發(fā)展方向進(jìn)行了梳理，即自主控制體系結(jié)構(gòu)技術(shù)、感知與認(rèn)知技術(shù)、規(guī)劃與控制技術(shù)、協(xié)同與交互技術(shù)方向[4]。

2? 人工智能的應(yīng)用與分析

無(wú)人機(jī)的自主性發(fā)展規(guī)劃最早、最完善，在自主性提高上，對(duì)尋求人工智能技術(shù)的幫助進(jìn)行了有益的研究和探索，如無(wú)人機(jī)視頻數(shù)據(jù)分析等。

2.1? 實(shí)際應(yīng)用案例

由于無(wú)人機(jī)自身所具備的自主性特征以及對(duì)自主性升級(jí)的需求，使得人工智能能夠很好地與無(wú)人機(jī)相契合，從而為無(wú)人機(jī)應(yīng)用人工智能提供了基礎(chǔ)。目前，美國(guó)在這方面不僅進(jìn)行了有益探索，而且還對(duì)人工智能在提高無(wú)人機(jī)自主性上進(jìn)行了工程應(yīng)用。從目前的情況來(lái)看，應(yīng)用人工智能的案例主要有視頻大數(shù)據(jù)分析和無(wú)人僚機(jī)等。

2.1.1? 視頻大數(shù)據(jù)分析

目前，無(wú)人機(jī)的一大主要軍事用途就是偵察，這些無(wú)人機(jī)在偵察過(guò)程中獲得了海量的視頻數(shù)據(jù)，以美軍的無(wú)人機(jī)為例，每年無(wú)人機(jī)的飛行小時(shí)數(shù)就多達(dá)50萬(wàn)小時(shí)。要對(duì)這些數(shù)據(jù)進(jìn)行分析，需要耗費(fèi)大量的人力和時(shí)間。因此，美軍在2017年啟動(dòng)了利用人工智能對(duì)視頻大數(shù)據(jù)進(jìn)行分析的項(xiàng)目——“行家項(xiàng)目”（Project Maven）。

2.1.1.1? 應(yīng)用方向

在該項(xiàng)目中，視頻分析人員主要想通過(guò)人工智能獲得視頻數(shù)據(jù)在五個(gè)方面的應(yīng)用，即反向圖像搜索、目標(biāo)數(shù)量快速計(jì)算、目標(biāo)數(shù)量持續(xù)計(jì)算、選擇及跟蹤、事件標(biāo)注。

（1）反向圖像搜索。視頻數(shù)據(jù)分析人員看到其關(guān)注區(qū)域中出現(xiàn)的車(chē)輛后對(duì)其進(jìn)行截圖拍照，人工智能算法將所拍圖像同歷史記錄圖像進(jìn)行對(duì)比，然后給出相似車(chē)輛的相關(guān)視頻記錄。

（2）目標(biāo)數(shù)量快速計(jì)算。視頻分析人員在所關(guān)注目標(biāo)周?chē)L制邊界框圖，人工智能算法對(duì)框圖內(nèi)的所有目標(biāo)進(jìn)行分類(lèi)并計(jì)算。

（3）目標(biāo)數(shù)量持續(xù)計(jì)算。視頻分析人員在所關(guān)注目標(biāo)周?chē)L制邊界框圖，通過(guò)人工智能算法持續(xù)計(jì)算框圖中一段時(shí)間內(nèi)的目標(biāo)數(shù)量，然后由人工智能算法以圖表的形式給出一段時(shí)間內(nèi)框圖中的目標(biāo)分類(lèi)及其數(shù)量變化情況。

（4）選擇及跟蹤。視頻分析人員在視頻數(shù)據(jù)中對(duì)移動(dòng)目標(biāo)進(jìn)行標(biāo)注，然后通過(guò)制圖工具自動(dòng)在地圖上生成移動(dòng)物體的歷史移動(dòng)路徑。

（5）事件標(biāo)注。分析人員在某事件發(fā)生后，對(duì)代表性物體或目標(biāo)進(jìn)行標(biāo)注。通過(guò)這些標(biāo)注數(shù)據(jù)訓(xùn)練算法，使其在后續(xù)使用中能夠通過(guò)識(shí)別物體或目標(biāo)的方式，來(lái)識(shí)別出某事件的發(fā)生。

2.1.1.2? 開(kāi)發(fā)流程

“行家項(xiàng)目”是由美國(guó)國(guó)防部“算法戰(zhàn)跨職能小組”（AWCFT）負(fù)責(zé)。該小組在將人工智能應(yīng)用于視頻數(shù)據(jù)分析上主要分為三個(gè)步驟，即數(shù)據(jù)采集、處理與標(biāo)注，算法開(kāi)發(fā)，算法綜合。

（1）數(shù)據(jù)采集、處理與標(biāo)注。首先獲取無(wú)人機(jī)拍攝的視頻數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行人工隨機(jī)審核;然后對(duì)數(shù)據(jù)進(jìn)行標(biāo)注;最后生成經(jīng)過(guò)標(biāo)注的數(shù)據(jù)。

（2）算法開(kāi)發(fā)。在算法開(kāi)發(fā)上，綜合GPU資源、云計(jì)算、商用算法、開(kāi)源算法和數(shù)據(jù)、軍方需求，使用經(jīng)過(guò)標(biāo)注的數(shù)據(jù)進(jìn)行算法訓(xùn)練，獲得初始模型及改進(jìn)后的模型，然后再通過(guò)對(duì)算法的測(cè)試、評(píng)估來(lái)提高算法的準(zhǔn)確度。

（3）算法綜合。算法綜合就是指將訓(xùn)練后獲得的算法模型綜合到無(wú)人機(jī)上，具體涉及到算法加載、傳感器校準(zhǔn)、軟件修改、地面測(cè)試、試飛、最終綜合測(cè)試、認(rèn)證等步驟。算法綜合到無(wú)人機(jī)并投入最終的外場(chǎng)使用后，還要記錄使用過(guò)程中發(fā)現(xiàn)的錯(cuò)誤，提交錯(cuò)誤報(bào)告，進(jìn)行算法再訓(xùn)練、再綜合。

2.1.2? 無(wú)人僚機(jī)

2016年6月，由美國(guó)辛辛那提大學(xué)與美國(guó)空軍聯(lián)合研發(fā)的空戰(zhàn)人工智能系統(tǒng)阿爾法AI在模擬空戰(zhàn)中100%擊敗了美國(guó)空軍退役上校基恩·李。在該模擬空戰(zhàn)中，由阿爾法AI控制的紅方飛機(jī)擊敗了基恩·李控制的藍(lán)方飛機(jī)，展現(xiàn)了人工智能的優(yōu)勢(shì)。

阿爾法AI對(duì)于無(wú)人機(jī)來(lái)說(shuō)，可以幫助其成為無(wú)人僚機(jī)，協(xié)同有人機(jī)作戰(zhàn)。美國(guó)空軍研究實(shí)驗(yàn)室在提出“忠誠(chéng)僚機(jī)”概念后，就計(jì)劃研制一種人工智能模塊，從而實(shí)現(xiàn)無(wú)人駕駛的F-16和F-35之間的搭配。

阿爾法AI在空戰(zhàn)領(lǐng)域所體現(xiàn)出的強(qiáng)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(chuàng)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(shù)（GFTs）模型。該模型基于遺傳模糊系統(tǒng)和模糊樹(shù)，不僅通過(guò)遺傳算法來(lái)訓(xùn)練模糊系統(tǒng)中的所有規(guī)則，而且還通過(guò)構(gòu)建模糊樹(shù)來(lái)減少需要訓(xùn)練的規(guī)則數(shù)量。阿爾法AI具體用到的模型被稱作學(xué)習(xí)增強(qiáng)戰(zhàn)術(shù)處理算法（LETHA）。

2.1.2.2? 算法的優(yōu)點(diǎn)

阿爾法AI在遺傳模糊樹(shù)算法上的創(chuàng)新，使其具有三方面的優(yōu)點(diǎn)：

（1）經(jīng)過(guò)優(yōu)化，更易在低配置計(jì)算機(jī)上運(yùn)行。遺傳模糊樹(shù)算法將大型模糊邏輯問(wèn)題拆散成了許多個(gè)小型模糊邏輯問(wèn)題，同時(shí)還保留了原問(wèn)題中多輸入量之間的關(guān)系。

（2）運(yùn)算速度更快，實(shí)用性更強(qiáng)。如果讓機(jī)器在做出決策前就處理所有可用的數(shù)據(jù)，就會(huì)增加運(yùn)算量、減慢處理速度、降低系統(tǒng)實(shí)用性，阿爾法AI通過(guò)簡(jiǎn)化變量，只考慮最相關(guān)的信息，避免了這些問(wèn)題的出現(xiàn)。

（3）降低了對(duì)計(jì)算能力的需求。阿爾法AI所采用的算法是基于語(yǔ)言或“模糊邏輯”，通過(guò)if-then規(guī)則做出的，這樣就減少了決策樹(shù)的分支機(jī)構(gòu)數(shù)量，降低了對(duì)計(jì)算能力的需求。

2.2? 應(yīng)用前景分析

目前，人工智能是最有希望提高無(wú)人機(jī)自主性的技術(shù)途徑。人工智能與自主性的契合會(huì)隨著人工智能技術(shù)的不斷發(fā)展更加深入。就無(wú)人機(jī)而言，與其自主性相關(guān)的方面主要包括感知與認(rèn)知、規(guī)劃與控制、協(xié)同與交互[4]。