葛金鵬

學術研究

多無人平臺協(xié)同應用的計算架構研究

葛金鵬

（廣州海格通信集團股份有限公司，廣東 廣州 510663）

隨著傳感器、人工智能、云計算、機器人等技術的發(fā)展和進步，多無人平臺協(xié)同應用成為陸上無人系統(tǒng)發(fā)展的主要趨勢。該文對多無人平臺協(xié)同應用的計算架構進行了研究。首先，分析了多無人平臺協(xié)同應用存在的計算問題，提出云邊協(xié)同的思路；然后，基于云邊協(xié)同技術的發(fā)展現(xiàn)狀，結合多無人平臺的智能化發(fā)展對計算能力的需求，初步設計多無人平臺協(xié)同應用的計算架構；最后，在實驗平臺上搭建驗證環(huán)境，實驗結果表明該文提出的計算架構具有較強的實用性。

多無人平臺；協(xié)同應用；陸上無人系統(tǒng)；計算架構；云邊協(xié)同

0 引言

近年來，隨著傳感器、人工智能、云計算、機器人等技術的發(fā)展和進步，各軍事強國都在加快推進軍事裝備轉型升級。同時，“多域戰(zhàn)”“全域戰(zhàn)”“馬賽克作戰(zhàn)”“算法中心戰(zhàn)”等新作戰(zhàn)概念的不斷提出，也進一步推動了軍事裝備的轉型升級。在新作戰(zhàn)概念中，以無人車、無人機、機器人等為代表的異構或同構多無人平臺協(xié)同應用是陸上無人系統(tǒng)發(fā)展的一個主要趨勢。

多無人平臺協(xié)同應用的效果主要取決于陸上無人系統(tǒng)的自主能力，更高的自主能力可以縮短OODA（觀察（observation）、判斷（orientation）、決策（decision）、行動（action））環(huán)路，相對于敵方能夠更快地獲取戰(zhàn)場情報，迅速地做出決策和行動，進而先敵制勝。陸上無人系統(tǒng)的自主能力表現(xiàn)為多無人平臺的行駛自主能力、任務自主能力、協(xié)同自主能力3個方面。這些自主能力都依賴于對大量數(shù)據(jù)的處理、分析和判斷，從而使多無人平臺具有類似人類的認知能力。以深度學習為代表的人工智能技術為多無人平臺將客觀繁雜的物理數(shù)據(jù)轉化為類人認知提供了途徑，但需要以充足的數(shù)據(jù)和強大的算力為基礎。

由于異構多無人平臺在作戰(zhàn)場景、作戰(zhàn)能力和成本等方面都存在差異和約束，使其搭載的傳感器系統(tǒng)、計算控制系統(tǒng)的任務載荷也有較大的差異性且能力有限。特別是微小型多無人平臺局限于計算和感知范圍的不足，只能對周圍環(huán)境進行有限感知。在缺少充足感知數(shù)據(jù)的情況下，即便是較大型的多無人平臺也難以全面獲取戰(zhàn)場態(tài)勢。因此，在未來強對抗環(huán)境下，針對多無人平臺協(xié)同應用的自主能力提升需求，有必要研究一種合適的計算架構，既能利用多平臺的多維度感知數(shù)據(jù)信息，又能利用大型無人平臺或體系中有人平臺的強大計算資源。

近年來，快速發(fā)展的云計算、云邊協(xié)同等技術為計算架構設計提供了有效的解決思路。在戰(zhàn)場環(huán)境下，基于戰(zhàn)術網(wǎng)絡設施，在作戰(zhàn)單元內(nèi)構建一個局部戰(zhàn)術云、異構多無人平臺，將感知獲取的數(shù)據(jù)上傳到云端進行計算，再通過云端獲取需要的結果，不僅解決了微小型多無人平臺算力不足的問題，還通過云端的信息融合處理和分發(fā)，擴大了單一無人平臺的感知范圍。

1 云邊協(xié)同發(fā)展現(xiàn)狀

云計算擅長對全局性、非實時、長周期的大數(shù)據(jù)進行處理與分析，可在長周期維護、業(yè)務決策支撐等領域發(fā)揮優(yōu)勢。邊緣計算更適用于對局部性、實時、短周期的數(shù)據(jù)進行處理與分析，能更好地支撐本地業(yè)務的實時智能化決策與執(zhí)行[1]。因此，云計算與邊緣計算具有互補協(xié)同的關系，通過云邊協(xié)同可以更好地滿足需求場景的匹配，從而擴大云計算和邊緣計算的應用價值。

在民用領域，華為技術有限公司在2018全聯(lián)接大會（HC2018）上發(fā)布的智能邊緣平臺（intelligent edge fabric, IEF）明確地提出了邊緣與云協(xié)同的一體化服務概念[2]。IEF滿足了客戶對邊緣計算資源的遠程管控、數(shù)據(jù)處理、分析決策等智能化的需求，其模型如圖1所示。

圖1 IEF模型

2019年，中國信息通信研究院依托云計算開源產(chǎn)業(yè)聯(lián)盟，聯(lián)合業(yè)界專家，編寫了《云計算與邊緣計算協(xié)同九大應用場景》白皮書[3]，對云邊協(xié)同典型的應用場景進行了梳理和展示。2021年，中國信息通信研究院依托云邊協(xié)同產(chǎn)業(yè)方陣和云計算開源產(chǎn)業(yè)聯(lián)盟，聯(lián)合產(chǎn)業(yè)多方專家，撰寫了《云邊協(xié)同關鍵技術態(tài)勢研究報告》[4]，旨在梳理云邊協(xié)同關鍵技術點的發(fā)展態(tài)勢。

在軍用領域，美國空軍于2013年率先將“云概念”引入作戰(zhàn)領域，并于2016年正式發(fā)布了“作戰(zhàn)云”的概念[5]。作戰(zhàn)云被定義為用于戰(zhàn)場內(nèi)進行數(shù)據(jù)分發(fā)和信息共享的總體網(wǎng)絡，每個授權用戶、平臺或節(jié)點能透明地貢獻和接收重要信息，并且能夠在整個軍事行動范疇中利用它[5]。根據(jù)其設想，在未來的多域作戰(zhàn)中，從海、陸、空、天、電等多領域終端節(jié)點獲取的數(shù)據(jù)，都會匯總到作戰(zhàn)云上，再利用人工智能技術進行控制計算，并將計算結果下發(fā)到戰(zhàn)場的邊緣計算節(jié)點，指導前線人員進行決策并采取行動。

2017年，隨著多域作戰(zhàn)、全域作戰(zhàn)概念的發(fā)展，針對各軍種“煙囪式”云基礎設施難以管理的問題，美國國防部重新統(tǒng)一部署云計算的IaaS基礎設施—聯(lián)合企業(yè)防御基礎設施（joint enterprise defense infrastructure, JEDI）[6]。為應對戰(zhàn)爭網(wǎng)絡帶寬受限和干擾的情況，JEDI不僅包括位于中央的作戰(zhàn)云系統(tǒng)，還包括位于作戰(zhàn)現(xiàn)場的邊緣服務器。

2 多無人平臺計算能力需求

多無人平臺智能化的基礎是利用各種計算設備對傳感器采集的數(shù)據(jù)、友鄰獲取的數(shù)據(jù)、本地存儲的數(shù)據(jù)進行有效處理。以深度學習為代表的智能化數(shù)據(jù)處理方法，提升了數(shù)據(jù)的利用效果，但對計算硬件的能力要求也急劇提高。具體來說，計算硬件的能力要求主要取決于多無人平臺的智能化水平需求、執(zhí)行任務的能力和計算方法等。本文從平臺、功能、技術3個維度對多無人平臺協(xié)同應用的計算能力需求進行簡要分析，為后續(xù)多無人平臺協(xié)同應用的計算架構設計提供依據(jù)。

2.1 平臺維度的計算需求分析

多無人平臺根據(jù)行走機構的不同可分為無人車、無人機、機器人等種類，也可以根據(jù)噸位分為重型、中型、輕型、小型、微型等類型。各種多無人平臺雖然結構、形態(tài)、能力各異，但從智能化的角度來看，其需求基本是一致的，都需要在沒有人員介入的情況下，知道自身當前的位置信息、目的地的位置信息和如何到達目的地。多無人平臺智能化的計算需求主要包括定位、環(huán)境感知和行動規(guī)劃等3個方面。

對于軍用裝備來說，定位技術需要重點解決衛(wèi)星拒止條件下的定位問題。目前主要的解決方法是通過地圖匹配、即時定位與地圖構建（simultaneous localization and mapping, SLAM）等技術進行自主定位。該方法的核心是對激光雷達、相機等傳感器獲取的點云、視覺信息進行融合處理。激光點云、視覺信息是環(huán)境感知的主要數(shù)據(jù)源。但在軍用領域，環(huán)境感知的重點是目標和可行駛區(qū)域的識別、障礙檢測等。行動規(guī)劃主要包括全局地圖的路徑規(guī)劃和周邊環(huán)境信息的局部行為規(guī)劃。一般情況下，全局路徑規(guī)劃可以在遠程有人控制端或平臺出發(fā)前進行預規(guī)劃，在任務過程中根據(jù)態(tài)勢變化再進行動態(tài)調(diào)整；局部行為規(guī)劃需要多無人平臺根據(jù)周圍環(huán)境信息進行實時調(diào)整。

2.2 功能維度的計算需求分析

多無人平臺根據(jù)能力和配置的不同，可以執(zhí)行偵察、打擊、引導、運輸、排爆等戰(zhàn)場任務。從計算需求的角度來看，這些任務需要較高的算力主要體現(xiàn)在2個方面：1）面對復雜的戰(zhàn)場環(huán)境以及各種偽裝技術，目標檢測、識別和跟蹤需要融合多種偵察數(shù)據(jù)進行分析處理；2）多無人平臺根據(jù)實時態(tài)勢和自身裝備狀況，準確、迅速地進行自主決策是一個非常復雜的過程，尤其在多無人平臺協(xié)同應用時，決策的失誤或延遲可能會導致嚴重的后果。

2.3 技術維度的計算需求分析

人工智能技術是多無人平臺智能化的核心技術，其3個核心要素是算法、算力和數(shù)據(jù)。其中，算力是影響算法執(zhí)行速度的關鍵因素；數(shù)據(jù)是影響算法應用準確性的關鍵因素。反過來說，在同樣的能力要求和運行環(huán)境下，算法在一定程度上決定了計算能力的需求。本文對多無人平臺環(huán)境感知的典型目標檢測算法的計算能力需求進行簡單分析，為計算架構的設計提供數(shù)據(jù)支撐。

表1 目標檢測識別算力對比

由表1可知，即使采用相對輕量化的Efficient- Net-B3網(wǎng)絡，推理計算量也達到了11 BFLOPs，訓練計算量達到了36.4 BFLOPs，這對終端算力提出了較高的要求。

表2 語義分割模型算力對比

由表2可知，模型訓練計算量遠遠大于推理計算量，這使模型的終端訓練變得非常困難。

3 多無人平臺協(xié)同應用的計算架構設計

多平臺協(xié)同或集群作戰(zhàn)是近年來無人作戰(zhàn)領域的研究熱點，但總體上還處于起步階段，尚未有成熟的裝備。目前，多無人平臺信息處理方式主要有2種：1）分布式計算方式，依靠節(jié)點自身設備進行計算和決策，基于一致性控制算法進行分布式協(xié)同作戰(zhàn)，包括領航-跟隨、避障等[7-8]；2）集中式計算方式，利用1個中心節(jié)點進行集中規(guī)劃和控制，各節(jié)點按規(guī)劃路徑行動。分布式計算方式的優(yōu)點是實時性高，各節(jié)點能夠快速感知周圍環(huán)境，做出響應；缺點是沒有統(tǒng)一的處理中心，數(shù)據(jù)綜合處理需要較大的通信帶寬，且決策過程較為復雜，對多無人平臺有較高的計算能力需求。集中式計算方式的優(yōu)點是決策過程相對簡單，對多無人平臺的計算能力要求較低；缺點是自主能力較弱，面對突發(fā)狀況，多無人平臺難以快速反應，各節(jié)點必須在距離中心節(jié)點有限的范圍內(nèi)行動。集中式計算方式因中心易暴露、反應速度慢，且在集群的環(huán)境感知需求提升時，對通信帶寬的占用會更高，所以業(yè)內(nèi)研究相對較少。本文在分析以上2種主要方式的基礎上，結合云邊協(xié)同的思路，從方式綜合的角度，考慮多無人平臺協(xié)同應用的計算架構設計。

3.1 架構考慮因素

根據(jù)平臺智能與任務智能的計算需求，多無人平臺協(xié)同應用的計算架構的設計思路主要從信息特征、信息傳輸能力和信息處理能力3個方面進行考慮。

3.1.1 信息特征

信息特征主要是指時效性信息和非時效性信息、全局信息和局部信息、持續(xù)性信息和突發(fā)性信息等。不同的信息類型對處理時延、支撐信息的需求不一樣，如行進過程中的障礙信息、接敵過程中的威脅信息等需要實時認知，進而快速決策，處理時延必須盡量短；而作戰(zhàn)過程中的任務重分配、路徑重規(guī)劃、情報綜合等，需要結合全局態(tài)勢進行綜合評估，可以接受較長的處理時延。

3.1.2 信息傳輸能力

信息傳輸能力主要是指通信網(wǎng)絡性能。戰(zhàn)術通信網(wǎng)絡需要綜合考慮傳輸帶寬、傳輸時延、抗干擾能力、安全保密等方面的需求。目前，陸上無人系統(tǒng)的無線通信網(wǎng)絡帶寬一般在20 Mb/s以內(nèi)[9]，用于環(huán)境感知的視頻信息、激光點云等單個傳感器的數(shù)據(jù)一般都在2 Mb/s以上。在同一通信網(wǎng)絡內(nèi)顯然無法支撐大規(guī)模多無人平臺環(huán)境感知數(shù)據(jù)的傳輸，同時處理時延也難以被接受。

3.1.3 信息處理能力

信息處理能力主要是指計算設備的算力、能耗等約束條件。陸上無人系統(tǒng)形態(tài)、能力各異，同時又有裝備防護能力和價值方面的約束，配置的計算設備和感知設備具有較大的差異。架構設計需要考慮異構多無人平臺協(xié)同應用時信息處理能力的差異，且具有互操作性，以保證異構多無人平臺的高效協(xié)同。

3.2 總體設計思路

多無人平臺協(xié)同應用的計算架構為分布式架構，如圖2所示。

圖2 多無人平臺協(xié)同應用的計算架構

多無人平臺協(xié)同應用的計算架構具有可擴展性、可用性和安全性，其核心是以靈活、不耦合的方式實現(xiàn)新功能，并適應異構多無人平臺能力的變化。該架構由邊緣計算節(jié)點和云計算節(jié)點組成。其中，邊緣計算節(jié)點是指末端執(zhí)行實際作戰(zhàn)任務的多無人平臺節(jié)點，還包括部分承擔云計算任務的節(jié)點；云計算節(jié)點主要是指部署較強計算能力的有人平臺和無人平臺節(jié)點。

邊緣計算節(jié)點主要包括數(shù)據(jù)計算/分析模塊、決策控制模塊、行動控制模塊、接入適配層等。數(shù)據(jù)計算/分析模塊基于節(jié)點自身的傳感器配置和計算能力，實現(xiàn)本節(jié)點感知數(shù)據(jù)的計算分析，形成本節(jié)點的環(huán)境認知。決策控制模塊根據(jù)計算分析的環(huán)境和目標結果，快速進行避障、任務調(diào)整等動作，并將本節(jié)點處理后的特征數(shù)據(jù)或難以判斷的信息發(fā)送給云計算節(jié)點作進一步分析。行動控制模塊實現(xiàn)多無人平臺的機構控制。接入適配層實現(xiàn)互操作協(xié)議，按需訂閱云節(jié)點信息和發(fā)送數(shù)據(jù)到云節(jié)點。對于不具備自主分析計算能力的邊緣節(jié)點，也可以基于適配接口，直接將數(shù)據(jù)發(fā)送給云計算節(jié)點進行分析計算。

云計算節(jié)點主要包括異構平臺適配層、數(shù)據(jù)計算/分析模塊、異構平臺管理模塊、數(shù)據(jù)庫抽象層模塊、中間件、可視化呈現(xiàn)服務模塊、感知/探測服務模塊、任務相關服務模塊等。異構平臺適配層實現(xiàn)云計算節(jié)點與異構多無人平臺的多樣化數(shù)據(jù)類型和信息的交互。數(shù)據(jù)計算/分析模塊有2方面的計算能力需求：一是陸上無人系統(tǒng)多源、多域數(shù)據(jù)的融合計算；二是邊緣節(jié)點的輔助計算，因此需要具備資源虛擬化和并行計算的能力。異構平臺管理模塊需要在統(tǒng)一的架構下實現(xiàn)對異構多無人平臺的各種特定管理能力。中間件允許使用發(fā)布-訂閱機制進行不同子模塊和服務之間的交互和信息交換，該組件能夠解耦各模塊和服務的所有信息交互。感知/探測服務、可視化呈現(xiàn)服務等模塊可根據(jù)陸上無人系統(tǒng)的任務需求在統(tǒng)一的架構內(nèi)進行擴展設計。

在本文的架構中，云計算、邊緣計算更多的是中心和端的概念，并沒有嚴格按照民用領域的云計算技術架構論述，實際實現(xiàn)時也不需要實現(xiàn)云計算的全部技術?；谶@種思路，可將計算架構進一步擴充。因為多無人平臺上各種傳感器設備本身就具備一定的計算分析能力，所以傳感器和車載計算控制器之間也存在中心與端的概念，形成邊緣的“云”架構，稱為“車云”。多無人平臺協(xié)同應用的計算架構可以擴展為“（傳感器）邊緣節(jié)點-車云-局域云”的3層架構，如圖3所示，也可以根據(jù)其規(guī)模進一步擴展，這種架構將為互操作性協(xié)議設計帶來更大的挑戰(zhàn)。

圖3 多無人平臺協(xié)同多層云邊架構示意圖

4 實驗驗證

為了驗證多無人平臺協(xié)同應用的計算架構的可行性，在實驗室搭建了1臺服務器+3個邊緣節(jié)點的驗證環(huán)境，加載運行協(xié)同計算軟件，配置如表3所示。

表3 驗證環(huán)境配置

3個邊緣節(jié)點分別輸入模擬視頻，運行基于YOLOv4框架的目標檢測識別軟件。云節(jié)點通過局域網(wǎng)絡與邊緣節(jié)點互聯(lián)，接收邊緣節(jié)點協(xié)同計算請求。手動控制各邊緣節(jié)點的計算策略（本地計算或協(xié)同計算），記錄網(wǎng)絡流量和檢測頻率，如表4所示。

表4 實驗數(shù)據(jù)記錄

由表4實驗結果可知：邊緣節(jié)點本地計算時，目標檢測更新頻率小于7 Hz；云節(jié)點計算時，單路視頻檢測頻率達到30 Hz以上，3路視頻同時檢測時，檢測頻率約為15 Hz，可見該架構在提升邊緣節(jié)點感知效率和反應時間的同時，還可以通過增加融合模型，進一步提升多節(jié)點協(xié)同效率。

需要指出的是，實驗采用的網(wǎng)絡環(huán)境為室內(nèi)有線網(wǎng)絡，可為協(xié)同信息提供充足的傳輸帶寬，而無線網(wǎng)絡環(huán)境一般難以達到同等條件。因此，在實際應用時，需要根據(jù)實際網(wǎng)絡條件進行前端預處理、彈性信息交互，以降低協(xié)同計算的傳輸帶寬需求，提高魯棒性。

5 結語

本文對多無人平臺協(xié)同應用的計算架構進行了設計分析，戰(zhàn)場環(huán)境下的云邊計算架構相對民用領域有著更為復雜的對抗環(huán)境和現(xiàn)實物理設施限制。實現(xiàn)可靠、可用的多無人系統(tǒng)戰(zhàn)術云邊協(xié)同計算架構，還需要突破多方面的關鍵技術，包括低時延、高帶寬的自組織通信網(wǎng)絡技術、適用于戰(zhàn)場對抗環(huán)境的動態(tài)云基礎設施技術、異構無人平臺協(xié)同互操作技術、多域多源信息的統(tǒng)一表征技術以及更加輕量化的云服務技術等。

[1] 李斌.基于邊云協(xié)同技術的高速鐵路“工電供”綜合運維一體化管理平臺研究與探索[J].電信科學,2019,35(S2):77-83.

[2] 邊緣計算與云計算協(xié)同白皮書（2018年）[R/OL].邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）、工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）聯(lián)合發(fā)布, (2018-11-20)[2022-12-01]http://www.ecconsortium.net/Lists/ show/id/335.html

[3] 中國信息通信研究院、云計算開源產(chǎn)業(yè)聯(lián)盟.《云計算與邊緣計算協(xié)同九大應用場景（2019年）》白皮書[R/OL]. (2018-07-28)[2022-12-01].https://max.book118.com/html/2019/0712/6242055200002044.shtm.

[4] 中國信息通信研究院、云邊協(xié)同產(chǎn)業(yè)方陣、云計算開源產(chǎn)業(yè)聯(lián)盟.云邊協(xié)同關鍵技術態(tài)勢研究報告[R/OL]. (2021-07-28)[2022-12-01].http://www.ecconsortium.org/Lists/show/id/ 653.html.

[5] 廖龍文,謝豐宇,陳軍燕,等.美軍“作戰(zhàn)云”應用分析[J].軍事文摘,2020(7):55-58.

[6] 柯善學.美軍網(wǎng)絡安全(六)：備受關注的云安全[EB/OL]. (2019-9-22)[2022-12-01].https://www.secrss.com/articles/13871.

[7] KURIKI Y, NAMERIKAWA T. Consensus-based cooperative formation control with collision avoidance for a multi- UAV system[C]//American Control Conference(ACC), 2014. Portland, OR, USA: IEEE, 2014: 2077-2082.

[8] LIU X Y, SUN J, DOU L H, et al. Leader-following consensus for discrete-time multi-agent systems with parameter uncertainties based on the event-triggered strategy[J]. Journal of Systems Science and Complexity, 2017,30(1):30–45.

[9] 郭俊杰.外軍寬頻多模戰(zhàn)術無線電發(fā)展現(xiàn)狀淺析[J].移動通信,2016,40(20):70-76.

Research on Computing Architecture of Multi-unmanned Platform Collaborative Application

GE Jinpeng

(Guangzhou Haige Communications Group Incorporated Company, Guangzhou 510663, China)

With the development and progress of sensors, artificial intelligence, cloud computing, robots and other technologies, the collaborative application of multi-unmanned platform has become the main trend of the development of land unmanned system. This paper studies the computing architecture of multi-unmanned platform collaborative application. Firstly, the computing problems of multi-unmanned platform collaborative application are analyzed, and the idea of cloud edge collaboration is proposed; Then, based on the development status of cloud edge collaboration technology, combined with the demand for computing power from the intelligent development of multi-unmanned platform, a computing architecture for the collaborative application of multi-unmanned platform is preliminarily designed; Finally, a verification environment is built on the experimental platform, and the results show that the proposed computing architecture has strong practicability.

multi-unmanned platform; collaborative application; land unmanned system; computing architecture; cloud edge collaboration

TP274+.2

A

1674-2605(2022)06-0002-07

10.3969/j.issn.1674-2605.2022.06.002

葛金鵬.多無人平臺協(xié)同應用的計算架構研究[J].自動化與信息工程,2022,43(6):7-12;19.

GE Jinpeng.Research on computing architecture of multi-unmanned platform collaborative application[J]. Automation & Information Engineering, 2022,43(6):7-12;19.

葛金鵬，男，1980年生，碩士，工程師，主要研究方向：無人系統(tǒng)、無線通信、信息技術等領域。E-mail: jpeng_ge@163.com