智能无人集群技术发展综述

闫娇娇

摘要：智能无人集群系统是由多个无人系统协同完成复杂任务的整体系统，主要通过利用物联网、大数据、人工智能等新技术提高智能化水平和鲁棒性。智能无人集群系统在农业、制造业、交通、教育、医疗、军事、金融等多个领域具有广阔的应用前景，但也面临着任务复杂度提升、产品质量和成本竞争等挑战。文章分析了智能无人集群系统应用中的环境感知与认识、多机协同任务规划与决策、信息交互与自主控制、人机智能融合与自适应学习的关键技术手段，总结了当前智能无人集群系统具有的优势以及特点，最后对智能无人集群技术的未来发展提出了展望，为智能无人集群技术发展提供参考。

关键词：智能无人集群系统；环境感知；多机协同；自主控制

中图分类号：TP311     文献标识码：A

文章编号：1009-3044（2023）36-0030-04

开放科学（资源服务）标识码（OSID）

0 引言

無人系统是指利用人工智能、物联网、大数据等技术，实现无人机、无人车、无人艇等装备的自主协同作业的系统。无人系统的出现最初是为了满足军事领域的需求，例如提高作战效率和效果，降低人员伤亡和设备损失，适应复杂和危险的作战环境等。随着科学技术的发展和社会经济的进步，无人系统的出现也开始为工业、农业、交通、教育、医疗等民用领域的很多难题提供了创新的解决方案，例如提高生产效率和安全性，降低成本和资源消耗，解决环境污染和能源危机等问题。

无人系统以单一平台的作业形式最先投入实际应用中。随着需求升级，单无人系统只能执行单一或简单的任务，如侦察、监视、运输等。无人系统受制于自身的性能和环境的限制，难以应对复杂和多变的任务场景的短板逐渐暴露。为解决单无人系统的局限性问题，在法国生物学家Pierre Paul Grass 1959年提出的“群集行为”思想[1]的启发下，智能无人集群技术应势而生。智能无人机群是由若干个同构或者异构的单无人系统组成的更高层次的系统。各系统之间根据任务分工，通过必要的系统继承，产生集群协同效应，在一定时间、空间内合作完成复杂任务。智能无人集群具备执行复杂多变、危险任务的能力，可以最大限度地发挥无人系统的优势，同时提高了集群系统的载荷和信息感知处理能力。

1 智能无人集群技术的发展背景

智能无人集群技术的发展背景可以追溯到无人系统和人工智能领域的进步。物联网、大数据、人工智能等新一代信息技术的快速发展，为智能无人集群技术提供了强大的支撑和推动。物联网技术可以实现无人装备之间的高速高效通信，大数据技术可以实现海量数据的快速分析和处理，人工智能技术可以实现无人装备的自主感知和决策。同时，智能无人集群技术成为现代战争的重要组成部分，在军事作战任务执行、战场感知、通信与网络、风险削减以及训练和模拟等方面都起到了尤为关键的作用。算法和技术的快速进步也为智能无人集群技术提供了重要支持，智能无人集群技术可以提供更强大的信息获取和处理能力，更灵活的作战方式和手段，更安全的作战环境和保障。智能无人集群技术不仅会推动现有军事科技的升级与进步，还将带动民用科技的智慧性发展。各类产业对于提高生产效率和安全性，降低成本和资源消耗，解决环境污染和能源危机等问题有着迫切的需求。智能无人集群技术可以在农业、制造业、交通、教育、医疗等多个领域提供创新的解决方案，促进创造巨大的社会价值和经济效益。

2 国内外发展现状

2.1 国外发展现状

智能无人集群技术目前相关研究尚处于初级阶段。目前，国外无人技术的发展及应用研究多聚焦于军事应用，美国在智能无人集群系统领域处于领先地位。美国军方开展了多个智能无人集群系统的研究和试验项目。美国海军研究局（ONR）于2015年推出了“低成本无人机技术蜂群”项目，旨在开发能够从大型运输机或轰炸机发射并自主编队的小型无人机，以提高空中作战的灵活性和有效性。该项目于2016年4月完成了30架无人机连续发射并编组飞行的试验[2]。美国空军研究实验室（AFRL）于2015年发起了“空中作战忠诚僚机”项目，旨在将第四代战机进行无人驾驶技术改装，并将其与第五代隐身战机配对，使第五代战机（长机）的驾驶员可以对无人机（僚机）进行控制，从而让双方的作战能力都有所加强，寻求有人-无人机编队作战的能力[3]。该项目于2020年12月完成了首次有人-无人协同飞行试验[4]。

欧洲国家在智能无人集群技术的研究和应用方面也取得了一定进展。英国军方于2021年2月启动了“黑暗天空”项目，旨在研制能够与有人战斗机协同作战的无人战斗机集群，计划在2023年进行首次飞行试验[5]。而法国军方于2020年7月启动了“新一代空中武器”项目，研制能够自主编队和执行任务的无人飞艇集群，并且计划在2014年进行首次飞行试验[6]。亚洲国家也在积极开展智能无人集群技术的研究工作。其中，日本和韩国在工业、交通等民用领域开展了大量关于智能无人集群技术的应用研究[7]。

2.2 国内发展现状

在军事领域方面，中国军方在无人机、无人船、无人车等多个平台上开展了智能无人集群技术的研究和试验，展示了高效、灵活、安全的作战能力。2018年11月，中国海军在南海进行了多型号水面无人艇集群演练，验证了水面无人艇集群的自主编队、协同探测、协同攻击等能力[8]。2019年10月，中国陆军在西北某训练场进行了多型号无人车集群演练，验证了无人车集群的自主巡逻、自主避障、自主打击等能力[9]。

在工业领域方面，中国利用智能无人集群系统提高生产效率和安全性方面取得了显著成果，涉及桥梁检测、管道巡检、电力巡线、物流配送等多个场景。2021年4月，国网利用无人机集群对新疆电网进行了巡线和抗灾保电，提高了巡线效率和可靠性[10]。同年10月，京东利用自动驾驶汽车和自动配送车实现了智能物流配送，提高了配送效率和满意度[11]。

在农业領域方面，中国利用智能无人集群系统提高农业生产效率和质量方面取得了突出进展，涉及农作物监测、施肥喷洒、收割运输等多个环节。2020年11月，山东省启动了“智慧果园”项目，利用水陆两栖无人机集群对苹果园进行监测和管理，提高了苹果产量和品质[12]。2021年5月，河南省启动了“智慧麦田”项目，利用无人车集群对小麦进行收割和运输，提高了小麦产量和品质[13]。

3智能无人集群关键技术

智能无人集群技术不是某项单一技术，而是无人控制、群体智能、人工智能、无线移动网络等多种相关技术的综合运用。智能无人集群关键技术主要包括：环境感知与认识、多机协同任务规划与决策、信息交互与自主控制、人机智能融合与自适应学习技术等。图1中模拟了智能无人集群技术在森林火场救援场景中的应用实现。

3.1 环境感知与认识

环境感知与认识是指智能无人集群技术中的无人装备能够根据自身的传感器和其他无人装备的通信信息，可以实时获取和理解周围环境的状态和变化，以便于进行任务规划和决策。环境感知与认识涉及目标检测、目标识别、目标跟踪、障碍物避让、地图构建等多个方面。环境感知与认知技术的发展主要依赖于图像处理、数据挖掘、机器学习等相关技术的进步。2022年，Suleman Qamar等人提出了一种使用深度强化学习进行集群导航的自主方法[14]，该方法模拟了具有静态和动态障碍物以及阻力（如线性阻力、角阻力和重力）的复杂3D环境，以跟踪多个动态目标；Saeed， R.A.等人提出了一种基于粒子群优化机制的无人机路径规划方法[15]，通过使用3D路径规划来形成无人机，并通过使用混沌基础逻辑图来初始化粒子分布。

3.2多机协同任务规划与决策

多机协同任务规划与决策是指智能无人集群技术中的无人装备能够根据自身的能力、资源以及其他无人装备的信息，自主地制定和执行合理的任务计划，以实现集群任务的要求。多机协同任务规划与决策涉及任务分配、路径规划、编队控制、协同控制等多个方面。多机协同任务规划与决策技术的发展主要依赖于优化算法、博弈论、分布式控制等相关技术的进步。Bo Liu等人2013年提出的完全分布式的鲁棒控制方案是该技术最新的应用研究成果[16]，主要利用最小虚拟领导者信息解决了无人机集群的鲁棒编队飞行问题。

3.3 信息交互与自主控制

信息交互与自主控制是指智能无人集群技术中的无人装备能够通过有线或无线方式与其他无人装备或地面站进行信息交换，以实现集群任务的协调和指挥。信息交互与自主控制涉及通信协议、通信拓扑、通信质量、通信安全等多个方面。信息交互与自主控制技术的发展主要依赖于物联网、移动通信、卫星通信等相关技术的进步。F. Chiti. 等人提出了一种使用软件定义网络（SDN）的无人机集群通信协议，设计SDN架构用于支持高性能的城域量子无人机网络（MQDNs），通过无人机集群在两个地面站（GSs）之间创建纠缠[17]。Taehoon Yoo. 等人提出了一种基于深度强化学习的无人机网络拓扑控制方法，分析了无人机集群内部的相对位置，然后从干扰和能耗的角度优化它们之间的连通性，并最终通过选择每个无人机的邻居并在它们之间映射数据流来重塑无人机网络的逻辑结构[18]。Xi Chen等人在以上学者的研究基础上，详细介绍了四种通信架构以及其优点和缺点，还对路由协议进行了系统性的概述和可行性研究，提出了如何通过构建多条通信路径来实现无人机集群之间或无人机集群与中央控制中心之间的信息交换，从而提高无人机集群通信质量[19]。

3.4 人机智能融合与自适应学习

人机智能融合与自适应学习是指智能无人集群技术中的无人装备能够与人类操作员或指挥员进行有效的交互和协作，以实现集群任务的优化和调整。人机智能融合与自适应学习涉及人机界面、人机协同、人机信任、人机学习等多个方面。人机智能融合与自适应学习技术的发展主要依赖于人工智能、虚拟现实、情感计算、强化学习等相关技术的进步。Valerii Serpiva. 等人2023年提出了一种名为SwarmPaint的人群交互系统，该系统允许用户通过直接手部运动或通过基于DNN手势识别的手势界面控制群体位置和编队[20]。Brian Stanton. 等人则讨论了人工智能（AI）系统对用户信任的独特挑战。他们认为AI用户必须因其复杂性和不可预测性而信任AI，这改变了用户和系统之间的动态关系，同时验证了用户对AI的信任将是实现并发挥这种新技术优势的同时最小化其风险所必需的[21]。

4智能无人集群技术特点及优势

通过分析智能无人集群技术的研究现状和关键技术，智能无人集群技术相比于传统的无人技术，其特点及优势如下：

1）高效：智能无人集群技术可以在复杂的环境中执行多种任务，如侦察、监视、打击、救援等，提高了作战效率和效果。同时，可以与有人系统协同作战，形成更强大的作战力量。

2）灵活：智能无人集群技术可以根据任务需求和环境变化，自主地调整自身的运动状态和协同方式，实现更灵活的作战方式和手段。在面临部分成员或功能失效时可以通过内部信息交互控制实现敏捷重组，应对部分无人装备的损失和故障。

3）安全：智能无人集群技术可以在高风险的区域或任务中代替有人系统，避免或减少人员伤亡和设备损失，保障了作战安全和人员生命。未来发展中，会考虑提高设备的自保能力，利用自动控制系统，迅速采取自我防御措施，摆脱敌方打击。

4）节约：智能无人集群技术相比有人系统，一般具有更低的研制成本、运行成本和维护成本，节省了资源和资金，提高了作战经济性。随着技术的成熟，集群的庞大，可以利用数量优势，使敌方在防御中耗费大量的物力和财力。

5）创新：智能无人集群技术可以在农业、制造业、交通、教育、医疗等多个领域提供创新的解决方案，解决环境污染和能源危机等问题，创造巨大的社会价值和经济效益。

综上所述，这些特点及优势可以使智能无人集群技术在各种应用场景中具备更大的潜力和优势，为未来的智能无人集群技术发展带来了新的机遇。

5 智能无人集群技术未来展望

智能无人集群技术是一种利用人工智能、物联网、大数据等技术，实现无人机、无人车、无人船等装备的自主协同作业的技术，在其高效、灵活、安全、节约、创新等特点和优势的驱动下，可以应用于军事、工业、农业、交通、救援等多个领域，将是新一代信息技术的重要应用方向。智能无人集群技术在其应用领域尚未完全实现自主化与智能化，对智能无人机群技术的未来展望主要有以下4点：

1）更高的自主性和智能性：随着人工智能技术的不断发展和进步，智能无人集群技术将能够实现更高的自主性和智能性，通过自主感知、决策、控制和学习，适应复杂和动态的环境和任务，实现更优化的任务执行和更灵活的任务调整。

2）更广泛的应用领域和场景：随着物联网技术的不断发展和普及，智能无人集群技术将能够在更广泛的应用领域和场景中发挥作用，如教育、医疗、娱乐、旅游等，为人类生活提供更多的便利和乐趣。

3）更深入的人机融合和协作：随着虚拟现实技术的不断发展和完善，智能无人集群技术将能够与人类操作员或指挥员进行更深入的人机融合和协作，通过高效的人机界面、高度的人机信任、高质量的人机学习，实现更优化的任务分配和更高效的任务协调。

4）更严格的技术规范和标准：随着智能无人集群技术的不断发展和应用，也将面临更多的技术问题和社会问题，如技术质量和安全、技术责任和伦理、技术秩序和公平等。因此，需要制定更严格的技术规范和标准，规范技术行为和责任，防止技术失误和滥用，维护技术秩序和公平。

6 结束语

智能无人集群技术是指由多个不同类型的无人平台组成的系统，它们通过信息交互和任务协同，实现一定目标的过程。智能无人集群技术作为群体智能领域的重要研究方向之一，在国防、社会、经济等多个领域具有广阔的应用前景，同时也将推动群体智能理论与技术的不断创新和发展。研究者既要注重探索群体智能的基础理论方法，又要着力研究智能无人集群技术的核心技术，更要加强自主研发各种形态的智能无人集群系统，开展典型领域应用，为国家进步和社会发展服务。

参考文献：

[1] 李鹏举，毛鹏军，耿乾，等.无人机集群技术现状与趋势[J]. 电子科技大学学报，2020，49（5）：801-808.

[2] 贾永楠，田似营，李擎.无人机集群研究进展综述[J].航空学报，2020，41（S1）：723738.

[3] 周军，福子.美国海军研究局演示低成本无人机蜂群概念[J].飞航导弹，2015（5）：1.

[4] 李德栋，曹建.对美国“忠诚僚机” 的思考及对策建议[J].国防科技，2020，41（4）：19-22.

[5] 張宇.英国军方启动“黑暗天空”计划，以应对太空战争威胁[N].新浪军事，2021-02-08..

[6] 杨帆，王鹏飞.法国军队发展网络战力的四大方向：网络安全保障、网络攻击与防御作战、网络心理战[J].飞行力学，2020（4）：10-17.

[7] 智能无人集群系统发展白皮书[J].中国电子技术标准化研究院， 2021.

[8] 邱志明，孟祥尧，马焱，等.海上无人系统发展及关键技术研究[J].中国工程科学，2023，25（3）：74-83.

[9] 刘志刚，高峰，李晓东，等.无人车集群作战技术现状与发展研究[J].国防科技，2020，41（5）： 1-8.

[10] 国网新疆电力有限公司.国网新疆电力开展“春季抗灾保电”专项行动[N].新华网， 2021-04-01.

[11] 京东物流.京东物流首次实现自动驾驶汽车与自动配送车“双剑合璧”[N].新华网，2021-10-22.

[12] 韩冷，何雄奎，王昌陵，等.智慧果园构建关键技术装备及展望[J].智慧农业（中英文），2022，4（3）：1-11.

[13] 李瑾，赵春江，冯献，等.基于文献计量学的智慧麦田研究进展与热点分析[J].农业工程学报，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.

【通联编辑：梁书】