《集群系统的情境感知能力》223页

当前集群无人系统（UxS）高度依赖人工操作支持。平台有限的"智能"特性既制约其潜在价值又增加整体成本。亟需人工智能（AI）解决方案实现单人指挥大规模集群。受生物学启发的牧群引导机制——通过少数牧羊犬控制大群绵羊——为此提供思路。通过设计扮演牧羊犬角色的AI代理，操作员可仿效牧民指挥生物牧羊犬的方式引导集群。具备情境感知能力的AI牧羊犬代理突破现有研究对集群同质性的限制假设，支持异质集群管理，并增强人机协作效能。本研究提出本体论驱动的架构设计以增强集群控制代理的情境感知能力。该架构通过提升AI牧羊犬代理的情境认知，实现对异质化集群行为的特征提取与响应。配套方法与算法突破传统研究局限，构建了新型集群行为引导框架。研究开发了系列量化指标与方法论，用于识别集群影响力源头、区分异质代理行为特征，并设计AI算法实现行为模式识别。这些创新将推动新一代高自主性UxS构建更高效的人-集群协作系统（HSTs）。

群体代理同质性

传统牧群引导研究普遍假设集群代理具有同质性，这构成显著理论缺口[33]。现有集群控制代理设计主要基于三个同质假设：执行能力、感知能力及决策模型（包括行动决策与环境作用力向量生成）的一致性[14]。然而自然界普遍存在决策机制与能力异质的群体系统[34]，机器人学界对此关注度持续提升[35]。随着新型集群系统研究深入，生物启发式方法必须考虑能力差异化的代理。但现有文献中的控制代理普遍默认集群同质化，忽视代理机构与能力构成的差异性。本研究通过引入本体论指导分析指标选择，开发可辨识集群代理机构的信息标记（第五章详述），突破同质性假设桎梏。这些标记有助于解析代理间的社会层级结构，为认知能力增强的集群系统构建类人化组织架构奠定基础。

群体控制代理态势感知

通过有效提取与识别集群代理特征，可构建控制代理的态势感知框架。传统同质集群控制代理依赖特定情境要素（如集群质心空间分布[14]或连接性指标[36]）制定控制策略。本研究创新性开发集群标记系统，通过识别代理隐含属性推断行为模式。这些标记聚焦影响控制策略选择的关键要素：集群响应模式、影响力分布及其表现形式。通过赋予代理集群情境辨识与推理能力，控制代理可动态优化策略选择。

群体控制代理情境感知

集群情境识别能力使控制代理可实施最优响应策略。本研究突破传统系统在异质/同质集群场景下的自适应局限，集成行为调制模块实现策略参数化配置与任务导向行为规划。实验证明，该架构显著提升控制代理在异常场景下的鲁棒性。以经典牧群引导模型为例，当集群围绕目标点循环移动时，传统系统需人工介入识别，而本研究通过整合目标距离与行为历史数据至识别预测算法，实现自主异常检测与应对。该方法为未来自主系统应对对抗场景等复杂态势提供技术路径。