无人飞行器 (UAV) 的发展经历了显着的转变，从其专属军事领域转变为民用领域的新兴存在。这一转变是由技术进步推动的，使无人机比以往任何时候都更易于使用和多功能。
这一领域的一个有前途的概念是利用无人机蜂群，其中涉及多个自主代理协作以实现共同目标。在本文中，我们深入研究了无人机蜂群不断扩大的作用，探讨了它们的潜在应用、控制挑战以及将人类操作员集成到群管理过程中的前景。
背景
无人飞行器在军事领域的扩散重新定义了侦察和监视，降低了人员面临的风险。与此同时，民用领域的无人飞行器应用激增，预计市场将大幅增长，从 2021 年的 139 亿美元增长到 2026 年的 407 亿美元。无人飞行器兴趣的空前增长加速了技术进步，实现了多样化和创新的无人机配置。
无人飞行器（UAV）或无人机（drone）是配备各种传感器、目标指示器、攻击性弹药和通信设备的自主或远程控制的军用飞机。其独特的设计无需人类机组人员和生命支持系统的负担，赋予无人机优越的航程、续航力和效率。一般来说，UAV通常被称为“drone”，其中“UAV”主要用于军事环境。
目前大多数无人机系统，无论是军用还是民用领域，都是由人类直接控制的单架无人机组成。这种设置允许操作员对无人机的操作拥有完全的控制权，这在许多应用中都是必需的。然而，它也带来了需要持续人类监督的挑战，这种现象通俗地称为“保姆”。现代控制系统具有不同程度的自主性，可帮助操作员完成运动过程中的悬停和稳定等任务。
军方已广泛采用无人机，采用单一无人机系统进行情报收集，同时最大限度地降低人员风险。值得注意的是，在亚美尼亚-阿塞拜疆冲突期间，无人机在增强阿塞拜疆的战略优势方面发挥了关键作用。人工智能和机器人技术的最新进展促进了无人机系统自动化程度的提高，使其更加高效和多功能。
除了提高自动化程度之外，将无人机构建为蜂群还具有显着的优势。无人机蜂群的概念已经讨论了二十多年，最近于 2021 年夏季在以色列国防军的人工智能驱动的无人机蜂群中首次得到实际应用。
无人机蜂群具有稳健性、灵活性和可扩展性。即使单个代理丢失，它们也能保持功能，从而表现出稳健性，并且效率损失最小。它们的灵活性源于对不同场景的适应性，包括大面积的覆盖和划分为子群以并行任务执行。
此外，群体同质性使智能体能够根据需要切换目标，并且通过线性复杂性控制算法实现可扩展性，避免了随着群体规模增长而出现资源瓶颈。
然而，随着系统变得越来越复杂，例如无人机蜂群，单人操作员控制变得越来越具有挑战性。平衡高水平自动化与操作员控制成为一个中心问题。操作员希望在受益于自动化的同时获得一定程度的控制。
这种困境在开发旋翼机飞行员副驾驶舱信息管理器时表现得很明显，其中保持操作员控制是首要任务。操作员必须负责任务分配和信息呈现。平衡自动化和操作员控制仍然是复杂系统中的一个关键挑战。
为了应对这一挑战，无人机蜂群系统可分为三个组成部分：操作员、无人机和集群。这些组件形成层级和并行关系，具体取决于任务的背景。在层级结构中，操作员负责监督高层控制，了解任务的总体目标和战术执行。操作员发挥监督作用，有效利用人类的认知能力。
集群由系统中的所有无人机组成，定义为一组五个或更多独立的、自组织的、同质的无人机，它们在分散的控制架构下通过本地交互执行任务。代理的确切数量并不重要，只要单个操作员无法在无人协助的情况下控制它们即可。该系统应容纳任意数量的无人机。
无人机代表负责单个智能体功能的物理硬件和软件。无人机管理飞行校正、传感器调整、障碍物检测和电池寿命管理等任务。本文重点介绍配备通用传感器的小型通用无人机，包括摄像头、陀螺仪以及短距离和长距离通信设备。
本文强调了无人机和集群技术在军事领域日益增长的重要性。无人机在军事和民用领域的广泛使用与自主无人机蜂群在军事行动中的有限使用形成鲜明对比。
尽管该领域已经进行了广泛的研究，但自主无人机蜂群部署的实例却很少。 FOI 预测了无人机和集群在未来战争中的战略意义，并寻求扩展其在该领域的知识。
无人机蜂群的前景和潜力
无人机蜂群已成为无人机生态系统中引人注目的范例，提供了一系列好处和潜在应用。无人机蜂群的独特特征和优势使其在从军事侦察到民用应用等各个领域都具有诱人的前景。
- 增强的稳健性
无人机蜂群的突出特点之一是其固有的鲁棒性。与单一无人机系统不同的是，无人机的故障可能会扰乱整个操作，而即使失去一名或多名特工，集群仍能继续发挥作用。这一属性使它们在高风险场景（例如军事侦察任务）中具有至关重要的优势。
无人机蜂群的弹性使它们能够在逆境中保持效率和有效性。他们可以适应意外的挑战，例如设备故障、环境危害或敌对性干扰。这种弹性与自组织和重新分配任务的能力相结合，使无人机蜂群能够在充满挑战的环境下保持任务的完整性。
- 无与伦比的灵活性
灵活性是无人机蜂群的另一项重要资产，使它们能够根据不同情况定制方法。单个无人机系统通常难以应对快速变化的场景或同时覆盖多个区域。相比之下，集群可以调整其组成和分布来满足动态任务要求。
无人机蜂群可以表现出多方面的灵活性，包括：
-
任务覆盖范围：集群可以有效地覆盖更大的区域，使其非常适合跨越广泛地理区域的侦察任务。这种能力在军事行动中特别有价值，因为它减少了部署多个单一无人机系统的需要。
-
并行任务执行：蜂群可以分为子群，允许在不同位置并行执行任务。这种并行性提高了任务效率并减少了收集关键情报所需的时间。
-
目标切换：群体智能体的同质性使它们能够无缝地切换目标。如果一个智能体失去能力或检测到更关键的目标，群体可以通过在其成员之间重新分配任务来适应。
-
可扩展性和效率
可扩展性是无人机蜂群的基本优势，因为它们可以根据任务要求扩大或缩小规模。集群的可扩展性是通过保持线性复杂性的控制算法来实现的，确保资源需求不会随着集群中无人机的数量不成比例地增加。
这种可扩展性对于军事和民用应用都至关重要。在军事环境中，可以部署更多数量的集群以增强侦察能力或压倒敌人的防御。在民用领域，可扩展性允许无人机蜂群在农业、环境监测和灾难响应等各个行业中高效部署。
无人机蜂群的效率还延伸到其协作性质。群体中的代理可以共享数据和见解，从而提高整体任务绩效。这种集体智慧可以带来更明智的决策并提高任务成功的可能性。
- 平衡自动化和操作员控制的挑战
随着无人机系统复杂性的增加，平衡自动化与操作员控制的挑战变得显而易见。虽然高水平的自动化可以减少操作员的工作量，但它们也会给系统带来不可预测性。操作员更愿意保留一定程度的控制权，以确保任务成功并适应不可预见的情况。
对旋翼机飞行员副驾驶舱信息管理器的驾驶舱设计的研究强调了操作员保持对任务分配和信息呈现的控制的愿望。操作员在任务规划、战略和决策中发挥着关键作用，需要人机协同来优化操作员的能力和自动化。
关键问题是如何使操作员能够保持对高度自动化的复杂系统的控制。应对这一挑战需要采取整体方法，考虑人类操作员和自主系统的独特优势。在无人机蜂群的背景下，这一挑战变得更加紧迫，因为单个操作员必须管理群内的多智能体。
- 将人类操作员集成到无人机蜂群控制中
为了解决将人类操作员集成到无人机蜂群控制中的挑战，必须创建一个框架，利用操作员的认知和战术能力，同时适应自动化的优势。该框架应确保操作员能够有效地监督和指导蜂群，即使自动化在任务执行中发挥着重要作用。
- 操作员的角色
在无人机蜂群控制的层次结构中，操作员承担着高层控制和监督的角色。操作员对任务的总体目标和战术执行有着深入的了解。他们类似于任务主管，确保集群与任务目标保持一致，并根据需要适应不断变化的环境。
- 蜂群自主
蜂群的自主性是有效无人机集群控制的关键组成部分。群体在去中心化控制架构下的自组织、协作和适应本地交互的能力使其能够高效且有弹性地执行任务。群体自主性使其能够响应动态任务条件，例如环境变化或意外障碍。
- 行为树：一种创新方法
控制无人机蜂群的一种有前途的方法是利用行为树。行为树是定义自主代理决策过程的分层结构。它们提供了一种系统且直观的方法来管理群体内代理的行为，为操作员提供群体如何运作的高级描述。
- 测试行为树控件
为了追求有效的无人机蜂群控制，行为树需要通过模拟进行严格的测试和评估。通过创建三个模拟，研究人员可以评估行为树方法的优点和缺点。该评估是理解行为树作为管理无人机蜂群的方法的可行性的关键一步。
- 未来的可能性
无人机蜂群控制的未来拥有令人兴奋的可能性。随着技术的不断发展，先进的人工智能和机器学习算法的集成将增强无人机蜂群的能力。这些进步将进一步减轻操作员的工作量并提高群体行为的可预测性。
人机交互将在简化操作员与无人机蜂群的交互方面发挥关键作用。先进的用户界面结合了增强现实、机器学习和自然语言处理，将使操作员能够与集群无缝交互、发出命令并监控任务进度。
在民用领域，无人机蜂群的潜在应用是多种多样的。从精准农业到灾难响应和环境监测，群体为复杂的挑战提供了具有成本效益的解决方案。无人机蜂群技术将继续扩大和完善其在军事和民用领域的作用，使其成为进一步探索的引人注目的领域。
挑战和影响
- 人机协同
群体机器人技术是一个新兴领域，其灵感来自于自然界中观察到的集体行为，例如群居昆虫和鸟群。在这种背景下，人类操作员和自主机器人群之间的交互提出了一个令人着迷的研究领域，称为“人机协同”。
这一概念认识到人类在编排和与机器人群协作中的重要作用，旨在解决一系列重大挑战。本文深入研究了北约任务组 HFM-247 在人机协同框架下确定的关键挑战。
- 人与机沟通
有效的人机协同的基石是人类和智能机器之间的无缝通信。这种通信界面应该是直观的，使操作员能够利用他们的创造性认知能力，同时确保自主系统能够理解所提供的输入并采取行动。
操作员需要传达状态更新、将新信息引入系统并提出注意事项。此外，考虑到主体背景、知识和经验的多样性，通用语言、本体论或符号逻辑应该促进主体之间的信息共享。
- 任务分配和动态职能分配
角色和责任的明确性对于人类和自主代理都至关重要。系统应该保持对当前正在执行的功能和需要注意的功能的了解。一个特别具有挑战性的方面是功能的动态分配。这涉及到考虑操作员当前的工作量、团队成员的能力以及相关任务的分配，以确保整个团队的绩效得到优化。
- 协同决策
人机协同中有效的团队决策是多方面的。决策必须根据其是否适合自主代理、团队决策或人工操作员干预进行分类。建立错误检查策略至关重要，它允许人类和自主代理监视彼此的决策过程并在必要时提出问题。
- 有效协同训练
人机协同的心理挑战涉及如何训练团队以利用人类和自主代理的互补优势。有两种情况需要考虑：自主代理旨在学习的团队和非自主代理设计的团队。
学习和适应的有效团队表现出三个特征。其中包括以学习为优先设计的团队、由个人领导的团队，提出挑战以激励学习，以及在促进沟通和创新的环境中的团队。
- 人类与自主系统之间的信任
信任是人机协同的关键因素。在低估或高估自主系统的能力之间取得适当的平衡可能具有挑战性。缺乏信任可能导致废弃，而错误的信任可能导致滥用。虽然这一挑战倾向于心理方面的考虑，但解决人机协同的成功整合至关重要。
- 评估指标
最后，需要一个全面、客观的有效性指标来评估不同人机协同实例的质量。该指标将为比较和改进各种方法提供基础，并确保人机协同发挥最佳表现。
相关内容
微信扫码咨询专知VIP会员