《基于智能自适应混合控制实现自主性：采用自适应协作/控制技术的智能跨域多无人系统规划器》107页干货

战术决策和任务管理的敏捷性是异构无人系统（UxV）团队成功驾驭 “战争迷雾 ”的关键属性，而 “战争迷雾 ”本身就具有复杂性、模糊性和时间挑战性。这种敏捷性要求操作员与自动驾驶员之间有效的团队合作，包括实现可信赖的协作，以及团队任务分担和决策优势所需的灵活、高级别的任务分配。一个三军团队开展了由美国国防部研究与工程助理部长（ASD/R&E）赞助的研究，重点研究 “采用自适应协作/控制技术的智能多 UxV 规划系统”（IMPACT）的实例化，该系统结合了灵活的任务分配要求、双向人机交互、先进的合作控制算法、智能体推理和自主技术，使单个操作员能够有效指挥和控制（C2）多 UxV 合作任务（图 1）。在智能辅助下，IMPACT 操作员能够对总共 12 辆 UxV（4 辆空中、4 辆地面和 4 辆海面无人系统）进行任务分配和管理，以应对在模拟进行中的基地周边防御任务中出现的若干突发事件。本执行摘要简要介绍了 IMPACT 系统的主要特点，而本报告的其余部分则详细描述了与本项目相关的所有研究内容。

图 1：IMPACT 控制站原型

操作员与自动驾驶系统的交互界面

IMPACT 的显示屏和控制装置（图 2）采用受视频游戏启发而设计的图形图标，以简洁、综合的方式呈现信息，便于检索多个系统的状态/目标/进度，并支持直接感知和操作原则。多模式控制（语音、触摸和鼠标）增强了 “剧本”委托架构，实现了控制状态之间的无缝转换（从手动到完全自主）。通过这种可适应的自动化方案，操作员保留了权力和决策责任，有助于避免 “自动化意外”。通过支持一系列互动，灵活的操作员-自动驾驶团队合作在应对动态任务环境时实现了灵活性。在一个极端，操作员可以手动控制 UxV 的移动，或从头开始构建游戏，指定详细参数。在另一个极端，操作员只需指定游戏类型和位置，智能体就能确定所有其他参数，从而快速为一个或多个 UxV 分配任务。例如，当 IMPACT 操作员呼叫执行任务以实现对建筑物的空中监视时，智能体会推荐使用的 UxV（基于预计在途时间（ETE）、燃料使用、环境条件等），合作控制算法会提供到达建筑物的最短路线（考虑到禁飞区等），自主框架会监控执行任务的持续状态（例如，如果 UxV 无法按时到达建筑物，就会发出警报）。IMPACT 的任务调用界面还便于操作员与智能体就任务细节进行交流，以优化任务参数（如目标大小和当前能见度），并支持操作员/自主系统态势共享（如显示与智能体生成的多个任务参数相关的行动方案的权衡）。游戏进度通过矩阵显示进行描述，反映了自主监控情况，而表格界面则有助于游戏管理（例如，跨游戏的资产分配）。有关所有游戏相关界面的更多详情，请参阅《Calhoun, Ruff, Behymer, & Mersch, 2017》。

图 2：IMPACT 操作员-自主界面

生成行动方案的智能体框架

IMPACT 通过使用认知增强复杂事件处理（CECEP）框架开发的智能体提供 UxV 分配、任务分配和管理功能。该功能允许操作员传达所需的任务分配的高级细节，如位置或优化标准（如时间、燃料）。作为回应，智能体向操作员提供一套根据低级任务细节制定的行动方案（COA）。预计这种方法可以减轻操作员的工作量，让自主系统专注于低层次细节，同时让操作员关注高层次的任务异议。

CECEP 是一个复杂事件处理框架，具有扩展的程序知识和领域知识。使用程序知识的智能体是通过一种称为行为模型的离散有限状态机来开发的，这种行为模型包括状态和状态之间的转换，而状态和状态之间的转换是由模式来保护的。使用一种名为 Esper 的模式语言，可在运行时将操作员和 UxV 行为的复杂模式与转换状态相匹配。行为模型用于产生行为（例如，操作员或 UxV 游戏执行的反馈）。使用领域知识的智能体是通过认知领域本体（CDO）开发的。CDO 是一种有根的树状结构，其特征通过关系连接起来。CDO 可以使用人工智能的约束满足过程进行处理，以产生配置、可能的世界或 COA。在 IMPACT 中，CDO 的开发是为了捕捉 UxV 动作调用的领域，并生成分配给车辆的 COA。

UxAS 路由算法

目前的无人飞行器地面控制站提供的自主水平相对较低，例如，自动指挥指定的飞行器按照人类操作员生成的航点序列行驶。为了提高无人飞行器的自主水平，无人系统自主服务（UxAS）软件架构为无人驾驶空中、地面和地面飞行器提供灵活、自适应的自动路径规划、传感器转向和飞行器间协调。UxAS 由一系列模块化服务组成，这些服务通过通用的消息传递架构进行交互，因此可以轻松添加新服务。目前，UxAS 提供约 50 项服务，可自动进行飞行器路线规划和传感器转向、协调合作飞行器之间的行为、连接外部软件和硬件设备、验证任务请求、记录和绘制信息流图，以及根据所需总时长或飞行距离优化飞行顺序。

更具体地说，UxAS 提供的服务可自动生成航点和传感器转向指令，用于点、线和区域的搜索和监视，并有许多可调整的参数。UxAS 还能根据车辆类型在不同区域间生成路线，例如，地面车辆只能在道路上行驶。除了规划静态路线的服务外，UxAS 还提供可在线自适应更新路线和传感器转向指令的服务，包括为合作车辆团队提供服务。一般来说，UxAS 服务在规划车辆路线时会考虑到各种因素，如法规规定的 “禁飞区”、道路和地形等物理边界以及最小转弯半径等车辆运动学限制。在 IMPACT 中，智能体会向 UxAS 查询执行任务所需的路线成本，并利用这些信息帮助确定分配哪些车辆。然后，适当的 UxAS 服务通过执行路由、传感器转向、车辆间协调和动作执行过程中的在线适应来执行动作。

自适应和任务管理

自主管理方法可对复杂系统进行管理，使其能够根据系统需求或性能下降情况进行自我调整。卡内基梅隆大学（CMU）开发的 Rainbow 自适应框架就是这样一种自适应方法。Rainbow 可以管理在该框架内的网络模型中被描述为网络的系统。在 IMPACT 中，由人类和自主助理组成的控制团队被建模为一个服务器网络，这些服务器从任务队列中执行任务。自动驾驶框架中固有的是探针、仪表和策略。探针从底层系统读取数据，量规汇总数据，策略则操纵网络以提高性能。

任务管理器的功能包括根据事件信息自动生成任务。通过读取事件信息（如聊天信息），任务管理器可生成任务并解析出必要的信息，以帮助完成任务。任务引导人机界面（HMI）通过调用 IMPACT 中的适当工具并预先填充事件数据，帮助用户完成任务（例如，调用战术）。任务可导向能够完成某些任务的自主助手，并为操作员提供队列管理工具。

融合与分布式架构和服务

Fusion 是一个软件框架，可通过灵活、适应性强的自动化实现自然的人机交互。它采用分布式服务导向架构，由多个不同的系统组成，通过协商的通信协议在表象上统一，并通过一个共同的通信枢纽在物理上统一。该架构的分散性使得记录、监控和替换组件对其他组件的影响降到最低。因此，几个不同的系统可以通过一个发布/订阅中心间接地相互影响，从而为用户提供更优质的服务。所有连接部件都通过一个通用的消息协议进行通信，以发送和接收信息。为 IMPACT 开发的连接服务包括不同领域知识源之间的智能体推理、自主监控服务、操作员智能辅助工具、合作规划器，以及通过仪器化、目标导向的操作员界面进行的高级模拟。分布式架构和可扩展的软件框架使该系统能够扩展用于其他人机自动化研究。

Fusion 体系结构包括各应用领域通用的核心（可定制）方面，以及支持 IMPACT 项目的功能。Fusion 测试台还能显示场景环境，呈现提示 UxV 管理任务的任务事件，为操作员提供一个工作空间，让他们自主完成任务，并记录任务的性能指标。其他专门针对 IMPACT 的组件为调用和修改剧本、查看智能体生成的候选 COA 以及展示自主服务监控剧本进度的结果提供了接口。

操作员-自动驾驶团队中的“操作员在环内”评估

高保真人机环路模拟评估用于将 IMPACT 原型与基准系统进行比较，基准系统代表了工作开始时的最新技术水平。基线系统包括 IMPACT 功能的一个子集，如路线规划器和相关界面。但是，基线系统缺乏智能体协助、计划监控和语音控制。实验设计采用 2（基线、IMPACT）×2（低、高任务复杂性）的参与者内部设计，条件顺序由系统决定（一半参与者首先使用 IMPACT，另一半使用基线），并在任务复杂性方面进行平衡。通过改变任务的数量和时间来操纵任务的复杂性。八名参与者（均熟悉基地防御和/或无人飞行器操作）每人执行了四次 60 分钟的基地防御任务。参与者完成了与防御任务相关的各种任务，其中涉及 12 辆模拟无人潜航器。与基线系统相比，IMPACT 系统在多个任务性能指标上的表现更好。与基线系统相比，使用 IMPACT 系统，参与者能够以更少的控制输入执行任务。使用系统可用性量表（SUS；Brooke，1996 年）对每个系统的整体可用性进行了评估。在所有十个 SUS 项目上，参与者对 IMPACT 的评分均高于基线，而且 IMPACT 的 SUS 总分明显高于基线。在对未来 UxV 操作的感知价值以及帮助减轻工作量的能力方面，参与者对 IMPACT 的主观评价也明显高于基线。事实上，每位参与者都给 IMPACT 的潜在价值打了最高分，而且除一人外，所有参与者都给 IMPACT 帮助减轻工作量的能力打了最高分。

成果和前进方向

IMPACT 项目在许多对自主相关能力非常重要的领域产生了重要的知识（参见附录 A，其中列出了该项目产生的许多出版物）。该项目不仅推动了组件技术开发、模型开发和一般设计理解/指导方面的进步，而且还从将关键的自主相关技术集成到单一的多 UxV 控制站应用中学习到了许多知识。IMPACT 还建立了一个强大的国防部（DoD）“虚拟实验室”，用于继续开展人类-自主团队研究。这是 “自主研究试验计划”（ARPI）进程的一个关键目标。目前在空军研究实验室（AFRL）、太空和海战系统司令部（SPAWAR）以及陆军研究实验室（ARL）都有一个三站系统（C2、传感器操作员（SO）和测试操作员控制台（TOC）），可用于有机的广谱人机协作（HAT）评估。通过 IMPACT 系统的多次互动演示，成功地向国防部高级领导层传达了未来人类自主系统的新愿景。这一愿景清楚地表明，人类将继续在与日益自主的技术互动中扮演重要角色，并根据情况在主管、队友或手动控制器之间进行动态灵活转换。最后，IMPACT 技术以多种方式进行扩展/过渡。其他 ARPI 项目利用 IMPACT 技术推进其目标，而新的国防部项目（包括联合能力技术演示 (JCTD) 支持工作和国防高级研究计划局 (DARPA) 计划）和一些行业承包商目前在自主技术开发工作中利用 IMPACT。此外，IMPACT 已成为 TTCP 自主性战略挑战中的核心 C2 自主性部分，该挑战是一项为期 3 年的 5 国合作项目，旨在整合和评估在混合的实战/虚拟多 UxV 沿岸环境中具有前景的盟军自主性能力。

IMPACT 项目能够更深入地探索影响灵活有效的人机协作的关键问题。尽管 IMPACT 评估在与操作员-自动驾驶员团队合作相关的几个方面展示了价值，但也发现了一些不足和认识上的差距，改进工作正在进行中。其中包括与实现双向交流和管理时间限制的新方法、更自然的对话和草图互动以及考虑决策任务中的信息不确定性有关的研究。此外，还在研究分散式重新规划能力、实时操作员功能状态评估和替代团队结构对整个人类-自动驾驶团队合作的影响。这些后续工作的成果将为这一领域提供更丰富的理解。