无人机整机
无人机配件
无人机服务
设备与工具一、引言
2012年7月，美国国防科学委员会发布了《自主性在国防部无人系统中的地位》，进一步指出自主能力是美军无人系统中的核心能力，分析了自主能力给无人机(UAV)、无人地面系统(UGS)、无人海上平台(UMV)和无人太空系统(USS)带来的作战效益。报告指出，美国当前无人系统的运用主要是在取得绝对制空权的条件下执行侦察和打击任务，需要高度重视无人系统所受到的威胁、人为干扰和网络攻击等挑战。
报告认为“世界上并不存在完全自主的无人系统，所有的自主无人系统都是人一机联合认知系统”，提出了一套从认知层次、时间轴和人一机系统权衡空间等3个视图定义的自主系统参考框架，并期望代替对无人系统自主控制等级的划分，强调自主难题的解决要更多地关注指挥官、操作员和开发人员三者的协调问题。
报告提出了提高自主能力亟待发展的技术，包括感知、规划、学习、人一机交互、自然语言理解和多智能体协调6项关键技术，指出每个研究领域的技术发展现状和目前存在的差距。其中感知技术包括导航、任务、系统健康与移动操作4类感知，主要差距是复杂战场感知与态势理解，包括突发威胁/障碍的实时检测与识别、多传感器集成与融合、有人一无人空域冲突消解，以及可靠感知和平台健康监控的证据推理能力等；规划技术的难点是在物理和计算约束和对现有计划做最小改变的条件下，决定什么时候自主重规划、什么时候求助于操作员；学习技术的难点是在友、敌智能体并存的非结构化动态环境中的非监督学习；人一机交互的难点是自然用户接口，实现可信赖的人一系统协作以及可理解的自主系统行为；自然语言理解的难点是以实际环境直接互动为重点的指令和对话理解；多智能体协调需要重点关注针对特定任务，合适协调方案与系统属性的映射，正确的紧急行为，干扰下任务重分配以及鲁棒网络通信问题。
二、自主性定义
1. 自动化
自动化(Automation)目前应用于各种系统，一般包括应用软件来实现遂行的逻辑步骤或操作。传统的自动化是指“系统运行无需或很少需要人工操作，但系统功能仅局限于设定的具体行动”。应用于飞行器系统的自动化还包括飞行控制系统所用的电传操作技术、将多个传感器信息进行整合的数据融合技术、制导与导航自动化技术（如飞行管理系统）、地面防撞自动回收技术等。可以说，这些系统只是在一种或多种功能上实现了不同程度的自动化（从低级到复杂），属于半自主性(Semi-autonomous)。
2. 自主性
“自主性”(Autonomy)总的来说是指“在更为广泛的作战条件、环境因素和更为多样的任务或行动中，使用更多的传感器和更为复杂的软件，提供更高层次自动化的行为”。自主性的特征通常体现在系统独立完成任务目标的程度。也就是说，自主系统要在极其不确定的条件下，能够完全排除外界干扰，即使在没有通信或通信不畅的情况下，仍能弥补系统故障所带来的问题，并确保系统长时间良好运行。
要实现自主性，系统必须“有一系列基于智能的能力，能够对设计中未规划未预测到的态势做出响应（即基于决策的响应）。自主系统应当能够在一定程度上实现自我管理和自我指导（由人的决策代理进行）”。软件设计方面，不仅要基于计算逻辑（更加通俗的说法是“基于规则”），还要采用计算智能（如模糊逻辑、神经网络、贝叶斯网络），通过智能体的通信和协同来实现目标。此外，学习算法可以实现学习，并适应动态环境的能力。自主性可视为自动化的重要延伸，可以在各种未完全预测到的环境下成功地执行面向任务的高级指令，正符合目前对人在具备适当的独立性和任务执行限制时的期望。因此，自主性也可理解为设计良好、具备较高能力的自动化。
3. 遥控平台
空中、地面、水面和水下无人平台将成为未来军事行动中不可或缺的重要组成部分。然而，当前大多数无人系统都由人遥控，在一些任务中的自动化程度较低（例如操作员指定平台的航点）。未来，这些遥控平台将具备更为强大的自主性；然而，“遥控”和“自主”这两个概念事实上是正交的，即只能存其一，也可二者兼而有之。遥控平台可由人直接遥操纵，也可实现半自主（应用一些自动化功能）或全自主运行。此外，有人装备也可借助软件，以人工、半自主或全自主等多种方式遂行多样化任务。
自主性可以理解为控制谱系的一个潜在端。然而，在未来30年里，大部分应用将运用一定级别的半自主能力。换言之，我们将见证系统控制的逐步发展，而介于中间的自主等级将在不同任务中得到应用。未来随着自主能力越来越强，可以应对更多任务并应用环境中更多样的变化，系统将逐步向自主性更强的作战行动发展。然而，在大部分作战行动中，自主能力仍要求与空军人员进行交互，以接收指令，了解作战需求，并实现行动协同。
三、参考框架
1. 认知层次
依据不同的决策类型，自主将发挥不同的作用，也面临着不同的挑战。如果从认知层次视图检查设计方案，那么可以站在不同控制级别上的用户（从飞行员到任务指挥官）的立场上，更好地发挥自主作用，还能为扩大自主使用范围提供机遇。目前，许多系统都注重将自主与平台相结合，在这个过程中，需要在飞行员和传感器操作员之间进行互动。自主可以将较高级别的航路点转化为平台轨迹和控制行动，对照目标定位、跟踪传感器，并将原始传感器数据处理成较高级别的信息内容（如目标跟踪等）。
自主也可以和任务相结合，利用规划工具，支持编队领导和编队成员生成潜在的行动过程和任务管理功能，以监视任务执行情况，确定当前故障或故障先并为其他平台和队员的操作协同提供便利条件。
在更高的认知层次上，工作重点将转向参照高级任务目标对资源进行管理。目前，在不同任务目标的指引下，大规模资源与任务分配，例如，每个平台具备不同传感器与武器配置选项，平台对多个目标的任务指派也不同，实现多平台多目标的任务分配，大部分工作都是手动完成的。大规模资源与任务分配在时间和人力上向任务指挥官及其手下所有人员提出了严峻的挑战。大规模作战特别适合于基于最优化的规划工具。利用这种基于最优化的规划工具，可以使部队尽快投入任务，减少人力与工作负荷，并确保更好地完成任务目标。在这个层次上，态势理解的主要对象不是平台，而是复杂的、不确定的、快速演化的战场空间。对此，利用智能分析软件，可以有效地协助任务指挥官整理大量数据，同时提取可行动的相关资料。
2. 时间轴
正如前文所述，依据不同的决策类型，自主将发挥不同的作用，也面临着不同的挑战。但是，必须注意的是，在任务的时间轴上，决策类型随着时间的变迁也会发生变化。一项任务可分为三个阶段：启动阶段、执行阶段和结束阶段。在每个阶段，自主技术都有不同的应用空间。例如，在启动阶段可以利用自主规划算法，发挥起飞前的相关功能，包括路径规划、意外事故应急计划等，还可以支持更为复杂的任务规划，例如，指定许可范围内的权限委派和行动范围。此外，自主起飞也是在启动阶段应用自主技术的佐证之一。无人系统任务的执行阶段是一个平稳的阶段。无人机通常离不开自主航路点导航。除此之外，自主技术还可以利用软件智能体来监控行动故障或态势变化，主动防止因这些行动故障或态势变化而导致初始计划中的某个部分或某些部分失效或需要进行重规划。在结束阶段，一但任务完成，便可以利用自主技术来对收集到的数据进行预处理，然后将处理后的数据返回给平台，最后再使平台自主着陆。
尤其值得注意的是，整个任务期间，人类与计算机智能体在各个认知层次上的主动性和地位相互之间是可以易位的，其目的是适应态势发生变化时所出现的新事件、新干扰和新机遇的需求。在感知、作用和规划的不断循环过程中，自主发挥了积极的作用。
3. 人—机系统权衡空间
通过权衡空间视图，可以有效地预测因资源失衡等（如人力资源浪费、故人为失误增多等）可能引发的不良后果及其相关症状。从权衡空间视图上看，自主可以被比喻为气球：一方面利用自主技术，可以提高系统的能力；另一方如果权衡不恰当，那么将会导致“气球爆炸”或限制这一气球的膨胀。按要求，应对以下五个方面进行恰当的权衡：
(1)适应度。在系统对新任务或意外情况的自适应能力和性能最优化之间行权衡。
(2)计划。在系统有效地跟踪现行计划与全面检测某个计划不再有效而需要改变的需求之间进行权衡。
(3)影响力。在集中式与分布式之间进行权衡，使远程或当地获取的信息在不受潜在因素或不明因素影响的前提下具有可视性。
(4)视角。在局部性与全局性之间进行权衡，掌握态势，使在一个单元中的集中行动与多个单元间的干扰和协调之间相适，以取得更好的效果。
(5)责任。在长期目标与短期目标之间进行权衡，在目标上达成统一。
表12对上述五个权衡空间进行了汇总。这五个权衡空间得出一致的结论：如果不恰当地提高自主等级，那么可能会引发不良后果或导致错失机遇，进而影响系统的整体性能。下面以特别工作组亲自经历的案例为例，证明无人系统自主性在使用不恰当的情况下，可能会引发意想不到的后果。如果提前考虑多个权衡空间中可能出现的后果，那么就可以提前捕捉预警信号，在各个权衡空间内及时进行系统性能平衡或再平衡处理，从而有效地减少引进自主技术时所带来的风险。
四、发展领域
1. 感知
无论是在平台上还是在战场上，感知(Perception)能力都是实现自主的关键要索。只有通过感知，无人平台才可以到达目标区域(如导航、避开障碍物等)实现任务目标。例如，平台收集传感器数据、应用动能武器和对抗简易爆炸装置(IED)等都离不开感知能力。
感知过程需要传感器(硬件)与感知能力(软件的支持。传感器模态是传感器原始输入，包括声音、压力、温度和光照等。在某些情况下，它与人的五种感官相似。模态可以继续进行细分。例如，视觉通道可以细分为可见光、红外线、X光以及其他模态。当传感器模态利用电磁波频谱来生成图像时，导航与任务传感器处理也可以称为计算机视觉。图像是以类似于图片的格式所呈现的数据，与所捕捉到的现场有直接物理对应关系。在下文论述中，我们根据感知的不同目的，将无人系统的感知功能分为四大类，即导航感知、任务感知、系统健康感知与操作感知。由于在某些情况下，平台可能为了实现室内导航而需要对某扇门进行操作，也有可能为了完成某项任务而需要对简易爆炸装置进行操作，因此，这四个类别经常存在交叉现象。此外，到达目标区域和在拒止区域内移动，需要导航功能的支持，而在导航功能的支持下到达目标区域之后，则需要通过任务感知来完成任务目标。
在启动制导、导航和控制(GN&C)功能时，需要通过导航感知来支持路径规划和动态重规划，以实现多智能体通信与协调。一般情况下，导航是指平台朝目标方向移动的全过程，这与平台运动控制相对(如保持竖直位置或为足式机器人选择步法)。通过提高导航感知能力，可以提高平台的安全性(因为人的反应速度通常不够快，也无法克服网络的滞后性，因而无法保证导航的可靠性和安全性)，同时减少操作平台或驾驶平台时的认知工作负荷尽管这还不是以减少人力需求量。通过选择机载感知处理方式，可以提高平台间的反应速度，帮助平台对抗网络攻击或网络破坏。
任务规划、想定规划、评估与理解、多智能体通信与协调和态势感知都需要任务感知的支持。提高任务感知的自主感知能力，可以带来四大好处一是机器人能够秘密地执行任务，例如，在不需要全程网络连接的情况下进行跟踪某个活动，从而减少网络受到攻击的可能性，减操作员的认知工作负荷；二是通过自主识别，即使是目标提示或给目标划分优先级别，可以减少数据分析员的需求量；三是通过机载确认或给部分拟发送数据划分优先级别，可以降低网络需求，例如，“全球鹰”需要消耗大量带宽；四是可将任务感知与导航结合，例如，指挥平台在空中盘旋静止、转圈等。
平台健康感知主要应用于故障检测与平台健康管理但是，在进行故障预测、重规划与意外管理时，也需要应用平台健康感知功能。加强自主健康监控至少有三大好处：一是当自主故障检测、确认和修复的速度可能高于手动检测、确认和恢复的速度时，使得故障弱化，并有助于修复故障；二是提高用户对系统的任度，尤其是系统不按预期运行，或在任务关键阶段突然出现故障时；三是进步减少操作员的认知工作负荷，不再需要特别安排一位操作员全程监视诊断。
随着导航地点从室外转向室内，任务重点也从远程感知转移到远程行动上，操作感知变得越来越重要。利用地面机器人来将门打开是一项艰巨的任务。除此以外，需要利用操作感知来完成的其他任务包括拆除简易爆炸装置、车辆检查在此过程中，需要移动毯子、包裹等物件)，以及物流与材料处理等。提高自主操作感知有两大好处：一是它可以减少完成操作任务所需的时间及其工作负荷；是减少参与任务的机器人数量，因为在没有提高自主操作感知能力之前，通常要另外安排第二个机器人来协助操作员随时监控操纵器与被操纵物体之间的关系。
2. 规划
规划（Planning）是指能将当前状态改变为预期状态的行动序列或偏序的计算过程。国防部将规划定义为在尽可能少用资源的前提下，为实现任务目标而行动的过程。在这一过程当中，共有两个关键点：①描述行动和环境条件、设定目标／资源最优化标准；②在遵照硬性限制条件（例如，平台在地形和速度等方面的限制条件）、优化软性限制条件（例如，最大程度地减少完成任务所需的时间或人力）的前提下，提供计算行动序列和分配行动资源的算法。
各个领域都有自己相应的规划，包括商业／工业、政府和军方等。制造业很早就已经开始制订物流规划和生产调度，以确保各种商业产品的生产计划与产品需求相协调。例如，机器制造与交通信息管理系统（ETMS）专门用于规划和管理香港地铁系统的维护与修理工作：200年，Bell等人开发了人工智能规划系统来设计和监控英国电力系统的电压；美国NASA所开发、部署的多个系统也使用了人工智能规划；自主科学航天器实验分析了地球观测卫星的实验结果并重新规划了问题求解和机遇开发的方法（Sherwood等，2007）；多飞行器综合科学理解系统（MISUS）则专门用于在一组自主飞行器内协调多个数据采集计划（Estlin等，2005）；蒙特利湾海洋研究所一直致力于开发智能体控制反应性执行程序T－REX系统，该系统主要用于控制水下自主系统来执行数据采集任务（Mcgann等，2008）；OTS公司也开发了用于对新海军舰艇进行规划的准时信息系统（ARGOS）和在非作战条件下的空军飞行路径规划系统，以达到减少燃油消耗的目的（OTS，2012）。人工智能规划有助于对复杂系统进行管理，其优化组合既是最为关键的一个步骤，也是难于完成的一项任务。它所提供的算法还可以帮助系统针对无人环境（如太空、海洋等）做出相应的行动决策（提供自主能力）。
3. 学习
机器学习现已成为开发智能自主系统最有效的办法之一。大体而言，从数据中自主获取信息比手动知识工程的效率更高。计算机视觉最新技术系统开发、机器人技术、自然语言理解和规划主要依赖于训练数据自主学习。通过在大量具体数据中寻找可靠的模式，一般可以使自主系统的精确性和鲁棒性高于手动软件工程，还可以使系统根据实际运行经验自动地适应新环境。
4. 人—机交互
人一机交互（Human—Robot Interaction，HRI）是一个相对而言较新的跨学科领域，主要解决人与机器人、计算机或工具如何协作的问题。它是人一系统交互的一个分支领域，侧重于人与机器人之间双向的认知交互关系，在这个交互关系当中，由机器人承担智能体的角色，在远离用户、计算机或自动驾驶仪的位置上运行，在技术上巨有明显的优势。为了与有关科学文献保持一致，本报告将一律采用人一机交互这一术语，无人平台(UxV)则表示特定形式的机器人。
无人平台和计算机之间具有明显的区别。无人平台承担着智能体的角色能对物质世界造成影响，通常也具备一定级别的自主性。它的能力高于一般工具，可以承担一定的工作或拥有有限主动权。机器人作为智能体，引发了人们对其能力、自适应能力、共享目标以及人际礼仪的高期望值，这种期望被称为“社会响应”，尽管人一机之间的关系可能并不十分和谐。人一机交互主要解决六大基础研究问题①
(1)人与无人平台如何沟通？
(2)如何为人与无人平台之间的工作娱乐或相应的交互关系建模？
(3)如何研究并提高人与无人平台之间的配合度？
(4)如何预测人与无人平台协作的可用性和可靠性？
(5)如何捕获和表达人与无人平台在特殊应用领域中的交互关系？
(6)如何刻画终端用户？
由于研究范围十分广泛，人一机交互涵盖了无人系统、人因学、心理学、认知科学、通信、人一计算机交互、计算机支持工作组以及社会学等多个领域。这种庞大的多学科交叉状态明显不同于传统工程设计、接口开发或生物工程学。研究人一机系统与平台之间的关系，有助于国防部改进系统性能、减少平台操作成本和设计成本，提高现有系统对新环境的自适应能力，并加快其推行进程。通过改善人与无人平台之间的协作关系，可以提高系统执行任务的速度，同时降低失误率；而如果在改善人与无人平台协作关系的同时，改进通信接口、提高应用程序的可用性和可靠性，那么还可以减少系统操作人员的需求量，降低在缺乏人一机交互支持的情况下，设计不同系统显示或重新设计无人系统的成本。如果能够较好地理解人、无人平台以及自主性在特殊形势下各自的作用和局限性，那么将有助于设计出不仅能监控越限行为，还能预测新需求的系统，从而提高系统的自适应能力。通过提高人一机交互水平，不仅可以提高无人系统的任务执行能力，还可以提高人类对系统的信任度。我们希望借助于这些有利条件来加快这一技术的推行进程。此外，利用先进的人一机交互人类学方法，可以在无人系统使用过程中捕捉创新机会，从而加快新能力、新用途和最优实践的推行。
2024-04-13 09:51
2024-04-13 09:50
2024-04-13 09:47
2024-04-13 09:46
2024-04-13 09:46
2024-04-12 16:00
2024-04-12 13:36
2024-04-12 13:36
2024-04-12 13:36
2024-04-12 13:35
