无人机群智对抗技术研究现状及发展趋势

摘 要

随着“无人化”军事变革逐渐暂露头角，武器装备无人化已成为未来战争的重要发展方向，作为未来空战战场主要作战形式的无人机群智对抗，其地位、作用与发展潜力更是与日俱增。本文首先综述了无人机群智对抗的研究现状，然后剖析相关关键技术，最后探讨了其未来发展方向。

关键字

无人机；群智对抗；集群控制；集群通信

自上世纪 80 年代以色列成功将无人机应用于战争伊始，无人机初次登场，并吸引了以美国为首的西方军事列强的密切关注。到了海湾战争无人机的作战性能被进一步挖掘，这场“战争视觉盛宴”第一次展示了无人机如何在非对称战争中发挥作用，其后的数次局部战争则让无人机逐步融入进现代战争，并扮演着越来越重要的角色。然而受限于负载能力、侦测范围、续航能力有限等因素，单架无人机难以完成复杂的作战任务。通过多架同构 / 异构无人机组建集群，并以协同的方式遂行作战任务能有效解决单架无人机性能受限的问题，大幅提高任务完成率。为反制无人机集群的攻击，可使用软杀伤、硬杀伤，以及无人机群智对抗（利用一群无人机对来犯的另一群无人机进行拦截而形成的空中格斗），而无人机群智对抗被认为是未来反制无人机集群攻击的最有效手段，这正呼应了“最强的矛往往需要用最强的盾来防御”这句话。本文立足于无人机群智对抗的研究现状，浅显剖析其关键技术，并对其未来发展进行展望。

1 无人机群智对抗研究现状

无人机集群概念受启发于生物界的群体协作运动行为，如雁群迁徙、狼群捕食等，群体通过个体之间的通信实现信息交互，扩大对周围环境的侦测范围，协同工作。与之相仿，无人机集群作战就是模拟生物群体的协作行为，以期以最小代价完成作战任务。在未来智能化战争中，依靠大量具有一定自主能力的无人机组建集群，潜入敌方纵深要地收集高价值情报，突破敌方防御系统实施目标打击并进行毁伤评估，对来犯有人 / 无人机集群进行空中拦截是无人机集群作战的重要手段。

自 2000 年美国国防部高级研究计划局（DARPA）通过借鉴蚁群信息素交互方式，开展无人机集群作战研究以来，关于无人机集群作战的项目如雨后春笋般冒出，DARPA 与美国海军研究办公室（ONR）等美国军方部门先后启动无人机集群作战相关项目，如 DARPA 的 “拒止环境中协同作战（CODE）”项目（见图 1）、“小精灵（Gremlins）”项目（见图 2）等；此外，英国、俄罗斯等军事强国也相继开展了无人机集群作战的研究，力求实现集群作战关键技术的突破。为推进集群作战技术发展，国内高校、科研单位也先后组织了多项无人机集群竞赛。

目前关于无人机集群作战的研究已有不少成果，然而，据公开资料显示，无人机群智对抗的研究并不多见，且多处于理论研究阶段，工程运用方面成果相对较少。罗德林等采用多智能体理论，引入态势评估、威胁规避、友机协作、火力支援等行为规则构建无人机群智对抗模型，以期提高大规模群智对抗模型的实用性和作战效率；段海滨等将鹰群智能行为机制映射到无人机群智协同对抗行为中以建立群智对抗模型，通过李雅普诺夫导航向量场控制方法实现对敌方无人机的合围攻击。针对无人机集群编队优化计算复杂的问题，冉华明等根据群智对抗双方的距离、角度、速度，以及飞机导弹、雷达的性能，建立集群协同任务分配模型，并以此计算得到最优的己方编队队形，以期最大限度发挥己方无人机的作战性能。Duan H B等采用动态对策理论、捕食与被捕食者粒子群优化方法，对无人机集群的空战对抗模型问题进行了研究。Zhang G Y 等运用多 agent 强化学习理论方法，引入攻击区域、无保护区域和攻击距离等指标构建无人机群智对抗模型，并提出三种有效训练技术，以提高多智能体强化学习方法的收敛速度。针对超视距无人机集群空战中的协同占用决策问题，Ma Y Y 等引入最小最大攻击区域、占用区域范围等指标构建无人机群智对抗模型，将占用决策问题转化为零和博弈问题，并提出了 DO-NS（Double oracle neighborhood search）算法解决该零和博弈问题。除上述理论研究之外，美国海军研究生院于 2015 年开展了 50 架次的固定翼无人机群智对抗竞赛，中国空军于 2018 组织了无人机 2V2空空对抗竞赛，但是上述群智对抗竞赛多以简单决策、动作为主，相较于有人机的空中格斗或设想无人机空战场景仍有较大差距。

2 无人机群智对抗的关键技术

2.1 无人机群智对抗机制及描述方法

无人机群智对抗是一个不断演化的随机动态过程，无人机需要根据感知的战场态势信息与接收的己方无人机信息实时调整动作及做出决策，以期在对抗中取得胜利；而现有的无人机对抗规则模型与演化机制相对简单，难以充分描述这一过程。因此，全面分析群智对抗过程特点，掌握群智对抗的动态演化机制，构建能充分描述对抗机制的数学方程与网络架构，才能实现群智对抗过程的定性与定量分析。

2.2 分布式集群控制方法

虽然传统的集中式集群控制方法控制精度高，但是可靠性与鲁棒性都较差，一旦主机故障整个集群将瘫痪以致作战任务失败。而在未来的信息化、智能化无人空战中，集群中的无人机已具备一定的自主能力，既能实现单机控制，又能实现一定规模的协同控制，为了应对复杂的空战任务，可以预先设定或临时干预无人机的控制方法，以便在不同的对抗阶段无人机能分组协作，最大化整个集群的对抗优势。

2.3 集群通信技术

通信畅通是群智对抗的基本条件，但对抗过程中的通信条件往往更加严峻，这无疑要求无人机与指挥中心、无人机与无人机之间信息交互必须存在一定的冗余度，确保能实时进行信息交互。群智对抗过程中，如若无人机出现离开战场、回到战场、增援战场等情况，原有的通信链路势必发生变化，集群应当能抵御这种变化带来的通信影响，具备通信链路自我修复能力。

3 无人机群智对抗的发展趋势

随着人工智能技术、数据挖掘技术、新型材料技术、军事理论战术等技术理论的发展，未来的无人机群智对抗将呈现逼近有人机集群对抗的形式，乃至更加丰富多彩。

3.1 采用非线性动态与人工智能等理论方法描述无人机群智对抗模型

早期的传统无人机集群对抗模型通常以兰切斯特方程描述，但是由于信息化、智能化空战战场环境变化迅速，具备一定自主能力的无人机不但需要与其他无人机协同决策与动作，还需要对变化的环境做出快速应对，数学模型相对简单的兰切斯特方程已难以应用于上述场景。而近年来非线性动态理论与人工智能理论等理论方法的发展与完善，则为复杂空战战场环境下构建无人机群智对抗动态模型开辟了一条新途径，未来的群智对抗动态模型将更加适应时代特点，并能对对抗效果做出更加精确的评估。

3.2 有人机与无人机混合群智对抗模式长期存在

虽然深度学习、强化学习等人工智能方法能大幅提高无人机的自主能力与智能化程度，但是科幻电影中的无人机群智对抗短期内仍然难以实现。一方面，如果无人机的训练集数据多样性不足，将无法满足自主性与智能化程度的要求；另一方面，如果无人机的训练集数据充足，将使得现有的机载计算设备无法承受，且易提高无人机集群的经费运算，如此显然与发展无人机群智对抗的初衷相违背。因此，在未来相当长的一段时间内无人机的自主能力与智能化程度仍将相当有限，现有条件下通过组建有人机与无人机混合集群进行空中对抗将能完美地解决以上问题。无人机自主性与智能化程度的不足能以有人机中人的主观能动性来弥补，同时具有一定程度自主能力的无人机也能减轻人的负担。

3.3 由小规模多无人机群智对抗向大规模多无人机群智对抗发展

通过运用动态贝叶斯网络、多智能体动态影响图方法，能为小规模多无人机群智对抗建立空战对抗模型，对于小规模的无人机集群，贝叶斯网络或动态影响图中的节点能有效描述无人机节点之间的影响、协作与对抗关系，当无人机集群在对抗过程中出现离开战场、回到战场、增援战场等情况时，网络节点的增加与删除不易影响集群通信链路的稳定性。但是集群作战的重要特点之一就是规模大、数量多，利用现有的方法为大规模的无人机群智对抗建模时容易产生维数灾难现象。因此，如何设计合适的方法解决大规模无人机群智对抗的建模问题，将是保证无人机群智对抗实战化的重要途径。

4 结束语

随着无人机智能化水平的提高和集群控制技术的发展，无人机群智对抗将成为未来无人机空战的关键技术。群智对抗作为一个复杂系统，对抗个体数量庞大，环境复杂，态势瞬息万变，由于计算维度过大，采用图论等方法难以用于大规模群智对抗问题的求解，分布式人工智能技术为大规模群智对抗研究提供了有效的手段。本文对无人机群智对抗技术的研究现状和关键技术进行了总结和分析，并对未来无人机群智对抗的发展趋势进行了探讨，以期为从事该领域的研究者提供参考。

（参考文献略）

选自《中国人工智能学会通讯》

2021年第11卷第5期

群体智能及应用专辑

标签： 关键技术 人工智能