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。

三、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。

3.多智能体协调

在执行跨机器人/软件智能体/自然人任务时，我们常常会提到多智能体协调这一术语。每个智能体都具有一定的自主性。多个智能体之间可以通过两种方式进行协调，即分布式协调和集中式协调。分布式协调是指多个智能体直接进行互动或交涉；集中式协调是指在规划器的指导下统一进行协调。无论智能体采用哪种方式进行协调，我们都必须确保智能体不仅能够同步化，还能适应环境或任务的动态变化。多智能体同步化经常被理解为多智能体系统之间的主动协同(如机器人足球赛)或非主动协同(如蚂蚁的觅食行为)。虽然协作(人一机协作)与协同之间有一定的关联，但它指的是截然不同的主题，它假定每个智能体都对其他智能体的能力有一定的认知理解能对目标完成进度进行监控，并且能像人类一样进行编队。因此，在研究过程中，多智能体协调与人一机交互是两个相互关联的技术领域，但是一般而言，多智能体协调研究主要侧重于不同配置的智能体协同机制，而人一机交互则侧重于协作认知。本节内容将主要介绍多智能体协调的一个分支领域—一多机器人系统协同。

多无人平台协调至少有四大好处：扩大覆盖面、降低成本、提供冗余能力、实现规范化。与单个平台独立工作相比，多无人平台协调的共同覆盖面更广，持久力更强，不仅可以发挥网络通信中继的作用，还可以为传感器网络覆盖面提供保障。多个低成本无人平台都可以替代单个高成本低可观测平台，也可以替代应对“反介入”和“区域拒止”而必需的高保护级别的系统。在出现噪声、混乱、干扰、伪装/隐蔽欺骗现象时，多个低成本平台并行可以提供冗余能力，即使其中有几个平台正在执行其他任务或出现故障时，最后依然能够顺利地完成任务。通过协调多个专用平台或异构平台，可以减少成本，降低设计要求。例如：在异构平台编队中，专用无人平台可以为其他无人平台加燃料，从而可以达到简化设计、降低平台成本的目的。

五、应用挑战  

1.系统能力

自动化有助于在满足一致性、可靠性和可预测性的前提下按照编程执行行动，其挑战在于,这些行动通常只适于具备限制条件的态势(即设计人员预见并且软件开发人员并为之编程的态势),以及局限于为感知理解所处环境而使用的有限传感器列阵所提供的测量值。开发既能精确感知,又能准确理解(识别并分类)所检测目标( Object),并确立相互之间的关系以及更主要的系统目标(Goal),是自动化的重大挑战,尤其是在遇到预期外(不在设计范围内)的目标、事件或态势时(Object, Event, or Situation)。智能决策需要这种能力。然而,目前大多数自动化技术都存在脆弱性( Brittleness),换言之,在设计和编程范围内的态势下能够正常使用,但需要人的干预来处理设计和范围以外的态势。

另外,人虽然存在个体差异,但通常具备掌握大局(整体任务目标)、评估态态势(行动上下文)、飞行中思考的能力,以适应新的态势,并不是按照基于规则方式(大多数软件编程如此),更多地依赖于模式识别、心智模型、类比推理(有时在非常抽象的层面上)。然而,人并不擅长快速连贯地处理大量数据,也难以长时间保持注意力。

随着自主能力的不断提升(包括应对更多样的态势和不确定性的能力),我们预测未来系统对人的干预需求将会下降。然而,在可以预见的未来,仍然需要保持一定程度的人一系统交互,其原因包括:

(1)硬件越来越复杂,因而更容易出现故障。

(2)软件越来越复杂,因而更容易出现漏洞,脆弱性也随之上升。

(3)这些系统将在对抗环境中使用,因而可能会遇到初始设计人员未曾考  的态势

简言之,随着软硬件通过扩展来适应更多态势或作战模式,并且在越来越复的环境中使用系统,系统的复杂性将明显上升。这会导致以下结果：

(1)由于复杂性升高,导致系统的可理解性下降(即为何这样做?

(2)给定态势下执行方式的可预测性下降,向必须与系统交互的人提出了严峻挑战

(3)为解决前述两个问题而进行人为干预所需的通信链的脆弱性上升。

2.态势感知与人在回路外的执行问题

与自主系统协作时的态势感知是确保系统按照作战目标运行的关键。换言之,检测自动化所出现的问题,或者是自动化控制的系统所出现的问题,人的速度较慢,因此无法快速地完成问题诊断和适当干预。究其原因,是在使用自动化时由以下原因导致态势感知明显下降：

(1)接口不提供必要信息,且通常缺乏系统状态反馈

(2)要求人经常监视的系统(而这也是人并不擅长的一种技能,因为人在监视时每次至多30分钟,警觉性便会下降)。

(3)从主动信息处理切换至被动信息处理许多航空事故之所以发生,都是因为飞行员不在回路中,因而无法及时地进行适当干预。

此外,飞行员在理解自动化工作内容的问题上(甚至是在正常操作过程中主动尝试理解时)也面临着巨大的挑战。如果对所显示的信息存在误解。有时是因为误读系统模式,或者未能准确地预测系统在给定态势下的反应,将会导致态势感知不精确,进而决策失当。即使是训练有素的飞行员也可能无法充分地理解自动飞行导航与制导控制系统的所有模式,因而会在一定程度上影响与自动化的有效交互。未来系统需要更加注重开发能使所有机组成员保持期望的态势感知水平的自主性方法。 

咨询电话：15143446624