一、引言

2012年7月，美國國防科學委員會發(fā)布了《自主性在國防部無人系統(tǒng)中的地位》，進一步指出自主能力是美軍無人系統(tǒng)中的核心能力，分析了自主能力給無人機(UAV)、無人地面系統(tǒng)(UGS)、無人海上平臺(UMV)和無人太空系統(tǒng)(USS)帶來的作戰(zhàn)效益。報告指出，美國當前無人系統(tǒng)的運用主要是在取得絕對制空權的條件下執(zhí)行偵察和打擊任務，需要高度重視無人系統(tǒng)所受到的威脅、人為干擾和網(wǎng)絡攻擊等挑戰(zhàn)。

報告認為“世界上并不存在完全自主的無人系統(tǒng)，所有的自主無人系統(tǒng)都是人一機聯(lián)合認知系統(tǒng)”，提出了一套從認知層次、時間軸和人一機系統(tǒng)權衡空間等3個視圖定義的自主系統(tǒng)參考框架，并期望代替對無人系統(tǒng)自主控制等級的劃分，強調自主難題的解決要更多地關注指揮官、操作員和開發(fā)人員三者的協(xié)調問題。

報告提出了提高自主能力亟待發(fā)展的技術，包括感知、規(guī)劃、學習、人一機交互、自然語言理解和多智能體協(xié)調6項關鍵技術，指出每個研究領域的技術發(fā)展現(xiàn)狀和目前存在的差距。其中感知技術包括導航、任務、系統(tǒng)健康與移動操作4類感知，主要差距是復雜戰(zhàn)場感知與態(tài)勢理解，包括突發(fā)威脅/障礙的實時檢測與識別、多傳感器集成與融合、有人一無人空域沖突消解，以及可靠感知和平臺健康監(jiān)控的證據(jù)推理能力等；規(guī)劃技術的難點是在物理和計算約束和對現(xiàn)有計劃做最小改變的條件下，決定什么時候自主重規(guī)劃、什么時候求助于操作員；學習技術的難點是在友、敵智能體并存的非結構化動態(tài)環(huán)境中的非監(jiān)督學習；人一機交互的難點是自然用戶接口，實現(xiàn)可信賴的人一系統(tǒng)協(xié)作以及可理解的自主系統(tǒng)行為；自然語言理解的難點是以實際環(huán)境直接互動為重點的指令和對話理解；多智能體協(xié)調需要重點關注針對特定任務，合適協(xié)調方案與系統(tǒng)屬性的映射，正確的緊急行為，干擾下任務重分配以及魯棒網(wǎng)絡通信問題。

二、自主性定義

1.自動化

自動化(Automation)目前應用于各種系統(tǒng)，一般包括應用軟件來實現(xiàn)遂行的邏輯步驟或操作。傳統(tǒng)的自動化是指“系統(tǒng)運行無需或很少需要人工操作，但系統(tǒng)功能僅局限于設定的具體行動”。應用于飛行器系統(tǒng)的自動化還包括飛行控制系統(tǒng)所用的電傳操作技術、將多個傳感器信息進行整合的數(shù)據(jù)融合技術、制導與導航自動化技術（如飛行管理系統(tǒng)）、地面防撞自動回收技術等。可以說，這些系統(tǒng)只是在一種或多種功能上實現(xiàn)了不同程度的自動化（從低級到復雜），屬于半自主性(Semi-autonomous)。

2.自主性

“自主性”(Autonomy)總的來說是指“在更為廣泛的作戰(zhàn)條件、環(huán)境因素和更為多樣的任務或行動中，使用更多的傳感器和更為復雜的軟件，提供更高層次自動化的行為”。自主性的特征通常體現(xiàn)在系統(tǒng)獨立完成任務目標的程度。也就是說，自主系統(tǒng)要在極其不確定的條件下，能夠完全排除外界干擾，即使在沒有通信或通信不暢的情況下，仍能彌補系統(tǒng)故障所帶來的問題，并確保系統(tǒng)長時間良好運行。

要實現(xiàn)自主性，系統(tǒng)必須“有一系列基于智能的能力，能夠對設計中未規(guī)劃未預測到的態(tài)勢做出響應（即基于決策的響應）。自主系統(tǒng)應當能夠在一定程度上實現(xiàn)自我管理和自我指導（由人的決策代理進行）”。軟件設計方面，不僅要基于計算邏輯（更加通俗的說法是“基于規(guī)則”），還要采用計算智能（如模糊邏輯、神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡），通過智能體的通信和協(xié)同來實現(xiàn)目標。此外，學習算法可以實現(xiàn)學習，并適應動態(tài)環(huán)境的能力。自主性可視為自動化的重要延伸，可以在各種未完全預測到的環(huán)境下成功地執(zhí)行面向任務的高級指令，正符合目前對人在具備適當?shù)莫毩⑿院腿蝿請?zhí)行限制時的期望。因此，自主性也可理解為設計良好、具備較高能力的自動化。

3.遙控平臺

空中、地面、水面和水下無人平臺將成為未來軍事行動中不可或缺的重要組成部分。然而，當前大多數(shù)無人系統(tǒng)都由人遙控，在一些任務中的自動化程度較低（例如操作員指定平臺的航點）。未來，這些遙控平臺將具備更為強大的自主性；然而，“遙控”和“自主”這兩個概念事實上是正交的，即只能存其一，也可二者兼而有之。遙控平臺可由人直接遙操縱，也可實現(xiàn)半自主（應用一些自動化功能）或全自主運行。此外，有人裝備也可借助軟件，以人工、半自主或全自主等多種方式遂行多樣化任務。

自主性可以理解為控制譜系的一個潛在端。然而，在未來30年里，大部分應用將運用一定級別的半自主能力。換言之，我們將見證系統(tǒng)控制的逐步發(fā)展，而介于中間的自主等級將在不同任務中得到應用。未來隨著自主能力越來越強，可以應對更多任務并應用環(huán)境中更多樣的變化，系統(tǒng)將逐步向自主性更強的作戰(zhàn)行動發(fā)展。然而，在大部分作戰(zhàn)行動中，自主能力仍要求與空軍人員進行交互，以接收指令，了解作戰(zhàn)需求，并實現(xiàn)行動協(xié)同。

三、參考框架

1.認知層次

依據(jù)不同的決策類型，自主將發(fā)揮不同的作用，也面臨著不同的挑戰(zhàn)。如果從認知層次視圖檢查設計方案，那么可以站在不同控制級別上的用戶（從飛行員到任務指揮官）的立場上，更好地發(fā)揮自主作用，還能為擴大自主使用范圍提供機遇。目前，許多系統(tǒng)都注重將自主與平臺相結合，在這個過程中，需要在飛行員和傳感器操作員之間進行互動。自主可以將較高級別的航路點轉化為平臺軌跡和控制行動，對照目標定位、跟蹤傳感器，并將原始傳感器數(shù)據(jù)處理成較高級別的信息內容（如目標跟蹤等）。

自主也可以和任務相結合，利用規(guī)劃工具，支持編隊領導和編隊成員生成潛在的行動過程和任務管理功能，以監(jiān)視任務執(zhí)行情況，確定當前故障或故障先并為其他平臺和隊員的操作協(xié)同提供便利條件。

在更高的認知層次上，工作重點將轉向參照高級任務目標對資源進行管理。目前，在不同任務目標的指引下，大規(guī)模資源與任務分配，例如，每個平臺具備不同傳感器與武器配置選項，平臺對多個目標的任務指派也不同，實現(xiàn)多平臺多目標的任務分配，大部分工作都是手動完成的。大規(guī)模資源與任務分配在時間和人力上向任務指揮官及其手下所有人員提出了嚴峻的挑戰(zhàn)。大規(guī)模作戰(zhàn)特別適合于基于最優(yōu)化的規(guī)劃工具。利用這種基于最優(yōu)化的規(guī)劃工具，可以使部隊盡快投入任務，減少人力與工作負荷，并確保更好地完成任務目標。在這個層次上，態(tài)勢理解的主要對象不是平臺，而是復雜的、不確定的、快速演化的戰(zhàn)場空間。對此，利用智能分析軟件，可以有效地協(xié)助任務指揮官整理大量數(shù)據(jù)，同時提取可行動的相關資料。

2.時間軸

正如前文所述，依據(jù)不同的決策類型，自主將發(fā)揮不同的作用，也面臨著不同的挑戰(zhàn)。但是，必須注意的是，在任務的時間軸上，決策類型隨著時間的變遷也會發(fā)生變化。一項任務可分為三個階段：啟動階段、執(zhí)行階段和結束階段。在每個階段，自主技術都有不同的應用空間。例如，在啟動階段可以利用自主規(guī)劃算法，發(fā)揮起飛前的相關功能，包括路徑規(guī)劃、意外事故應急計劃等，還可以支持更為復雜的任務規(guī)劃，例如，指定許可范圍內的權限委派和行動范圍。此外，自主起飛也是在啟動階段應用自主技術的佐證之一。無人系統(tǒng)任務的執(zhí)行階段是一個平穩(wěn)的階段。無人機通常離不開自主航路點導航。除此之外，自主技術還可以利用軟件智能體來監(jiān)控行動故障或態(tài)勢變化，主動防止因這些行動故障或態(tài)勢變化而導致初始計劃中的某個部分或某些部分失效或需要進行重規(guī)劃。在結束階段，一但任務完成，便可以利用自主技術來對收集到的數(shù)據(jù)進行預處理，然后將處理后的數(shù)據(jù)返回給平臺，最后再使平臺自主著陸。

尤其值得注意的是，整個任務期間，人類與計算機智能體在各個認知層次上的主動性和地位相互之間是可以易位的，其目的是適應態(tài)勢發(fā)生變化時所出現(xiàn)的新事件、新干擾和新機遇的需求。在感知、作用和規(guī)劃的不斷循環(huán)過程中，自主發(fā)揮了積極的作用。

3.人—機系統(tǒng)權衡空間

通過權衡空間視圖，可以有效地預測因資源失衡等（如人力資源浪費、故人為失誤增多等）可能引發(fā)的不良后果及其相關癥狀。從權衡空間視圖上看，自主可以被比喻為氣球：一方面利用自主技術，可以提高系統(tǒng)的能力；另一方如果權衡不恰當，那么將會導致“氣球爆炸”或限制這一氣球的膨脹。按要求，應對以下五個方面進行恰當?shù)臋嗪猓?/span>

(1)適應度。在系統(tǒng)對新任務或意外情況的自適應能力和性能最優(yōu)化之間行權衡。

(2)計劃。在系統(tǒng)有效地跟蹤現(xiàn)行計劃與全面檢測某個計劃不再有效而需要改變的需求之間進行權衡。

(3)影響力。在集中式與分布式之間進行權衡，使遠程或當?shù)孬@取的信息在不受潛在因素或不明因素影響的前提下具有可視性。

(4)視角。在局部性與全局性之間進行權衡，掌握態(tài)勢，使在一個單元中的集中行動與多個單元間的干擾和協(xié)調之間相適，以取得更好的效果。

(5)責任。在長期目標與短期目標之間進行權衡，在目標上達成統(tǒng)一。

表12對上述五個權衡空間進行了匯總。這五個權衡空間得出一致的結論：如果不恰當?shù)靥岣咦灾鞯燃?，那么可能會引發(fā)不良后果或導致錯失機遇，進而影響系統(tǒng)的整體性能。下面以特別工作組親自經(jīng)歷的案例為例，證明無人系統(tǒng)自主性在使用不恰當?shù)那闆r下，可能會引發(fā)意想不到的后果。如果提前考慮多個權衡空間中可能出現(xiàn)的后果，那么就可以提前捕捉預警信號，在各個權衡空間內及時進行系統(tǒng)性能平衡或再平衡處理，從而有效地減少引進自主技術時所帶來的風險。

四、發(fā)展領域

1.感知

無論是在平臺上還是在戰(zhàn)場上，感知(Perception)能力都是實現(xiàn)自主的關鍵要索。只有通過感知，無人平臺才可以到達目標區(qū)域(如導航、避開障礙物等)實現(xiàn)任務目標。例如，平臺收集傳感器數(shù)據(jù)、應用動能武器和對抗簡易爆炸裝置(IED)等都離不開感知能力。

感知過程需要傳感器(硬件)與感知能力(軟件的支持。傳感器模態(tài)是傳感器原始輸入，包括聲音、壓力、溫度和光照等。在某些情況下，它與人的五種感官相似。模態(tài)可以繼續(xù)進行細分。例如，視覺通道可以細分為可見光、紅外線、X光以及其他模態(tài)。當傳感器模態(tài)利用電磁波頻譜來生成圖像時，導航與任務傳感器處理也可以稱為計算機視覺。圖像是以類似于圖片的格式所呈現(xiàn)的數(shù)據(jù)，與所捕捉到的現(xiàn)場有直接物理對應關系。在下文論述中，我們根據(jù)感知的不同目的，將無人系統(tǒng)的感知功能分為四大類，即導航感知、任務感知、系統(tǒng)健康感知與操作感知。由于在某些情況下，平臺可能為了實現(xiàn)室內導航而需要對某扇門進行操作，也有可能為了完成某項任務而需要對簡易爆炸裝置進行操作，因此，這四個類別經(jīng)常存在交叉現(xiàn)象。此外，到達目標區(qū)域和在拒止區(qū)域內移動，需要導航功能的支持，而在導航功能的支持下到達目標區(qū)域之后，則需要通過任務感知來完成任務目標。

在啟動制導、導航和控制(GN&C)功能時，需要通過導航感知來支持路徑規(guī)劃和動態(tài)重規(guī)劃，以實現(xiàn)多智能體通信與協(xié)調。一般情況下，導航是指平臺朝目標方向移動的全過程，這與平臺運動控制相對(如保持豎直位置或為足式機器人選擇步法)。通過提高導航感知能力，可以提高平臺的安全性(因為人的反應速度通常不夠快，也無法克服網(wǎng)絡的滯后性，因而無法保證導航的可靠性和安全性)，同時減少操作平臺或駕駛平臺時的認知工作負荷盡管這還不是以減少人力需求量。通過選擇機載感知處理方式，可以提高平臺間的反應速度，幫助平臺對抗網(wǎng)絡攻擊或網(wǎng)絡破壞。

任務規(guī)劃、想定規(guī)劃、評估與理解、多智能體通信與協(xié)調和態(tài)勢感知都需要任務感知的支持。提高任務感知的自主感知能力，可以帶來四大好處一是機器人能夠秘密地執(zhí)行任務，例如，在不需要全程網(wǎng)絡連接的情況下進行跟蹤某個活動，從而減少網(wǎng)絡受到攻擊的可能性，減操作員的認知工作負荷；二是通過自主識別，即使是目標提示或給目標劃分優(yōu)先級別，可以減少數(shù)據(jù)分析員的需求量；三是通過機載確認或給部分擬發(fā)送數(shù)據(jù)劃分優(yōu)先級別，可以降低網(wǎng)絡需求，例如，“全球鷹”需要消耗大量帶寬；四是可將任務感知與導航結合，例如，指揮平臺在空中盤旋靜止、轉圈等。

平臺健康感知主要應用于故障檢測與平臺健康管理但是，在進行故障預測、重規(guī)劃與意外管理時，也需要應用平臺健康感知功能。加強自主健康監(jiān)控至少有三大好處：一是當自主故障檢測、確認和修復的速度可能高于手動檢測、確認和恢復的速度時，使得故障弱化，并有助于修復故障；二是提高用戶對系統(tǒng)的任度，尤其是系統(tǒng)不按預期運行，或在任務關鍵階段突然出現(xiàn)故障時；三是進步減少操作員的認知工作負荷，不再需要特別安排一位操作員全程監(jiān)視診斷。

隨著導航地點從室外轉向室內，任務重點也從遠程感知轉移到遠程行動上，操作感知變得越來越重要。利用地面機器人來將門打開是一項艱巨的任務。除此以外，需要利用操作感知來完成的其他任務包括拆除簡易爆炸裝置、車輛檢查在此過程中，需要移動毯子、包裹等物件)，以及物流與材料處理等。提高自主操作感知有兩大好處：一是它可以減少完成操作任務所需的時間及其工作負荷；是減少參與任務的機器人數(shù)量，因為在沒有提高自主操作感知能力之前，通常要另外安排第二個機器人來協(xié)助操作員隨時監(jiān)控操縱器與被操縱物體之間的關系。

2.規(guī)劃

規(guī)劃（Planning）是指能將當前狀態(tài)改變?yōu)轭A期狀態(tài)的行動序列或偏序的計算過程。國防部將規(guī)劃定義為在盡可能少用資源的前提下，為實現(xiàn)任務目標而行動的過程。在這一過程當中，共有兩個關鍵點：①描述行動和環(huán)境條件、設定目標／資源最優(yōu)化標準；②在遵照硬性限制條件（例如，平臺在地形和速度等方面的限制條件）、優(yōu)化軟性限制條件（例如，最大程度地減少完成任務所需的時間或人力）的前提下，提供計算行動序列和分配行動資源的算法。

各個領域都有自己相應的規(guī)劃，包括商業(yè)／工業(yè)、政府和軍方等。制造業(yè)很早就已經(jīng)開始制訂物流規(guī)劃和生產(chǎn)調度，以確保各種商業(yè)產(chǎn)品的生產(chǎn)計劃與產(chǎn)品需求相協(xié)調。例如，機器制造與交通信息管理系統(tǒng)（ETMS）專門用于規(guī)劃和管理香港地鐵系統(tǒng)的維護與修理工作：200年，Bell等人開發(fā)了人工智能規(guī)劃系統(tǒng)來設計和監(jiān)控英國電力系統(tǒng)的電壓；美國NASA所開發(fā)、部署的多個系統(tǒng)也使用了人工智能規(guī)劃；自主科學航天器實驗分析了地球觀測衛(wèi)星的實驗結果并重新規(guī)劃了問題求解和機遇開發(fā)的方法（Sherwood等，2007）；多飛行器綜合科學理解系統(tǒng)（MISUS）則專門用于在一組自主飛行器內協(xié)調多個數(shù)據(jù)采集計劃（Estlin等，2005）；蒙特利灣海洋研究所一直致力于開發(fā)智能體控制反應性執(zhí)行程序T－REX系統(tǒng)，該系統(tǒng)主要用于控制水下自主系統(tǒng)來執(zhí)行數(shù)據(jù)采集任務（Mcgann等，2008）；OTS公司也開發(fā)了用于對新海軍艦艇進行規(guī)劃的準時信息系統(tǒng)（ARGOS）和在非作戰(zhàn)條件下的空軍飛行路徑規(guī)劃系統(tǒng)，以達到減少燃油消耗的目的（OTS，2012）。人工智能規(guī)劃有助于對復雜系統(tǒng)進行管理，其優(yōu)化組合既是最為關鍵的一個步驟，也是難于完成的一項任務。它所提供的算法還可以幫助系統(tǒng)針對無人環(huán)境（如太空、海洋等）做出相應的行動決策（提供自主能力）。

3.學習

機器學習現(xiàn)已成為開發(fā)智能自主系統(tǒng)最有效的辦法之一。大體而言，從數(shù)據(jù)中自主獲取信息比手動知識工程的效率更高。計算機視覺最新技術系統(tǒng)開發(fā)、機器人技術、自然語言理解和規(guī)劃主要依賴于訓練數(shù)據(jù)自主學習。通過在大量具體數(shù)據(jù)中尋找可靠的模式，一般可以使自主系統(tǒng)的精確性和魯棒性高于手動軟件工程，還可以使系統(tǒng)根據(jù)實際運行經(jīng)驗自動地適應新環(huán)境。

4.人—機交互

人一機交互（Human—Robot Interaction，HRI）是一個相對而言較新的跨學科領域，主要解決人與機器人、計算機或工具如何協(xié)作的問題。它是人一系統(tǒng)交互的一個分支領域，側重于人與機器人之間雙向的認知交互關系，在這個交互關系當中，由機器人承擔智能體的角色，在遠離用戶、計算機或自動駕駛儀的位置上運行，在技術上巨有明顯的優(yōu)勢。為了與有關科學文獻保持一致，本報告將一律采用人一機交互這一術語，無人平臺(UxV)則表示特定形式的機器人。

無人平臺和計算機之間具有明顯的區(qū)別。無人平臺承擔著智能體的角色能對物質世界造成影響，通常也具備一定級別的自主性。它的能力高于一般工具，可以承擔一定的工作或擁有有限主動權。機器人作為智能體，引發(fā)了人們對其能力、自適應能力、共享目標以及人際禮儀的高期望值，這種期望被稱為“社會響應”，盡管人一機之間的關系可能并不十分和諧。人一機交互主要解決六大基礎研究問題①

(1)人與無人平臺如何溝通？

(2)如何為人與無人平臺之間的工作娛樂或相應的交互關系建模？

(3)如何研究并提高人與無人平臺之間的配合度？

(4)如何預測人與無人平臺協(xié)作的可用性和可靠性？

(5)如何捕獲和表達人與無人平臺在特殊應用領域中的交互關系？

(6)如何刻畫終端用戶？

由于研究范圍十分廣泛，人一機交互涵蓋了無人系統(tǒng)、人因學、心理學、認知科學、通信、人一計算機交互、計算機支持工作組以及社會學等多個領域。這種龐大的多學科交叉狀態(tài)明顯不同于傳統(tǒng)工程設計、接口開發(fā)或生物工程學。研究人一機系統(tǒng)與平臺之間的關系，有助于國防部改進系統(tǒng)性能、減少平臺操作成本和設計成本，提高現(xiàn)有系統(tǒng)對新環(huán)境的自適應能力，并加快其推行進程。通過改善人與無人平臺之間的協(xié)作關系，可以提高系統(tǒng)執(zhí)行任務的速度，同時降低失誤率；而如果在改善人與無人平臺協(xié)作關系的同時，改進通信接口、提高應用程序的可用性和可靠性，那么還可以減少系統(tǒng)操作人員的需求量，降低在缺乏人一機交互支持的情況下，設計不同系統(tǒng)顯示或重新設計無人系統(tǒng)的成本。如果能夠較好地理解人、無人平臺以及自主性在特殊形勢下各自的作用和局限性，那么將有助于設計出不僅能監(jiān)控越限行為，還能預測新需求的系統(tǒng)，從而提高系統(tǒng)的自適應能力。通過提高人一機交互水平，不僅可以提高無人系統(tǒng)的任務執(zhí)行能力，還可以提高人類對系統(tǒng)的信任度。我們希望借助于這些有利條件來加快這一技術的推行進程。此外，利用先進的人一機交互人類學方法，可以在無人系統(tǒng)使用過程中捕捉創(chuàng)新機會，從而加快新能力、新用途和最優(yōu)實踐的推行。

機器人與人可以通過遠程遙現(xiàn)(romote presence.)和任務代理(taskable agency)這兩種方式進行協(xié)作。在國防部的大多數(shù)應用領域當中，系統(tǒng)都是以拓展作戰(zhàn)人員的可達領域，使作戰(zhàn)人員能夠進入拒止區(qū)為目的的。因此，基于聯(lián)合認知系統(tǒng)內協(xié)作類型的特征描述，比基于人與機器人之間的接近性的一般性分類系統(tǒng)能更有效地表述人一機交互概念。

遠程遙現(xiàn)是指人通過無人系統(tǒng)來進行遠距離實時感知和行動。在遙現(xiàn)編隊當中，之所以仍然將人留在控制回路中，一方面是因為受計算機視覺限制，另方面也是為了能夠監(jiān)控未建?；蛞馔馇闆r。然而，留在控制回路中的人并不一定需要為了能在遠端環(huán)境中工作而充當機器人操作員的角色。編隊的工作表現(xiàn)取決于無人系統(tǒng)，因為正是由無人系統(tǒng)來補償因與機器人協(xié)作而造成的感知構建損失(例如，機器人通過環(huán)境效應使信息量減少)和最大程度地減少直接控制機器人的工作負荷。

任務代理是指將任務責任全部委派給無人系統(tǒng)。在機動智能體編隊中，人在交接完一項任務之后，必須負責處理其他任務，直到無人系統(tǒng)再次返回。較之遙現(xiàn)編隊，在任務代理編隊中，人與機器人之間的聯(lián)系較少，但是仍然必須保持人與機器人之間的交互，以確保任務委派正確無誤，任務意圖被充分理解，并且能在無人系統(tǒng)返回之后在認知層次上對發(fā)現(xiàn)成果進行匯總。信任度是影響機動智能體是否能夠順利得以推行的一個主要因素。

究竟選擇遠程遙現(xiàn)還是任務代理，主要取決于任務的實際情況。這兩種的作方式之間有著明顯的區(qū)別。不同的任務也需要采用不同的策略。例如：在行秘密監(jiān)視任務時，無人系統(tǒng)可能要在獨立工作數(shù)天或數(shù)星期之后，才能將有價值的數(shù)據(jù)帶回；而在執(zhí)行特種部隊任務時，則可能需要無人系統(tǒng)不間斷地執(zhí)行態(tài)勢警戒。

在無人系統(tǒng)研究過程當中，有許多人認為遠程遙現(xiàn)就是遙操作(Teleoperation)，而之所以將人仍然保留在控制回路中，是由于自主能力的不足。事實上特別工作組也發(fā)現(xiàn)無人系統(tǒng)經(jīng)常被認為是“完全自主”或“完全遙操作”的系就這種觀點忽視了部分自主能力的價值，如，警戒運動、航路點導航以及感知提示等。利用這些自主能力，只要操作無誤，就可以減少操作員的工作負荷，使員能夠將全部精力專注在任務執(zhí)行上。

5.自然語言理解

與自然語言處理(NLP)密切相關的是能用英語等普通語言與人類進行交流的計算系統(tǒng)的發(fā)展( Jurafsky&Mamm,200)。自動語音識別(ASR)是將語音信號轉化為文本信息的過程,而自然語言理解(NLU)則是將文本信息轉化為計算機能理解的正式表述的過程。人一機交互受自然語言影響。如果給無人系統(tǒng)發(fā)出的口頭指令不精確,那么委派的內容將會簡單化,委派的速度也會隨之加快然而,自然語言是一門獨立的研究學科。本報告也同樣持有這一觀點。

人向自主系統(tǒng)發(fā)指令時,自然語言是最常態(tài)最自然的一種方式。人類一般利用自然語言來為自主系統(tǒng)制定多樣化的高級目標和策略,而不是直接進行具體的遙操作。但是,由于自然語言本身具有一定的不明確性,因此在自然語言的理解上存在一定的困難。在理解自然語言時,必須結合當時的語境來推斷語言的真實意義。構建一個能理解英語指令和人類語言的自主系統(tǒng)將是一項高技術難度的挑戰(zhàn)。為解決這個問題,我們經(jīng)常利用傳統(tǒng)圖形用戶界面(GUI)來與計算系統(tǒng)溝通。然而,在大多數(shù)情況下(例如,當用戶不方便用手進行操作時),語言仍然是最理想的溝通方式。

6.多智能體協(xié)調

在執(zhí)行跨機器人/軟件智能體/自然人任務時，我們常常會提到多智能體協(xié)調這一術語。每個智能體都具有一定的自主性。多個智能體之間可以通過兩種方式進行協(xié)調，即分布式協(xié)調和集中式協(xié)調。分布式協(xié)調是指多個智能體直接進行互動或交涉；集中式協(xié)調是指在規(guī)劃器的指導下統(tǒng)一進行協(xié)調。無論智能體采用哪種方式進行協(xié)調，我們都必須確保智能體不僅能夠同步化，還能適應環(huán)境或任務的動態(tài)變化。多智能體同步化經(jīng)常被理解為多智能體系統(tǒng)之間的主動協(xié)同(如機器人足球賽)或非主動協(xié)同(如螞蟻的覓食行為)。雖然協(xié)作(人一機協(xié)作)與協(xié)同之間有一定的關聯(lián)，但它指的是截然不同的主題，它假定每個智能體都對其他智能體的能力有一定的認知理解能對目標完成進度進行監(jiān)控，并且能像人類一樣進行編隊。因此，在研究過程中，多智能體協(xié)調與人一機交互是兩個相互關聯(lián)的技術領域，但是一般而言，多智能體協(xié)調研究主要側重于不同配置的智能體協(xié)同機制，而人一機交互則側重于協(xié)作認知。本節(jié)內容將主要介紹多智能體協(xié)調的一個分支領域—一多機器人系統(tǒng)協(xié)同。

多無人平臺協(xié)調至少有四大好處：擴大覆蓋面、降低成本、提供冗余能力、實現(xiàn)規(guī)范化。與單個平***立工作相比，多無人平臺協(xié)調的共同覆蓋面更廣，持久力更強，不僅可以發(fā)揮網(wǎng)絡通信中繼的作用，還可以為傳感器網(wǎng)絡覆蓋面提供保障。多個低成本無人平臺都可以替代單個高成本低可觀測平臺，也可以替代應對“反介入”和“區(qū)域拒止”而必需的高保護級別的系統(tǒng)。在出現(xiàn)噪聲、混亂、干擾、偽裝/隱蔽欺騙現(xiàn)象時，多個低成本平臺并行可以提供冗余能力，即使其中有幾個平臺正在執(zhí)行其他任務或出現(xiàn)故障時，最后依然能夠順利地完成任務。通過協(xié)調多個專用平臺或異構平臺，可以減少成本，降低設計要求。例如：在異構平臺編隊中，專用無人平臺可以為其他無人平臺加燃料，從而可以達到簡化設計、降低平臺成本的目的。

五、應用挑戰(zhàn)

1.系統(tǒng)能力

自動化有助于在滿足一致性、可靠性和可預測性的前提下按照編程執(zhí)行行動，其挑戰(zhàn)在于,這些行動通常只適于具備限制條件的態(tài)勢(即設計人員預見并且軟件開發(fā)人員并為之編程的態(tài)勢),以及局限于為感知理解所處環(huán)境而使用的有限傳感器列陣所提供的測量值。開發(fā)既能精確感知,又能準確理解(識別并分類)所檢測目標( Object),并確立相互之間的關系以及更主要的系統(tǒng)目標(Goal),是自動化的重大挑戰(zhàn),尤其是在遇到預期外(不在設計范圍內)的目標、事件或態(tài)勢時(Object, Event, or Situation)。智能決策需要這種能力。然而,目前大多數(shù)自動化技術都存在脆弱性( Brittleness),換言之,在設計和編程范圍內的態(tài)勢下能夠正常使用,但需要人的干預來處理設計和范圍以外的態(tài)勢。

另外,人雖然存在個體差異,但通常具備掌握大局(整體任務目標)、評估態(tài)態(tài)勢(行動上下文)、飛行中思考的能力,以適應新的態(tài)勢,并不是按照基于規(guī)則方式(大多數(shù)軟件編程如此),更多地依賴于模式識別、心智模型、類比推理(有時在非常抽象的層面上)。然而,人并不擅長快速連貫地處理大量數(shù)據(jù),也難以長時間保持注意力。

隨著自主能力的不斷提升(包括應對更多樣的態(tài)勢和不確定性的能力),我們預測未來系統(tǒng)對人的干預需求將會下降。然而,在可以預見的未來,仍然需要保持一定程度的人一系統(tǒng)交互,其原因包括:

(1)硬件越來越復雜,因而更容易出現(xiàn)故障。

(2)軟件越來越復雜,因而更容易出現(xiàn)漏洞,脆弱性也隨之上升。

(3)這些系統(tǒng)將在對抗環(huán)境中使用,因而可能會遇到初始設計人員未曾考的態(tài)勢

簡言之,隨著軟硬件通過擴展來適應更多態(tài)勢或作戰(zhàn)模式,并且在越來越復的環(huán)境中使用系統(tǒng),系統(tǒng)的復雜性將明顯上升。這會導致以下結果：

(1)由于復雜性升高,導致系統(tǒng)的可理解性下降(即為何這樣做?

(2)給定態(tài)勢下執(zhí)行方式的可預測性下降,向必須與系統(tǒng)交互的人提出了嚴峻挑戰(zhàn)

(3)為解決前述兩個問題而進行人為干預所需的通信鏈的脆弱性上升。

因此美國空軍在可預見的未來,大多數(shù)甚至全部作戰(zhàn)行動將采取人和自主合的方式,從而在面對特定敵手時的各種作戰(zhàn)條件下完成任務。自主性將用以降低手動數(shù)據(jù)處理和集成需求,提高速度,并在軟硬件能力范圍內執(zhí)行有關行動。我們仍然需要機組人員來進行與自主性高層目標指示有關的指揮與控制。因為機組人員掌握了設計界限和/或情境(上下文)感知范圍以外的知識,可以新的態(tài)勢,并與其他部隊和活動進行協(xié)調。

2.態(tài)勢感知與人在回路外的執(zhí)行問題

與自主系統(tǒng)協(xié)作時的態(tài)勢感知是確保系統(tǒng)按照作戰(zhàn)目標運行的關鍵。人監(jiān)督自動化所面臨的關鍵挑戰(zhàn)是人在回路外(Out-of-the-Loop),換言之,檢測自動化所出現(xiàn)的問題,或者是自動化控制的系統(tǒng)所出現(xiàn)的問題,人的速度較慢,因此無法快速地完成問題診斷和適當干預。究其原因,是在使用自動化時由以下原因導致態(tài)勢感知明顯下降：

(1)接口不提供必要信息,且通常缺乏系統(tǒng)狀態(tài)反饋

(2)要求人經(jīng)常監(jiān)視的系統(tǒng)(而這也是人并不擅長的一種技能,因為人在監(jiān)視時每次至多30分鐘,警覺性便會下降)。

(3)從主動信息處理切換至被動信息處理許多航空事故之所以發(fā)生,都是因為飛行員不在回路中,因而無法及時地進行適當干預。

此外,飛行員在理解自動化工作內容的問題上(甚至是在正常操作過程中主動嘗試理解時)也面臨著巨大的挑戰(zhàn)。如果對所顯示的信息存在誤解。有時是因為誤讀系統(tǒng)模式,或者未能準確地預測系統(tǒng)在給定態(tài)勢下的反應,將會導致態(tài)勢感知不精確,進而決策失當。即使是訓練有素的飛行員也可能無法充分地理解自動飛行導航與制導控制系統(tǒng)的所有模式,因而會在一定程度上影響與自動化的有效交互。未來系統(tǒng)需要更加注重開發(fā)能使所有機組成員保持期望的態(tài)勢感知水平的自主性方法。

3.最優(yōu)工作負荷等級

雖然使用自動化的目標通常是減少手動工作量(進而降低操作的人力需求),但它通常未必能夠實現(xiàn)這一目標。這種情況被戲稱為“自動化的尷尬( Irony of Automation)。在高工作負荷飛行階段(例如,飛機起降),它通常會導致工作負荷進一步增大;而在低工作負荷飛行階段(例如,途中),卻能減少工作負荷。由于理解并與自動化進行交互會使需求增大,工作負荷通常從可觀測的手動任務切換為不一定可觀測的認知任務。未來需要進一步開發(fā)易于使用、理解和交互的自主系統(tǒng)。此外,必須特別注重選擇哪些任務由自動化處理,或者委派給自主系統(tǒng)執(zhí)行,確保機組人員收到的是與人的能力相適應的一組連貫任務,而不是輕易無法實現(xiàn)自動化的離散任務。這種“以人為中心”( Human Centered)的方法對于實現(xiàn)“人一自主編隊”性能最優(yōu)化至關重要。

4.人—自主決策集成

自主性通常用以支持人的決策。專家系統(tǒng)或決策支持系統(tǒng)提供決策指導。例如,行動過程制定或評估、目標提示或者對探測到的目標進行分類等。實際上,有效的決策支持存在困難。雖然我們一般假定這種系統(tǒng)能夠改善人的決策尤其是在執(zhí)行困難任務時,但事實并非如此。證據(jù)顯示,人一般先采納系統(tǒng)評估所增加,因而決策時間也會相應延長。因此,輔助決策系統(tǒng)如果存在缺陷,可能并不一定能夠提升整體人/系統(tǒng)決策的精確度和實時性。盡管好的建議有用,但如果建議失當,則會使決策人犯錯,因而整體任務性能將會嚴重下降。

相反,評判人的決策(例如,指出已規(guī)劃的行動過程可能存在的問題)的決策支持系統(tǒng),由于輸入是在人做出決策之后(而非之前)發(fā)生的,因此能夠剔除由人到計算機解決問題的方案偏差。它同樣還利用了計算機的一大優(yōu)勢,即快擬人提出的解決方案(例如,行動過程)從面從環(huán)境態(tài)勢的多樣性以及對抗行動中,識別出潛在的缺陷或缺點。這將更好地促進人/自動化協(xié)同,進而提升整體性能。隨著決策智能體和系統(tǒng)未來使用越來越廣泛,我們必須特別注重開發(fā)認知交互方案來改進(而非干擾)機組人員的決策。此外,我們必須基于人/系統(tǒng)性能的綜合輸出,認真檢驗這種系統(tǒng)的作戰(zhàn)效能。

5.自主性中的知情態(tài)勢信任

為了使機組人員能夠有效地與自主系統(tǒng)協(xié)同,機組人員必須能夠判斷自主執(zhí)行任務的可信任度。這種信任不僅與系統(tǒng)整體可靠性有關,還與根據(jù)態(tài)勢對系統(tǒng)在特殊態(tài)勢下執(zhí)行特定任務的性能評估有關。為此,機組人員必須建立知情信任(Informed Trust)—對應用自主能力的時機、程度以及干預時間進行精確評估。信任度的校準一從過度信任(自滿)到信任不足(抵觸)可能比較困難,應當基于以下幾個因素：

(1)系統(tǒng)因素。包括整體有效性和可靠性;可靠性主觀評估;發(fā)生系統(tǒng)故障 (或在態(tài)勢中無法做出適當?shù)男袆?,導致快速失去信任且在問題出現(xiàn)后信任恢復緩慢的近因( Recency);系統(tǒng)的可理解性和可預測性、及時性與完整性。

(2)個體因素。包括個體執(zhí)行任務的能力、整體信任意愿以及其他個人特征。

(3)態(tài)勢因素。包括時間約束、工作負荷、必要工作,及關注其他競爭性任務的需求。

過去,機組人員就以下問題單獨進行決策：

(1)信息。對信息輸入的信任度(例如,基于信息源的可信度、傳感器的可靠性、信息的及時性,以及來自其他信息源的確認)。

(2)他人。對其他隊友的信任度。

(3)自動化。對特定自動化工具的信任度。

然而,隨著自主系統(tǒng)在未來的普及,單獨實體之間的界限也將變得模糊。自主系統(tǒng)可以作為信息源,也可以是處理信息并執(zhí)行行動的系統(tǒng),或者是機組人員交互的對象。

必須特別注意,確保機組人員能夠在充分了解有關信息的前提下建立一定的信任,確定對自主系統(tǒng)在特定任務、特定態(tài)勢、特定時刻等條件下當保有的信任度。

六、研發(fā)挑戰(zhàn)

1.自主性的態(tài)勢模型

為了使自主性獲得成功,系統(tǒng)必須超越簡單計算邏輯,能夠在更完整地理斷變化的任務和環(huán)境的基礎上進行推理。這種系統(tǒng)需要考慮：

(1)表示當前態(tài)勢、融合多感知輸入、保證態(tài)勢理解和預測,從而支持的計算機模型。

(2)按照已學習的態(tài)勢分類(對應于存儲的計劃與行動)映射當前模式匹配。

(3)確定對相關信息的注意力分配、信息解釋,以及數(shù)據(jù)不完整時,缺失信息默認值的預期態(tài)勢模型。

(4)表示態(tài)勢表達中不確定性的上下文模型。

(5)指導信息搜索和解釋的基于目標的行為(目標驅動的行為)。

(6)識別關鍵環(huán)境提示,映射至不同態(tài)勢類別的能力。

(7)根據(jù)態(tài)勢類別相對狀態(tài)和未來狀態(tài)預測,處理多項目標和動態(tài)目標優(yōu)先級重劃分實現(xiàn)數(shù)據(jù)驅動行為的能力。

(8)在模式匹配與現(xiàn)有態(tài)勢類別匹配不理想時,進行推理的系統(tǒng)、環(huán)境與其他參與方(如隊友、敵手、平民等)的模型。

(9)態(tài)勢類別與模型的主動學習與提煉。

(10)制訂計劃以實現(xiàn)目標并按需求進行動態(tài)重規(guī)劃的能力。

(11)按需求優(yōu)化環(huán)境、系統(tǒng)及其他來源的數(shù)據(jù)釆集,以支持態(tài)勢模型持續(xù)需求的能力。

(12)與操作員或其他自主系統(tǒng)就上述任意功能(例如,目標統(tǒng)一、態(tài)勢模型、決策、功能分配與優(yōu)先級劃分計劃等)進行交互,以實現(xiàn)協(xié)同獲準行動的能力。

2.學習系統(tǒng)

在開發(fā)系統(tǒng)自主性的過程中,使用學習系統(tǒng)既有優(yōu)點也有不足。為了使這些學習系統(tǒng)成功地得到應用,我們必須彌補這些不足。以積極的眼光看,應用基于學習算法的系統(tǒng)能夠應對各種情境因素(例如,環(huán)境因素、任務相關因素、敵手),生成能夠應對更多樣的態(tài)勢的魯棒性方案。在這種情況下,設計人員和開發(fā)人員不需要提前預測所有潛在的條件(這從理論和實踐的角度來看都十分困難),或者預先指定在各種可能的條件組合下應當采取的措施。相反,他們創(chuàng)建了一種結構,使自主性進行自我組織和學習,并適應不斷變化的態(tài)勢。這要求自主性可發(fā)人理解學習和推理。在人的認知和生物學的啟發(fā)下,我們得出有以下幾種方法可用：

(1)模糊邏輯( Fuzzylogic)。提供將一個或多個連續(xù)狀態(tài)變量映射至相應類別以進行推理和決策的框架 。

(2)神經(jīng)網(wǎng)絡( NeuralNetworks)。網(wǎng)絡利用通過程序在大型典型案例數(shù)據(jù)庫的訓練過程中學習到的可變互聯(lián)權重來進行知識表達的算術框架,學習解決方案。

(3)遺傳與進化算法(Genetic and Evolutionary Algorithms)。在進化遺傳的啟發(fā)下采用重復仿真的方法,縮小潛在選項的范圍,選擇最優(yōu)解決方案。

以上每種方法都可結合適當?shù)南到y(tǒng)架構來應對自主性挑戰(zhàn),達到知識獲取、編譯、表達存儲、處理和提取的目的。由于現(xiàn)實環(huán)境存在內在的復雜性，這些方法的合理性可能遠遠超過那些借由專家來獲取緊急情況的大量細節(jié)信息的方法。

然而,學習方法也不無挑戰(zhàn)。這些方法通常要求開展大量的工作來確定提供給學習系統(tǒng)的相關參數(shù)和信息,并創(chuàng)建學習與組織輸出的適當系統(tǒng)架構。此外,學習系統(tǒng)還提出了以下新的挑戰(zhàn)：

(1)可理解性(Understandability)。這種系統(tǒng)的邏輯與行為可能對于機組人員很難理解,而且系統(tǒng)開發(fā)人員通常無法完全理解自主性的行為方式—盡管我們可以采用相關方法來獲取描述算法“黑盒子”內部主要特征的規(guī)則。然而這些意見可能并不完整,也不能表達系統(tǒng)行為的復雜全貌。

(2)確認(Validation)。如果美國空軍的安全關鍵作戰(zhàn)行動接受了利用學習技術開發(fā)的自主系統(tǒng),那么成功驗證和確認開發(fā)這些系統(tǒng)的方法就非常關鍵。般而言,目前的技術還不足以應對這一挑戰(zhàn)。

(3)標準化(Standardization)。如果學習算法今后能夠在實踐中繼續(xù)演化那么在一致性的問題上將會遇到新的重大挑戰(zhàn)。系統(tǒng)是否會為了保證一定程度的一致性而將學習到的經(jīng)驗傳授給其他系統(tǒng)呢?每種情況下保證學習到適當?shù)慕?jīng)驗的標準是什么?這些經(jīng)驗對于其他環(huán)境是否具有廣泛性?不同系統(tǒng)的行為方式是否不同(要求機組人員能夠理解和預測自主性的運行方式,進而以適當?shù)姆绞脚c之交互并正確地調整對自主性的信任度)?如果訓練期結束后學習算法凍結,那么這些算法是否會與其他方法一樣而遭遇脆弱性的問題,因而無法在不斷變化的現(xiàn)實環(huán)境下學習和自適應?

如果利用學習系統(tǒng)來開發(fā)未來的自主系統(tǒng),那么我們必須解決這些挑戰(zhàn)。

3.驗證與確認

美國空軍先進系統(tǒng)軟件的驗證與確認對于保證系統(tǒng)能夠安全而一致地按照預期運行十分關鍵。為此,我們需要引入新的自主軟件的驗證與確認方法。傳統(tǒng)方法以需求跟蹤為基礎,無法應對自主性軟件的復雜性。十分多樣的潛在狀態(tài)和狀態(tài)組合能夠進行相互測試,而臨界條件卻難以理解。系統(tǒng)支持自主性交互的能力是成功實現(xiàn)自主性的重要條件,確認測試必須明確予以考慮。

4.網(wǎng)絡

自主性可能能夠應對美國空軍作戰(zhàn)行動的許多挑戰(zhàn),但也和其他軟件系統(tǒng)樣,容易受到網(wǎng)絡攻擊。鑒于自主性的復雜性檢測漏洞或故意嵌入的惡意軟件更加困難。和自我健康監(jiān)視系統(tǒng)一樣,提高環(huán)境感知有助于應對這一挑戰(zhàn)。此外,保證網(wǎng)絡彈性的方法(包括檢測、對抗或者應對自主性和系統(tǒng)其余內嵌部分的網(wǎng)絡攻擊的能力)非常重要。網(wǎng)絡彈性并不是在開發(fā)完成之后可以在加入系統(tǒng)的一種特性。相反,在開發(fā)任何自主系統(tǒng)方法的過程中我們必須考慮網(wǎng)絡彈性的因素?！顿惒┮晥D2025》( Cyber vision2025)更為完整地探討了網(wǎng)絡對抗環(huán)境下任務保障的相關問題。