宋庆庆 ，卫 浩 ，李 健 ，曾 轩

（1.中国兵器工业第二〇八研究所，北京 102202；2.96630部队，北京 102208）

0 引言

新军事变革迅猛发展，战场环境日益复杂，现代战争正在向信息化形态发展，无人化战争正成为一个重要的发展趋势。无人系统具有代价低、能进入各种环境、续航时间长、能有效减少己方人员伤亡等巨大优势，其发展受到各军事强国尤其是美国的高度重视[1]。近年来，美国斥巨资进行无人系统的研究，其开发的无人系统已在伊拉克、阿富汗、利比亚及叙利亚战场上投入使用并在遂行作战任务中大放异彩。相对于美军，我军在无人系统领域的研发起步较晚，通过对美军无人自主系统关键技术现状及发展趋势的分析，可以为我国未来无人系统的发展策略提供参考。

根据应用领域的区别，无人系统可分为无人机系统（UAS）、无人地面系统（UGS）、无人海上系统（UMS）等[2]。随着人工智能、仿生、机器学习等颠覆性前沿科技的发展，催生了无人系统发展的革命性变革，即向自主无人系统发展。美国把自主无人系统看作颠覆性武器装备，2013年底美国防部发布的最新版美国无人系统整合路线图中，将自主无人系统作为美国未来无人系统发展的重点[3]。

1 自主无人系统

所谓自主无人系统，即可以自行导向目标而无需外部操控的无人系统。自主无人系统可使指挥员的决策用在最为关键的地方，其完全应用将彻底改变人在系统中的定位，颠覆原有的人员装备编制体系。利用自主无人系统，可以替代士兵出色地完成枯燥、污染率高、危险系数大、超出人体极限的任务[4]。

表1为美国防部提出的无人系统自主性分级标准。据此，可以将自主性分为半自主、自主和全自主三类，分别对应人工授权、人工监控和全自主。当前美国现役无人系统装备中，以半自主为主，能够在执行简单任务时实现自主感知，自主规避障碍[5]。

表1 美国防部提出的自主性等级

2 关键技术发展现状

2.1 环境感知技术

环境感知技术是指自主无人系统通过多种传感器识别周围物体，观测周边环境，以此推断环境状态并评估环境中所处人员或装备意图的技术[6]。环境感知主要通过视觉感知、雷达感知、激光感知、可见光和红外感知、多源信息融合感知等多种技术手段来实现。

当前，美国在雷达、激光、可见光和红外感知技术上已经发展成熟并投入使用。例如，美国M-ATV装甲车就配备了激光雷达用于自动驾驶；2016年美国国防高级研究计划属（DARPA）研制的FLA无人机采用了激光雷达用于自主识别障碍。视觉感知技术趋于成熟，处于多方试验阶段。例如，2006年波士顿动力工程公司研制的Bigdog依靠立体视觉系统实现环境感知；2017年美国陆军研究实验室研制出具有视觉感知功能的微型倾转旋翼无人机。利用多源信息融合技术进行环境感知则是当前美国研发的重点项目。多源信息融合技术可以使自主无人系统最大程度建立起周围环境模型，从而使决策更加科学精准。

2.2 定位、导航与授时（Positioning，Navigation，and Timing，PNT）

精确的PNT，是无人系统实现全自主的关键前提。美国的GPS、中国的北斗等卫星导航系统（GNSS）就是典型的PNT系统。自主无人系统通过PNT来确定自身及目标点的位置，自主规划出最优路线并控制自身行进到目标点。若PNT不精确，无论无人系统配备有多么先进的环境感知系统及武器系统，都会因导航产生的误差使得打击效果不佳，进而导致任务失败。

惯性导航作为最稳定的独立导航系统，一直以来都受到军方的大力关注，但由于其固有缺陷，在实际应用中，常常与其他系统配合形成组合导航以抵消误差。当前，GPS仍是自主无人系统实现导航的主要方式。为了避免在未来战争环境下卫星被攻击被干扰而失效导致GPS无法使用的情况，美国正大力发展新型高精度PNT技术。已经被提出的新的PNT系统和技术概念有：自适应导航系统（adaptive navigation systems，ANS）、微型 PNT系统、量子辅助感知与读出、全源定位和导航[7]（all source positioning and navigation，ASPN）、基于计算机视觉的导航定位技术等[8]。其中，ASPN系统已在海陆空各平台完成多次现场实验，表明该系统在无GPS信号时依旧可以进行导航。在装备应用上，美国“可靠号”UUV采用光纤陀螺惯导配合GPS、全球鹰无人机采用激光陀螺捷联惯导实现导航定位。

2.3 控制算法

控制算法是自主无人系统不依赖人的操作而自主执行任务的关键。为实现全自主，无人系统的控制算法必须能够对现实环境中不可预见的或随机的状况做出快速反应。无论是非自主无人系统还是自主无人系统，都可以实现自动控制。在自动控制领域，常用的基本控制算法有PID控制、模糊控制、自适应控制和神经网络控制等。但自主控制不同于自动控制，自动控制无法自行决定系统的运动路线，只能通过补偿偏差的方式跟踪给定的路径；而自主控制则无需人为给定路径，可自行将系统导向人工指定的目标。因此，自主控制算法相比自动控制更为复杂，通常采用多种控制算法相结合的智能优化算法来提升无人系统的自主控制能力。例如，仿人智能控制、神经网络自适应PID控制算法，模糊神经网络预测控制算法、滑膜变结构模糊控制算法等。

2.4 合作自主性

合作自主性是指将多个无人系统进行编队，实现大规模的协同作战，具体表现为自主蜂群技术。蜂群，顾名思义，即像蜜蜂一样从成群结队的集中攻击同一目标，以数量代替质量完成任务的一种战术。自主蜂群拥有数量庞大的无人系统，分散的系统使战场对抗中敌方难以锁定目标，而且即使部分系统被摧毁，剩余系统依然可以自适应重组，继续遂行任务[9，10]。

在2014年，美国安全中心发布了《战场机器人Ⅱ：即将到来的蜂群》[11]报告，首次提出无人系统蜂群技术。当前，美军发展的无人系统蜂群技术有：对应无人机的灰山鹑项目、小精灵项目，对应无人水面艇的海上集群项目等，且一部分早已进入实验和验证阶段。2014年，美海军在演习中对13艘无人水面艇进行了蜂群实验，其中5艘进行自主控制，8艘进行远程控制；2016年，又释放103架“山鹑”无人机进行蜂群实验，并在此次试验中实现了自主编队模拟执行多项任务的目标。

3 技术发展趋势分析

目前美军在自主无人系统的几项关键技术上均有突破，但要彻底实现全自主，还有很多技术难题亟待解决。而且，为了使自主无人系统最终成为装备成功列装部队，还需要考虑技术的作战牵引问题，例如决策速度、续航能力、数据链质量等。

3.1 环境感知技术发展趋势

尽管美国在环境感知技术中的传感器算法和交叉提示传感器系统方面有所突破，但要实现真正意义上的优化，满足全自主的无人系统所需求的感知环境的能力，还需要借助智能计算技术来实现。未来美国在环境感知方面发展的重点技术包括但不限于：

（1）失效传感器的自适应性。一旦无人系统上存在失效传感器，在环境感知过程中算法能够自适应消除失效传感器的影响。

（2）自适应多源信息关联技术。在多传感器数据融合系统中，面对多种传感器接收到的信息，及时正确的进行关联处理是衡量无人系统环境感知能力的重要标准之一。

（3）传感器权重重构技术。当多源传感器网用于多传感器数据融合系统时，根据具体任务的需要，不同的传感器被赋予的权重也不同，有时图像传感器权重更大，有时则是测距传感器权重更大。

3.2 控制算法发展趋势

为了能使无人系统的自主能力在真实战场的复杂环境下达到实用程度，必须开发更为智能更为仿人的算法。通过这些算法提供健壮的决策能力（例如机器推理和智能），整合不相干信息，提供能够处理非精确，非完整、不确定甚至是矛盾的数据集的计算能力，实现无人系统的全自主。

3.3 自主蜂群发展趋势

现代战争中，信息共享处于越来越重要的地位，在无人系统中则体现为互操作性。对于自主蜂群而言，优良的互操作性可以使各系统配合更加密切，做到完全协同一致。即使在对抗环境中有部分系统损失，整个蜂群通过互操作性依然可以实现自适应重组，继续遂行任务。因此，在未来的发展中需要提出规范的互操作性等级模型，形成统一的标准体系，完全实现模块化，通过互操作性的发展推动构建立体蜂群。

4 结束语

自主无人系统在未来战争中应用潜力巨大，发展前景广阔，对作战模式具有颠覆性影响，使战争形态产生根本性变革。目前，自主无人系统还面临许多技术难题与挑战，美军实现全自主还有较长的路要走。尽管如此，美军仍在快速装备多种型号的半自主、自主无人系统。在可见的未来，美军各军种的自主无人系统将形成体系，进一步提升的综合战力，以赢得现代信息化智能化战争的先机。