無人系統群體智能及其研究進展

關鍵詞：無人系統；群體智能；理論方法；核心技術；系統構建

群體智能研究起源于對蟻群、蜂群等簡單社會性生物群體行為的觀察與模擬. 該概念自20世紀80年代一經提出，便引起了各相關領域研究人員的高度關注。

近年來，人們在模擬、延伸和擴展簡單社會性生物群體智能的同時，也有研究者從人類社會的群體智能等其它視角探索著集體的偉大力量。經過在不同應用領域的不斷拓廣，使得群體智能有了更豐富的內涵與外延.

鑒于生物和人類群體智能所體現的集群優勢和廣泛的應用前景，2017年7月，在國務院發布的《新一代人工智能發展規劃》中明確指出“群體智能”是人工智能領域的一個新的研究方向。

隨后，由科技部啟動的《科技創新2030“新一代人工智能”重大項目指南》中，將“群體智能”列為人工智能領域的五大持續攻關方向之一。2020年1月，由中國科學院印發的《人工智能發展白皮書》中，又將“群體智能技術”列為人工智能領域的八大關鍵技術之一。

無人系統群體智能作為群體智能的一種重要形態，伴隨著無人系統集群化、智能化得以快速發展。

為持續開展相關研究，需要在總結已有無人系統群體智能相關研究基礎上，進一步梳理無人系統群體智能的理論方法、核心技術以及系統構建問題，以推進我國此類群體智能研究及其系統研發，服務我國新一代人工智能發展目標。

2、群體智能的基本概念與分類

群體智能(Swarm Intelligence)概念最早于1989年由Beni和Wang在研究細胞機器人的自組織現象提出，用以刻畫群居性生物通過協作而涌現出的集體智能行為，以及受自然界中群體協作行為啟發來解決問題或構建人工集群系統的方法。

一般認為，群體智能是指由一定規模的個體通過相互協作在整個群體系統宏觀層面表現出來的一種分散、去中心化的自組織行為. 盡管群體智能系統中個體的智能都極其有限，但卻能夠通過相互協作與分工，整體涌現出高度的集體智能，以完成復雜任務，并為各種復雜問題的求解提供新的思路。

歷經30余年研究與發展，群體智能研究由最初的蟻群優化算法、粒子群優化算法等群體優化算法開始發展到集群機器人、自重構機器人、無人集群等分布式群體智能系統，再由基于互聯網的群體智能理論、系統與應用發展到人機物融合的群體智能計算，概括而言，目前主要形成以下三種形態.

(1)互聯網群體智能

互聯網群體智能，是指在廣泛深度交互的互聯網組織結構下，規模化人群為了特定目標在線共同作用，從宏觀上產生超越個體智能局限性的智能狀態，使群體具有完成復雜任務的能力. 在互聯網新技術和大數據技術高速發展背景下，人工智能2.0中的“群體智能”則更多體現的是基于互聯網的群體智能涌現。

基于群體化編輯的維基百科、基于群體化開發的開源軟件、基于眾問眾答的知識共享、基于眾智眾享的APP商店等為此類群體智能的實例展現. 互聯網群體智能理論與方法是人工智能2.0的核心研究領域之一，為人工智能在其他領域的研究起著基礎性和支撐性作用。

通過特定的組織結構和大數據驅動的人工智能系統吸引、匯聚和管理大規模參與者，以競爭和合作等多種自主協同方式共同應對挑戰性任務，將會成為互聯網科技創新生態系統的智力內核.

(2)無人系統群體智能

無人系統群體智能是指由眾多相對自主、人工研發的無人自主運動體通過相互協作與分工涌現出復雜智能行為的特性. 無人機集群、無人艇集群、無人坦克集群和工業智能機器人集群等是其目前階段的典型實例，多顆不同能力的衛星也可組成衛星集群的群體智能，跨域異構無人集群進一步呈現出更為復雜的無人系統群體智能形態。

這些無人集群以低成本、分散化形式滿足復雜任務功能需求，并針對復雜環境自主協同規劃、多域協同合作以及動態自適應調整，可涌現出單個無人自主運動體難以實現的智能水平. 無人系統群體智能不僅在協同偵察、聯合作戰、戰場評估等軍事領域，而且在區域物流、城市安防、搶險救援等民用領域具有廣闊應用前景.

(3)人機物融合群體智能

人機物融合群體智能是通過人、機、物異構群智能體的有機融合，利用其感知能力的差異性、計算資源的互補性、節點間的協作性和競爭性，構建具有自組織、自學習、自適應、持續演化等能力的智能感知計算空間，實現智能體個體技能和群體認知能力的提升。

其中“人”主要體現為社會空間廣大普通用戶及其所攜帶的移動或可穿戴設備，“物”主要體現為信息空間豐富的互聯網應用及云端和邊緣服務，“物”則主要體現為具有感知、計算、通信、決策和移動等能力的物理實體。

在萬物智聯驅動下、人機物融合已是21世紀上半葉信息技術的發展趨勢，使得人機物融合群體智能成為面向未來的新型智能形態. 處于發展之中的智慧城市、智能制造、智能戰場是人機物融合群體智能的典型實例.

本文從關鍵要素、實現方式和典型應用三方面對三種群體智能形態進行了綜合比較，具體如表1所示. 盡管三類群體智能形態不同，在關鍵要素的組成、實現方式和應用方面均存在一些明顯差異，但其本質內涵一致，即通過多個個體間的相互通信與協作具備單個個體無法完成的任務能力.

表1 三種形態的群體智能比較

3、無人系統群體智能的主要特征體現

本文重點關注的是無人系統群體智能，此類群體智能在具有明顯的自組織、自適應、自學習和自涌現等特征體現.

(1)自組織. 無人系統群體智能體現出來的自組織是指其內部眾多無人單體基于實時狀態與動態環境交互及認知，形成時空、邏輯等群體自主協作，完成復雜任務的特性，體現的是群體從無序到有序的演化過程，是群體自身固有而并非外部影響施加給群體的一種性質。

自組織意味著無人群體智能系統中沒有一個中心控制模塊，也不存在一部分控制另一部分的情況. 自然界的生物群體均是通過其自組織來解決問題，理解了大自然如何使生物系統自組織，就可以模仿這種策略使人工的無人群體智能系統自組織。

自組織是無人系統群體智能的重要特征體現，該特性可極大地提高無人群體智能系統在完成任務過程中的適應性與健壯性.

(2)自適應. 無人系統群體智能體現出來的自適應是指其不僅能夠動態適應外界環境動態變化與使命任務人為更新，而且能夠從群體內部狀態與行為突變(如局部個體故障)中盡快恢復原有行為的特性，即外界環境變化以及單個個體異常狀態均不會對整個群體執行任務成效產生較大影響。

因此，無人系統群體智能所體現的自適應特征更具體體現在群體自重構和群體自恢復上. 自重構是指群體為了適應諸如陰雨或晴天、城市或山區等環境動態變化，搜索或跟蹤、運輸或救援等不同任務更新，而對其群體構型(如編隊)自主變更的能力；而自恢復是指群體能夠自動發現群體內個體故障、局部異常等，并據之自主調整群體行為，而不影響群體完成目標任務的能力.

(3)自學習. 無人系統群體智能體現出來的自學習是指在整體群體層面根據來自任務環境的性能反饋而修正并歸納其自身行為的特性. 學習的目的在于適應與優化，適應是為了生存，而優化是為了更好地發展. 自學習是無人系統群體智能重要的特征之一，同時又有其獨特之處. 通過自學習，群體將不再局限于預定行為，從而能夠適應動態變化的環境和新的任務要求。

強化學習、合作式學習和進化學習普遍存在于生物群體系統中，是實現無人群體智能系統自學習的可借鑒方式. 其中，進化學習是群體智能一種特別的學習方法，它先以其數量占據優勢，然后隨著環境變化，淘汰不能適應的個體，在這一過程中，每一個體并沒有發生任何學習行為，但其群體具有更強的適應能力。

通過自主且持續學習，使得無人群體智能系統具備了成長性，不僅能夠適應環境的動態變化以及任務的需求變更，而且群體行為能夠自主演化，功能與性能得以持續提升.

(4)自涌現. 自涌現是群體智能的本質特征，其是自下而上自主出現的群智涌現，意為群體可以涌現出個體不具有的新屬性，而這種新屬性正是個體之間綜合作用的結果，形成群體宏觀有序的系統智能行為的特性。

無人系統群體智能體現出來的自涌現也是如此. 群體智能中的涌現現象與系統論和復雜系統中闡述的涌現本質上是相同的，其是基于主體實現的涌現，群體中的個體結構和功能相對簡單，通過在群體活動過程的交互與協調，適應環境并學習進化，涌現出一些新的整體行為和系統能力，實現了“1+1>2”的境界。

人們從自然界群體行為研究中得到啟發，發現微觀個體之間相互作用多是復雜非線性動態過程的迭代，并呈現出難以預測和行為有效的涌現特性. 例如，蟻群覓食、大雁遷徙、羊群效應的群智涌現對無人系統群體智能優化設計均有參考價值.

審核編輯 黃昊宇