作者：李振宇
核心提示：“無人機群”與“無人機”并不是同一個概念，“無人機群”也不是多個“無人機”的簡單相加，“無人機群”應該是一個分布式、自組織、多功能的有機整體，與自然界絕大多數“群體”現象一樣，“無人機群”應當有其智能規則，通過模仿自然界生物的群聚現象，在數量上占絕對優勢的無人機利用群聚智能就能達到甚至超越在數量上占劣勢的有人駕駛機。
1.無人機群
無人駕駛飛機簡稱“無人機”pilotless airplane，是利用無線電遙控設備和自備的程序控制裝置操縱的不載人飛機。機上無駕駛艙，但安裝有自動駕駛儀、程序控制裝置等設備。隨著自動化控制技術的高度發展與人工智能的誕生，現代無人駕駛機也具備了相當的人工智能，能夠在戰場執行諸如偵察、監視和搜索等任務，部分攜帶有戰斗部的無人駕駛機能夠執行轟炸、對地攻擊，甚至與有人戰斗機進行空戰的高智能、高復雜性任務。我國的“霸王龍”與美國的“捕食者”系列無人機均向此目標發展。
然而在當今科技的制約下，想要無人駕駛機到達飛行員那樣強大的信息處理能力與智能還是相當困難。實際上由于成本與科技的制約，現代無人機往往是以單機工作的模式出現在公眾面前，“無人機群”的價值并沒有引起足夠的重視。事實上“無人機群”與“無人機”并不是同一個概念，“無人機群”也不是多個“無人機”的簡單相加，“無人機群”應該是一個分布式、自組織、多功能的有機整體，與自然界絕大多數“群體”現象一樣，“無人機群”應當有其智能規則，通過模仿自然界生物的群聚現象，在數量上占絕對優勢的無人機利用群聚智能就能達到甚至超越在數量上占劣勢的有人駕駛機。
2.鳥類群聚現象
在自然界中，單個飛鳥的飛行貌似漫無目的，然而群體飛鳥雖然表面上看起來時聚時散，卻始終保持成群體方向統一的飛行狀態，顯然，飛鳥的飛行并不是無規律、混亂的行為，而是一種體現了群聚智能與高秩序性的行為。通過研究人員的調查分析，發現鳥類聚集行為實際上是其飛行中的每個個體都遵循了一些簡單的規則，而正是在這種簡單規則的共同制約下，鳥群之間的相互作用導致了群體秩序和諧統一，這種行為在智能學上被稱為涌現現象（emergence）。作為智能個體——鳥本身，其初始狀態是隨機的，在沒有得到智能群體的總體信息反饋時，它在解空間中的行進方式通常沒有任何規律，只有受到整個智能群體在解空間中行進效果的影響之后，智能個體在解空間中才能表現出具有合理尋優特征的行進模式。
其中智能群聚現象有以下特點 ：
1)群體中相互合作的個體是分布式的，不存在中心控制，因而它更能夠適應當前網絡環境下的工作狀態，并且具有較強的魯棒性，即不會由于某一個或某幾個個體出現故障而影響群體對整個問題的求解。
2)每個個體只能感知局部信息，不能直接擁有全局信息，并且群體中每個個體的能力或遵循的行為規則非常簡單，因而群體智能的實現比較方便，具有簡單性的特點。
3)個體之間通過非直接通信的方式進行合作。由于群體智能可以通過非直接通信的方式進行信息的傳輸與合作，因而隨著個體數目的增加，通信開銷的增幅較小，也就是說，它具有較好的可擴充性。
4)自組織。即群體通過簡單個體的交互突現出復雜的行為。
在鳥類的群聚現象中，無形的“系統”只要遵循簡單的規則就能夠自發涌現鳥群體的動態行為。
3．以Boid模型為例的鳥類群聚現象
人類早已開展對鳥類群聚現象的研究，1986年美國人雷諾爾茲（Craig W.Reynolds）就發明了一種計算機模型來模擬鳥類群體運動的計算機動畫。這個計算機模型被稱為“Boid”。 。在Boid模型中，用計算機屏幕上的運動點代表鳥個體，這樣的一群點就是鳥類的群體。給每個點設置坐標、速度等參量，這樣就把現實世界中的鳥映射到計算機屏幕的虛擬世界中來。雷諾爾茲通過反復的實驗發現了三條簡單的規則來決定Boid的行為方式，這樣Boid模型的動態行為就可以和真實世界中的鳥類群聚行為相比擬。
由于現實中的鳥具有一定的視角范圍，因此在Boid模型中每只“鳥”都要觀察它周圍的局部環境。假如我們把Boid模型放置在一個與現實世界相似的三維虛擬現實環境中，每只“鳥”能夠看到它所處水平面的一個扇形，其中distance是它的視力范圍， angle是它能看到扇形的角度。
由此看來，Boid模型中的每只“鳥”由于其視力范圍的局限，因此也只有在其視力范圍
內的物體能夠影響到它，這就是在鳥類群體中的個體所遵守的三個簡單規則：
1)吸引規則。每個Boid都要去盡量靠近它的鄰居所在的中心位置。
2)匹配規則。每個Boid的飛行方向盡量與周圍鄰居的飛行方向保持一致。
3)分隔規則。當Boid與某些鄰居靠得太近的時候就會盡量避開，把這三條規則用計算機語言實現，則屏幕上的動點就會模擬出類似鳥類飛行的行為。
在這三條簡單規則的約束下，Boid模型中的“鳥群”就會像現實的鳥群一樣在虛擬現實中飛翔。通過加入第四條規則，規避規則。當一只“鳥”發現前方有障礙物的時候，就改變自己的運動方向盡可能避開障礙物。而反應在Boid模型中的“鳥群”上，就是“鳥群”靈活地避開障礙物，然后重新組織集聚飛行的姿態與方式，如圖5所示。Boid模型中的“鳥群”所具備的群聚智能與現實世界中的鳥群相差無幾。
4．基于Boids群聚模型的無人駕駛機群
由于與載人飛機相比,無人機具有體積小、 造價低、使用方便、對作戰環境要求低、戰場生存能力較強等優點，無人駕駛飛機以其準確、高效和靈便的偵察、干擾、欺騙、搜索、校 射及在非正規條件下作戰等多種作戰能力,發揮著顯著的作用，然而由于人工智能與現代自動化控制技術發展的局限性，無人機依然無法與有人機進行一對一的直接較量，然而如果將Boids群聚模型移植到無人駕駛機群上，則會使個體人工智能不足以與人類智能抗衡，但數量上卻占絕對優勢的無人駕駛機的智能與機動能力大大提高。因此具有群聚智能的無人駕駛機群是今后無人駕駛機技術研究的主要課題。
基于Boids群聚模型的無人駕駛機群的個體應當具備以下三個模塊：
（1）感知模塊。個體感知模塊類似于鳥的視力，它是執行Boid模型條件的主要工具，無人駕駛機個體通過感知模塊獲得周圍附近其他無人駕駛機的距離Boid_distance與方向角Boid_angle，感知模塊可以認為是一個短程微波發射器/接收器或者是一個小型雷達，通過在近距離發射微波與接受反射回的微波來確認無人駕駛機個體的“鄰居”方位信息。事實上，由于微波的全向特性，基于Boids群聚模型的無人駕駛機比真實的鳥的視力范圍還要廣闊，它的視力范圍理論上是可以達到360度的；
（2）決策模塊。決策模塊是控制無人機嚴格按照Boid模型的四條規則的核心，通過對決策模塊的條件設置，無人機群才能像鳥群一樣產生涌現現象，表現出秩序性與自組織性。由于Boid模型中鳥群是以群體現象飛行的，要求無人機制導控制精度高、穩定性好，能夠適應復雜的外界環境，因此決策模塊控制算法比較復雜，計算速度快、精度高；
（3）運動模塊?；贐oids群聚模型的無人駕駛機群的運動模塊與常規無人機運動模塊不同之處在于，其要求無人機的運動模塊更加精密與精確，在控制無人駕駛機運動時能夠隨時調整其運動姿態與運動速度以符合Boid模型的要求，否則就可能發生因為無人駕駛機運動模塊的滯后性而帶來的多個無人機相撞的事故，甚至會出現無人駕駛機群產生極其劇烈的擾動從而破壞了Boid模型的秩序與自組織。
5.結束語
自然界的群聚現象除了鳥類群聚現象外，還有蚊子群聚現象，魚類群聚現象等，人工智能領域也常用Boids和Floys模型對這些生物群聚現象進行仿真。需要認識到的是，群聚智能利用的是群體的優勢，使分布于空中的無人駕駛機個體以自組織的方式進行群聚智能飛行控制，無人機不但要向高智能化與小型化發展，而且還應該向群聚化、多智能化的方向發展。
?