作者：中國(guó)民航飛行學(xué)院-岳源  

背景與概述

隨著上世紀(jì)90年代自動(dòng)控制技術(shù)的進(jìn)步、傳感器性能的提高，無(wú)人機(jī)開(kāi)始邁入民用航空市場(chǎng)。2010年，Parrot公司推出了第一款消費(fèi)級(jí)多旋翼無(wú)人機(jī)AR.Drone。從此，民用無(wú)人機(jī)市場(chǎng)開(kāi)始了快速擴(kuò)展。民用無(wú)人機(jī)市場(chǎng)規(guī)模從2012年約0.7億美元增長(zhǎng)為2017年約61億美元。近兩年無(wú)人機(jī)市場(chǎng)的增長(zhǎng)更是進(jìn)入快車道（如表1所示）。據(jù)美國(guó)蒂爾集團(tuán)預(yù)測(cè)，全球軍民無(wú)人機(jī)銷售額在2024年將達(dá)115億美元，未來(lái)10年支出總額將超過(guò)910億美元，年復(fù)合增長(zhǎng)率為6.7%。美國(guó)《航空與太空技術(shù)周刊》預(yù)測(cè)，未來(lái)10年全球無(wú)人機(jī)市場(chǎng)規(guī)模將達(dá)到673億美元，大約356億美元將用于生產(chǎn)，287億美元將用于技術(shù)研發(fā)和實(shí)驗(yàn)設(shè)計(jì)，維護(hù)服務(wù)約30億美元。

表1 近兩年全球民用無(wú)人機(jī)市場(chǎng)規(guī)模

民用無(wú)人機(jī)市場(chǎng)擴(kuò)張迅速，但是單臺(tái)無(wú)人機(jī)可靠性和載荷能力總是有限，多無(wú)人機(jī)協(xié)同技術(shù)應(yīng)用而生。賓夕法尼亞大學(xué)的Vijay Kumar教授提出來(lái)未來(lái)無(wú)人機(jī)發(fā)展的5S趨勢(shì)理論：Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集群）。其中集群就是指讓多個(gè)無(wú)人機(jī)協(xié)作，完成個(gè)體無(wú)法勝任的任務(wù)。INTEL公司率先進(jìn)行了多無(wú)人機(jī)協(xié)同編隊(duì)展示，在近五年時(shí)間里分別進(jìn)行了100架、300架、500架、1200架無(wú)人機(jī)協(xié)同編隊(duì)的燈光秀（如圖1所示）。

圖1 INTEL公司的歷年燈光秀

消費(fèi)級(jí)無(wú)人機(jī)在多機(jī)協(xié)同上的成功，極大地刺激了專業(yè)級(jí)無(wú)人機(jī)在該技術(shù)的進(jìn)步。隨著谷歌公司Project Wing無(wú)人機(jī)貨運(yùn)體系的推進(jìn)，多無(wú)人機(jī)協(xié)同運(yùn)輸也開(kāi)始進(jìn)入行業(yè)內(nèi)專家的視野。洛桑聯(lián)邦理工學(xué)院的智能系統(tǒng)實(shí)驗(yàn)室開(kāi)發(fā)一套可以在災(zāi)區(qū)快速搭建通信網(wǎng)絡(luò)的微型飛行機(jī)器人群。該集群成本低、可消耗、部署簡(jiǎn)便、使用靈活，為應(yīng)急救援的通信保障提供了一種靈活的解決方案。新加坡SwarmX公司開(kāi)發(fā)了HiveMind無(wú)人機(jī)操作系統(tǒng)，該系統(tǒng)“基于目標(biāo)的集群管理”根據(jù)和機(jī)器學(xué)習(xí)算法，集群的指揮者可以指揮無(wú)人機(jī)監(jiān)視哪些區(qū)域，軟件可以推算出如何有效地部署集群中的成員無(wú)人機(jī)。這些新的思路將帶來(lái)DaaS（drones－a－service）這種新的商業(yè)模型的出現(xiàn)。新的商業(yè)模式意味著多無(wú)人機(jī)協(xié)同技術(shù)不僅僅只是一場(chǎng)“沒(méi)有硝煙”的燈光秀，它將對(duì)未來(lái)民航業(yè)的發(fā)展帶來(lái) “有硝煙”的變革。變革的程度依賴于無(wú)人機(jī)協(xié)同技術(shù)能夠發(fā)展到那一步。

無(wú)人機(jī)協(xié)同關(guān)鍵技術(shù)

多無(wú)人機(jī)協(xié)同是指多架無(wú)人機(jī)通過(guò)搭載傳感器感知周圍環(huán)境信息，同時(shí)通過(guò)信息鏈路實(shí)現(xiàn)無(wú)人機(jī)之間的信息融合，利用飛行管理計(jì)算機(jī)對(duì)各種任務(wù)進(jìn)行分配和決策，進(jìn)而生成航跡規(guī)劃。然后依賴飛行控制計(jì)算機(jī)調(diào)整單個(gè)無(wú)人機(jī)姿態(tài)，以實(shí)現(xiàn)航跡規(guī)劃、任務(wù)的完成。圖3為多無(wú)人機(jī)協(xié)同內(nèi)部邏輯圖。

圖2 多無(wú)人機(jī)協(xié)同內(nèi)部邏輯

從當(dāng)前國(guó)際無(wú)人機(jī)公司技術(shù)發(fā)展來(lái)看，為了實(shí)現(xiàn)多無(wú)人機(jī)的協(xié)同，主要以下四大技術(shù)難點(diǎn)需要攻克：多無(wú)人機(jī)多目標(biāo)的任務(wù)分配技術(shù)、動(dòng)態(tài)環(huán)境下的軌跡規(guī)劃技術(shù)、分布式多無(wú)人機(jī)編隊(duì)技術(shù)、復(fù)雜環(huán)境下無(wú)人機(jī)識(shí)別感知技術(shù)。

任務(wù)分配技術(shù)

多架無(wú)人機(jī)在執(zhí)行任務(wù)時(shí)，往往面對(duì)的是多個(gè)目標(biāo)。如何根據(jù)任務(wù)的需求，合理地把不同的目標(biāo)分配給不同的無(wú)人機(jī)是進(jìn)行多無(wú)人機(jī)協(xié)同的關(guān)鍵技術(shù)。就無(wú)人機(jī)類型而言，當(dāng)前研究的重點(diǎn)從同構(gòu)無(wú)人機(jī)（即無(wú)人機(jī)型號(hào)相同）轉(zhuǎn)向異構(gòu)無(wú)人機(jī)（即無(wú)人機(jī)型號(hào)不一致，甚至可以是旋翼無(wú)人機(jī)和固定翼無(wú)人機(jī)）。就協(xié)同方式而言，當(dāng)前研究的重點(diǎn)從集中式協(xié)同（即有確定的長(zhǎng)機(jī)，僚機(jī)服從長(zhǎng)機(jī)指揮）轉(zhuǎn)向了分布式協(xié)同（即沒(méi)有確定的長(zhǎng)機(jī)），這使得任務(wù)分配技術(shù)更貼合實(shí)際使用。

麻省理工學(xué)院航空航天系Heba A. Kurdi團(tuán)隊(duì)?wèi)?yīng)用蝗蟲(chóng)彈性行為建立啟發(fā)算法，用以解決動(dòng)態(tài)環(huán)境下任務(wù)分配中每個(gè)UAV操作狀態(tài)和任務(wù)參數(shù)；首爾國(guó)立大學(xué)的Youdan Kim團(tuán)隊(duì)針對(duì)有通信范圍限定的動(dòng)態(tài)環(huán)境中的，應(yīng)用基于市場(chǎng)分散算法求解多無(wú)人機(jī)的任務(wù)分配；康奈爾大學(xué)Noam Buchman團(tuán)隊(duì)根據(jù)捆綁算法用于解決時(shí)間敏感環(huán)境下多無(wú)人機(jī)任務(wù)重分配問(wèn)題。

可見(jiàn)，當(dāng)前任務(wù)分配方向的研究多集中于提供新的算法來(lái)更快地求解動(dòng)態(tài)環(huán)境下的任務(wù)分配模型。隨著人工智能研究的深入，大量的智能算法被用于求解這一問(wèn)題。這將極大提高無(wú)人機(jī)在線處理突發(fā)情況的能力，有助于多無(wú)人機(jī)協(xié)同被應(yīng)用于更廣闊的領(lǐng)域。

航線規(guī)劃技術(shù)

隨著無(wú)人機(jī)執(zhí)行任務(wù)環(huán)境越來(lái)越復(fù)雜，多無(wú)人機(jī)在進(jìn)行協(xié)同作業(yè)時(shí)必要考慮的問(wèn)題就是如何根據(jù)作業(yè)環(huán)境和作業(yè)需求進(jìn)行航線規(guī)劃。航線規(guī)劃技術(shù)要求無(wú)人機(jī)能夠使用較短時(shí)間、較小代價(jià)飛行較大的航程、完成更多的任務(wù)。

英國(guó)諾森比亞大學(xué)Kothari團(tuán)隊(duì)采用機(jī)會(huì)約束方法處理飛行環(huán)境中的不確定性，再通過(guò)快速搜索樹(shù)方法獲取最優(yōu)路徑；加拿大魁北克大學(xué)的Berger團(tuán)隊(duì)針對(duì)異構(gòu)飛行器在靜態(tài)目標(biāo)搜索航線規(guī)劃中，采用二次規(guī)劃模型降低了求解難度；土耳其的Ugur Cekmez團(tuán)隊(duì)對(duì)基本的蟻群算法進(jìn)行改進(jìn)，提出了多蟻群算法。為了提高計(jì)算速度，所提出的算法在并行計(jì)算平臺(tái)上實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明了該方法在不同情景下的求解效率都很高。與Ugur Cekmez團(tuán)隊(duì)類似，西班牙馬德里自治大學(xué)的Cristian Ramirez-Atencia團(tuán)隊(duì)?wèi)?yīng)用了多目標(biāo)遺傳算法用來(lái)解決復(fù)雜環(huán)境下多無(wú)人機(jī)航跡規(guī)劃問(wèn)題。

圖3 不同的算法航線規(guī)劃的結(jié)果不同

    對(duì)于多無(wú)人機(jī)而言，復(fù)雜航線規(guī)劃技術(shù)還在研究階段。雖然眾多學(xué)者提出了豐富的數(shù)學(xué)模型和求解算法，但究竟哪個(gè)算法更成熟，目前尚沒(méi)有定論（如圖3所示，三個(gè)算法航線規(guī)劃的結(jié)果各不相同）。表現(xiàn)在市場(chǎng)就是：現(xiàn)階段還沒(méi)有成熟的在線多無(wú)人機(jī)協(xié)同航跡規(guī)劃技術(shù)投入商業(yè)使用。

編隊(duì)控制技術(shù)

多架無(wú)人機(jī)在執(zhí)行任務(wù)時(shí)需要以一定的隊(duì)形飛向任務(wù)區(qū)域。對(duì)于多機(jī)協(xié)同編隊(duì)而言，首先要避免編隊(duì)內(nèi)相撞的問(wèn)題，其次需要根據(jù)任務(wù)環(huán)境、任務(wù)目標(biāo)的改變而改變隊(duì)形。這需要成熟可靠的編隊(duì)控制技術(shù)來(lái)實(shí)現(xiàn)多無(wú)人機(jī)的編隊(duì)飛行。編隊(duì)控制技術(shù)核心工作在于隊(duì)形設(shè)計(jì)和隊(duì)形動(dòng)態(tài)調(diào)整兩個(gè)方面。主要應(yīng)用技術(shù)方法有：Leader-Follower法、虛擬結(jié)構(gòu)法、圖論法等。其中Leader-Follower法已經(jīng)比較成熟，廣泛應(yīng)用商業(yè)地面站軟件中，Mission planner、Q Ground Control軟件中可以有相應(yīng)模塊可以開(kāi)發(fā)。

圖4 地面機(jī)器人與無(wú)人機(jī)的編隊(duì)

與此同時(shí)，編隊(duì)控制從先前的二維層面向三維層面擴(kuò)展，伊朗德黑蘭理工學(xué)院（AUT）航空航天工程系，Hassan Haghighi提出了一個(gè)分層框架，使用指導(dǎo)和控制調(diào)節(jié)器在三維編隊(duì)機(jī)動(dòng)中進(jìn)行協(xié)調(diào)跟蹤。由于這種方法計(jì)算復(fù)雜度低，能夠使得多無(wú)人機(jī)編隊(duì)能夠在遇到突發(fā)情況后進(jìn)行有效地編隊(duì)控制。除了實(shí)現(xiàn)無(wú)人機(jī)與無(wú)人機(jī)之間的編隊(duì)，學(xué)者還進(jìn)行了無(wú)人機(jī)與地面機(jī)器人編隊(duì)的研究。加拿大的康戈迪亞大學(xué)Ghamry利用滑?？刂品椒▽?shí)現(xiàn)了圖4所示的地面機(jī)器人與無(wú)人機(jī)的協(xié)同編隊(duì)。

編隊(duì)的控制，是當(dāng)前多無(wú)人機(jī)協(xié)同技術(shù)中最為成熟的領(lǐng)域。即便如此，當(dāng)出現(xiàn)面臨干擾、突發(fā)情況、單個(gè)無(wú)人機(jī)平臺(tái)故障等情況時(shí)，當(dāng)前的技術(shù)還是不能有效應(yīng)對(duì)。

識(shí)別感知技術(shù)

無(wú)人機(jī)自主能力越高，其識(shí)別感知技術(shù)就越好。多機(jī)協(xié)同的實(shí)現(xiàn)就要求無(wú)人機(jī)要具備較好的識(shí)別感知技術(shù)。識(shí)別感知首先要求無(wú)人機(jī)傳感器性能可靠因此，國(guó)外諸多公司在這一領(lǐng)域投入了大量精力，也取得了相應(yīng)的成果。目前應(yīng)用比較多的感知技術(shù)如表2所示。

表2 無(wú)人機(jī)常見(jiàn)識(shí)別傳感器

在提高硬件水平的同時(shí)，多無(wú)人機(jī)協(xié)同編隊(duì)中的識(shí)別技術(shù)又要求相應(yīng)的識(shí)別算法魯棒性好。隨著卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用，視覺(jué)識(shí)別算法成為研究的熱點(diǎn)。

谷歌公司就應(yīng)用機(jī)器學(xué)習(xí)技術(shù)提高無(wú)人機(jī)識(shí)別效果。芝加哥大學(xué)的John Tisdale就建立了基于概率密度的非線性傳感器模型，該模型通過(guò)對(duì)已知數(shù)據(jù)分析從而對(duì)傳感器探測(cè)結(jié)果進(jìn)行預(yù)估，提高了傳感器探測(cè)效率。法國(guó)航空航天實(shí)驗(yàn)室的Martial Sanfourche應(yīng)用單目攝像頭使用擴(kuò)展卡爾曼濾波算法預(yù)估分布式多無(wú)人機(jī)協(xié)同編隊(duì)中各無(wú)人機(jī)位置和方向。

當(dāng)前識(shí)別感知技術(shù)在旋翼機(jī)上應(yīng)用的較為廣泛。固定翼飛機(jī)由于飛行速度快，不能空中懸停，識(shí)別感知技術(shù)的應(yīng)用受到了限制。

圖5 通過(guò)視覺(jué)識(shí)別，無(wú)人機(jī)實(shí)現(xiàn)位置的變化

啟示與小結(jié)

多無(wú)人機(jī)協(xié)同作業(yè)是無(wú)人機(jī)應(yīng)用形式的新變革，這場(chǎng)變革將加速航空器無(wú)人化的進(jìn)程。國(guó)外企業(yè)高校在這一領(lǐng)域已經(jīng)做了大量工作，無(wú)人機(jī)市場(chǎng)也有從百家爭(zhēng)鳴逐漸走向寡頭壟斷的趨勢(shì)。相對(duì)于傳統(tǒng)民航技術(shù)，我國(guó)在這一領(lǐng)域的積累反而更深厚一些。因此做好市場(chǎng)調(diào)研，摸清國(guó)內(nèi)外技術(shù)差距，弄清國(guó)內(nèi)外市場(chǎng)，對(duì)于搶占無(wú)人機(jī)協(xié)同領(lǐng)域的優(yōu)勢(shì)地位很有必要。

多無(wú)人機(jī)協(xié)同的應(yīng)用是一個(gè)新的事物，但是其背后的基本原理并不新鮮，在多無(wú)人機(jī)協(xié)同中廣泛應(yīng)用的智能算法其實(shí)早已在機(jī)器人領(lǐng)域應(yīng)用。視覺(jué)識(shí)別技術(shù)也在圖像處理領(lǐng)域得到應(yīng)用。由此可見(jiàn)，抓好基礎(chǔ)理論的應(yīng)用是進(jìn)行多無(wú)人機(jī)協(xié)同研究的基礎(chǔ)。需要認(rèn)識(shí)到由于有些技術(shù)在別的領(lǐng)域已經(jīng)得到應(yīng)用，所以開(kāi)展適當(dāng)?shù)募夹g(shù)遷移能夠使得無(wú)人機(jī)行業(yè)技術(shù)發(fā)展地更快。

就協(xié)同技術(shù)而言，軍用無(wú)人機(jī)的多機(jī)協(xié)同應(yīng)用經(jīng)驗(yàn)更多、技術(shù)也更先進(jìn)一些，加強(qiáng)加快軍用無(wú)人機(jī)協(xié)同技術(shù)的外溢很有必要。例如：谷歌公司無(wú)人機(jī)識(shí)別技術(shù)來(lái)源于美軍DARPA項(xiàng)目的成果。歐洲各大高校民用無(wú)人機(jī)協(xié)同技術(shù)的研究也得到北約的經(jīng)費(fèi)支持。我國(guó)軍用無(wú)人機(jī)協(xié)同技術(shù)也走在民用無(wú)人機(jī)的前面，國(guó)防科技大學(xué)、中國(guó)航空工業(yè)集團(tuán)611所，都在多無(wú)人機(jī)協(xié)同搜索攻擊領(lǐng)域有所建樹(shù)，開(kāi)展軍民合作既有效利用了資料，又加速了民用無(wú)人機(jī)多機(jī)協(xié)同技術(shù)的進(jìn)步。

現(xiàn)階段，一個(gè)新興領(lǐng)域從實(shí)驗(yàn)室到走向市場(chǎng)需要的時(shí)間越來(lái)越短。多無(wú)人機(jī)協(xié)同領(lǐng)域，各國(guó)都在加大投入，雖然當(dāng)前技術(shù)多在實(shí)驗(yàn)階段，但可以預(yù)見(jiàn)越來(lái)越成熟的多無(wú)人機(jī)協(xié)同技術(shù)將層出不窮地出現(xiàn)在未來(lái)民用航空市場(chǎng)上。

（撰稿人：岳源）