作者：李振宇
核心提示：“无人机群”与“无人机”并不是同一个概念，“无人机群”也不是多个“无人机”的简单相加，“无人机群”应该是一个分布式、自组织、多功能的有机整体，与自然界绝大多数“群体”现象一样，“无人机群”应当有其智能规则，通过模仿自然界生物的群聚现象，在数量上占绝对优势的无人机利用群聚智能就能达到甚至超越在数量上占劣势的有人驾驶机。
1.无人机群
无人驾驶飞机简称“无人机”pilotless airplane，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。机上无驾驶舱，但安装有自动驾驶仪、程序控制装置等设备。随着自动化控制技术的高度发展与人工智能的诞生，现代无人驾驶机也具备了相当的人工智能，能够在战场执行诸如侦察、监视和搜索等任务，部分携带有战斗部的无人驾驶机能够执行轰炸、对地攻击，甚至与有人战斗机进行空战的高智能、高复杂性任务。我国的“霸王龙”与美国的“捕食者”系列无人机均向此目标发展。
然而在当今科技的制约下，想要无人驾驶机到达飞行员那样强大的信息处理能力与智能还是相当困难。实际上由于成本与科技的制约，现代无人机往往是以单机工作的模式出现在公众面前，“无人机群”的价值并没有引起足够的重视。事实上“无人机群”与“无人机”并不是同一个概念，“无人机群”也不是多个“无人机”的简单相加，“无人机群”应该是一个分布式、自组织、多功能的有机整体，与自然界绝大多数“群体”现象一样，“无人机群”应当有其智能规则，通过模仿自然界生物的群聚现象，在数量上占绝对优势的无人机利用群聚智能就能达到甚至超越在数量上占劣势的有人驾驶机。
2.鸟类群聚现象
在自然界中，单个飞鸟的飞行貌似漫无目的，然而群体飞鸟虽然表面上看起来时聚时散，却始终保持成群体方向统一的飞行状态，显然，飞鸟的飞行并不是无规律、混乱的行为，而是一种体现了群聚智能与高秩序性的行为。通过研究人员的调查分析，发现鸟类聚集行为实际上是其飞行中的每个个体都遵循了一些简单的规则，而正是在这种简单规则的共同制约下，鸟群之间的相互作用导致了群体秩序和谐统一，这种行为在智能学上被称为涌现现象（emergence）。作为智能个体——鸟本身，其初始状态是随机的，在没有得到智能群体的总体信息反馈时，它在解空间中的行进方式通常没有任何规律，只有受到整个智能群体在解空间中行进效果的影响之后，智能个体在解空间中才能表现出具有合理寻优特征的行进模式。
其中智能群聚现象有以下特点 ：
1)群体中相互合作的个体是分布式的，不存在中心控制，因而它更能够适应当前网络环境下的工作状态，并且具有较强的鲁棒性，即不会由于某一个或某几个个体出现故障而影响群体对整个问题的求解。
2)每个个体只能感知局部信息，不能直接拥有全局信息，并且群体中每个个体的能力或遵循的行为规则非常简单，因而群体智能的实现比较方便，具有简单性的特点。
3)个体之间通过非直接通信的方式进行合作。由于群体智能可以通过非直接通信的方式进行信息的传输与合作，因而随着个体数目的增加，通信开销的增幅较小，也就是说，它具有较好的可扩充性。
4)自组织。即群体通过简单个体的交互突现出复杂的行为。
在鸟类的群聚现象中，无形的“系统”只要遵循简单的规则就能够自发涌现鸟群体的动态行为。
3．以Boid模型为例的鸟类群聚现象
人类早已开展对鸟类群聚现象的研究，1986年美国人雷诺尔兹（Craig W.Reynolds）就发明了一种计算机模型来模拟鸟类群体运动的计算机动画。这个计算机模型被称为“Boid”。 。在Boid模型中，用计算机屏幕上的运动点代表鸟个体，这样的一群点就是鸟类的群体。给每个点设置坐标、速度等参量，这样就把现实世界中的鸟映射到计算机屏幕的虚拟世界中来。雷诺尔兹通过反复的实验发现了三条简单的规则来决定Boid的行为方式，这样Boid模型的动态行为就可以和真实世界中的鸟类群聚行为相比拟。
由于现实中的鸟具有一定的视角范围，因此在Boid模型中每只“鸟”都要观察它周围的局部环境。假如我们把Boid模型放置在一个与现实世界相似的三维虚拟现实环境中，每只“鸟”能够看到它所处水平面的一个扇形，其中distance是它的视力范围， angle是它能看到扇形的角度。
由此看来，Boid模型中的每只“鸟”由于其视力范围的局限，因此也只有在其视力范围
内的物体能够影响到它，这就是在鸟类群体中的个体所遵守的三个简单规则：
1)吸引规则。每个Boid都要去尽量靠近它的邻居所在的中心位置。
2)匹配规则。每个Boid的飞行方向尽量与周围邻居的飞行方向保持一致。
3)分隔规则。当Boid与某些邻居靠得太近的时候就会尽量避开，把这三条规则用计算机语言实现，则屏幕上的动点就会模拟出类似鸟类飞行的行为。
在这三条简单规则的约束下，Boid模型中的“鸟群”就会像现实的鸟群一样在虚拟现实中飞翔。通过加入第四条规则，规避规则。当一只“鸟”发现前方有障碍物的时候，就改变自己的运动方向尽可能避开障碍物。而反应在Boid模型中的“鸟群”上，就是“鸟群”灵活地避开障碍物，然后重新组织集聚飞行的姿态与方式，如图5所示。Boid模型中的“鸟群”所具备的群聚智能与现实世界中的鸟群相差无几。
4．基于Boids群聚模型的无人驾驶机群
由于与载人飞机相比,无人机具有体积小、 造价低、使用方便、对作战环境要求低、战场生存能力较强等优点，无人驾驶飞机以其准确、高效和灵便的侦察、干扰、欺骗、搜索、校 射及在非正规条件下作战等多种作战能力,发挥着显著的作用，然而由于人工智能与现代自动化控制技术发展的局限性，无人机依然无法与有人机进行一对一的直接较量，然而如果将Boids群聚模型移植到无人驾驶机群上，则会使个体人工智能不足以与人类智能抗衡，但数量上却占绝对优势的无人驾驶机的智能与机动能力大大提高。因此具有群聚智能的无人驾驶机群是今后无人驾驶机技术研究的主要课题。
基于Boids群聚模型的无人驾驶机群的个体应当具备以下三个模块：
（1）感知模块。个体感知模块类似于鸟的视力，它是执行Boid模型条件的主要工具，无人驾驶机个体通过感知模块获得周围附近其他无人驾驶机的距离Boid_distance与方向角Boid_angle，感知模块可以认为是一个短程微波发射器/接收器或者是一个小型雷达，通过在近距离发射微波与接受反射回的微波来确认无人驾驶机个体的“邻居”方位信息。事实上，由于微波的全向特性，基于Boids群聚模型的无人驾驶机比真实的鸟的视力范围还要广阔，它的视力范围理论上是可以达到360度的；
（2）决策模块。决策模块是控制无人机严格按照Boid模型的四条规则的核心，通过对决策模块的条件设置，无人机群才能像鸟群一样产生涌现现象，表现出秩序性与自组织性。由于Boid模型中鸟群是以群体现象飞行的，要求无人机制导控制精度高、稳定性好，能够适应复杂的外界环境，因此决策模块控制算法比较复杂，计算速度快、精度高；
（3）运动模块。基于Boids群聚模型的无人驾驶机群的运动模块与常规无人机运动模块不同之处在于，其要求无人机的运动模块更加精密与精确，在控制无人驾驶机运动时能够随时调整其运动姿态与运动速度以符合Boid模型的要求，否则就可能发生因为无人驾驶机运动模块的滞后性而带来的多个无人机相撞的事故，甚至会出现无人驾驶机群产生极其剧烈的扰动从而破坏了Boid模型的秩序与自组织。
5.结束语
自然界的群聚现象除了鸟类群聚现象外，还有蚊子群聚现象，鱼类群聚现象等，人工智能领域也常用Boids和Floys模型对这些生物群聚现象进行仿真。需要认识到的是，群聚智能利用的是群体的优势，使分布于空中的无人驾驶机个体以自组织的方式进行群聚智能飞行控制，无人机不但要向高智能化与小型化发展，而且还应该向群聚化、多智能化的方向发展。
