无人机集群自主决策，中国团队提出新算法

【文/观察者网 熊超然】

据香港《南华早报》5月30日报道，来自中国西北地区的一个科研团队近日发布了一项新算法，该算法有望从根本上改变无人机集群搜寻并摧毁敌方目标的方式。

这项被称为HG-STR（异构图时空推理决策方法）的算法，有望使一支固定翼无人机编队即便是在其通信信号遭到干扰、视线被遮蔽的情况下，也能在广阔的战场上自主搜寻，并消灭每一个敌方目标。

根据5月19日发表的一篇同行评议论文显示，在特定的实验仿真条件下，HG-STR在覆盖率上达到100%，这一指标显著优于对比算法。《南华早报》据此称，该算法运行速度足以跟上现代战争的快节奏。

报道还援引一名不愿透露姓名而要求匿名的中方防务专家称，目前大多数无人机作战任务仍由人类飞行员进行远程操控。这名专家表示：“这项技术预示着这样一种未来，成群的无人机将被派往高风险、强干扰的环境中，在与人类指挥彻底断开联系后，它们仅凭一道最终指令——‘搜寻并全歼所有敌人’，便能独立执行任务。”

研究人员强调，论文中的场景只是团队基于算法研究需要设定的典型仿真场景，目的在于验证异构图时空推理与分层决策方法在局部观测和通信受限条件件下的算法性能，并非宣称该技术已经具备实战部署能力。

无人机集群资料图

据报道，传统的算法往往将友军、敌军及地形等各类信息，一概视为同一种类型的数据。而这篇最新论文则认为，这种处理方式往往会导致信息混淆。

论文中提出的新方法是构建一种“异构图”，即一种能够赋予不同对象真实语义的智能网络。在这一网络中，友方无人机是一类节点，搜索区域是一类节点，敌方目标则是另一类截然不同的节点。

该算法能够通过学习，精准地识别并关注各类对象之间正确的关联关系。当一架无人机发现敌方目标时，该信息会被系统判定为高优先级的威胁，而当附近有友军单位时，系统则将其视为开展协同作战的契机。

论文指出，得益于此，无人机集群能够瞬间判断出何时需要向友军提供支援，何时又该对敌方发起行动。

相比之下，那些基于既定规则的旧式系统，其运作模式类似于预先编写好的剧本，一旦遭遇不按“剧本”出牌的敌方，便会彻底失效。大多数现有的优化方法，就像一台逐一推演每一步棋的国际象棋电脑一样，其运行速度都过于缓慢。

论文指出，得益于端到端的神经网络前向推理，HG-STR的单步耗时仅为6.6毫秒，即仅需6.6毫秒即可完成决策，这相较于传统方法无疑是一次巨大的飞跃。

以另一种方法GA+PSO+MPC为例，该方法虽然在覆盖率上略高于HG-STR，但其代价是高达5.8秒的计算延迟。在100米每秒（m/s）的飞行速度下，这意味着每步决策期间存在近600米的盲飞距离，这在强电子对抗环境下是致命的。

不同算法性能对比论文截图

不过，真实战场充满各种不确定因素。敌方电子干扰可能切断通信链路，使无人机陷入孤立状态；无人机自身传感器所能观测的地面范围也十分有限；而“搜索与摧毁”任务本身则是一场与时间和燃料消耗赛跑的行动。

这支中国科研团队直面挑战，提出了相应的解决方案。首先，他们为每架无人机植入了一套“记忆系统”，一旦无人机与友机失去联系，便可依靠一种特殊的记忆模块（即“门控循环单元”——GRU）来回溯并记住友机的最后位置，以及敌方目标最后一次出现的坐标。

其次，他们为无人机设计了一套分层式的“大脑”决策机制。无人机首先确立宏观任务目标：“究竟是继续搜索，还是转入打击模式？”随后，它会选定具体的攻击对象。最后，它将根据实际情况决定应投入多少弹药进行攻击。

通过将复杂的决策问题拆解为层层递进的子任务，无人机成功避免了因试图“眉毛胡子一把抓”而陷入混乱的局面。

在该团队开展的仿真实验中，即便是在通信半径极度受限的弱连通条件下，仍能保持94%的任务成功率。

实验结果还表明，该算法具备极强的泛化能力：只需在小规模的仿真场景中完成训练，便可即刻无缝迁移并应用于规模更为庞大、涉及更多无人机与敌方目标的复杂战场环境之中，而无需进行任何额外的重新训练。

展望未来，该团队计划将这一算法从实验室环境推向真实的战场应用。此外，他们还将致力于进一步提升算法的鲁棒性（即抗干扰与容错能力），使其不仅能够妥善应对通信中断的突发状况，更能有效处理信息传输延迟以及数据受损等各类复杂问题。

研究报告写道：“未来工作将重点探索该算法在算力受限的嵌入式机载平台上的轻量化部署与实飞验证，并进一步将信道竞争、随机丢包与传输延迟纳入马尔可夫决策状态空间，研究非理想通信信道下的集群决策韧性。”

本文系观察者网独家稿件，未经授权，不得转载。