生物群集行為是自然界存在的一種普遍現象
,
先前的研究已表明人們可以通過模仿鳥群、魚群、蜂群等行為, 研究其群體性決策機制, 進而用于構建集群系統的決策系統框架. 狼群在認知、分工, 以及復雜環境適應性等方面具有突出的優勢, 尤其在群集行為中體現出主動學習、緊密配合, 以及快速響應等特征, 呈現出群智能的獨特性質。表
1
列舉了狼群、鳥群、魚群, 以及蟻群在幾種行為方面的不同特點
.
在空戰格斗等對抗環境下, 無人機集群所面臨的是高動態的拒止環境. 與一般飛行環境相比, 對抗環境普遍存在敵方目標的信號干擾和火力威脅, 這使得無人機集群必須具備在有限探測能力下的快速精確的動作響應. 狼群群集行為體現出較強的應變能力和組織能力, 使得狼群系統即使在危險環境下也不會出現失控和崩潰, 面對比自身體型更大、力量更強的獵物能夠采取靈活的配合與決策將其制服, 面對食物或領地競爭等突發事件也能夠及時組織成員參與化解. 由此可見, 狼群群集行為與對抗環境下的無人機集群機動飛行緊密契合, 將狼群智能應用于無人機集群協同決策與控制過程, 對提升無人機集群對抗能力具有重要借鑒意義。
狼群智能與無人機集群協同決策在映射機理上存在一致性。首先, 兩者行為特征相似。狼群系統在狩獵等威脅環境下的群集行為是典型的動態演變過程, 面對威脅目標需要利用快速準確的決策手段選擇性地采取有利于自身的行動策略以實現對目標的牽制。對抗環境下的無人機集群則是在高動態的拒止環境下, 面對對抗目標需要進行分布式決策與控制
,
通過協同配合完成小組范圍內對目標的夾擊或追蹤。其次, 兩者在環境認知方面的需求相似。狼群需要借助團隊配合和互助進行大范圍狩獵環境的搜捕, 掌握圍捕環境和狩獵目標的典型特征。無人機集群在拒止環境下需要借助多機信息交互和融合實現對動態目標的識別跟蹤、對干擾信號的過濾. 再次, 兩者的協同機制相似. 狼群系統穩定性和決策的一致性依賴于其內部的社會等級結構, 由于成員之間具有明確的交互關系, 當領導者確定群體任務并得到群集成員的認同后, 狼群系統會迅速做出正確決策. 無人機集群則通過建立本機與相鄰友機的通信拓撲, 在集群成員之間達到決策的一致性協議, 結合準確的態勢感知信息, 做出有利于態勢發展的機動策略. 綜上可見, 狼群智能行為機制可作為強化無人機集群對抗決策的重要依據。
如圖
1
所示, 映射機理可著重從環境認知與決策機制兩個方面考慮。在認知方面, 可借鑒狼群認知行為形態學特征, 抽象出一種群集態勢信息感知計算模型。其中, 參照狼群對狩獵目標動態變化的敏感特征, 在計算模型中綜合考慮對抗目標移動、外在特征、環境變化率等因素, 挖掘感興趣區域. 以非監督式學習為框架, 結合多機對抗目標信息共享, 利用信息融合提升對抗目標的預測和定位精度. 在決策機制方面, 可通過狼群在合作狩獵場景下群體成員的運動相關性, 結合其社會組織與等級特性, 建立狼群合作狩獵運動模型, 并制定成員交互規則。基于群集運動研究中的個體協調運動模型(如Reynolds三原則), 考慮機動飛行、通信范圍、任務激勵等約束, 分別設計無人機集群協調運動動力學模型和拓撲規則, 構建多機協同控制律, 保證集群運動的協調一致。為應對頻繁出現的外部干擾和突發情況, 可以對狼群合作狩獵運動進行階段性分解, 構建任務狀態切換圖以實時應對狀態突變, 以增強集群的快速響應。
圖1 狼群情報到無人機群對抗決策的映射機制
近年來, 隨著人工智能、仿生學等跨學科在工程技術領域的快速發展, 基于狼群行為特征的多無人系統協調控制與協同決策技術成為了廣泛研究的熱點。無人機集群作為一類特殊的多無人系統, 其決策機理與多無人系統相一致。Weitzenfeld
借鑒狼群捕獵行為提出了一種多機器人驅動控制框架, 可實現捕獵和躲避等不同任務形態動作. 在該狼群捕獵行為模型中, 狼群被分為頭狼和猛狼兩類, 每種角色可根據探測信息的質量進行策略切換. 通過硬件平臺試驗和相關數據的記錄和分析, 可使機器人模擬狼群游走、跟隨、攻擊、躲避等行為和任務。Madden等
基于狼群圍捕的實證化研究, 重新定義了Weitzenfeld的圍捕模型。在該模型中, 狼群中角色以一種基于物理力引導的方式發生變化, 同時增加了對獵物逃跑行為的反應策略。Duan等
提出了一種基于狼群行為機制的自主編隊控制方法, 采用人工勢場法設計了多無人機協同編隊控制器, 基于狼群社會組織關系確定了無人機層次編隊模型。通過分析多個無人機自主編隊與狼群編隊行為之間的映射關系, 設計了基于狼群層級行為機制的編隊保持控制器. Escobedo等
設計了一系列多智能體系統的移動策略, 以模擬狼群圍捕場景. 該控制策略分為兩個基于最小安全距離和驅動力控制的分散控制規則, 通過調節相關系數能夠再現狼群捕獵行為中跟蹤獵物、追捕、包圍獵物等主要特征。
來源：飛思實驗室 \ 文：小翼
