A-A+

无人机的自主控制技术(摘录)

2014年11月27日 Other, 机器人未来 暂无评论 阅读 7,364 次

无人机的自主控制技术(摘录)

完整文章将在《飞机设计》杂志出版

作者:Top Liu

1        自主控制技术

智能无人系统的最大优势在于它能够进行自我管理,具有一定的任务自主能力。但在X-47B 诞生之前,无人机执行任务要依赖于地面遥控,均无法完全脱离地面人员的控制。随着飞行器的导航、制导与控制等技术的发展,无人机不仅能具备“自动飞行” 能力,还必将具备执行任务的“自主飞行” 能力。

如今无人机机载计算机计算能力强大,在新型的无人机设计时,可以将更多的细节性控制、逻辑性的推理以及规则性的判断交由机载计算机完成,这样操纵人员就可以解放出更多的精力,以进行需要人类直觉以及更为重要的决策。所以,在对无人系统进行研究设计的时候,需要把明确自主性内涵放在首位[1]。美国国防部也指出“要将任务自主性级别作为方案选择的依据”[2]

而评价一个无人机系统的“自主性级别”,则需要一个可在工程中逐步实现、可以量化、可以和同类事物比较水平高下的工程概念。目前与此相对应的工程概念就是美国提出的自主能力级别 (Autonomous Capability Levels,ACL)。明确划分ACL级别是一个很大的进步,它有效地避免了主观性,从而把对一个新概念的定性研究提升到定量研究,对技术的发展具有引领作用,也便于科研人员和政府部门制定研究规划和决策。

ACL将系统的自主控制水平分为:遥控引导、实时健康诊断、适应故障和飞行条件、飞行器路径重规划、团队协调、团队战术重规划、团队战术目标、分布控制、团队战略目标、完全自主群体等十个等级[3]。ACL1-3开始逐步完善个体的性能,ACL-4表示了个体的最高性能,ACL-5- ACL 10表现具体的群体特性。最终ACL-10追求的是一种无人战斗机的群体作战方式,代表了无人系统的最高作战模式不再是单无人系统攻击,而是多无人系统协同攻击[3],也是无人空战系统所要实现的最高目标。

国内陈宗基等[4]在ACL的基础上提出了适于中国无人机技术发展的自主控制等级,取消了不能归为智能活动的分布式控制等级(原等级划分的第8级),更改了自主等级命名以反应各等级的军事应用特征,并提出了实现这些技术内涵的无人机自主控制系统结构及功能模块组成。2012年,美国防部科学委员会在《自主在国防部系统中的作用》报告中提出了六个关键领域,分别是:感知、规划、学习、人机接口、自然语言理解、多智能体协同,其自主水平的进步将会显著提高无人机作战水平[5]。当前的技术现状与挑战如图1所示。

图1 无人机技术现状与挑战[5]

国内现阶段对无人机系统自主控制的技术需求[6][7]主要体现在如下几个方面:

(1)全面的环境感知能力。无人机系统的环境感知能力,是实现自主控制的基础。尤其是在复杂和不确定的环境中运行,无人系统必须能够感知和了解周围环境。感知系统必须能够通过有限的信息感知来推断环境状况,并能够评估环境中其它动作者的意图,这种能力将为未来的自主化系统提供在复杂多变的环境中规划和执行任务的灵活性和适应性。未来需重点研究的技术有传感器数据决策层级的融合、非结构化环境感知技术、复杂环境认知与学习技术态势感知及评估对知识的表达、组织和利用、基于跨平台信息共享的信息获取与信息融合技术、资源和时间约束下的多任务态势评估技术[7]

(2)复杂条件下的自主决策、规划、导航与控制能力。无人机系统在具备环境感知的基础上,将能够进行复杂条件下的自主规划与决策,并具有灵活的自主性和鲁棒性。关键技术有自主飞行控制(包括自主起降、自主空中加油、自主返航等)、感知与回避、自主行为决策、故障预测与自修复控制、任务自适应控制、实时规划与再规划技术等。

(3)多机协同与交互能力。协同是人类高级的智能活动,自主协同能力也是无人机高级自主控制能力。协同与交互技术主要解决多无人机,以及人机之间的协作行为, 实现有人/无人平台协同作战、多无人平台的协同作战。多机自主协同要面临的挑战是处理分散化决策 (Decentralized decisions)、分布式敏感 (Distributed sensing)、不确定性管理 (Uncertainty management)、 信息不完全性(Partial information)、无显式的领航者 (No explicit leader) 的系统所带来的协同管理、决策与控制问题[8]。关键技术有多无人机任务分配与协调、多任务冲突检测与消解、多无人机协同航路规划、编队运动协调规划与控制、集群自组织、在未来网络化协同作战模式以及无人机自主程度不断提高的情况下, 需要研究以最小信息流为基础的分散化编队协同控制律, 通过最小信息流可以在可靠性和隐蔽性需求与信息共享所导致的性能增强两者之间实现平衡。

(4)人机智能融合与学习适应能力。无人机系统的典型特征是“平台无人,系统有人”。随着无人机系统智能化水平的提高,具有自主控制能力的各类无人机系统等将与有人系统共同完成作战任务,并且通过无人机系统具备的人机智能融合与学习适应能力,将逐渐实现无人机与有人系统的高效协同。学习型自主能够根据对象、环境、任务及控制效果,通过自主的学习、修正和优化提高控制性能。关键技术有人机交互、人机功能动态分配、平台状态/战术态势/任务协同综合显示、脑机接口等。

随着技术的不断发展,无人机系统从最初用遥控器完全手动控制,到由操作员通过地面控制站实现预先规划和实时调整的半自动控制,向着无人机群抵达、执行任务、返航的全自主控制的转变。

 

2        无人机系统的一些特点

2.1       无人机系统相对于有人机在时空上的拓展

速度更快

高度更高

滞空时间更长(以天为计量单位)

2.2       无人机系统是系统之系统(System of system)

2.3       无人机系统是赛博—物理系统(Cyber-physical System)

在《控制论》一书中,维纳认为智能的两个核心是:通信与控制。

在互联网、计算机高度发达的今天,无人机系统将是物理系统和网络紧密结合的系统。

环境—传感器—网络(通信)—计算—嵌入式系统—执行器

 

Cyber源自希腊语单词Kubernetes,意思是舵手。包含了调节、操纵、管理、指挥、监督等多方面的涵义。诺伯特·维纳在《控制论》(Cybernetics)一书中使用Cybernetics一词,控制论的思想渊源可以追述到古代和近代自动机器以及社会管理方面的影响。有人问维纳:“控制论创立时,是否出现过某些哲学思想的影响?”维纳回答说:

“哲学家中有一个人,如果活到今天,毫无疑问,他将研究控制论,这个人就是莱布尼茨。”

控制论最直接的思想基础来自自动机器,特别是具有类似人脑逻辑推理功能的自动机器。要让机器思维,就需要研究思维的规律,并使之形式化。这就产生了形式逻辑。大约两千年前,古希腊学者亚里士多德就为形式逻辑打下了坚实的基础,其中,三段论就是形式逻辑的典型代表。三段论法是自然语言形式的逻辑形式。对自动机器而言,更好的逻辑形式应该是以数学语言表现的形式,这就是数理逻辑。数理逻辑是数学和哲学交叉的科学。

 

参考文献:维纳的《控制论》和《人有人的用处》。《维纳与控制论》

http://www.bjut.edu.cn/sci/airobots/gallery/02%20wienerandcybernetics.htm

2.4       人不在机上,人在地上

无人机上虽无人,但人在地上参与决策与控制。

这带来的好处是:

1)       让人获得了更大的自由

2)       人获得了更大的自由

3)       相比在飞机上人在地面上可获得更大的自由空间。

4)       体能为主向智能为主;以前对飞行员的身体有及严苛的要求,现在则一般人便可胜任,便可以对智力提出更高的要求。

5)       人不仅可以远程遥控,还可以多人记集体决策。

缺点:

1)       人机本体分离,人的感知有缺失

2)       人的直接运动感知的缺失

3)       人—机系统延迟成倍放大

 

关于指令延迟:

有人驾驶飞机指令—响应延迟100ms

直接数据链指令—响应延迟300ms

卫星数据链指令—响应延迟600ms

若操作延迟大于100ms,人类操作者会感觉不适应,甚至诱发振荡。

以好奇号在火星降落为例,降落过程全程7分钟,但通信延迟却高达20分钟,降落过程只能完全依赖自动驾驶仪,人这时的作用,只能是“看着”视频,已经无法施加任何有效的控制。

 

 

3        人机分工

3.1       机器的发展

机械化→自动化→自主化

身体的延伸:行为

规则化的行为:行为→感知→反馈

规则化的决策:行为→感知→反馈→决策

3.1.1 人类感知的机器实现

1)       惯性导航(陀螺与加速度计):人类的前庭与耳蜗可以感受加速与转动,以保持身体的平衡。

2)       空速表:人类的皮肤能够感受出风运动的速度。

3)       视觉、雷达:人类的眼睛

4)       通信系统:耳朵

3.1.2 人类思维的机器实现

1)       分析

2)       推理

3)       判断

4)       决策

 

智能体=架构+程序

架构(传感器+计算机+执行器)

程序(算法+软件)

 

3.2       人与机器能力对比

质询人机分工最本质的问题?

人在哪些方面的能力优于机器(计算机)?

人的能力的局限是什么?

机器的优势?

机器的局限?

 

人能同时识别和记忆几个目标?

统计实验表明,人的平均记忆水平是2.8个,这一结果适用于所有的人(包括高智商的人)。

有意识的思维只占人的思维的很小一部分,无意识思维占据很大一部分。

人对新事物掌握过程:新事物/场景,初次认知,多次认知,熟练认知,熟练掌握,自动实现。

 

重要启示

1)       人在同一时间对目标/场景的认知和处理能力是有限的

2)       基于物理原理和识别规则的机器能力比人强

3)       机器系统搜索比人快,而延迟容忍比人强

4)       人类熟练掌握并能无意识使用的技能交由机器执行

5)       机器没有体力、情绪等生理限制

人机对比:

1)       人在特征模式识别方面优于计算机

2)       人在复杂性沟通方面优于计算机

3)       人知道的比能表达出来的东西多,所谓可意会不可言传,这些知识无法交由计算机。

3.3       人-无人机系统的分工原则

重要启示:

1)       人不能只将人力所不及的事情交给机器

2)       人还要将机器能做好的事情交给机器

3)       人负责机器做不好的事情

分工原则:

1)       人应尽量将更多飞行任务交由无人机执行

2)       人应将主要精力聚焦于:

l  无人机系统运行状态监控

l  外部态势与环境识别

l  场景特征模式的认知

l  复杂性判断沟通决策

3.4       基础性挑战——长航时飞行/远程遥控

1)       飞机气动结构设计及制造技术的成熟

2)       飞机数字式电传飞行控制技术的成熟

3)       发动机全权限数字式控制技术的成熟

4)       宽带远距离可靠无线通讯技术的成熟

3.5       未来的根本性挑战——自主飞行

 

计算机界称其为“人工智能”,工业界称其为“机器人”,军事与航空部门称其为“无人系统”,实际上大家是从不同的角度研究同一个问题。

 

无人系统6项关键的自主技术的挑战

1)       感知

2)       规划

3)       学习

4)       人机交互

5)       自然语言理解

6)       多智能体协同

 

中航工业副总经理、中国航空研究院院长张新国在大会中指出,面对新一轮工业革命,未来无人机系统技术发展的根本挑战是实现自主飞行,核心为人工智能,因此深入研究人机分工对飞行器未来发展具有重大意义。

美国空军首席科学家Werner Dahm将控制技术认定为现在至2030年间空军力量可能的最重大技术突破,控制科学在美国空军科学与技术中优先级最高。虽然现有的自主系统还远未实现自主,但在Dahm报告中将控制科学列为至少未来10年的主要资助领域。根据Dahm的报告,妨碍美国空军自主系统获得更多能力的主要障碍是缺乏验证与确认(V&V)工具。美国空军没有办法相信在同样情况下自主系统作决策能比人要好。Dahm在一份153页名为“技术地平线”的技术扫描报告中称:“由于现在缺乏合适的验证与确认,因而只能验证和应用一些相对低水平的自主能力。” Dahm指出,控制科学研发出验证与确认(V&V)工具以允许人能够相信自主系统作出的决策,该方面必须在未来十年实现能力上的巨大飞越。

 

 

 

参考文献:

[1]         王越超, 刘金国, OTHERS. 无人系统的自主性评价方法[J]. 2012.

[2]         DOD USA. unmanned system roadmap 2005-2030[R]. 2005.

[3]         DOD USA. Unmanned Aerial Vehicles Roadmap 2002-2027[R]. 2002.

[4]         陈宗基, 魏金钟, 王英勋, et al. 无人机自主控制等级及其系统结构研究[J]. 航空学报, 2011, 32(6).

[5]         BOARD D S, MILITARY U S, DEFENSE D of D. The Role of Autonomy in DOD Systems - Unmanned Aerial Vehicles (UAV), Robotics, Teleoperation, Haptics, Centibot, Swarmanoid, LANdroid, Remote Presence, UxV, DARPA Research, Space and Ground Systems[M]. Progressive Management, 2013.

[6]         朱华勇, 牛轶峰, 沈林成, et al. 无人机系统自主控制技术研究现状与发展趋势[J]. 国防科技大学学报, 2010.

[7]         陈宗基, 张汝麟, 张平, et al. 飞行器控制面临的机遇与挑战[J]. 自动化学报, 2013, 39(6): 703–710.

[8]         S. B S. Future Directions in Control for Unmanned Air Vehicles[R]. USA: 2002.

 

标签:

给我留言

Copyright © ExBot易科机器人实验室 保留所有权利.   Theme   Robin modified by poyoten

用户登录

分享到: