李詩航，孫玉潔，崔建峰，，曾建潮，盧志剛

（1.中北大學(xué)，太原 030051；2.北方自動(dòng)控制技術(shù)研究所，太原 030006）

0 引言

無人戰(zhàn)爭時(shí)代已經(jīng)到來，由美軍研制的軍用無人機(jī)動(dòng)平臺(tái)“彈簧刀”無人機(jī)已在俄烏戰(zhàn)爭中得到驗(yàn)證，2022 年初，搭載并發(fā)射“彈簧刀”無人機(jī)的TRX 履帶式無人機(jī)動(dòng)車輛在美國通用動(dòng)力公司進(jìn)行公開展示［1］。美國軍方已將無人化裝備比例提高至近30%，俄羅斯國防部也計(jì)劃在2025 年將無人作戰(zhàn)系統(tǒng)的裝備占比提升到30%。美國定期發(fā)布《無人系統(tǒng)綜合路線圖》《地面無人系統(tǒng)路線圖》等文件，統(tǒng)籌規(guī)劃軍用無人系統(tǒng)與相關(guān)技術(shù)的發(fā)展，其半自主地面無人系統(tǒng)已經(jīng)列裝，還在大力發(fā)展四足機(jī)器人、人形機(jī)器人、攀爬機(jī)器人等形式多樣的仿生機(jī)器人，同時(shí)探索無人協(xié)同、無人集群、腦機(jī)融合、分布式感知與定位等前沿技術(shù)［2-5］。種種跡象表明，具有高級(jí)決策能力的無人平臺(tái)在現(xiàn)代軍事行動(dòng)中所占的比重將會(huì)越來越高。

面對(duì)日益復(fù)雜的國際局勢(shì)以及局部區(qū)域的軍事對(duì)抗，信息化戰(zhàn)爭與傳統(tǒng)戰(zhàn)爭相比已發(fā)生了質(zhì)的變化，分布式濾波與協(xié)同控制的研究應(yīng)用已經(jīng)擴(kuò)展至大規(guī)模復(fù)雜網(wǎng)絡(luò)和系統(tǒng)開發(fā)中［6-13］。2021 年10月美國通用動(dòng)力陸地系統(tǒng)公司設(shè)計(jì)生產(chǎn)的可遠(yuǎn)程操縱及半自動(dòng)控制的MUTT（multi-utility tactical transport），可以在士兵進(jìn)入戰(zhàn)區(qū)之前進(jìn)行偵察和探測(cè)伏擊。為提高作戰(zhàn)時(shí)效性，德國開發(fā)了一款可根據(jù)任務(wù)需要搭載多種載荷，擁有全地形通過能力的無人戰(zhàn)車“任務(wù)大師-XT”，具有集成到每個(gè)平臺(tái)獨(dú)特的北約組織標(biāo)準(zhǔn)戰(zhàn)斗管理系統(tǒng)，能夠共享和交換來自鄰居車輛和模塊傳感器的信息，以提升團(tuán)隊(duì)作戰(zhàn)力量。由烏克蘭設(shè)計(jì)制造的“駱駝”地面無人戰(zhàn)車可以裝配各種傳感器來收集和傳輸數(shù)據(jù)，以及實(shí)現(xiàn)制導(dǎo)和跟蹤目的，可以通過遍歷預(yù)定義的航路點(diǎn)進(jìn)行自主導(dǎo)航，具有很高的便利自主性［14］。目前，我國海、陸、空各軍種已將無人作戰(zhàn)系統(tǒng)的開發(fā)列入研究計(jì)劃，某集團(tuán)及其下屬各研究所為代表，在空中無人機(jī)裝備研發(fā)、地面無人車作戰(zhàn)平臺(tái)開發(fā)上已取得顯著成績。中國最新輕型多用途無人戰(zhàn)車“尖兵”UGV 通過遙控方式進(jìn)行操作，同時(shí)具備有限的人工智能，包括自主導(dǎo)航避障、人員跟隨、目標(biāo)跟蹤和識(shí)別能力等功能［15］。VU-T10 履帶式地面無人作戰(zhàn)平臺(tái)也在2021 年首次亮相第13 屆中國航展。在《中國制造2025》規(guī)劃中我國也明確提出突破視覺SLAM 與微慣性導(dǎo)航等無人化領(lǐng)域的關(guān)鍵技術(shù)［16-18］，以應(yīng)對(duì)無人作戰(zhàn)平臺(tái)提升智能化水平時(shí)面臨的挑戰(zhàn)。

1 軍用無人系統(tǒng)的組成和特點(diǎn)

1.1 基本組成

軍用無人運(yùn)動(dòng)平臺(tái)是一種能夠感知環(huán)境并與環(huán)境交互，用于完成軍事任務(wù)的遙控式、半自主式、平臺(tái)中心自主式和網(wǎng)絡(luò)中心自主式的車輛或機(jī)器人，是以智能信息化處理技術(shù)和通信技術(shù)為核心的智能化武器裝備。常見軍用無人運(yùn)動(dòng)平臺(tái)雖然在設(shè)計(jì)方案、傳感器配置、功能實(shí)現(xiàn)上各不相同，但是在系統(tǒng)組成上仍存在著共同點(diǎn)，都包含環(huán)境建模、路徑規(guī)劃、識(shí)別跟蹤、偵察通訊等子系統(tǒng)。這些子系統(tǒng)通過聯(lián)調(diào)測(cè)試來提升無人平臺(tái)的作業(yè)能力，多個(gè)無人平臺(tái)之間通過電臺(tái)或數(shù)據(jù)鏈通信組成班組或連隊(duì)級(jí)軍用無人系統(tǒng)，可以實(shí)現(xiàn)現(xiàn)代化多兵種的協(xié)同作戰(zhàn)或聯(lián)合區(qū)域作戰(zhàn)，如圖1 所示。根據(jù)無人系統(tǒng)實(shí)現(xiàn)功能的不同和智能化程度的差異，有些還設(shè)有遙控站點(diǎn)、多車通信系統(tǒng)、上級(jí)指揮系統(tǒng)、協(xié)同火力控制系統(tǒng)等次級(jí)網(wǎng)絡(luò)。

圖1 無人系統(tǒng)協(xié)同作戰(zhàn)示意圖Fig.1 Schematic diagram of the cooperative operation of the unmanned system

1.2 技術(shù)特點(diǎn)

與機(jī)器人技術(shù)一樣，無人運(yùn)動(dòng)平臺(tái)作為移動(dòng)機(jī)器人領(lǐng)域的一個(gè)重要研究分支，同樣適用于多機(jī)器人系統(tǒng)的理論范疇，并在實(shí)際戰(zhàn)場(chǎng)作戰(zhàn)中不斷演化出獨(dú)有的技術(shù)要求和優(yōu)勢(shì)。

由于特殊的用途和背景，軍用無人運(yùn)動(dòng)平臺(tái)相比普通移動(dòng)機(jī)器人的行駛速度速度要更高，速度動(dòng)態(tài)范圍更大，需要更強(qiáng)的承載能力和更長的續(xù)航能力。與普通移動(dòng)機(jī)器人作業(yè)環(huán)境相比，軍用無人運(yùn)動(dòng)平臺(tái)的工作環(huán)境更加復(fù)雜，未知范圍更大，不僅在結(jié)構(gòu)化道路環(huán)境中能夠正常行駛，也要在非結(jié)構(gòu)化道路環(huán)境中正常行駛。在野外極端環(huán)境下，面對(duì)復(fù)雜地形、震動(dòng)沖擊、煙霧沙塵、高低溫等因素，這就要求軍用無人運(yùn)動(dòng)平臺(tái)具有更高的可靠性與穩(wěn)定性。此外，搭載有武器系統(tǒng)或補(bǔ)給物資的軍用無人運(yùn)動(dòng)平臺(tái)工作時(shí)，不可避免地與指戰(zhàn)員或載人駕駛車輛發(fā)生信息交互，因此，相比工業(yè)機(jī)器人、家居機(jī)器人等民用領(lǐng)域，需要具有更加智能和完善的跨平臺(tái)控制系統(tǒng)。這些技術(shù)特點(diǎn)實(shí)現(xiàn)的前提是，無人系統(tǒng)具有高度智能的環(huán)境感知能力、信息處理能力和實(shí)時(shí)構(gòu)圖能力。

2 軍用無人系統(tǒng)協(xié)同作戰(zhàn)關(guān)鍵技術(shù)

2.1 協(xié)同感知與信息處理

隨著智能化進(jìn)程的不斷推進(jìn)，無人車輛協(xié)同定位和導(dǎo)航技術(shù)受到科研人員的極大關(guān)注。多車輛協(xié)同定位是指車輛與車輛、車輛與標(biāo)識(shí)物以及車輛與士兵之間通過信息交換，獲取自身與鄰居車輛的姿態(tài)角度、到達(dá)時(shí)間、接收信號(hào)強(qiáng)度、載波頻率偏移等相關(guān)量，進(jìn)而確定出每個(gè)車輛的相對(duì)位置或絕對(duì)位置以及姿態(tài)。有別于傳統(tǒng)車輛的狀態(tài)感知，軍用車輛協(xié)同定位提供的全時(shí)空動(dòng)態(tài)信息需要滿足實(shí)時(shí)性要求。配置不同傳感器的各軍用平臺(tái)可利用協(xié)同感知策略得到多源多尺度環(huán)境信息，并采用信息融合技術(shù)實(shí)現(xiàn)復(fù)雜環(huán)境下跨平臺(tái)多視角協(xié)同感知。

與結(jié)構(gòu)化環(huán)境相比，作戰(zhàn)車輛面對(duì)的路況為未知非結(jié)構(gòu)型，這就要求車輛在實(shí)際工況下具有更加智能的環(huán)境信息獲取和處理能力。更嚴(yán)重的是，多車輛環(huán)境感知和路徑規(guī)劃的過程會(huì)產(chǎn)生因果循環(huán)，不同區(qū)域車輛規(guī)劃的結(jié)果會(huì)互相影響，難以獲得最優(yōu)的運(yùn)動(dòng)軌跡。針對(duì)智能化無人車群在特殊環(huán)境下協(xié)同感知的復(fù)雜性和開放性等問題，引入分布式協(xié)同感知與決策控制策略。其核心思想是將多維度問題劃分為有限時(shí)空范圍內(nèi)的若干小集群問題。隨著車輛之間實(shí)時(shí)的協(xié)同感知與信息交互，將目標(biāo)車輛的狀態(tài)信息依次交互至不同的集群中，從而實(shí)現(xiàn)不同區(qū)域內(nèi)鄰居車輛之間的單獨(dú)協(xié)調(diào)。此外，利用鄰近區(qū)域的車輛信息，設(shè)計(jì)相應(yīng)的基于預(yù)測(cè)的協(xié)調(diào)策略，保證鄰近區(qū)域之間協(xié)作的穩(wěn)定性和可靠性，從而使車群更快地完成規(guī)劃決策，獲得更高的行駛效率，提高協(xié)同感知系統(tǒng)的魯棒性。

基于車輛與車輛的協(xié)同定位網(wǎng)絡(luò)中，利用北斗衛(wèi)星導(dǎo)航系統(tǒng)（BeiDou navigation satellite system，BDS）、航位推算（dead reckoning，DR）以及車輛之間的到達(dá)時(shí)間測(cè)量進(jìn)行分布式協(xié)同定位。DR 是一種獨(dú)立定位技術(shù)，指已知上一時(shí)刻導(dǎo)航狀態(tài)速度、位置等，根據(jù)傳感器觀測(cè)值推算出下一時(shí)刻的導(dǎo)航狀態(tài)，成本低廉且易于實(shí)現(xiàn)，隨著時(shí)間推移其定位誤差不斷累積與BDS 存在優(yōu)勢(shì)互補(bǔ)關(guān)系。

在軍用車輛與車輛的協(xié)同場(chǎng)景下，對(duì)于每個(gè)任務(wù)車輛而言，既是待估車輛，同時(shí)又是其他車輛的輔助車輛。而基于到達(dá)時(shí)間的測(cè)量模型具有強(qiáng)非線性特征，采用一般的擴(kuò)展卡爾曼濾波器（extended kalman filter，EKF）進(jìn)行估計(jì)，誤差較大，難以獲得理想的狀態(tài)值。

針對(duì)此種情況，這里提出一種改進(jìn)的無跡卡爾曼濾波器（unscented Kalman filter，UKF）算法，通過將隨機(jī)參數(shù)擴(kuò)維到狀態(tài)向量來提升算法性能。擴(kuò)維后的運(yùn)動(dòng)方程和觀測(cè)方程可描述為

經(jīng)過理論分析表明，在非線性系統(tǒng)中噪聲概率密度函數(shù)是正態(tài)分布的情況下，通過改進(jìn)的無跡變換得到的近似均值和協(xié)方差具有三階近似精度。該技術(shù)方法對(duì)協(xié)同定位網(wǎng)絡(luò)中的每個(gè)軍用待估車輛，利用測(cè)距雷達(dá)來獲取其他輔助車輛的到達(dá)時(shí)間觀測(cè)，通過車輛與車輛的協(xié)同信息傳遞獲取輔助車輛的位置信息，并結(jié)合自身的航位推算運(yùn)動(dòng)模型，采用改進(jìn)的無跡卡爾曼濾波器進(jìn)行分布式計(jì)算，得到自身及其他軍用車輛的位置估計(jì)，然后各軍用車輛將計(jì)算得到的估計(jì)值，通過車與車之間的協(xié)同通信進(jìn)行信息傳輸。每輛車將收到的信息通過濾波器進(jìn)行數(shù)據(jù)融合得到上一時(shí)刻的信息，然后通過既定的信息流向?qū)⑾乱豢痰臓顟B(tài)向量，以及協(xié)方差矩陣傳輸給鄰近的其他車輛，從而實(shí)現(xiàn)分布式協(xié)同定位。

2.2 分布式狀態(tài)估計(jì)技術(shù)

在軍事作戰(zhàn)中，任務(wù)目標(biāo)隨戰(zhàn)場(chǎng)態(tài)勢(shì)瞬息萬變，依靠單一的無人運(yùn)動(dòng)平臺(tái)性能指標(biāo)的提升已經(jīng)無法滿足任務(wù)要求，因此，將多個(gè)平臺(tái)進(jìn)行編隊(duì)協(xié)作，構(gòu)建成無人運(yùn)動(dòng)平臺(tái)群體。此時(shí)，對(duì)多個(gè)目標(biāo)的狀態(tài)估計(jì)需要采用分布式濾波技術(shù)，即把多個(gè)目標(biāo)看作一個(gè)整體，根據(jù)鏈路拓?fù)浣Y(jié)構(gòu)進(jìn)行分簇劃分，對(duì)配置在簇目標(biāo)上的傳感器獲取的狀態(tài)信息（參數(shù)）進(jìn)行拆分解析，將簇目標(biāo)的統(tǒng)計(jì)信息：均值方差、功率譜密度、概率密度函數(shù)等傳輸給對(duì)應(yīng)的子濾波器，進(jìn)而對(duì)簇目標(biāo)進(jìn)行定位和跟蹤預(yù)測(cè)。并利用新的測(cè)量值更新后驗(yàn)概率，在主濾波器上完成對(duì)整個(gè)目標(biāo)的狀態(tài)估計(jì)。

復(fù)雜戰(zhàn)場(chǎng)環(huán)境時(shí)，士兵為了更好地控制無人機(jī)動(dòng)平臺(tái)實(shí)踐各運(yùn)動(dòng)模態(tài)，還需要對(duì)某些反映運(yùn)動(dòng)平臺(tái)特性的姿態(tài)變量進(jìn)行補(bǔ)償，以便對(duì)各軍用裝備進(jìn)行準(zhǔn)確的操控。實(shí)際作戰(zhàn)環(huán)境呈現(xiàn)出未知非結(jié)構(gòu)的特點(diǎn)，俯仰、側(cè)傾、橫滾、縱滑和側(cè)滑等現(xiàn)象不可避免，這些與車輛相關(guān)的變量不易直接測(cè)量，車輪的擾動(dòng)無法預(yù)知，可能受到測(cè)量噪聲的影響產(chǎn)生一定的誤差。而無人機(jī)動(dòng)平臺(tái)的狀態(tài)估計(jì)主要是將多種傳感器：陀螺儀、全球定位系統(tǒng)（global positioning system，GPS）、BDS、加速度計(jì)、位移計(jì)、慣性測(cè)量單元（inertial measurement unit，IMU）等讀取信息進(jìn)行融合，考慮到傳感器的增多會(huì)增加系統(tǒng)設(shè)計(jì)的成本，并且會(huì)降低系統(tǒng)的可靠性，因此，引入分布式狀態(tài)濾波器。利用一些可直接測(cè)量得到的狀態(tài)變量來估計(jì)車輛的姿態(tài)、速度，以及相對(duì)或絕對(duì)位置等關(guān)聯(lián)信息。為了確定和估計(jì)這些狀態(tài)變量的數(shù)值，建立最優(yōu)的估計(jì)算法，需要判斷平臺(tái)系統(tǒng)中有關(guān)的狀態(tài)變量是否可觀測(cè)或者協(xié)同可觀測(cè)。考慮到動(dòng)態(tài)系統(tǒng)模型的實(shí)用性，運(yùn)行分布式濾波器的前提是，已建立的狀態(tài)方程和測(cè)量方程必須滿足協(xié)同可檢測(cè)性。

目前采用的組合導(dǎo)航定位方法，是通過卡爾曼濾波算法器（Kalman filter，KF）、EKF、UKF 或粒子濾波器（particle filter，PF）融合全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system，GNSS）和慣性導(dǎo)航系統(tǒng)（inertial navigation system，INS）定位的數(shù)據(jù)進(jìn)行狀態(tài)估計(jì)。這里將上述組合定位核心算法擴(kuò)展到分布式濾波的形式，這樣即使單一車輛不滿足可觀測(cè)性但多個(gè)車輛協(xié)同可觀測(cè)時(shí)，濾波器仍能正常工作。一般地，當(dāng)獲取了預(yù)測(cè)向量的協(xié)方差矩陣估計(jì)，以及與之間的協(xié)方差矩陣估計(jì)時(shí)，可將分布式濾波算法的預(yù)測(cè)更新表示成如下形式：

其中，下標(biāo)i 表示第i 個(gè)平臺(tái)，Ni表示與第i 個(gè)平臺(tái)有鏈路通信的所有平臺(tái)的集合。

然而，在叢林、深谷、湍流及地下等復(fù)雜環(huán)境中都可能導(dǎo)致衛(wèi)星導(dǎo)航信號(hào)瞬間丟失無法使用，導(dǎo)致定位效果變差或定位失敗。慣性導(dǎo)航元件雖然不受外界環(huán)境的干擾，但隨著使用時(shí)間的累積，其慣性測(cè)量數(shù)據(jù)存在漂移等失真現(xiàn)象，會(huì)產(chǎn)生較大誤差。除了對(duì)BDS-INS 組合導(dǎo)航系統(tǒng)進(jìn)行深入研究外，另一種可行方案是對(duì)多機(jī)器人系統(tǒng)進(jìn)行同時(shí)創(chuàng)建地圖與定位（simultaneous localization and mapping，SLAM）和基于視覺里程計(jì)（visual odometry，VO）的狀態(tài)估計(jì)。

2.3 協(xié)同SLAM 技術(shù)

SLAM 技術(shù)是指無人平臺(tái)在非結(jié)構(gòu)未知環(huán)境運(yùn)動(dòng)時(shí)，利用自身攜帶的視覺、激光、超聲等傳感器，識(shí)別該環(huán)境中的特征并估計(jì)其相對(duì)傳感器的位置，同時(shí)利用自身攜帶的航位推算系統(tǒng)或慣性系統(tǒng)等傳感器估計(jì)運(yùn)動(dòng)平臺(tái)的全局坐標(biāo)。將這兩個(gè)過程通過狀態(tài)擴(kuò)展，同步估計(jì)平臺(tái)和環(huán)境特征的全局坐標(biāo)，并建立有效的環(huán)境地圖。

協(xié)同SLAM 方法使用分布式濾波器對(duì)無人平臺(tái)的姿態(tài)和地圖進(jìn)行狀態(tài)估計(jì)。首先利用激光測(cè)距系統(tǒng)、攝像機(jī)系統(tǒng)等環(huán)境感知設(shè)備，獲取環(huán)境數(shù)據(jù)并提取環(huán)境特征，將觀測(cè)的特征數(shù)據(jù)與已存在的地圖和人工信標(biāo)進(jìn)行數(shù)據(jù)關(guān)聯(lián)，得到相應(yīng)的觀測(cè)值；其次使用里程計(jì)、電子羅盤、微慣性系統(tǒng)等本體狀態(tài)感知設(shè)備得到運(yùn)動(dòng)模型；聯(lián)合觀測(cè)值和運(yùn)動(dòng)模型，使用分布式EKF、分布式UKF、分布式稀疏擴(kuò)展信息濾波、分布式PF 等技術(shù)實(shí)現(xiàn)路標(biāo)估計(jì)、軌跡估計(jì)和車輛位置估計(jì)；最后與BDS 和人工地圖進(jìn)行對(duì)比校驗(yàn)，檢查狀態(tài)估計(jì)的準(zhǔn)確性。協(xié)同SLAM在解決大范圍動(dòng)態(tài)環(huán)境，特別是衛(wèi)星導(dǎo)航信號(hào)較弱或是不穩(wěn)定區(qū)域中無人機(jī)動(dòng)平臺(tái)的長時(shí)間地圖重建和定位問題方面有著巨大潛力。因此，越來越多的科研人員將該策略用于地面無人機(jī)動(dòng)平臺(tái)在復(fù)雜環(huán)境中的定位。協(xié)同SLAM 技術(shù)系統(tǒng)架構(gòu)如下頁圖2 所示。

圖2 協(xié)同SLAM 技術(shù)系統(tǒng)架構(gòu)Fig.2 The system architecture of collaborative SLAM technology

基于視覺里程計(jì)的狀態(tài)估計(jì)方法，其實(shí)質(zhì)是將SLAM 擴(kuò)展為視覺同時(shí)創(chuàng)建地圖與定位（visual simultaneous localization and mapping，VSLAM）方法。該方法包括前端VO 和后端優(yōu)化（loop closure）。視覺里程計(jì)用于計(jì)算連續(xù)兩幀圖像的位姿變換，通過閉環(huán)檢測(cè)減小累積誤差［19］。在基于圖優(yōu)化的VSLAM中，由閉環(huán)檢測(cè)帶來的額外約束，可以使優(yōu)化算法得到一致性更強(qiáng)的結(jié)果，明顯提升運(yùn)動(dòng)平臺(tái)的定位度。2015 年以來，多國研究人員將微慣性導(dǎo)航組合引入傳感器信息源，通過三維地圖創(chuàng)建獲取了豐富的真實(shí)環(huán)境信息，在此基礎(chǔ)上提取了可服務(wù)于無人平臺(tái)路徑規(guī)劃的可通行區(qū)域；并采用基于分支限界（branch and bound search，BBS）的旋轉(zhuǎn)直方圖匹配（rotated histogram matching，RHM）——迭代最近鄰匹配算法（iterative closest points algorithm，ICP）實(shí)現(xiàn)了三維野外環(huán)境下實(shí)時(shí)的閉環(huán)檢測(cè)［20］；利用IMU添加動(dòng)力學(xué)約束，通過用稀疏位姿調(diào)整（sparse pose adjustment，SPA）算法對(duì)平臺(tái)6 自由度全局位姿進(jìn)行優(yōu)化；全局位姿優(yōu)化使無人平臺(tái)在衛(wèi)星導(dǎo)航信號(hào)較弱甚至丟失時(shí)，也可以獲得精確的位姿信息。IMU 能夠獲得傳感器本體的三軸角速度和線加速度信息，具有不受外界環(huán)境影響的優(yōu)勢(shì)，但測(cè)量數(shù)據(jù)會(huì)隨時(shí)間發(fā)生漂移。因此，視覺和慣性器件獲取的信息具有很強(qiáng)的互補(bǔ)性，可以提高SLAM 的魯棒性。

面向單目標(biāo)的VSLAM 技術(shù)已相對(duì)成熟，但其誤差會(huì)隨著算法的運(yùn)行時(shí)間和累積里程的增加而增加。針對(duì)軍事背景下的多維度環(huán)境建圖，單個(gè)無人平臺(tái)構(gòu)建地圖的精度還會(huì)受到外界干擾的影響，或者出現(xiàn)突發(fā)故障而無法繼續(xù)完成既定任務(wù)，導(dǎo)致建圖失敗。為了提升協(xié)同感知效率和建圖精確度，解決多源多模態(tài)數(shù)據(jù)融合等問題，引入分布式協(xié)同VSLAM 策略，促使無人車、無人機(jī)和仿生機(jī)器人等多智能體之間相互協(xié)作，將來源不同坐標(biāo)系的數(shù)據(jù)融合為全局一致的三維空間信息。各個(gè)無人平臺(tái)運(yùn)行單目標(biāo)VSLAM，遍歷自己的整個(gè)區(qū)域，完成地圖構(gòu)建與信息采集。前端完成VO 估計(jì)和建圖，后端通過閉環(huán)檢測(cè)優(yōu)化前端數(shù)據(jù)，同時(shí)把接收并優(yōu)化后的位姿數(shù)據(jù)、地圖信息與其他無人平臺(tái)相交互，共享并融合地圖，使自身獲取更多對(duì)環(huán)境的感知信息，完成對(duì)自身位姿的調(diào)整與地圖的實(shí)時(shí)更新。進(jìn)而基于多無人平臺(tái)的協(xié)同感知，構(gòu)建多目標(biāo)協(xié)同的回環(huán)約束，進(jìn)行整體性的優(yōu)化處理，從而得到融合后全局一致的VSLAM 結(jié)果。

2.4 軍用無人運(yùn)動(dòng)平臺(tái)技術(shù)發(fā)展

當(dāng)前無人平臺(tái)能夠自主運(yùn)動(dòng)，但仍存在諸多問題［21］，為實(shí)現(xiàn)編組作戰(zhàn)的指揮與控制智能化［22-23］，它還需要學(xué)會(huì)如何理解更多的東西，以及更好地規(guī)劃自己的行動(dòng)。例如當(dāng)遇到岔路口時(shí)，要學(xué)會(huì)如何選擇更平穩(wěn)快捷的道路；當(dāng)發(fā)現(xiàn)自己陷入死胡同時(shí)，就教會(huì)它退回并重新尋找替代路線。未來，無人運(yùn)動(dòng)平臺(tái)將學(xué)習(xí)模仿人的戰(zhàn)術(shù)行為，如出現(xiàn)敵人時(shí)快跑或躲避；如果其他運(yùn)動(dòng)平臺(tái)出現(xiàn)故障時(shí)，它必須學(xué)會(huì)請(qǐng)求援助。這就需要研究無人運(yùn)動(dòng)平臺(tái)的神經(jīng)系統(tǒng)，以便能夠利用以前獲取的經(jīng)驗(yàn)，達(dá)到真正的自主學(xué)習(xí)。這里將軍用無人運(yùn)動(dòng)平臺(tái)今后的研究重點(diǎn)歸結(jié)為：

1）探索具有協(xié)同認(rèn)知能力的新型傳感器［24］。目前的傳感技術(shù)主要是通過使用大量傳感器來提高數(shù)據(jù)采集能力。然而，如何從讀取的海量數(shù)據(jù)中獲取有效的高價(jià)值數(shù)據(jù)，以此提升傳感器感知和信息處理的智能化程度，并實(shí)現(xiàn)多個(gè)平臺(tái)體之間的協(xié)同通信是面臨的主要挑戰(zhàn)之一。隨著類人工智能、全面互聯(lián)、云計(jì)算、邊緣計(jì)算等技術(shù)的發(fā)展，構(gòu)建擁有模擬自認(rèn)知機(jī)制的新型傳感器微系統(tǒng)，將為智能傳感系統(tǒng)打開新的篇章。

2）優(yōu)化不同環(huán)境下組合導(dǎo)航定位系統(tǒng)的切換方案［25］。目前的無人平臺(tái)技術(shù)對(duì)導(dǎo)航系統(tǒng)的可靠性要求越來越高。在集中式和分散式信息融合中，高維矩陣運(yùn)算非常復(fù)雜，一旦某一個(gè)導(dǎo)航設(shè)備出現(xiàn)故障，整個(gè)系統(tǒng)就會(huì)受到干擾，濾波就會(huì)發(fā)散，這就需要開發(fā)適用于未知環(huán)境的智能化分布式濾波器。鑒于無人系統(tǒng)中慣性器件和相機(jī)傳感器組成的導(dǎo)航模塊所存在的優(yōu)缺點(diǎn)，開發(fā)提升BDS、INS、VO、SLAM 和VSLAM 等各定位子系統(tǒng)的協(xié)作能力，設(shè)計(jì)一種基于導(dǎo)航切換策略的集成容錯(cuò)系統(tǒng)成為必要，以提高導(dǎo)航系統(tǒng)的智能化和可視化程度，更有效地實(shí)現(xiàn)對(duì)多目標(biāo)的協(xié)同觀測(cè)和自身的導(dǎo)航定位。

3）研究基于深度學(xué)習(xí)和人機(jī)混合智能的多車定位控制方法［26］?，F(xiàn)有的機(jī)器學(xué)習(xí)方法是建立在內(nèi)存理論的基礎(chǔ)上，無法同時(shí)進(jìn)行多個(gè)算法的處理。這種情況限制了無人平臺(tái)的學(xué)習(xí)能力，并使其難以在復(fù)雜多變的環(huán)境中保持更新迭代。因此，需要借鑒認(rèn)知計(jì)算、人工智能、信息融合等技術(shù)，充分利用傳感數(shù)據(jù)和交互設(shè)備，開發(fā)下一代發(fā)現(xiàn)理論與交互模型，以保持持續(xù)的學(xué)習(xí)能力，精確反映目標(biāo)對(duì)象的模式，提高預(yù)測(cè)和決策能力。針對(duì)某種控制方法的限制因素，采用分布式和并行計(jì)算的方式進(jìn)行分治策略的實(shí)施，可以規(guī)避掉噪音數(shù)據(jù)和冗余干擾，同時(shí)提高學(xué)習(xí)算法的運(yùn)行效率和控制方法的實(shí)用價(jià)值。

4）借鑒引入多智能體智能算法［27］。從之前的描述可知，未來戰(zhàn)爭需要設(shè)計(jì)更加適應(yīng)于軍事領(lǐng)域的人工智能算法。如何在非結(jié)構(gòu)未知環(huán)境中將數(shù)據(jù)驅(qū)動(dòng)與知識(shí)驅(qū)動(dòng)有機(jī)高效結(jié)合，來效仿人類的認(rèn)知過程和邏輯思考能力，實(shí)時(shí)高效地執(zhí)行任務(wù)算法具有極大挑戰(zhàn)。與傳統(tǒng)的優(yōu)化算法相比，多智能體智能算法具有實(shí)時(shí)學(xué)習(xí)能力，使得目標(biāo)之間通訊更頻繁，便于群體之間的信息更新，從而加快算法的收斂速度，加強(qiáng)對(duì)未知狀況的適應(yīng)能力，更好地優(yōu)化無人平臺(tái)在實(shí)戰(zhàn)中的反饋機(jī)制，找到最優(yōu)方案。

3 結(jié)論

本文闡述了國內(nèi)外軍用無人運(yùn)動(dòng)平臺(tái)的研究現(xiàn)狀，總結(jié)并分析了無人運(yùn)動(dòng)平臺(tái)涉及的關(guān)鍵技術(shù)：信息獲取的協(xié)同感知技術(shù)，信息處理的分布式濾波技術(shù)和信息使用的協(xié)同SLAM 技術(shù)，對(duì)無跡濾波法、導(dǎo)航定位法和環(huán)境建圖法進(jìn)行重點(diǎn)闡述。進(jìn)一步指出了現(xiàn)有軍用無人平臺(tái)在協(xié)同狀態(tài)觀測(cè)和智能認(rèn)知技術(shù)中存在的問題，明確了未來軍用無人運(yùn)動(dòng)平臺(tái)分布式技術(shù)將呈現(xiàn)出智能化、集成化、創(chuàng)新化的發(fā)展特點(diǎn)。當(dāng)前世界軍事力量隨著科技的發(fā)展不斷升級(jí)換代，現(xiàn)代化戰(zhàn)爭的信息化程度不斷提高，高智能化特征也日益凸顯，作為應(yīng)對(duì)未來高科技作戰(zhàn)的無人運(yùn)動(dòng)平臺(tái)需要持續(xù)進(jìn)行技術(shù)更新。