無人地面車輛自主性評價指標體系研究*

李 靜, 唐振民, 譚業發, 石朝俠

(1.解放軍理工大學 野戰工程學院，江蘇 南京 210007；2.南京理工大學 計算機科學與工程學院，江蘇 南京 210094)

無人地面車輛自主性評價指標體系研究*

李 靜1,2, 唐振民2, 譚業發1, 石朝俠2

(1.解放軍理工大學 野戰工程學院，江蘇 南京 210007；2.南京理工大學 計算機科學與工程學院，江蘇 南京 210094)

自主性是無人系統最為重要的性能指標之一,在對美國陸軍無人地面車輛發展進行分析的基礎上，以無人地面車輛自主性能力作為總體評價目標，從體現其自主性應具備的能力要素出發，分為感知能力、規劃能力、運動控制能力、行為能力和學習能力5個評價方面，每個評價方面又包含多個能力因素，以此建立無人地面車輛自主性評價指標體系。

無人地面車輛; 自主性評價; 指標體系

0 引言

地面無人系統在軍事上稱作無人地面車輛(Unmanned Ground Vehicle，UGV)，其能夠在各種地面環境中無須人工干預，連續、自主地完成任務[1]。海灣戰爭以來，以無人機和無人車為代表的無人系統在戰爭中的作用日益凸顯，對國防、社會、經濟和科學技術產生了重大影響。美國于2000～2013年間連續發布了7個版本的無人系統路線圖，不斷調整美軍無人系統的近、遠期發展目標，將其作為未來作戰系統的一部分，用于后勤運輸和戰備補給，或在遂行偵查、監視、目標獲取及單兵作戰等軍事任務中應用[2-4]。

1 自主性概念

自主性是無人系統最重要的性能指標之一,一般采用無人系統自主性級別工作組(ALFUS)給出的定義，即自主性是無人系統在預定任務目標實現過程中感知、理解、分析、交流、規劃及決策制定與執行的能力[5-6]。當前，無人系統自主性研究已成為各國關注的熱點問題，如李一波等人提出的四指標模型[7],王越超等人采用的蛛網模型[8],楊哲等采用的模糊評價方法[9]，都是對ALFUS工作組三因素評價模型的擴展。在現場比賽中一般以是否完成單項任務、完成任務的總數和完成時間作為評價和打分依據，如“2014中國智能車未來挑戰”大賽和“跨越險阻-2014”地面無人平臺挑戰賽，這種方法直觀、易操作，但很難全面地評價無人地面車輛的自主性能力。

2 無人地面車輛自主性能力指標分解

無人地面車輛利用安裝在不同部位的傳感器來感知周圍環境，獲得道路、自身位姿、障礙物和背景環境等信息，經數據融合建立環境模型，進行實時任務和路徑規劃，最終通過轉向和速度控制實現系統安全、可靠地運行[10]。鑒于智能技術、傳感器技術、數據融合技術等的發展現狀，戰時環境下的自主性能力仍處于研究初期，有些能力只能以是否具備作為評價標準。因此，本文按層次分析法理論要求，以無人地面車輛自主性能力作為評價目標，從體現其自主性應具備的能力要素出發，分為感知能力、規劃能力、運動控制能力、行為能力和學習能力5個評價方面，如圖1所示，更加符合技術發展的要求。

圖1 無人地面車輛自主性能力的初步分解

2.1 感知能力

在感知過程中，無人地面車輛對多傳感器信息進行融合，信息包括道路邊界、障礙物、交通信號和標識、路側環境、天候環境等，并能在越野環境中檢測、定位、測量和分類地表物體和環境，判斷可通過性，為規劃提供依據，如圖2所示。

2.1.1 環境感知

自然界的道路復雜多變，有標準的等級公路、規范的城市道路、路況較差的鄉村道路、依地形建設的道路以及無路的野外環境，這些環境與地形、氣候、天氣狀況、電磁輻射等共同構成了無人地面車輛的工作環境。對工作環境的充分感知，做出避障策略，控制車輛行為，體現了無人地面車輛的自主性。

(1)道路跟蹤

道路跟蹤是以一定速度行駛時檢測和跟蹤道路邊緣等特征的能力，同時具備能以及時采取制動行為或避開障礙的速度行駛時檢測障礙的能力[2]。無人地面車輛通過在結構化道路環境中跟蹤車道線，在非結構化道路環境中跟蹤分割的道路邊界，在越野環境中跟蹤規劃好的、受一定約束(戰術要求、地形限制等)的軌跡路徑，完成自主行駛。

(2)檢測正負障礙

以一定速度(40 km/h以上)檢測障礙體現了系統的能力，速度越快檢測難度越大[10]。負障礙檢測仍然是無人地面車輛的挑戰，包括凹坑深度、水深等。

(3)地形分類

地形分類能力主要面對越野環境。越野環境不同于無人地面車輛的常規工作環境，是一種自然地理環境，涉及植被、坡地、凹坑、巖石、沙地、沼澤地、河流等天然地形[11-12]。無人地面車輛在未知、復雜的越野環境中執行任務，就必須能夠實時檢測各種地表障礙物的幾何特征和空間三維信息并加以分類，判斷可通行區域，以規劃出一條安全通路[2]。

(4)植被分類

無人地面車輛在有路環境中要能分割道路與植被邊界，區分車道內小片植被；在越野環境中要能估計植被的高度、密度、株距等，判斷車輛是否可穿過區域。對于一些細莖的植被，在車輛性能允許的條件下可以推桿，不需進行避讓或路徑重規劃。

(5)動態避碰感知

動態避碰感知能力是指無人地面車輛行駛在道路上，能夠檢測車道內的行人和車輛，估計自身和障礙的位置和速度，識別交通信號和標識，融入車流，保持安全行駛。其中自動目標識別能力ATR[2](區分敵友、非作戰人員和車輛的能力，并對危險進行評估)體現無人地面車輛高自主性。

2.1.2 全天候感知

對無人地面車輛自主性評價是基于某種任務環境進行的，因此對于天候環境中的氣候、季節和一些其他氣象條件作為先驗信息不列入評價指標體系。主要考慮由圖2中列出的天氣條件帶來的地面覆蓋(積水、雪、落葉等)、泥濘、能見度、光照突變等影響。

2.1.3 態勢感知[13]

態勢的若干要素從不同角度和層面體現戰場態勢的內容。

(1)作戰環境要素感知

作戰環境要素感知包括之前環境感知的所有內容，還包括在戰時環境中對特殊障礙(武裝軍人、裝備車輛、炸毀的建筑物和橋梁、掩體等)、作戰標識(行進路線標識、軍種符號等)等的識別。

(2)力量對比感知

力量對比感知包括對企圖、兵力、行動等信息的感知。企圖是最難正確推測的要素；兵力可以通過部隊編制編成序列、部隊部署態勢、電磁頻譜管理態勢等進行估計；行動可以通過生成火力打擊態勢、偵察態勢、裝備保障態勢、后勤支援態勢、兵種協同態勢等推測。

(3)社情感知

社情感知是對作戰區域內及周邊的政治制度、宗教信仰、經濟狀況、人口素質、生產力水平、能源儲備情況等的感知，屬戰略層的態勢感知。

作戰目標不同，所關心的戰場態勢不同，且戰場態勢的諸項構成要素及其相互關系隨作戰進程而變化。

2.1.4 抗電磁干擾能力

按電磁干擾的種類[14]將無人地面車輛的抗電磁干擾能力分為抗自然電磁輻射能力、抗人為電磁輻射能力和抗敵方電磁輻射能力。

2.2 規劃能力

規劃能力是無人地面車輛實現自主行為，進行任務和路徑的有效規劃，如圖3所示。

圖3 規劃能力指標的分解

2.2.1 任務規劃

任務規劃能力的自主性體現在無人地面車輛根據突發狀況進行任務規劃與重規劃的能力。自主任務規劃在戰時需要具備軍事知識庫(戰術文件、作戰規程等)、態勢估計、任務理解和作戰知識等[2]，根據需要完成獨立行動、編隊任務規劃和任務重規劃。

2.2.2 路徑規劃

路徑規劃是生成一條從指定起始位置到目標位置并避開環境中障礙的運動軌跡的過程[2]。路徑規劃算法輸入的是標明正、負障礙，給定起點和終點的環境地圖，輸出的是一組規定了運行軌跡的途經點[10]。

(1)避障路徑規劃

在無人地面車輛進入工作狀態前，結合車輛動力學、已知地形、天候條件等先驗知識，識別和理解任務環境，進行全局路徑規劃，避開有障礙、危險性大、不可通行區域。

(2)局部路徑重規劃

無人地面車輛的工作環境是部分已知或完全未知，系統必須根據傳感器獲得的實時信息或戰術要求對路徑進行調整或重新規劃。

(3)多系統多目標路徑規劃

單系統路徑規劃已經發展得比較成熟，對于多車多任務的路徑規劃還處在不斷發展中，體現規劃能力的高自主性。

2.3 運動控制能力

無人地面車輛運動控制分成縱向控制和橫向控制[10]，如圖4所示。

圖4 運動控制能力指標的分解

2.3.1 橫向控制

在保證車輛行駛平順性的前提下，無人地面車輛以最短的響應時間通過轉向實現精確跟蹤期望路徑。橫向控制過程中需要考慮車輛縱向速度、道路邊界和曲率、路側環境、車輛周圍障礙和背景等。

2.3.2 縱向控制

在保證動力性的前提下，通過車輛跟蹤速度的控制和與前方障礙的間距控制，實現對車輛速度的精確控制。縱向控制過程中需要考慮道路線形、縱坡、能見度改變、前方障礙的速度和位置等。

2.4 行為能力

行為是傳感和動作在系統中結合的可見行動模式，它可以是天生的、經學習得到的，或者嚴格說是一種激勵的響應[2]。無人地面車輛行為包括戰術行為和協作行為，如圖5所示，行為能力技術的發展仍處于初級階段。

圖5 行為能力指標的分解

2.4.1 戰術行為[2]

無人地面車輛的戰術行為不僅包含一般意義上的行為，還包括基于戰術上使用的軍事協議的行為。

(1)戰術調遣

戰術調遣包括單獨或編隊的行為，利用地形自我隱蔽和逃避、非殺傷性自我保護、占據有利位置等。

(2)對于裝備了武器的無人地面車輛，必須具備確定目標、作戰和毀傷評估行為。

(3)通信合作能力

無人地面車輛必須知道何時及怎樣進行通信，何時報告敵情、請求指揮和火力支援等。

(4)復雜軍事作戰行為

復雜軍事作戰行為包括戰術規避、生存技術、避免自然危險的損害、能用當地語言與居民交流等。

2.4.2 協作行為

人機協作或系統協同需要通過車載無線通信設備接收相互間的實時狀況，完成協作任務的可能性取決于帶寬和通信距離。

(1)人機協作

無人地面車輛在遇到無法判斷的環境時，需要與操作人員協作來完成任務，或是根據環境的復雜程度進行自主性等級的調整，實現可變自主性。

(2)多系統協作[15]

多個地面無人系統能夠完成編隊、監視及搜索救援等任務。

(3)異域系統協同

地面無人系統可以與空中無人系統、水下無人系統經過數據共享完成協同，構成陸、海、空三位一體的立體戰斗格局[16]。

2.5 學習能力

學習能力是指通過經驗提高性能的某類程序[17]。學習可以用于無人地面車輛的任何軟件技術中，如圖6所示。

圖6 學習能力指標的分解

2.5.1 基本學習

目前的機器學習主要是基于特征分類器的學習(將區域分為道路和非路、地形分類、植被分類、交通標志識別等)和行為學習(人類駕駛行為的學習等)。

2.5.2 增強學習

增強學習又稱強化學習，是解決一個能夠感知環境的自治Agent，通過學習選擇能到達目標的最優動作[17]。增強學習是一種無監督的、基于試錯的學習方法，通過與環境交互學習合適的策略[18]，如多系統避障行為學習、通過增強學習形成合理的行為序列完成高級協作行為。

3 結論

目前的無人地面車輛自主性主要體現在道路跟蹤、檢測障礙、交通信號識別、全天候行駛等技術層面，而且主要是針對單車系統的。隨著智能技術的發展和車輛機動性的不斷提升，在全地形行駛、多系統協同、編隊控制和集團作戰等方面的需求，必將出現高自主性無人地面車輛，如何更準確地評價其自主性是亟待解決的問題。本文建立的自主性評價指標體系將對未來無人地面車輛自主性評價工作的深化有一定指導意義。

[1] National Research Council of the National Academies. Technology development for army unmanned ground vehicles[M]. Washington DC, USA: National Academy Press,2003.

[2] National Research Council of the National Academies.軍用無人地面車輛技術的發展[M].付夢印，王美玲，譯.北京：國防工業出版社，2009.

[3] Office of the Secretary of Defense. Unmanned systems roadmap 2007-2032[Z]．Department of Defense，Washington DC，2007-12-10.

[4] Office of the Secretary of Defense. Unmanned systems integrated roadmap FY2009-2034[Z]．Department of Defense，Washington DC，2009-03-12．

[5] Huang Huimin, MESSINA E, ALBUS J. Toward a generic model for autonomy levels for unmanned systems(ALFUS)[C].Proceedings of the 2003 Performance Metrics for Intelligent Systems (PerMIS) Workshop, Gaithersburg, Maryland，2003.

[6] 高勁松，鄒慶元，陳哨東.無人機自主性概念研究[J].電光與控制，2007，14(5)：58-61.

[7] 李一波，王新星，姚宗信,等.無人平臺自主能力分級的四指標模型[J].電光與控制,2012,10(10)：34-37.

[8] 王越超，劉金國.無人系統的自主性評價方法[J].中國科學: 科學通報，2012，15(15)：1290-1299.

[9] 楊哲，張汝波.無人系統自主等級模糊評價方法[C].先進制造技術與工業信息學博士生學術論壇論文集, 2009：2043-2047.

[10] 陳慧巖，熊光明，龔建偉.無人駕駛汽車概論[M].北京：北京理工大學出版社，2014.

[11] 鄭有飛.環境科學概論[M].北京：氣象出版社，2011.

[12] 貝佐夫，普薩列夫，科瓦連科，等.軍事地形學[M].北京：解放軍出版社, 1990.

[13] 董志明，郭齊勝，黃璽瑛.戰場環境建模與仿真[M].北京：國防工業出版社，2013.

[14] 李修和.戰場電磁環境建模與仿真[M].北京：國防工業出版社，2014.

[15] 蔡自興，陳白帆，劉麗鈺,等.多移動機器人協同原理與技術[M].北京：國防工業出版社，2014.

[16] 林聰榕，張玉強.智能化無人作戰系統[M].長沙：國防科技大學出版社，2008.

[17] MITCHELL T M. Machine Learning(International Editions)[M].McGraw-Hill，2003.

[18] 周彤，洪炳镕，周洪玉.基于模塊化Q學習的足球機器人合作[J].微型機與應用，2005，24(10)：65-68.

Research on autonomy evaluation index system of the unmanned ground vehicles

Li Jing1, Tang Zhenmin2, Tan Yefa1, Shi Zhaoxia2

(1.College of Field Engineering, PLA University of Science & Technology, Nanjing 210007, China; 2. Department of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)

Autonomy is one of the most important performance indexes of the unmanned system. Based on the development analysis of the unmanned ground vehicles of the U.S. army, the autonomous ability of the unmanned ground vehicles (UGV) was determined as the overall objective. And it was further decomposed into five aspects according to the capacity factors such as perception ability, planning ability, motion control ability, action ability and learning ability. Moreover, each aspect of the evaluation included several capacity factors. By this means, the autonomy evaluation index system of the military UGVs was established.

unmanned ground vehicles; autonomy evaluation; index system

*國家自然科學基金(61305134, 61371040)

TP242.6

A

1674-7720(2016)02-0066-04

李靜, 唐振民, 譚業發，等. 無人地面車輛自主性評價指標體系研究[J] .微型機與應用，2016,35(2)：66-69.

2015-09-17)

李靜(1978-)，通信作者，女，博士研究生，工程師，主要研究方向：無人地面車輛自主性評價、無人地面車輛工作環境復雜度分析、多智能體協同、機械車輛技術綜合保障。E-mail：lijingwry@126.com。

唐振民(1961-)，男，博士，教授，博士生導師，主要研究方向：智能機器人環境理解、多傳感器數據融合、模式識別與人工智能。

譚業發(1963-)，男，博士，教授，博士生導師，主要研究方向：機械車輛技術綜合保障。