灾难环境中大规模人与智能体协作任务规划

This project considers a problem of mission planning in disaster environment and propose novel approaches such as workflows, coordination methods, interaction methods and planning algorithms for the system with many humans and agents. First, we propose a new truthful coordination method for informative participatory sensing in information gathering phase of disaster response. Second, for the complex and professional crowdsoucing in situational awareness, we design a new workflow, Exact-Find-Fix-Verify (EFFV) , which combines the intelligence both of human and machine to improve their performance. After that, to solve the problem of planning for multiple unmanned aerial vehicles (UAVs) gathering information under uncertainty in the large environment, we design a decentralised algorithm to solve it. Finally, we propose a coordination method to flexibly control the UAV by itself or a human. The aim of this project is to solve key theory problems of planning by a group of many humans and agents to perform complex and professional missions, and provide theories and methods to guide and support for the architecture of new mission planning systems.

研究新颖的大规模人与智能体协作的工作机制、协调方法、交互方法和规划算法，求解灾难环境中的任务规划问题。首先，在信息采集阶段，研究参与式信息感知问题，首次提出一种诚实的协调方法，能够激励自私型参与者积极地、诚实地参与到信息感知的工作当中；然后，在环境理解阶段，研究复杂和专业任务的众包系统，设计一种新颖的提取-找寻-解决-验证（Exact-Find-Fix-Verify, EFFV）工作流程，能够更好地融合人的智能和机器智能；其次，在任务规划阶段，设计无人机机群分散式不确定规划算法，求解对大范围环境进行信息收集的规划问题；最后，在在线控制阶段，设计灵活自主的人与无人机协调控制方法，实现无人机能够自主决策何时主动寻求人的辅助。本项目旨在解决复杂和专业任务中人与智能体协作任务规划的关键理论问题，为新型任务规划系统的研制提供理论指导和方法支持。

人类制定计划和进行决策的方式正在发生着新的变革，任务规划和决策系统逐渐需要人、软件智能体及硬件智能体以集合的形式共同参与。例如，在重大灾难刚刚发生后，需要由大量人和智能体（如计算机软件或无人机等）构成系统对环境进行快速分析理解和进一步执行侦察监视等任务。然而这种大规模人与智能体系统在复杂环境中进行任务规划的问题，面临着系统协调不灵活、激励不足和规划控制算法实时性弱、可扩展性差等挑战。本项目针对上述问题，以多智能体协调、人机协作、不确定决策等理论方法为基础，完成了人与智能体系统中的协调方法、交互方法和规划算法的研究。在参与式感知机制方面，提出了一种能够满足计算有效、个体理性、诚实性和具有收益保证的参与式群体智能感知机制，提高了众包式群体信息收集问题中的信息路径规划和任务分配问题的解决效果。二是在多智能体联盟结构方面，针对动态任务联盟组建问题，考虑智能体系统的异构性和任务的动态性，提出了基于双向选择市场机制的动态任务联盟组建方法。三是在多智能体学习方面。针对目前多智能体系统中存在的环境的非平稳问题和相对过泛化导致的“最优动作遮蔽”问题，提出了一种新的结合了宽容学习和模糊控制理论思想的强化学习算法。四是在无人机集群编队控制方面，设计了基于群组的分层控制模型，并在此基础上提出典型意外事件的处理策略，可实现复杂条件下大规模集群的协同控制。项目研究成果为新型群体智能决策系统的研究与研制提供一定方法支撑。