事件驱动下自主无人机系统人机混合主动感知与决策方法

For Unmanned Aircraft Systems (UASs) in practical applications, higher autonomy is needed in order to cope with complex environments. However, on the one hand, the existing UASs only have limited autonomy; on the other hand, the development of full autonomy is constrained by the relevant policies, laws and regulations, so that autonomous task execution under “human-on-the-loop” supervision becomes the only feasible solution. This project will focus on the study of an event-driven (e.g., dynamic environment, task, communication, etc.) human-robot mixed initiative perception and decision-making method. First, an event-driven human-robot capabilities inter-complementation model and a learning optimization method will be studied to determine the “golden point” for flexible capabilities complementation between the human and robots. On this basis, we will propose an explainable situation cognition-oriented target detection method, establish an event-triggered filtering framework, and realize human-robot cooperative target tracking and behavior detection. Finally, a human-robot mixed initiative decision-making method under uncertainties will be proposed to achieve satisfactory robust decision-making and human-robot collaborative planning. The expected outcomes of this project will effectively improve the environmental awareness and mission decision-making of UASs under complex environments, which is of great theoretical and practical significance for improving the autonomy of UASs.

无人机系统走向实用需要提高其自主能力，以应对复杂的任务环境。然而，一方面目前自主能力有限，另一方面全自主的发展受到政策法规的制约，以“人在回路上”监督的自主完成任务成为当前唯一可行的解决方案。本项目重点研究在动态环境/任务/通信等事件驱动下的人机混合主动感知与决策方法。首先，研究事件驱动的人机能力互补模型与学习优化方法，找到人机能力柔性互补的“黄金分割点”；在此基础上，面向情景认知提出可解释的目标检测方法，建立事件触发的滤波框架，并实现人机协作的目标跟踪与行为检测；最后，提出不确定条件下人机混合主动决策方法，实现鲁棒满意决策和人机协同规划。本项目的预期成果将有效提高无人机系统在复杂环境下的环境感知和任务决策能力，对提高无人机系统自主能力具有重要理论意义和实用价值。

项目瞄准提升复杂环境下无人机系统的自主能力，研究复杂环境下人机混合主动感知与决策问题，在人机能力互补模型、人机混合主动感知、人机混合主动决策等方面取得了重要研究成果，提高了人-机联合认知系统的环境感知和任务决策能力，为人机协同作战、无人机集群作战奠定了技术基础。取得的主要成果包括：（1）构建了面向动态环境的多自主等级人机能力互补模型，验证了毁伤评估任务中人机能力互补模型的有效性；（2）提出了基于情境模糊认知图的操作员-无人机协同决策认知模型，实现了人机混合主动决策，通过多目标搜索任务验证了模型可提高目标搜索数量和精度；（3）建立了基于多元混合Petri网（MHPN）的操作员状态评估模型，提出了基于人员状态变化的任务序列调整方法，实现了人能力有限性与操作系统可靠性的冲突消解，使操作员保持良好状态以提升作战效能；（4）基于多层次组成结构和概率图模型构建了具有可解释性的目标认知模型，实现了对图像中目标可解释的准确识别；（5）基于线性旋转空间提出了目标视觉跟踪算法，解决了线性旋转空间的非先验性问题，对目标平面外旋转导致的跟踪漂移具有鲁棒性；（6）通过目标检测辅助系统和有效的交互操作，将人的注意力机制和认知能力引入无人机实时侦察回路，极大提高了目标检测与跟踪性能；（7）提出了动态环境下人机混合主动决策方法，针对动态环境下异构多智能体任务分配问题和人机控制权限调整问题进行了研究；（8）以概率模型检测为基础理论支撑，开展多无人机系统协作策略合成与学习方法研究；（9）提出了基于信息差决策理论的鲁棒满意决策方法，解决了不确定条件下无人机搜索任务。项目组共出版专著/译著5本；发表学术论文56篇，其中SCI检索13篇，EI检索28篇；授权发明专利11项；培养博士毕业3人，硕士毕业13人；受邀在重要学术会议上做特邀报告8次；举办2次国际学术会议和4次国内学术会议，参加8次国际国内学术会议。