5 无人系统群体智能研究方向

基于国内外无人系统群体智能已有研究与实践，我们认为开展无人系统群体智能持续化研究和规模化实践，需要将我国“新一代人工智能发展规划”中的“群体智能”与“自主无人系统”融合在一起组织研究，涉及群体智能基础理论方法、无人系统群体智能核心技术以及无人群体智能系统设计与评估技术等方面.

5.1 无人系统群体智能基础理论方法

如前所述，不同类型群体智能，其基础理论方法既有共性，也有个性，无人机系统群体智能理论方法研究也应在一般群体智能理论研究基础上，注重自有特征的理论方法创新研究.(1)群体智能结构理论与组织方法. 深化生物与人类群体智能的社会性结构理论与自适应组织方法研究基础上，进一步研究适应自主无人系统群体智能的群体化OODA(Observe, Orient, Decide, Act)行为模型以及多样化时空结构与多形态组织方法.(2)群体智能涌现机理与协同方法. 深化群体聚集、群体避险等不同形态生物群体智能涌现机理，研究生物群体智能到人工群体智能的群体动力学、启发式规则等映射机理，研究适应无人系统群体智能的群体化OODA协同机理.(3)群体智能学习理论与与优化方法. 在深入研究通用群体智能的群体强化学习、分布式学习、联盟学习等学习方法创新与优化基础上，面向无人系统群智能时空约束、任务驱动、场景关联等特征，进一步研究与其相适应的实时可信群体学习方法.

5.2 无人系统群体智能核心技术

无人系统群体智能核心技术研究，不仅需要考虑其自组织、自适应、自学习等特征，而且需要面向多数无人系统所具备的自主运动、时空约束、行为健壮等特点，开展核心技术自主创新研究.(1)复杂动态场景智能感知与理解技术. 无人系统群体智能面临环境自然、复杂多变的应用场景以及能力互补、多类综合的感知方式，需要深入研究复杂动态场景的智能感知与理解技术，具体包括主动感知、群智感知、状态认知、行为理解等算法及其自主硬/软件结合的实现技术.(2)无人群体实时学习与决策优化技术. 在群体智能学习理论与方法研究基础上，依据无人系统群体智能特点与应用共性需求，深化研究基于数据与知识驱动结合的学习以及群体智能行为决策的实时性优化、鲁棒性保障等具体技术.(3)无人群体自主导航与任务执行技术. 研究复杂环境下基于计算机视觉的精准定位、自主导航、快速识别、主动避障等群体智能导航技术，适应特定类型(如无人机、无人车、无人艇、空间飞行器)无人集群的主动控制、智能控制技术以及跨域无人集群任务智能分配与协同技术等.

5.3 无人群体智能系统构建

(1)特定类型无人群体智能系统综合优化设计. 面向不同应用领域或跨域的无人群体智能系统，其虽有共性，也有个性，在共性理论方法指导下，需从体系结构、资源配置、运行管控、行为智能、应用服务等方面深化研究适应个性的无人群体智能系统综合优化设计.(2)无人群体智能操作系统及应用支撑. 为了简化研发、高效运行无人群体智能应用系统， 需要研发与之适应群体智能操作系统及其应用支撑技术. 群体智能操作系统不仅高效管理、实时认知多维感知、异构计算、无线通讯以及控制执行等多样化资源，而且有效支撑、实时服务群体化OODA行为的智能实现与智能算法及其软件开发.(3)无人群体智能系统综合验证与评估. 无人群体智能系统具有应用场景密切关联、系统行为变化复杂、智能特性持续增长等特点，使得其研发与试验过程更为复杂，需要相应综合验证与评估技术有力支持. 为此，需要研究基于数字孪生的综合验证、场景驱动与数据驱动结合的智能评估等技术.

6 结束语

无人系统群体智能作为群体智能的主要形态之一，不仅在我国军事与民用领域具有重要的应用前景，而且必将推进群体智能理论与技术的持续发展. 我们不仅应注重创新研究群体智能基础理论方法与无人系统群体智能核心技术，而且需加强自主研发不同形态的无人群体智能系统，开展典型领域应用，服务我国国防、社会、经济领域进步。