无人机人机协作控制权限分配方法研究

陈慧

摘要：随着技术的不断发展，复杂建模和决策算法都得到了长足的进步，这两种进步又推动了无人机指挥控制系统的发展，使其更加完善，决策更加智能，但是部分问题依旧存在耗时长、难处理的情况，而目前启发式的方法并不能提供满意解，在这种情况下，就需要人、机分别完成不同的决策功能，以适当的自动化等级来实现决策过程，可以充分结合人的和自动化系统各自的优势。本文将从人机能力优势比较，系统自动化等级划分，决策分配原则和评估准则，决策分配方法步骤等无人机人机协作控制分配相关问题进行研究，在决策分配过程中主要采用ULMADM方法进行不确定信息的集结和处理，进而计算得出对应的自动化等级。

关键词：无人机 协作控制 权限分配

1引言

现在自动化技术在生产生活中应用的范围越来越广，这在降低人力成本提高生产效率上确实起到了举足轻重的作用，不过同时也许会造成人的感知水平下降等问题;同时，即便是在运算方面，人永远也达不到计算机的水平，并在一些精确和平稳控制问题的处理上远超人类，但也不是总能为所有问题提供满意解。人类对于行为目的和后果的把控、对于整体环境的宏观感知和评估、对陌生事物的概念化能力、感性抽象能力和创造性和灵活性等方面更具优势。面对上述问题，如若将指挥控制系统部分决策功能进行拆分划分，将其按照人与计算机的不同特点来进行分配，同时设定一定的自动化等级，对所有的决策划分自动化等级，将人加入到系统的闭环回路中进行决策，人在决策中的优势在于经验性强、直觉性高等，而計算机的优势在于反应迅捷、不容易出错等，若是可以将其优点结合起来，使其互相补充，协同决策，最后产生的决策结果一般会优于其任一方单独决策。这就是所谓的决策分配。

功能分配包括有决策分配，在设计无人机智能控制系统的时候，这也是一个优先级高、重要性强的绕不过去的问题。在有人机/UCAV协同作战方面，功能分配的主要研究内容就是研究如何将决策功能在指挥员和无人机之间进行分配。为了将其分配的更加协调，这里通过系统分析，在开始作战之前的准备时期，以作战任务为出发点，分析功能分配需要满足的目标，然后在这个基础上，结合已有的技术能力，对人和无人机分别能够达到的要求进行深入细致而且充分的分析研究。然后结合分析结果提出提出功能分配的初步计划以及具体的实现步骤，将人和机器的功能完美的结合在一起，使人的经验以及判断能力和计算机的运算能力得到最大化的融合和发挥，两者共同决策、密切配合，产生一加一大于二的效果。

2.人机能力优势比较

一般认知上，人类更加擅于进行富有创造性和启发性的工作，面对未知情况下的归纳总结能力要远远超过一般自动化系统，而自动化系统则更加擅长处理需要大量计算的高精度、高准确度的问题，在存储数据等能力方面远远超过人类，而未来作战环境中面临的问题既包括大批量的作战数据的处理和相应，也包括未知情况下的目标判断和决策等问题，在当前人工智能无法完全代替人类的工作的情况下，就非常迫切的需要人机有效结合，那么实际飞行中就需要对所有的任务进行合理分配，才能达到所期望的效果。在关于人机能力对比的研究结论中，最为著名的莫过于Fitts List。它由人机系统领域的创始人之一P.M.Fitts于1951年提出，在后来的文献中被广泛引用。Fitts List指出了人、机固有的优势和不足，通过两两对比可以决策出什么功能适合分配给人，什么功能适合分配给机。通常情况下，一方的优势恰好是另一方的劣势，这种情况下看来二者可以实现优势互补，系统性能较单独使用任一方也会有所提高。Fitts List成为各种功能分配方法的基础。随着计算机及自动化技术的迅速发展，以及人们对自身认识的加深，Fitts List的人、机优势分析显示出一定的局限性，在它的基础上也出现了一些更新。

在经过了技术高速发展以后的今天，即便上述两种人机能力优势中的大部分仍然适用，但是用来概括其特点已经不再适宜。比方说在复杂信息传递、经验学习、复杂态势感知等等方面人具有很大的优势，在有人机和无人机结合的控制系统所具有的优点有大多与都是由这些优势带来的。在这里，综合考虑各种因素后，总结出了有人机/UCAV编队对地攻击指挥控制系统的一些优点所在，如下表：

3.分配原则研究

3.1基于认知模型的权限分配原则

基于知识的行为：这是最为复杂的处理模式，对于处理任何还没有实现自动化的问题都需要采用这种方法，常常用于处理新的或者是不寻常的情况。这种模式的最大特点是行为中的规划的调度，这是根据目标和问题本身，结合知识、经验的一个创造性的过程。

基于规则的行为：这是用来处理常见态势的模式，是经过训练的、高度自动化的行为序列。该模式由一系列组合的态势-行动对（即规则）组成，处理问题的方法为，精确及时完成态势评估，然后根据评估结果采取相应的对应措施。

基于技能的行为：是一种类似条件反射的模式。该模式不涉及认知过程，对于已知的激励可实现高度自动化的响应。

将其扩展至无人机操纵系统，从认知学角度而言，人和计算机智能系统可以采取不同的行为模式应对系统受到的外部激励。环境和任务的不确定性小，问题的各种情况基本上都可以预测到，异常情况少，则可以抽取问题的特征，分析其内在规律，采用形式化的方法让agent处理问题。环境和任务的不确定性大，则无法穷尽问题的可能情况，必须根据知识现场生成合适的应对方法，则系统必须依赖人的思维能力来处理系统的不确定性。从系统的控制行为而言，其控制模式是一种基于技能行为。如果无法获得定量模型，而是采用模糊控制，人工智能的方式解决问题，其控制模式则是基于规则的行为。在这种模式中，人的经验和智能通过计算机的形式化方法得以发挥。最后，如果问题的不确定性和动态变化特性只有人根据经验和智慧现场分析才能得到解决，则应该采用认知学的方法，借助于控制科学的思想而不是方法，由人主动的干预问题的解决过程，指导计算机智能系统形成相应的对策。

3.2根据操作员因素的权限分配原则

自动化对于人的能力同时具有积极和消极两方面的影响。功能分配在有效的发挥自动化提供给人带来的各种益处的同时，还应该避免自动化所产生的消极影响。

自动化对于人的工作表现的影响主要表现在以下几方面：

精神上的工作负担：自动化应该让人在工作过程中维持合适的精神上的工作负担。设计良好的系统中，一方面，计算机完成了大部分琐碎的例程化的工作，人可以集中精力处理高层的复杂事件，另一方面，人始终处于适度的兴奋状态，既对任务的执行情况保持敏感，又不会过于劳累。相反，设计不当的系统中，人需要消耗过多的精力处理各种小问题，从而负担过重;或者人的工作负担处于一种幅度很大的跳跃状态，在平常时期无所事事，在非常时期却极度紧张，如此往复，人容易感到疲劳，并且由于平常时期过于轻松而造成对系统状态的陌生，导致在处理紧急情况时需要花费更多的精力和时间才能处理问题，甚至是无法处理问题。自动化系统保持人合适精神负担的关键途径之一为良好的人机界面。从已有的设计成功范例中提取的经验包括：自动化可以完成对于原始数据的预处理，以可视化的方式进行显示;对数据的排序、统计、检索;对关键信息的报警、提示;按照优先级对信息进行显示;提供操作者定量的原始数据等等。

情景感知：操作员和UCAV保持一致的正确的情景感知是两者协作完成任务的基础条件之一。智能系统的自动决策功能可能会降低操作员对系统和工作环境某些动态特征的感知程度。在决策过程中，当其他agent控制系统状态时，人对于环境和系統状态的感知程度将会低于人自己完成决策时对环境和系统状态的感知程度。同时，在动态变化的环境中，如果智能系统持续的重复的进行自动的制定决策和执行动作，那么操作员将不能有效的介入决策过程，也难以维持对环境全景的掌握。这种现象在操作员对决策过程而言只是起监视作用的系统中最为常见。因此，情景感知是操作员和UCAV都必须完成的功能，UCAV必须提供给操作员足够的信息以保证操作员对环境和系统状态的掌握，操作员根据多方面综合信息获得的态势评估结果应该上传到UCAV系统中;UCAV在进行智能决策时，应该存储足够的决策过程结果和中间信息，操作员根据这些信息了解UCAV的意图，操作员应该主动的介入到UCAV的决策过程之中，保持对整个态势的掌握。

依赖性：如果智能系统是非常可靠的但不是绝对可靠的，操作员往往会对智能系统产生依赖性，不会监视智能系统的信息来源和执行过程，那么当智能系统失效时，操作员将无法及时的检测到系统失效的来源和原因。这种对智能系统的过分信赖而产生的依赖性在操作员在多任务环境中尤其明显。

技能水准下降：如果制定决策的功能一直由智能系统执行，那么随着时间的推移，操作员完成这项任务的能力就会降低。

总之，自动化带来的潜在代价-降低态势感知程度，依赖性，技能水平下降-总结起来，就是自动化会在一定的程度上导致操作员对环境和系统状态的“置身事外”。在功能分配时，应该避免这些负面影响不会发生，保证人能够在系统运行过程中一直对系统状态和外部环境保持足够的“敏感度”，即始终“设身处地”。

3.3 分配原则的确定

根据以上分析的内容最终确定一下五条分配原则：

比较分配原则：比较就是关于人与机器自动化系统特性的分析比较。在分析比较的基础上，确定各个功能的优先分配，即适合人来实现的功能就分配给人来做，适合自动化系统完成的任务就分配给机器来做。当某一功能需要人、机配合来完成时，则表明这一功能的分析尚需往更细的层次分解。人机系统的设计者在充分认识系统的目标和任务要求后，必须能很好把握当时的技术发展水平，清楚地了解和分析人、机各自的优缺点，才有可能为实现其目标进行决策，选择出最佳的人、机结合模式。

剩余分配原则：剩余分配原则是指一项功能如果采用技术上能够实现的自动化操作可以完成，就可以排斥人的作用。首先把尽可能多的决策功能分配给自动化操作完成，剩余的功能才分配给人。这一条原则在实际分配决策时可以和第一条原则结合在一起来考虑。

经济分配原则：系统的一项功能是分配给人或机器还需要从经济角度来考虑。这里的经济概念是指系统研制、生产、使用及维护全寿命周期的总费用，其中特别强调使用的效率。对于人而言，则包括他的选拔、培训等费用。系统的有些费用在设计阶段是不易直接衡量的，只能通过预测的方法来分析比较。因此，究竟是使用人经济，还是设计、生产制造、运行维护机器来实现该功能经济，都要深入分析考虑。

宜人分配原则：决策功能分配在考虑人的能力限制的前提下，尽可能多地多发挥人的技能。这意味着既要使系统中人类操作者不要在完成任务、作业后疲惫不堪，也不要让其长时间感到无事可做，工作警觉性变差。

弹性分配原则：随着现代科学技术的发展，尤其是计算机、自动化和人工智能技术的发展，出现了很多不同类型的人机接口，能够根据不同的需求选择不同的人、机操作界面完成系统功能。。弹性分配的基本思想有两个：一个是由人自己决定参与系统行为的程度;另一个是智能机器根据任务的难易和操作者的工作负荷及态势感知水平来调整系统功能的分配。弹性分配原则又称为动态分配原则。

上述1～4属于静态决策分配（Static Decision Allocation）原则，是根据系统工程中自上而下（Top-to-Down）的设计思想，系统分析和设计人员针对人机系统的任务需求，对系统功能进行逐步分解，并以固定的方式把某些功能明确的指定给系统中的人或者某个自动化系统来完成，在运行过程中不再加以调整，因此称其为静态决策分配。而5属于动态决策分配（Dynamic Decision Allocation）原则，它是根据复杂系统论中自下而上（Down-to-Top）的思想，对系统运行阶段的功能分配情况做出的考虑，使得系统功能能够在人、机之间动态的调整，从而使人、机工作更加协调，提高系统整体的功能效果。从技术的实现角度来看，静态决策分配比较容易操作与应用，而动态决策分配虽然更加符合发展的方向，但具有较大的难度，还有待于进一步的探索研究。

4.权限分配评估准则

在设计阶段当人机系统的自动化等级基本确定以后，需要在后续的试验或者系统实际应用中按照一定的准则评估系统设计是否达到或满足要求，以最终确定系统的自动化等级。对于有人机/UCAV编队指挥控制系统决策分配来说同样如此。本文探讨并建立了无人机操纵系统决策分配的评估准则，并按照评估准则的重要性将它们分为两部分：主要评估准则和其它评估准则。主要评估准则是决策分配时需要优先考虑的因素，而其它评估准则作为补充，更能够提高决策分配结果的科学性和准确度。

4.1主要评估准则

脑力负荷：又被称为心理负荷、精神负荷等等，最初是在体力负荷的概念上引申出来的，指的是人在工作过程中所消耗的脑力量和所消耗时间的比值。能够体现出人在工作过程中对脑力资源的占用，也就说脑力负荷和剩余可利用脑力资源两者之间呈现负相关的关系，在工作过程中脑力资源的占用越低，则脑力负荷越低，剩余可利用脑力资源越多，反之亦然。通常来说在人的工作过程中承受的压力越大，则说明脑力负荷越大。脑力负荷的大小还对人在碰到问题的时候处理信息的效率有着影响。当脑力负荷超出人的承受能力时，其工作效率和可靠性将不断下降。对导致产生脑力负荷的原因进行分析，可以分析出很多，其工作的内容以及要求或者本身的工作能力等等都是导致产生脑力负荷的原因所在。作战决策对于决策者而言，主要是其脑力劳动的结果。人与自动化之间决策分配的结果将决定人的工作内容，直接影响其脑力负荷。因此，在进行决策分配时需要考虑决策者的脑力负荷是否超出了其有效工作的脑力负荷限制。

相关研究结果表明，设计良好的决策自动化系统可以使人的脑力负荷处于一种良好的状态，从而有利于系统整体性能的提高。但是，在决策过程中引入自动化技术并不是总能减轻人的脑力负荷，在某些情况下，由于人与自动化技术之间的交互存在困难，还会引起人的脑力工作量的增加。一般来说，自动化技术对人脑力负荷的影响可以通过人的工作能力和效率来反映。

态势感知：关于态势感知，至今还没有形成一个统一的定义。其中，最早也是应用最广泛的定义是：能够在某个时间范围以及空间范围内不断接收外部环境信息以理解和感知环境，然后基于其理解和感知对将来可能发生的情况进行判断。按照这种定义，态势感知被分解为三个层次：第一个层次为感知，指传感器对环境重要信息的获取，并且以适当的形式将相关信息提供给操作者;第二个层次为理解，指操作者对和个人目标相关数据的意义和重要性的理解，从而形成关于外部环境的全面感知;第三个层次为预测，指信息向前外推以確定其如何影响操作环境。在预测层，操作者可以根据头脑中的当前态势信息预测环境和系统进一步的状态，以便采取及时有效的行动。

态势感知概念起源于航空领域，如今已经发展成为空中交通管制、军事指挥控制、天气预报、核电站、教育等领域的一个重要概念，得到广泛的研究。态势感知的重要性在于它是正确决策和行动的基础，维持较高层次的态势感知水平对于决策而言至关重要。设计辅助系统使操作者形成和保持良好的态势感知可以促使其做出正确的决策。研究表明，88%的航空事故是由于态势感知问题导致飞行员出现操作失误，继而引发航空事故。

但是形成和保持较高的态势感知水平是十分困难的。Endsley对态势感知的认知模型进行了深入研究，指出高度自动化的系统将降低操作者对系统和环境的态势感知水平，她将这种现象称之为“环外综合症”。因此，决策功能的自动化可能会使人形成依赖性，进而降低操作者对系统及其工作环境动态特性的把握和掌控。通常情况下，如果系统或者环境的变化受自动化的控制，而不在操作者的控制范围内，则操作者对这些变化的感知水平会比较低。同样，当决策支持系统、专家系统或其它的决策自动化系统在动态环境中连续或者重复的选择、执行决策结果，操作者由于没有参与决策过程而导致态势感知水平的下降。但是，从另一方面讲，由于高度自动化水平能有效地降低操作者的脑力负荷，可以使操作者有精力掌握系统其它部分功能的工作情况，这在一定程度上也能够增加操作者对整个系统的态势感知水平。因此，在决策分配时需要综合考虑决策自动化技术的影响，将操作者态势感知水平作为决策分配结果的一个评估准则，对于形成人在回路的指挥决策过程至关重要。

自动化决策的可靠性：可靠性设计是军事装备系统研究中的一个重要环节。在进行控制系统决策分配时，自动化决策的可靠性是需要考虑的一个重要因素。只有决策功能所分配的自动化技术具有较高的可靠性，才能通过提高这项决策功能的自动化程度来降低操作者的脑力负荷，从而使操作者有能力增强对系统其它决策功能的态势感知水平。但是，如果自动化决策功能不可靠，则操作者需要花费更多的精力来判断决策结果的正确与否，这反而会增加操作者的脑力负荷。另外，可靠性水平还会影响使用者对自动化技术的信任程度，从而影响自动化功能的发挥。因此，自动化可靠性是决定其应用的一项重要评估标准。目前对系统可靠性进行评估的方法较多，如故障树分析法。但是，当自动化决策软件的复杂性和规模较大时，对其可靠性进行准确评估则比较困难，特别是与其它子系统的交互更增加了评估的难度。

决策风险：决策风险指的是不正确或不恰当的决策所造成的后果，表示方法为使用决策错误的代价与错误发生的概率的乘积。对于相对风险较小的简单决策任务，可以采用较高的自动化等级完成，甚至完全自动化，以减少人的参与，从而避免人因为脑力负荷超载而无法执行其它重要的功能。而对于决策风险较高的任务，可以设置适中的自动化等级，并且在决策执行之前将决策结果提交操作者最终确认，以提高决策的安全性。

系统费用：效费比分析是任何系统设计、开发阶段都要完成的工作，费用成为影响功能实现的一个重要因素。对于指挥控制系统决策分配而言，机器系统具有的智能程度越高，则要求的开发代价越大。对于人来说也是一样，要求他完成的功能越多，则对他的能力要求也就越高，相应地需要大量的学习和训练，这也将导致系统成本的增加。因此，对系统中与人有关的费用和与设备相关的费用要进行均衡，使系统在满足需求的同时保证总体费用在可接受范围之内。

4.2其他评估准则

操作员技能要求：人对相应决策自动化等级的操作技能将影响决策的成败。由于不同决策任务可能处于不同的自动化等级，且自动化等级可能在任务执行过程中动态变化，而不同的自动化等级对操作者的技能要求也就不同，所以需要针对不同的系统状态对操作者进行训练。如果操作者没有任何经验，就需要对他进行全面的培训;如果操作者以前工作于全人工环境下，则当系统调整为全自动状态时，他的经验将不再适用。而对操作者的训练过程需要耗费大量的人力、财力和时间。

操作员技能下降：如果某项决策功能长期由自动化系统完成，则操作员对这项功能的操作熟练程度将会不断下降。而一旦自动化系统出现故障，操作员技能在此时将显得的尤为重要。

决策任务时间紧迫性：时间紧迫性主要指完成决策所需要的时间，特别是针对时敏决策任务而言，要求其在限定较短的时间内给出决策结果。人的信息处理速度和响应速度是有限制的，如果在某一时间段分配给其较多的功能，则会导致任务的延迟，引起后继任务的推迟或整个任务的失败。同时对于某些要求智能程度较高的功能，机器系统的处理能力也是有限的，例如一些利用知识进行推理的工作，人的表现可能比机器更加迅速和有效。在分配时也要考虑决策任务的时间紧迫性，以决定任务的归属。

决策交互作用：当系统决策任务较多而且彼此之间的关系较为复杂时，不同决策功能的自动化等级将会对其它部分产生重要的影响。因此，在进行决策分配之前，必须清楚不同决策功能之间的交互作用。

满足感：当系统以较高的自动化等级决策时，操作者容易对决策结果过于信赖而产生满足感，造成对自动化系统工作过程监控的忽视。即使操作者被告知自动化决策系统的不完全可靠性，但是依然会对操作者的判断产生影响。所以当系统出现故障时，操作者往往不能察觉，特别是当操作者需要同时执行多个任务时，这种现象会更加突出。为了避免这种情况的产生，在进行决策分配时应尽量使人能够对自动化的决策机理和过程有所了解。

基于UEWAA算子和ULHA算子的多属性决策方法

这里研究一種基于UEWAA算子[17]的多属性决策方法

定义1 设，下限和上限分别是Sa和Sb，则称为不确定语言变量。

步骤2 通过UEWAA算子来集结和中第i行的信息，获取在范围内的评估结果以及。

步骤3 计算和之间的可能度，得到可能度向量.其中。

步骤4 根通过pi来获取范围内的自动化等级A。根据下述过程来进行：

在上式中，表示的是高斯取整函数。

最后一步是确定自动化等级。在确定了范围，也就是确定了不同决策所分配的不同方案以后，一般通过专家来对这些方案打分，然后取均值，根据这个均值来进行方案的选定。这里是在UEWAA算子和ULHA算子的基础上所进行的多属性群体决策[18，19]，详细的实施步骤如下;

步骤2 对中第i行的评估信息利用UEWAA算子进行集结，得到给出的方案综合属性评估值。

步骤3 在得到了这些评估值以后，以ULHA算子对其进行集结，得到的群体综合属性评估值。

步骤4 分别计算出各个方案对应的综合属性值之间的可能度，并建立可能度矩阵。

步骤5 求出P的排序向量，并按其分量大小对方案进行排序，即得到最优方案。其中

参考文献：

[1]Malasky J S.Human machine collaborative decision making in a complex optimization system[J].Massachusetts Institute of Technology，2005.

[2]Ownby M.Mixed Initiative Control of Automa-teams （MICA）-A Progress Report[C].AIAA，"unmanned Unlimited" Technical Conference，Workshop and Exhibit.2004.

[3]Xu X，Yang L，Hu X，et al.Mission-oriented control scheme for autonomous/semi-autonomous UCAV[C].Guidance，Navigation & Control Conference.IEEE，2015.

[4]刘跃峰，陈哨东，孔繁峨.基于ULMADM的智能指挥控制系统决策分配方法[J].系统工程理论与实践，2014，34（05）：1339-1344.

[5]钟赟，张杰勇，邓长来.有人/无人机协同作战问题[J].指挥信息系统与技术，2017，8（04）：19-25.