无人智能集群系统决策与控制研究进展
无人集群系统（USS）是人工智能和机器人领域的研究热点，具有提高系统效率、解决利益冲突和决策问题的潜力。本文深入综述了USS的协同决策和博弈控制方法。
1. 无人集群系统概述
USS是指在一定时间和空间范围内聚集多智能体，以集群协作的形式完成特定任务的智能系统，如无人车、机器人、无人机集群等。集群智能（SI）是指大规模智能体的协作与博弈所呈现出的高级智能形态，具有自组织性、鲁棒性、智能性、适应性和灵活性等特点。
2. 无人集群协同与博弈控制模型
- 集群协同模型：基于一致性概念，编队中的所有单位最终都趋向于相同状态。模型包括个体建模（状态方程）和群体建模（Boid、Vicsek、领导者—跟随者模型）。
- 集群博弈模型：常用于研究系统中智能体之间的协作、竞争和决策过程。博弈类型包括合作博弈（如团队博弈）、对抗博弈（如零和博弈）和混合博弈。博弈模型基于马尔可夫决策过程（MDP），考虑智能体间的博弈关系，选择合适的博弈策略，从而实现集群系统的智能决策。
3. 集群协同控制方法
- 集群编队：智能体在设定的路径方向上，以一个整齐的队形实现多点同步，通过行动轨迹的设计来实现最终协同的目的。方法包括领航—跟随法、行为控制法、势函数法等。
- 集群路径规划：在指定的工作空间中，对系统中智能体的运动轨迹进行规划，以确保各个智能体之间及其与障碍物之间不会产生碰撞。方法包括基于纯数学优化的规划方法、基于启发信息的人工智能优化算法和基于生物种群进化的群智能算法。
- 集群任务协作：将所需完成的任务分解为多个子任务，并将所分解的子任务分别安排给不同的智能体协作去实现任务的完成。方法包括基于多智能体强化学习（MARL）方法解决复杂约束条件下的群体协同策略习得。
4. 集群博弈控制方法
- 博弈理论及其发展现状：博弈论是研究理性智能体之间策略交互的数学理论与方法，常用于解决资源分配、任务协作与策略优化问题。
- 自我博弈：博弈参与者通过自身行为产生数据，并根据这些数据实现迭代和进化，最终学习得到符合要求的智能体。
- 演化博弈：通过要求有限博弈个体接纳动态变化环境，并主动调整自己的策略来不断学习，最终达到群体平衡稳态的状态。
- 强化学习博弈：通过不断试错的策略对其原先的方式不断迭代寻优，其具备良好的自主学习能力。强化学习与博弈的结合，可增强智能体的收敛性、鲁棒性和决策能力。
5. 集群协同与博弈的应用与挑战
- 应用：无人集群系统的协同与博弈控制方法已广泛应用于智能交通、大规模无人机表演、物流配送和军事领域。
- 挑战：大规模集群系统的复杂性、异构智能体的协同问题、对动态环境的适应性、无人集群系统的自主性以及可解释性与信任性等问题。
6. 未来研究方向
- 融合深度学习与强化学习。
- 面向动态环境的自适应控制。
- 提升无人集群系统的群智能能力。
- 集群系统的具身图灵测试常态化。
