USV的集群范式

美国海军对各类无人系统，尤其是无人水面艇（unmanned surface vehicle, USV）做出了重大承诺。欧洲和中东的战争展示了无人系统如何改变了战争的性质。尽管国际报道大多聚焦于空中系统，但乌克兰的USV能力有效对抗了俄罗斯海军，开启了海上战争的新纪元。

美国花费20余年完成空中与地面无人系统的研发列装，以此应对伊拉克、阿富汗的紧急作战任务。在此基础上，美国海军开始大力发展USV。这类装备在与实力相当对手开展远洋作战时具备突出价值，这也是转型的核心动因，目前美国海军已明确规划，将建成一支拥有373艘有人舰艇、150艘无人舰艇的混合舰队。

图1. 2025年北约海上无人系统原型开发演习(Robotic Experimentation and Prototyping with Maritime Unmanned Systems)中，葡萄牙特罗亚(Troia)附近的USV。经过10余年单原型试验评估，研究重心转为多艇自主蜂群协同作战能力评估。

（图片来源：Eric Parsons（U.S. Navy））

以提出颠覆性和创新性思想著称的海军作战部长战略研究小组（Chief of Naval Operations Strategic Studies Group，CNO SSG）负责评估将无人系统引入海军武库的可行性。第28届CNO SSG（2008~2009年）针对该课题开展了为期1年的专项研究，其研究报告进一步推动了业界对无人系统的关注与探索。

美国海军作战部长的《美国海军作战导航计划》（Navigation Plan for America’s Warfighting Navy ）建立在《海军无人战役框架》（Unmanned Campaign Framework）和海军科技委员会（Navy Science and Technology Board）最近发布的《无人系统前进之路》（Path Forward on Unmanned Systems）报告基础之上，它更加重视USV，特别指出：“我们不可能在短短几年内打造出一支规模更大的传统海军。”

发行有抱负的出版物是一回事，但采取行动开发无人海上系统则是另一回事。在过去10年里，海军和海军陆战队邀请工业界将这些系统带入越来越雄心勃勃的演习、实验和演示验证活动。虽然大多取得了成功，但这些活动掩盖了一个事实：这些系统通常比它们试图替代的有人系统需要更多的人手。

当前使用无人系统的范式是：“多操作手，多操纵杆，一个航行器”。这种模式不可持续。军事人力成本正在上升，人力成本约占任何军事系统总拥有成本的70%。因此，国防部正在寻求新的途径，不再将其作为遥控对象，而是利用新兴技术减少操作人员数量，这并不令人意外。

这种自主性需求对海军尤为迫切。与陆基无人系统不同，对于在舰艇上部署的无人系统，所有操作人员和技术人员都必须登舰。每人需有一张铺位，必须吃饭，并且有行政和后勤方面的需求。能以更少人员操作的无人系统将明显提高作战效能。

直到最近，海军还没有足够数量的相似类型USV用来配备人工智能和机器学习（artificial intelligence/machine learning, AI/ML）功能，以测试一名操作员控制多艘USV的能力。

受海军对自主USV渴望的激励，联合参谋部J7战争实验室激励基金（Joint Staff J7 Warfighting Lab Incentive Fund）组织了采用AI/ML的USV的首次演示验证，使其能够形成“迷你蜂群”（mini swarm）协同作战。联合参谋部选定了2家他们认为能够超越单系统自主性，正致力于将AI/ML技术与USV相集成的国防承包商。

第1家工业合作伙伴是TurbineOne公司（译注：成立于2021年，专注于为军事前沿部署边缘计算AI能力的美国软件公司），她带来了其前线感知系统（frontline perception system，FPS）软件包，该软件能自动探测物体、追踪物体并实时生成标签。第2家是海上战术系统公司（Maritime Tactical Systems Incorporated，MARTAC）（译注：成立于2011~2012年，专注于全自主USV的美国公司），她带来了“魔鬼鱼”（Devil Ray）T24和T38 USV。

此次演示验证的首要目标是将TurbineOne公司的AI/ML驱动的自动目标识别技术应用于USV。设计者希望将这两类商用现货产品搭配使用，可形成一套具备可行性的情报、监视与侦察（intelligence, surveillance and reconnaissance, ISR）解决方案。

该作战场景设定包含敌方舰艇实施反探测规避行动。目标进入观测视场后，FPS自主目标检测模型可完成目标自主捕获与识别；随后FPS将视觉探测信息与同步工作的雷达、激光雷达（LiDAR）——光探测与测距追踪进行关联，解算目标位置。探测效果经验证后，系统推送探测报文，触发全域联动处置流程。警报触发后，USV提速编入协同拦截编队，实施超前机动，并围绕接触目标稳定维持阵位。FPS随即向Devil Ray USV下发指令，令其抵达指定战位，持续保持对敌方目标的跟踪接触。

这一解决方案使人“在环上”（on-the-loop），必要时可通过否决来行使指令，而不是人“在环中”（in-the-loop）并负责指挥每一个动作，因为这会减缓“蜂群”取得决定性结果的速度。这种分工——FPS作为分布式感知与决策引擎，Devil Ray USV作为机动层——展示了模块化自治架构如何在通用软件运行中跨舰队扩展。

在无人系统部署时，“人在环上”的重要性难以言喻。《USNI Proceedings》的一位作者指出，随着军事AI系统日益复杂，作战人员往往对AI系统过度信任，甚至盲目信任，他写道：

“越来越多的证据表明，如果不解决AI对齐的挑战，人类在军事作战中的角色可能会趋同于......人类充其量只是敷衍地参与，最坏则沦为仅仅是旁观者，人类将被剥夺理解力和能动性。”

因此，联合参谋部对此次演示验证的明确要求是操作人员/观察人员必须保持“人在环上”，融入战斗节奏，从而理解所有发生的事情。

未来，创新公司之间的合作可能比单一制造商的专有硬件和软件解决方案更为重要。此次演示验证再次确认了，AI赋能的自主性并非遥远目标，而是可部署的现实，可通过现场反馈和任务驱动的反复迭代而不断完善。

联合参谋部的演示验证为可扩展的AI/ML海上ISR行动奠定了技术路径，确认了USV执行“蜂群”行为的完好性，并验证了AI和ML支持时间敏感威胁探测任务的能力。未来的集成机会可能会拓展AI/ML和无人海上作战的边界。如果机器能够理解现代军用硬件和软件产生的大量数据，操作人员就能卸下目标识别任务，并以机器速度灵活调整指令、做出决策。

部署AI/ML技术以实现多舰自主协同，已成为海军发展的核心战略要务。历经10余年针对USV单机原型的试验验证与性能评估，当前研究重心需转向多无人水面舰艇自主“蜂群”协同作战能力的评测与探究。未来数年，美国海军与海军陆战队将规划开展一系列规模化演习、专项试验与技术演示验证工作，吸纳工业界携各类无人系统装备参与测试，全面推进海上无人自主作战体系的落地应用。

TurbineOne公司和MARTAC公司并不是场上唯一的AI/ML和USV玩家。此次演示的目标之一是向其他软件公司和USV制造商表明，国防部（Department of Defense, DoD）正大力开发无人系统“蜂群”作战能力。工业界必须将他们最好的平台和系统带入未来的海军和海军陆战队的活动中。这将确保海军在未来冲突中占据优势。

转载：由“水下无人系统前沿科技”编辑整理。

如有侵权，请联系删除。

求分享