第一部分 概 述 第1章 绪论 无人系统是用于替代人类而研制开发的各类系统。自古以来，人 类创造了各种不同类型的无人系统。随着人类知识的增长，无人系统 的技术水平也逐渐提高。特别是随着人工智能技术的出现，无人系统 从最初的机械装置，逐步发展为具有感知的，进一步探索且拥有智能 的系统。机器人的发展历史就是由第一代的工业机器人，到第二代具 有感知的机器人，再到第三代的智能机器人。随着新一代人工智能的 兴起，各种形态的智能无人系统不断涌现，快速发展，而且不断推动 着新一轮产业革命的到来。 智能无人系统主要以海、陆、空自主无人运载操作平台，复杂无 人生产加工系统以及无人化作战平台等为典型对象，深入研究智能自 主无人系统的总体技术，包括架构与平台设计以及标准定义；研究智 能无人系统的关键技术，包括在非结构化环境中的智能感知识别、多 智能无人系统的协调规划与冲突消解、复杂环境的智能控制等。应用 示范内容包括无人车、无人机、服务机器人、空间机器人、海洋机器人、 无人车间/智能工厂等领域以及智能无人系统共性应用技术。 智能无人系统是能够通过先进的技术进行操作或管理而不需要人 工干预的人工系统。它是新一代人工智能的重要组成部分之一，也将 成为人工智能发展的标志性成果。智能无人系统是由机械、控制、计 算机、通信、材料等多种技术融合而成的复杂系统，人工智能无疑是 发展智能无人系统的关键技术之一。自主性和智能性是智能无人系统 最重要的两个特征，利用人工智能的各种技术，如图像识别与理解、 学习和推理、人机交互、智能决策、协同控制等技术，是实现和不断 提高智能无人系统这两个特征的最有效方法。 3 第1章 绪论 与传统无人系统相比，智能无人系统的研究内容更加宽泛。在我国发布的《新 一代人工智能发展规划》中指出：“自主无人系统的智能技术。重点突破自主无人 系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性 智能导航等共性技术，无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能 技术，服务机器人、特种机器人等核心技术，支撑无人系统应用和产业发展。”针 对高精度、高机动、强实时、高可靠等高性能需求，研制智能无人系统，体现新一 代人工智能（基于大数据智能、群体智能、感知和跨媒体智能、混合智能、自主智 能等）的前瞻性，并带动新一代人工智能的研究。与此同时，各种类型的智能无人 系统的相继出现，它们将对人类生活和社会产生显著的影响。智能无人系统智能化 水平提高将更能够体现人类特征，更接近人类水平，在某些智能方面已经难以区分 人与机器。因而可以大力推进科技与经济的快速发展、进一步提高人类的生活质量。 智能无人系统产业将成为世界经济进步的新的引擎，引领智能产业与智能经济 的发展。随着智能无人系统领域的快速发展，自动驾驶车、无人机、服务型机器人、 智能工业机器人、空间机器人、海洋机器人、无人船、轨道交通自动驾驶、无人车 间/智能工厂等领域都取得了巨大进步，不仅推动了相关产业的发展，而且在逐渐改 变着社会生活的方方面面。特别是在智能无人系统领域发展的同时，进一步在实现 人机融合，努力将机器智能与人类智能相结合，以达到弥补人类感官、运动缺陷， 让人机融合系统实现机器所不能实现的高智能认知与决策等人类特有的能力。 21世纪以来，随着人工智能技术的发展，人们已经在预测未来智能无人系统对 人类社会的改变。在斯坦福大学发布的关于人工智能百年研究的首份报告《2030 年 的人工智能与生活》中针对智能无人系统中典型代表之一家用机器人指出：“过去 十五年中，机器人已经进入了人们的家庭。但应用种类的增长慢得让人失望，与此 同时，日益复杂的人工智能也被部署到了已有的应用之中。人工智能的进步常常从机 械的革新中获取灵感，而这反过来又带来了新的人工智能技术。未来十五年，在典型的 北美城市里，机械和人工智能技术的共同进步将有望增加家用机器人的使用和应用的安 全性和可靠性。特定用途的机器人将被用于快递、清洁办公室和强化安全，但在可预见的 未来内，技术限制和可靠机械设备的高成本将继续限制狭窄领域内应用的商业机会。至于 自动驾驶汽车和其它新型的交通机器，创造可靠的、成熟的硬件的难度不应该被低估。” 总之，智能无人系统的发展将成为新一代人工智能领域的热点之一，它将成为 新一轮产业革命的重要驱动力。它也会成为我国赶超国际先进水平，在不远的将来 引领新一代人工智能发展的重要方向。因此，快速提升我国智能无人系统领域的基 础理论和关键技术水平，推进智能无人系统产业化，将是发展我国新一代人工智能 技术重大任务和挑战。 为了使智能无人系统具备完成各种环境下不同难度和挑战性的任 务，需要研究和解决一系列理论问题和突破一些关键技术。其研究目 标是以建立知识、数据和反馈于一体的人工智能理论和模型，构建面 向真实场景下的具有高度协同决策能力的智能无人系统。 具体而言，其核心内容包括以下几点： （1）研究基于先验知识的时空约束的环境建模和场景感知技术， 实现高度复杂环境下对场景的透彻理解和大场景目标的识别。将人类 先验与知识引入数据驱动计算框架，提高现有人工智能方法的适应性 和推广性，提高识别、分类、推理和预测等能力；突破无监督学习、 经验记忆利用和内隐知识加载以及注意力选择等难点问题，建立基于 数据依赖和知识依赖的更为灵活的机器学习模型，目的是新的学习模 型同时具备知识推断系统的鲁棒性，推理能力，以及数据模型的预测 能力，并与复杂环境融合，增强智能无人系统对于复杂环境的学习能力， 向更高水平的智能。 （2）研究面向网络—物理—人类社会（Cyber Physical Human， CPH）三元空间的知识表达新方法，特别是非符号知识和直觉知识等 表达刻画方法，形成物理世界、信息世界和人类社会互为映照的知识 表示体系，链接个体、语义和实体。建立起严密知识和不确定知识以 及形象知识表达体系，刻画三元空间相互验证的常识性知识，为感知、 理解、推理和决策提供支撑，形成从数据中不断学习、自我更新知识 的自主学习能力。这种三元空间表达，可以更为有效，自主进化地完 成不同类型的学习任务，并提供更为完备的验证方法，使得在面对复 第2章 智能无人系统 基础理论 杂环境中，学习模型仍能具备自我进化，尽快适应新环境的能力，提高新型智能无 人系统的可靠性和抽象能力。 （3）面向智能无人系统的协同决策需求，建立适用于多平台分布式和多模态交 互式协同决策的机器学习理论和方法，并研发多平台分布式智能无人系统的自主协 同技术，在提高单平台自主能力的同时提升多平台信息分布式协同，实现系统从个 体的学习能力到整体的通信优化性能的提升，从而提高整体智能融合水平和高程度 的自主协作能力。具体而言，通过将学习算法性能和智能无人系统整体性能综合考虑， 建立更为合理的优化模型，为提升智能无人系统的融合水平提供更为有效的分析工 具和性能提升。 （4）研究智能无人系统对不确定环境和事件的感知和判断能力，实现快速变化 动态场景下的自主学习与决策能力。通过借鉴人类思维和学习的认知机制，加强以 注意力、记忆为核心的脑启发可计算模型研究，与数据智能方法相结合，实现大数 据智能学习中自适应主动探索学习方法。具体而言，要加强大脑中感知记忆、工作 记忆和长期记忆中信息或知识的表达与构造方法研究，在此基础上，加强大数据知 识学习和理解过程中场景理解驱动的激活模型自更新和自调整机制，实现大数据中 知识的自适应学习。 以上研究方向均有着同一个最终目标，即提出更为可靠的人工智能模型和系统， 面向更为复杂的环境，并自主进化调整。智能决策技术是多种高新技术的综合产物， 具有较好的潜在收益，其发展水平代表着一个国家的综合科研发展水平，也具有重 要的经济和战略意义。项目的研究，立足于当前的发展现状和前沿，可以为智能无 人系统产业的可持续发展提供保障，为全面构建智慧型社会的智能制造、服务和军 事现代化水平提供技术支撑，作出贡献。为了保障智能无人系统基础理论的深入探 索与核心智能技术的创新研究，为各种类型智能无人系统研制提供所需的各种基础 组件和验证手段，推动人工智能在不同领域中的应用，重点开发面向智能无人系统 共性核心技术的支撑平台。 智能无人系统有各种形态和功能，面对不同任务，不同形态和功 能的智能无人系统拥有不同的关键技术。突破这些关键技术是研制和 应用这些智能无人系统的关键。这里，介绍几个典型智能无人系统及 其关键技术。 3.1 无人车 无人车自动驾驶涉及认知科学、人工智能、机器人技术与车辆工 程等交叉学科，是各种新兴技术的综合试验床与理想载体，也是当今 前沿科技的重要发展方向，同时，研制具有自主知识产权的无人驾驶 车辆不仅对改善道路交通、促进国民经济发展具有重要推动作用，也 对满足国家安全战略需求具有重要意义。无人车已经在很多领域开始 应用，例如物流运输、安防巡逻、抢险救援等。 无人车发展的核心是提高其智能性，发展趋势是提高复杂环境的 感知和认知水平，实现智能驾驶决策与规划，实现高速高精度的运动 控制。主要关键技术包括以下几点。 第3章 典型智能无人系统 关键技术 1 基于跨媒体协同的异构信息整合与环境感知技术 基于跨媒体协同的异构信息融合与环境感知技术，包括研究基于深度学习的环 境感知方法，运用跨媒体的多源异构信息建立融合多种传感器信息的道路模型，攻 克不同道路环境、不同交通流量条件下的环境感知技术，构建智能处理系统，实现 对各种典型交通标识（标识牌、红绿灯）、车道线、动静态障碍物的检测与分类， 为无人车的行为决策提供可靠的信息输入。 2 基于驾驶地图的无人驾驶车辆高精度自主定位技术 基于驾驶地图的无人驾驶车辆高精度自主定位技术，包括研究面向无人驾驶车 辆的快速驾驶地图构建方法，运用车载卫星定位系统、惯导信息、车载激光雷达、 视觉等传感信息，构建复杂环境下的包含多种定位要素的驾驶场景地图；在此基础上， 针对车辆行驶时实时高精度定位的需求，利用激光雷达、视觉、驾驶地图等多元传 感信息，结合驾驶地图中的街景特征等地图先验知识，提高道路信息检测的准确率 与定位的精确性，从而实现无人驾驶车辆的厘米级定位，为智能决策和路径规划提 供技术支撑。 3 复杂环境下交通态势认知与智能决策方法 复杂环境下交通态势认知与智能决策方法，包括针对感知信息的不确定性，决 策系统结合各种先验知识，对无人车所处的交通态势（如车辆、行人的交互行为） 进行建模与预测，更加有效地支撑安全行为决策与轨迹规划的生成。同时，通过提 取人类驾驶员的驾驶经验知识，构建感知不确定性下的智能行为决策模型，实现驾 驶知识的自主增量学习，以提高行为决策系统在复杂未知、不确定性场景下的决策 水平，从而增强无人车辆的安全性、可靠性和实用性。 4 基于群体智能的多车交互与协同控制方法 基于群体智能的多车交互与协同控制方法，包括针对未来有人/无人、无人/无 人多车交互交通环境下的无人驾驶汽车复杂交互环境，研究基于群体智能的多车交 互机理与自组织协同控制方法。在基于群体智能的多车交互机理方面，通过借鉴生 物界蚁群、蜂群、鱼群等群体智能交互机制，研究有人/无人、无人/无人多车交互 交通环境下的多车交互机理，开发交互模型，并利用仿真、实车测试等手段，实现 在多车交互条件下的无人车无碰撞行驶过程。在多车交互机理研究的基础上，进一 步研究基于群体智能的多无人车自组织协同控制方法，实现有通信/无通信条件下多 8 智能无人系统产业发展研究报告（2022版） 车（有人/无人、无人/无人）自动组队、跟车、避障等行为。 5 无人驾驶车辆智能测试评价方法、测试装备与测试标准 无人驾驶车辆智能测试评价方法、测试装备与测试标准，包括针对系统测试， 构建涵盖从虚拟仿真测试、半实物仿真测试到实车测试的无人驾驶车辆测试方法与 工具，实现无人驾驶车辆智能能力的量化评价，为无人车上路提供测试与评价工具 与依据。 3.2 无人机 无人机一般是无人驾驶飞机的简称，又名无人驾驶航空器，是利用无线电遥控 设备和自备的程序控制装置操纵的不需要驾驶员的飞行器。因此，无人机属于一种 典型的智能无人系统。通常可以用于数据搜集、监视、监测与侦察等任务，并正在 向具有人员/货物运输、作战攻击等有人驾驶飞机所具备的各项任务能力方向发展。 应用领域的不同，无人机可以分为两大类：军用无人机与民用无人机。军用无人机 主要用于监视、侦察、电子对抗、攻击和伤害评估等；民用无人机主要用于环境监 测、资源勘查、农业测绘、交通管制、货物运输、天气预报、航空摄影、灾害搜救、 输电线路和铁路线路巡查等。 无人机的关键技术主要围绕两个方面：一是面向单个无人机系统自主能力提升 的单机关键技术研究；二是面向多无人机系统或群体无人机系统自主性能力提升的 多机关键技术研究。 1 单个无人机关键技术主要包括以下几个方面 （1）无人机高机动精确飞行控制技术，包括基于在线学习的无人机非线性建模 理论；基于学习机制的控制理论与方法研究；变结构、变参数、变翼型智能飞行控 制技术等。 （2）无人机高精度自主导航技术，主要研究如何通过多源传感器的信息融合， 实现无人机在自感知条件下的精确运动估计。 （3）无人机飞行轨迹优化与避障技术，包括全局路径规划与优化方法、避障模式 下的动态飞行轨迹优化与生成、静态与动态障碍物并存条件下的避障理论与技术等。 （4）无人机环境感知、建模与理解技术，包括环境感知数据的表达与存储；环 境中目标的分割与识别；对于环境的语义分析和理解等。 2 多无人机关键技术主要包括以下几个方面 （1）多无人机系统协同控制技术，包括多无人机编队控制技术，机体间的相互 作用（通信）拓扑关系描述，以及无人机集群智能自主在线航迹规划、同构/异构无 人机群的分布式自主协同鲁棒编队飞行、无人机集群智能自主编队变换等。 （2）多无人机系统多时空协同感知技术，包括多架同构或者异构无人机多时空 协同感知技术，海量信息中获取有效信息，实现对大范围环境态势理解技术等。 （3）多无人机系统协同规划技术，主要包括多无人机协同任务规划与飞行轨迹 规划。 3.3 无人船 无人船是一种无人操作的水面舰艇。主要用于执行危险以及不适于有人船只执 行的任务。一旦配备先进的控制系统、传感器系统、通信系统和武器系统后，可以 执行多种战争和非战争军事任务，比如侦察、搜索、探测和排雷；搜救、导航和水 文地理勘察；反潜作战、反特种作战以及巡逻、打击海盗、反恐攻击等。在无人船 研发和使用领域，美国和以色列一直处于领先地位。各国都竞相研制无人船，国内 比较知名的单位包括海兰信、哈尔滨工程大学、中船重工701所、中船重工707所、 中科院沈阳自动化所、北京方位智能系统技术有限公司等，无人船家族正在日益壮大。 无人船的关键技术主要包括以下三个方面： （1）无人船导航避障技术，主要包括依据态势感知图，综合考虑任务需求、航 行安全（搁浅和气候等）、航行空时效率（时间、距离和偏差等）、航行规则（海 事避碰规则）、船体操纵性（最小转弯半径等）和环境不确定性（障碍物状态不确 定等）等要素，计算航行规划和导航所需关键要素，比如航行偏差、航行时间、 CPA和危险概率图等，按照不同粒度和不同频率形成互容的位置和速度序列空间， 在满足无人船航行安全包线前提下，发挥无人船的效能。 （2）无人船布放回收技术，包括新型对接锁定释放装置设计，两浮体对接控制 技术，高海况下无人船抵近母船自主控制技术以及主动减摆控制技术等。 （3）无人船集群协同技术，包括多船协同海洋环境智能感知技术，多船实时交互 认知技术，无人船集群智能协同控制决策技术以及无人船集群应用验证支撑技术等。 智能无人系统产业发展研究报告（2022版） 3.4 服务机器人 近年来，国内外服务机器人热门产品不断涌现。在家庭服务机器人、教育娱乐 机器人、医疗康复与外科手术机器人、特种机器人等方面，许多研究机构或机器人 公司都取得了重要突破。我国的服务机器人技术经过近二十年的发展，在机械、信息、 材料、控制、医学等多学科交叉方面取得了重要成果，市场前景广阔。 服务机器人与人工智能、大数据、智能传感器/芯片等融合发展。服务机器人基 础与前沿技术融合正在迅猛发展，涉及工程材料、机械、传感器、自动化、计算机、 生命科学，并且涉及法律、伦理等各个方面，多学科相互交融促进快速发展。服务 机器人急需攻克的部分核心关键技术包括核心开放的操作系统与专用芯片，精确的 环境感知与物联网感知，自适应环境、自学习无需编程，灵巧安全可靠操作，人工 肌肉驱动与智能软体，提高机器人认知、情感交互与陪护等交互技术，高效动力电 池与安全；并且高度重视服务机器人的标准化，以安全可靠、环保节能、使用便捷 为准则。服务机器人前沿科技研究内容包括服务机器人智能材料与新型结构，服务 机器人感知与交互控制，服务机器人认知机理与情感交互，服务机器人的人机协作 与行为控制，云服务机器人与服务机器人遥操作等。 3.5 无人车间/智能工厂 当前制造过程的特征表现出高效、高质量、绿色、环保的需求，需要对制造系 统进行全局优化，特别是随着人力资源问题日益严重和产品个性化需求的显现，传 统的工厂已经难以应对产品订单的脉动特征和个性化定制化生产要求，无人车间/智 能工厂系统作为实现未来智能制造的核心要素之一，是联结制造过程物料流、信息流、 能量流的枢纽节点，通过对工厂内部参与产品制造的物料、设备、人员等全要素环 节进行泛在感知，并充分利用物联网、大数据、云计算、虚拟现实和知识自动化等 新思想与新技术，实现具有状态高度自感知、动态优化自决策等高度智能化特征， 达到高效率、高质量制造过程管控一体化。 随着智能制造在全球范围的快速兴起，无人车间/智能工厂业已成为传统制造企 业转型升级的主要突破方向。从狭义上来看，无人车间/智能工厂是移动通信网络、 数据传感监测、信息交互集成、高级人工智能等智能制造相关技术、产品及系统在 工厂层面的具体应用，以实现生产系统的智能化、网络化、柔性化、绿色化。从广 义上来看，无人车间/智能工厂是以制造为基础，向产业链上下游同步延伸，涵盖了 产品全生命周期智能化实施与实现的组织载体。 无人车间/智能工厂关键技术主要有以下几点： （1）无人车间/智能工厂的工业智能系统工程体系与方法体系；无人车间/智 能工厂等级评估与智能设备互操作能力评估体系；工业机器人环境适应性与安全等 级评价；制造过程无人车间/智能工厂数据标准化；制造物联环境下的无人车间/智 能工厂网络协同制造理论；复杂制造场景下多维度人机物协同与互操作理论与方法。 （2）无人车间/智能工厂网络协同制造技术；无人车间/智能工厂全流程的大 数据云化管控与服务技术；大数据驱动的智能混合建模与仿真技术；制造过程虚实 融合与数字孪生技术；智能工厂生产线的重构技术与动态智能调度技术；制造装备 智能物联与云化数据采集技术；知识自动化驱动的无人车间/智能工厂互操作技术。 （3）研发高端装备智能控制系统、智能无人工厂/车间拟实融合设备与系统、 人机智能交互与互操作的技术与软硬件产品，构建面向知识驱动工厂自动化互操作 试验验证平台以及面向重大装备的智能控制系统及安全测试仿真平台，并在此基础 上建成智能工厂/无人车间的云化管控平台、大数据智能分析与知识服务平台，支撑 面向无人车间与工业智能系统的系统工程体系与方法体系的建立。