CN114565268A - 基于态势感知的场景自适应协同指挥控制系统及方法 - Google Patents

基于态势感知的场景自适应协同指挥控制系统及方法 Download PDF

Info

Publication number
CN114565268A
CN114565268A CN202210181524.XA CN202210181524A CN114565268A CN 114565268 A CN114565268 A CN 114565268A CN 202210181524 A CN202210181524 A CN 202210181524A CN 114565268 A CN114565268 A CN 114565268A
Authority
CN
China
Prior art keywords
task
intelligent
decision support
combat
support unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210181524.XA
Other languages
English (en)
Other versions
CN114565268B (zh
Inventor
王敬超
高伟
任双印
陈融冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Network Engineering Institute of Systems Engineering Academy of Military Sciences
Original Assignee
Institute of Network Engineering Institute of Systems Engineering Academy of Military Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Network Engineering Institute of Systems Engineering Academy of Military Sciences filed Critical Institute of Network Engineering Institute of Systems Engineering Academy of Military Sciences
Priority to CN202210181524.XA priority Critical patent/CN114565268B/zh
Publication of CN114565268A publication Critical patent/CN114565268A/zh
Application granted granted Critical
Publication of CN114565268B publication Critical patent/CN114565268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明属智能化作战指挥控制技术领域，涉及一种异构无人装备的场景自适应协同指挥控制系统。基于态势感知的场景自适应协同指挥控制系统，它包括：决策支持单元、竞标单元以及智能孪生体；智能孪生体适应指挥信息系统数字化发展的趋势，虚拟化了相应作战编组的资源，具备综合代理能力；决策支持单元将指挥员的作战意图翻译成顶层作战方案，决策支持系统和智能孪生体之间采用合同网协议实现任务的分解分发，决策支持系统向智能孪生体发出一个任务，而智能孪生体根据其资源和能力提出一个实现方案。决策支持系统决定任务分配对象及工作负载。同时，本发明还公开了一种基于态势感知的场景自适应协同指挥控制方法。

Description

基于态势感知的场景自适应协同指挥控制系统及方法
技术领域
本发明属智能化作战指挥控制技术领域，涉及一种异构无人装备的场景自适应协同指挥控制系统及方法。
背景技术
在信息时代，我们正处于从平台中心战到网络中心战的根本性转变之中，然而，在对抗环境中，“全互联”面临着越来越多的挑战。在另一方面，随着人工智能和自主系统的快速发展，基于人工智能和无人技术的后网络中心战作战模式研究成为热点。当前的战争侧重于消耗，其目标是摧毁足够多的敌人，使其丧失战斗力，并最终赢得战争。随着冲突强度的增加，引入了决策中心战作战样式，采用新的制胜机制和作战概念来完成任务，其重点是比对手做出更快更好的决策，而不是与敌人进行消耗战。决策中心战允许指挥官做出更快、更有效的决策，同时降低对手决策的质量和速度。网络中心战假设战场具有高透明度和高控制力。然而，决策中心战充分考虑了军事冲突中的不透明性。
未来的战争将是一组由人类控制的各种功能的无人设备。士兵充当无人设备的“牧羊人”，为无人设备分配任务。在这种模式下，无名装备将获得比“忠诚作战伙伴”更多的自主权。无人设备将具有独立感知和受控决策功能，重点是任务完成。“牧羊人”摆脱了繁重的工作量，可以更加注重适应能力和创造力，更加注重应对其他不可预见的紧急情况。人机融合补充了有人和无人装备的优势，实现了无人装备的人控，有效提高了无人装备对作战环境的响应能力，拓宽了有人装备的感知和攻击边界，对提高未来作战能力是有效的。
为了实现分布式作战的概念，有必要设计一种新的指挥与控制体系结构。
发明内容
本发明的目的是：为适应未来战争，提供一种基于态势感知的场景自适应协同指挥控制系统及方法。
本发明的一个技术方案是：基于态势感知的场景自适应协同指挥控制系统，它包括：决策支持单元、竞标单元以及智能孪生体。
决策支持单元用于将指挥员的作战意图翻译成顶层作战方案，并结合战场态势与作战要素的监控资源及通信状态形成作战任务。
竞标单元用于实现作战任务的分解与分发。
智能孪生体用于实现对无人作战编队的资源抽象与管理、运行状态的提取与分析，向无人作战编队中各作战单位下达对应的作战指令，并评估分析该指令完成效果。
无人作战编队基于对环境的感知能力，通过异构无人装备的自适应协同，实现作战任务保障。
决策支持单元通过竞标单元与智能孪生体实现交互，智能孪生体综合所提取与分析的无人作战编队信息形成战场态势、作战要素的监控资源及通信状态向决策支持单元输入。
在上述方案的基础上，进一步的，系统执行任务分解与分发协议，即决策支持单元与智能孪生体之间通过设计任务分解分发协议实现分解分发，决策支持单元将指挥员的意图翻译为作战命令，智能孪生体依据对应对无人作战编队内的不同编组的资源状态、健康状态、通信状态等与决策支持单元签署部分作战任务。
在上述方案的基础上，进一步的，系统采用边端一体化设计融合边缘计算与作战平台，决策支持单元布置在核心云，智能孪生体布置在边缘云。系统具备边端一体的场景认知与响应能力，为算力受限的作战平台提供数据处理和智能代理能力，统一调度作战编组内各要素的资源。
在上述方案的基础上，进一步的，系统内设有2个或2个以上的智能孪生体，每个智能孪生体对应无人作战编队内的不同编组。智能孪生体适应指挥信息系统数字化发展的趋势，虚拟化了相应无人作战编队的资源，具备综合代理能力，代理了相应无人作战编队中的数字化资产、移动和通信等相应功能。
本发明的另一个技术方案是：基于态势感知的场景自适应协同指挥控制方法，它基于如上所述的任一项系统，决策支持单元和智能孪生体之间采用合同网协议实现任务的分解分发，在该协议中，决策支持单元向1个或多个智能孪生体发出一个任务，而每个智能孪生体根据其资源和能力提出一个实现方案，由决策支持单元决定如何将任务分配并分配工作负载。
所述方法包括以下步骤：
A.决策支持单元根据指挥员的作战意图提出任务；
B.通过竞标单元以协商交互的方式向智能孪生体发布任务信息；
C.智能孪生体结合自身状态、资源对接收到的任务进行评估，选择接受任务或拒绝任务；选择接受任务则执行步骤D，拒绝任务则结束步骤；
D.智能孪生体将实施方案的建议信息和自身状态、资源发送给决策支持单元；
E.决策支持单元对智能孪生体所建议的实施方案进行评估，判断该智能孪生体是否有能力执行任务；判断有能力则执行步骤F，判断无能力则结束步骤；
F.决策支持单元将任务分配方案反馈至智能孪生体，由智能孪生体向无人作战编队中的作战单位发送指令；
G.智能孪生体在无人作战编队执行任务的同时，结合所提取的战场态势、作战要素的监控资源及通信状态对任务执行效果进行评估，形成反馈信息发送至决策支持单元；
H.决策支持单元根据反馈信息对作战任务的执行情况进行评估，形成新的任务信息，循环至步骤B，直至任务完成。
有益效果：(1)本发明将人类指挥与人工智能机器相结合，从而使前线指挥官能够控制分布式部队，适应作战环境，执行军事任务。基于态势感知的协同控制在于指挥控制过程的改变和自主无人系统作战能力的生成，人类指挥官提供灵活和创造性的见解，而机器提供速度和可扩展性，更能为敌人制造多重困境，有效提高作战能力。
(2)本发明满足无人系统在对抗环境中执行作战任务的需要，在通信不可靠条件下，决策支持系统通过竞标系统与各个抽象实体进行交互，基于合同网络进行任务分解和评估实现任务的分解与分发。
(3)本发明中的智能孪生体适应指挥信息系统数字化发展的趋势，虚拟化了相应作战编组的资源，具备综合代理能力，依据所属作战编组的资源状态、健康状态、通信状态等与决策支持系统签署部分作战任务。
(4)本发明具备边端一体的场景认知与响应能力，通过边端一体化设计融合边缘计算和作战平台，为算力受限的作战平台提供数据处理和智能代理能力，统一调度作战编组内各要素的资源。
附图说明
图1为本发明中所述系统的架构示意图；
图2为本发明中所述方法的流程图；
图中：1-决策支持单元、2-竞标单元、3-智能孪生体、4-无人作战编队、5-指挥员。
具体实施方式
实施例1：参见附图1，基于态势感知的场景自适应协同指挥控制系统，它包括：决策支持单元1、竞标单元2以及智能孪生体3。
决策支持单元1用于将指挥员5的作战意图翻译成顶层作战方案，并结合战场态势与作战要素的监控资源及通信状态形成作战任务。
竞标单元2用于实现作战任务的分解与分发。
智能孪生体3用于实现对无人作战编队4的资源抽象与管理、运行状态的提取与分析，向无人作战编队4中各作战单位下达对应的作战指令，并评估分析该指令完成效果。
无人作战编队4基于对环境的感知能力，通过异构无人装备的自适应协同，实现作战任务保障。
决策支持单元1通过竞标单元2与智能孪生体3实现交互，智能孪生体3综合所提取与分析的无人作战编队4信息形成战场态势、作战要素的监控资源及通信状态向决策支持单元1输入。
基于态势感知的场景自适应协同指挥控制系统执行任务分解与分发协议，即决策支持单元1与智能孪生体3之间通过设计任务分解分发协议实现分解分发，决策支持单元1将指挥员5的意图翻译为作战命令，智能孪生体3依据对应对无人作战编队4内的不同编组的资源状态、健康状态、通信状态等与决策支持单元1签署部分作战任务。
优选的，基于态势感知的场景自适应协同指挥控制系统采用边端一体化设计融合边缘计算与作战平台，决策支持单元1布置在核心云，智能孪生体3布置在边缘云。系统具备边端一体的场景认知与响应能力，为算力受限的作战平台提供数据处理和智能代理能力，统一调度作战编组内各要素的资源。
优选的，基于态势感知的场景自适应协同指挥控制系统内设有2个或2个以上的智能孪生体3，每个智能孪生体3对应无人作战编队4内的不同编组。智能孪生体3适应指挥信息系统数字化发展的趋势，虚拟化了相应无人作战编队4的资源，具备综合代理能力，代理了相应无人作战编队4中的数字化资产、移动和通信等相应功能。
实施例2：参见附图2，基于态势感知的场景自适应协同指挥控制方法，它基于如实施例1所述的系统，决策支持单元1和智能孪生体3之间采用合同网协议实现任务的分解分发，在该协议中，决策支持单元1向1个或多个智能孪生体3发出一个任务，而每个智能孪生体3根据其资源和能力提出一个实现方案，由决策支持单元1决定如何将任务分配并分配工作负载。
所述方法包括以下步骤：
A.决策支持单元1根据指挥员5的作战意图提出任务；
B.通过竞标单元2以协商交互的方式向智能孪生体3发布任务信息；
C.智能孪生体3结合自身状态、资源对接收到的任务进行评估，选择接受任务或拒绝任务；选择接受任务则执行步骤D，拒绝任务则结束步骤；
D.智能孪生体3将实施方案的建议信息和自身状态、资源发送给决策支持单元1；
E.决策支持单元1对智能孪生体3所建议的实施方案进行评估，判断该智能孪生体3是否有能力执行任务；判断有能力则执行步骤F，判断无能力则结束步骤；
F.决策支持单元1将任务分配方案反馈至智能孪生体3，由智能孪生体3向无人作战编队4中的作战单位发送指令；
G.智能孪生体3在无人作战编队4执行任务的同时，结合所提取的战场态势、作战要素的监控资源及通信状态对任务执行效果进行评估，形成反馈信息发送至决策支持单元1；
H.决策支持单元1根据反馈信息对作战任务的执行情况进行评估，形成新的任务信息，循环至步骤B，直至任务完成。
实施例3：在实施例2的基础上，以复杂对抗场景中无人机、无人车协同实现作战物资的护航为例，进一步解释本发明的运用场景。
无人作战编队4中包括：无人机、无人车，无人机具有部分感知能力，并以分布式方式进行管理。任务目标为：无人车在无人机护送下护送重要物资到达目的地。战场环境包括障碍物和自然元素，如山脉、湖泊、河流和桥梁。
智能孪生体3对无人作战编队4的资源状态、健康状态、通信状态等进行综合代理；通过状态反馈，无人作战编队4中各作战单位面临如下问题：无人机的资源有限，且可能面临敌人的攻击；无人机燃油资源在有限，并随着时间的推移逐渐消耗，在燃料无法保障任务的时候将返航回基地再次获取燃料；无人机和无人车的通信信号覆盖范围有限；在复杂对抗环境中，敌人将试图摧毁护航无人车，摧毁无人机并拦截补给物资，无人机需要避免这些损失。如果敌人拦截补给，任务将失败；如果材料能够到达目标，任务就成功完成。同时，无人机必须足够近才能识别目标，这也可能是危险的，因此应控制无人机与未知目标之间的距离。在任务执行过程中，敌人可以是移动的，也可以是静态的。他们一看到无人机就会发起攻击，然后攻击车队，最后拦截补给。
决策支持单元1和智能孪生体3之间采用合同网协议实现任务的分解分发，在该协议中，决策支持单元1向多个智能孪生体3发出一个任务，而每个智能孪生体3根据其资源和能力提出一个实现方案。决策支持单元1决定如何将任务分配给不同的智能孪生体3，然后分配工作负载。在执行任务的过程中，决策支持单元1结合战场态势与作战要素的监控资源及通信状态调整任务分配及工作负载，保持最优作战方案，直至完成任务目标。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (5)

1.基于态势感知的场景自适应协同指挥控制系统，其特征在于，它包括：决策支持单元(1)、竞标单元(2)以及智能孪生体(3)；
所述决策支持单元(1)用于将指挥员(5)的作战意图翻译成顶层作战方案，并结合战场态势与作战要素的监控资源及通信状态形成作战任务；
所述竞标单元(2)用于实现所述作战任务的分解与分发；
所述智能孪生体(3)用于实现对无人作战编队(4)的资源抽象与管理、运行状态的提取与分析，向所述无人作战编队(4)中各作战单位下达对应的作战指令，并评估分析该指令完成效果；
所述决策支持单元(1)通过所述竞标单元(2)与所述智能孪生体(3)实现交互，所述智能孪生体(3)综合所提取与分析的所述无人作战编队(4)信息形成战场态势、作战要素的监控资源及通信状态向所述决策支持单元(1)输入。
2.如权利要求1所述的基于态势感知的场景自适应协同指挥控制系统，其特征在于，所述系统执行任务分解与分发协议。
3.如权利要求1所述的基于态势感知的场景自适应协同指挥控制系统，其特征在于，所述系统采用边端一体化设计融合边缘计算与作战平台，所述决策支持单元(1)布置在核心云，所述智能孪生体(3)布置在边缘云。
4.如权利要求3所述的基于态势感知的场景自适应协同指挥控制系统，其特征在于，所述系统内设有2个或2个以上的所述智能孪生体(3)，每个所述智能孪生体(3)对应所述无人作战编队(4)内的不同编组。
5.基于态势感知的场景自适应协同指挥控制方法，其特征在于，它基于如权利要求1-4所述的任一项系统，并包括以下步骤：
A.决策支持单元(1)根据指挥员(5)的作战意图提出任务；
B.通过竞标单元(2)以协商交互的方式向智能孪生体(3)发布任务信息；
C.所述智能孪生体(3)结合自身状态、资源对接收到的任务进行评估，选择接受任务或拒绝任务；选择接受任务则执行步骤D，拒绝任务则结束步骤；
D.所述智能孪生体(3)将实施方案的建议信息和自身状态、资源发送给所述决策支持单元(1)；
E.所述决策支持单元(1)对所述智能孪生体(3)所建议的实施方案进行评估，判断该所述智能孪生体(3)是否有能力执行所述任务；判断有能力则执行步骤F，判断无能力则结束步骤；
F.所述决策支持单元(1)将任务分配方案反馈至所述智能孪生体(3)，由所述智能孪生体(3)向无人作战编队(4)中的作战单位发送指令；
G.所述智能孪生体(3)在所述无人作战编队(4)执行任务的同时，结合所提取的战场态势、作战要素的监控资源及通信状态对任务执行效果进行评估，形成反馈信息发送至所述决策支持单元(1)；
H.所述决策支持单元(1)根据反馈信息对作战任务的执行情况进行评估，形成新的任务信息，循环至步骤B，直至任务完成。
CN202210181524.XA 2022-02-25 2022-02-25 基于态势感知的场景自适应协同指挥控制系统及方法 Active CN114565268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210181524.XA CN114565268B (zh) 2022-02-25 2022-02-25 基于态势感知的场景自适应协同指挥控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210181524.XA CN114565268B (zh) 2022-02-25 2022-02-25 基于态势感知的场景自适应协同指挥控制系统及方法

Publications (2)

Publication Number Publication Date
CN114565268A true CN114565268A (zh) 2022-05-31
CN114565268B CN114565268B (zh) 2023-01-06

Family

ID=81715709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210181524.XA Active CN114565268B (zh) 2022-02-25 2022-02-25 基于态势感知的场景自适应协同指挥控制系统及方法

Country Status (1)

Country Link
CN (1) CN114565268B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115392476A (zh) * 2022-07-07 2022-11-25 中国人民解放军军事科学院系统工程研究院 一种有无人协同作战体系中的智能孪生体
CN116452306A (zh) * 2023-03-03 2023-07-18 中国人民解放军军事科学院系统工程研究院 一种面向智能化作战任务的招投标分发方法
CN117041250A (zh) * 2023-07-17 2023-11-10 中国人民解放军军事科学院系统工程研究院 一种智能化指挥控制的无线通信链路质量评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652415A (zh) * 2020-05-22 2020-09-11 中国航空无线电电子研究所 管控无人机地面控制站生产数据的信息物理系统集成模型
CN112084675A (zh) * 2020-09-17 2020-12-15 南方电网科学研究院有限责任公司 一种gis设备的数字孪生体的构建方法、装置及存储介质
CN112114668A (zh) * 2020-09-02 2020-12-22 北京捷安申谋军工科技有限公司 基于数字孪生的ar单兵伴随侦察无人机系统及其侦察方法
CN112233483A (zh) * 2020-09-15 2021-01-15 南京模拟技术研究所 一种基于数字孪生的红蓝对抗训练方法
CN113221338A (zh) * 2021-04-25 2021-08-06 南京邮电大学 一种基于数字孪生的复杂装备系统模型验证方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652415A (zh) * 2020-05-22 2020-09-11 中国航空无线电电子研究所 管控无人机地面控制站生产数据的信息物理系统集成模型
CN112114668A (zh) * 2020-09-02 2020-12-22 北京捷安申谋军工科技有限公司 基于数字孪生的ar单兵伴随侦察无人机系统及其侦察方法
CN112233483A (zh) * 2020-09-15 2021-01-15 南京模拟技术研究所 一种基于数字孪生的红蓝对抗训练方法
CN112084675A (zh) * 2020-09-17 2020-12-15 南方电网科学研究院有限责任公司 一种gis设备的数字孪生体的构建方法、装置及存储介质
CN113221338A (zh) * 2021-04-25 2021-08-06 南京邮电大学 一种基于数字孪生的复杂装备系统模型验证方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王旭东等: "面向作战指挥的数字孪生应用", 《指挥信息系统与技术》 *
邓烨等: "数字孪生战场建设探讨", 《防护工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115392476A (zh) * 2022-07-07 2022-11-25 中国人民解放军军事科学院系统工程研究院 一种有无人协同作战体系中的智能孪生体
CN116452306A (zh) * 2023-03-03 2023-07-18 中国人民解放军军事科学院系统工程研究院 一种面向智能化作战任务的招投标分发方法
CN116452306B (zh) * 2023-03-03 2023-10-10 中国人民解放军军事科学院系统工程研究院 一种面向智能化作战任务的招投标分发方法
CN117041250A (zh) * 2023-07-17 2023-11-10 中国人民解放军军事科学院系统工程研究院 一种智能化指挥控制的无线通信链路质量评估方法
CN117041250B (zh) * 2023-07-17 2024-04-19 中国人民解放军军事科学院系统工程研究院 一种智能化指挥控制的无线通信链路质量评估方法

Also Published As

Publication number Publication date
CN114565268B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN114565268B (zh) 基于态势感知的场景自适应协同指挥控制系统及方法
CN114578710B (zh) 基于多智能体的有无人协同体系的作战仿真系统及方法
Wang et al. A task allocation algorithm for a swarm of unmanned aerial vehicles based on bionic wolf pack method
CN108205266A (zh) 基于信息流的指挥决策建模方法及存储介质
CN115392476B (zh) 一种有无人协同作战体系中的智能孪生体
CN115981369B (zh) 有限通信下面向多无人机联合任务分配和航迹规划的方法
CN113312172A (zh) 基于适变网络的多无人机集群动态任务调度模型
Oh et al. Market-based distributed task assignment of multiple unmanned aerial vehicles for cooperative timing mission
Shao et al. UAV cooperative search in dynamic environment based on hybrid-layered APF
da Silva et al. Unmanned aircraft system coordination for persistent surveillance with different priorities
CN113220034B (zh) 自主重构和人工干预重构相结合的无人机集群重构系统
Lewis et al. Scaling-up human control for large UAV teams
Ren et al. A UAV UGV Collaboration paradigm based on situation awareness: framework and simulation
Han et al. Cooperative multi-task assignment of unmanned autonomous helicopters based on hybrid enhanced learning ABC algorithm
Wicks Radar the next generation-sensors as robots
KR101345645B1 (ko) 목표지향 행위계획 결정이 가능한 모의훈련 시스템 및 목표지향 행위계획 결정방법
Niewood et al. A new battle command architecture for multi-domain operations
Ejaz et al. RL-Planner: Reinforcement Learning-Enabled Efficient Path Planning in Multi-UAV MEC Systems
Ming Chen et al. An agent‐based simulation for multi‐UAVs coordinative sensing
Ding et al. Enabling High-Level Task-Driven Collaborative Autonomy to Reduce Operator Workload
Wang et al. Advances in cooperative target searching by multi-UAVs
Cao Optimization Design of Multi‐UAV Communication Network Based on Reinforcement Learning
Jia et al. Multi-intent autonomous decision-making for air combat with deep reinforcement learning
Wang et al. An unmanned tank combat game driven by FPSO-MADDPG algorithm
Ma et al. Analysis of cooperative control of cluster UAV system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant