美无人蜂群作战试验现状如何

前沿君微信 ：tech99999 手机 ：18501361766

无人蜂群系统是美国国防部战略能力办公室正在着手发展的项目之一。 空军装备司令部司令表示，对空军而言，蜂群无人机未来非常有可能成为现实，并改变战争的“游戏”规则，是对抗中俄军事快速发展的有效手段。 其中比较有代表性的试验项目为： 小精灵项目、LOCUST项目以及智能化无人地面作战系统。

2015年9月，DARPA发布了小精灵项目公告，提出通过载机在防区外发射携带侦察或电子战载荷、具备组网与协同功能的无人机蜂群，用于离岸侦察与电子攻击任务，并在任务完成后对幸存无人机进行回收 。

2016年3月，DARPA小精灵项目第一阶段合同授予四家公司： 复合材料工程公司（Kratos公司，罗斯维尔，加利福尼亚州）、美国Dynetics公司、通用原子航空系统公司和洛马公司，发展能以集群作战方式饱和攻击敌防空系统的廉价小型无人机技术解决方案。

这些无人机将配备多种不同载荷，采用齐射方式，具有数量大、尺寸小、廉价、可重复使用等特点，其关键技术包括： 空中发射回收技术、设备载荷与机体一体化概念设计、低成本结构设计、有限寿命设计、自动复飞策略、精确数字飞控与导航、小型高效涡轮发动机、发动机自动关机技术、小型分布式载荷集成技术、精确位置保持技术等。 该型无人机将通过C-130进行空中回收，具体技术方案尚未公布，下图为小精灵及空中部署及回收示意图。

该项目推动了空中作战概念的转变。 DARPA希望以传统飞机为载机，采用在防区外发射大量具有协同和分布式作战能力的小型平台，取代如F-35等在内的功能集成型装备来突破敌防御系统，以代替目前在拒止环境中使用的传统综合式系统。 这不但有能力提高在对抗环境中执行任务的有效性，还是探索显著降低作战成本的途径之一。

该项目分三个阶段： 2016年3月进入第一阶段——系统设计阶段，该阶段经费为1580万美元； 第二阶段为期约1年的技术成熟阶段，而只有第一阶段的承包商才有资格进入后两个阶段； 第三阶段为期约1年半的演示验证机飞行试验阶段； 最终，DARPA希望在2020年左右实施飞行演示验证，验证这种空中发射和回收无人机群的可行性及作战潜力。 目前，DARPA设定的装备规模是生产1000架小精灵无人机和25套载机设备。

2015年4月16日，美国海军研究办公室公布了低成本无人机集群技术（Low-cost UAV Swarming Technology，LOCUST）项目，进行了一系列无人机集群技术验证工作。 LOCUST项目聚焦于发展通过发射管将大量可进行数据共享、自主协同的无人机快速连续发射至空中的技术。 这类发射装置及无人机体积较小，可方便整合到舰船、装甲车辆、飞机等平台之上。 这种“蜂群”有目的性地集群飞行、协同配合，对敌方目标执行侦察、打击任务，从作战使用角度看，具有明显优势。

美国海军研究办公室于2015年3月在多个地点完成演示验证工作，其中包括发射可携带不同任务载荷的郊狼（Coyote）无人机，并完成了9架无人机完全自主同步和编队飞行的技术验证。

郊狼无人机在海军研究办公室（ONR）STTR资助下由先进陶瓷研究公司（后被BAE收购）研制。 该型无人机采用发射管发射，可在不依赖GPS的环境下，基于光电/红外传感器及惯导装置进行导航。 LOCUST项目自主集群飞行技术具有三个显著特点：

一是去中心化，降低系统破坏敏感性。 “蜂群”中的个体均未处于中心控制地位，在单一平台性能受损后仍可有序协同执行任务。

二是自主化，人员可随时干预。 飞行个体间具备位置共享及路径规划、感知规避能力，“蜂群”根据设定自主飞行，将指挥员从繁重的作战任务中解放出来，必要时人员又可随时干预。

三是自治化，保持集群结构稳定。 无人机自然形成一个稳定的集群结构，一旦有任何单个平台因丧失功能脱离群体或因任何原因改变群体结构位置，新的集群结构排列会快速自动形成并保持稳定。

2016年5月，LOCUST项目在陆上完成30秒内发射30架“郊狼”小型无人机的试验，验证了无人机蜂群的编队飞行、队形变换、协同机动能力。 “郊狼”无人机蜂群在迅速发射之后，可使用低功率无线电网络建立彼此之间的通信关系，共享位置信息和其它信息。 而且所有无人机将形成“母子”关系，其中1架起领导作用，其余无人机则为下属。 飞行时，地面操作员不必对每架无人机进行单独控制，仅需对蜂群进行整体控制。 接下来，LOCUST项目计划在墨西哥湾开展舰基的无人机蜂群发射和飞行试验。

美国国防部每两年发布一次的《无人系统一体化路线图》指出未来美军拥有地面作战机器人的数量将超过美国陆军士兵的数量。 目前美国陆军将无人地面作战系统主要分为三类，进行指挥控制和情报监视侦察的单兵控制类，主要有超轻侦察机器人（ULRR）、微型机器人（NANO）等； 进行运输和后援任务的作战支持类，主要有清障系统（RCIS）、特种作战伴随系统（RW）等； 进行工程、防卫和排爆任务的防护类，主要便携式机器人系统（MTRS）、和高级排爆机器人系统（AERODRS）等 。

ULRR系统主要有多功能敏捷遥控机器人（MARCbot）。 是一个用于检查可疑物体、探测简易爆炸装置的低成本机器人平台，可用于快速测量可疑目标的重量。

MTRS系统主要有背包机器人PackBot和魔爪Talon等，负责爆炸物的处理工作。 背包机器人PackBot小巧灵活，能够轻松爬上楼梯并以稳定的效率导航穿过狭窄的通道，传输实时视频、音频和传感器数据。 “魔爪”（Talon）机器人是为适应美军在阿富汗和伊拉克的作战需要而设计的，可执行爆炸物处理、侦察、通信、感测、安全、防护以及营救、清理战场、坑洞侦查、扫雷等任务，具有全天候、昼夜工作以及两栖能力。

AERODRS系统主要延伸为三个改型机器人，第一个为便携式轻量系统，第二个用于战术行动，可在千米级范围内进行预警侦察工作，第三个为重型载荷运输机器人，主要承担支援运输保障任务。 RW系统又被称为“粉碎机”无人战车，主要用于支援保障和侦察任务。 值得注意的是，以上试验虽然只是单平台试验，但是美国陆军已将“蜂群化”“狼群化”智能化无人地面作战系统纳入预试验计划，蜂群化、狼群化是其发展方向。

无人蜂群作战已经成为智能化战争的重要作战样式，美军在无人蜂群作战试验方面的发展有以下趋势。

目前美军的无人蜂群作战只处于试验验证阶段，一方面是因为在无人机集群智能作战系统的构建方式、运行方式、动态管理、编队控制、指挥操控等方面仍然存在一些问题，还不够成熟，另一方面美军在无人蜂群作战领域的经验还是空白，需要积累经验。 随着无人集群技术的不断完善以及无人蜂群作战经验的日益丰富，无人蜂群作战必将会从概念验证走向部队演习、训练、实际作战。

在作战中，大量无人机如蜜蜂一样集群攻击同一个目标，是现有防空系统很难防御的一种攻击模式。 此前，即便是最先进的宙斯盾海上防空系统，要面对的所谓饱和式攻击也不过是100发左右的导弹齐射。 然而从美军现在试验的攻击模式来看，集群式无人机攻击群单次可以出动上千架无人机共同攻击一个大型目标。 无论航母还是主战坦克遭遇这种攻击时，都犹如自然界的大象遭遇杀人蜂群一样束手无策。

无人机集群形成规模优势，具有极佳的战场生存能力和任务完成能力，可以用来完成在复杂对抗环境下的协同侦察、协同干扰、协同攻击、协同察/打任务。 例如，美军的“山鹑”用来执行侦察任务，“小精灵”用来执行侦察和电子压制任务，“郊狼”用来执行侦察、打击任务。 无人蜂群作战必将在军事领域扮演重要角色，那么反无人机集群也成为了一个重要的问题。 美军认为，未来战争中唯一能对付集群无人机的将是另一群无人机 。 因此，无人蜂群作战任务必然得到拓展，朝着集群对抗方向发展。

目前，尽管美军“小精灵”、“郊狼”，以及“山鹑”并不需要人来单独控制每架无人机，但是还需要人从整体上控制整个集群，还离不开人的控制或者监督。 而在复杂的战场环境中，由于存在通信中断、链路带宽和距离受限以及人员操控能力等因素的限制，无人系统人机智能融合的交互控制模式存在很大的风险和缺陷。 因此，实现全自主智能作战是无人蜂群作战的发展方向。

随着技术的发展，实施无人蜂群作战的无人机将朝着三个方向发展： 一是微型化。 通过采用纳米技术、超大规模集成电路和微机电系统与技术，无人机越来越小，越来越不容易发现，战场生存力越来越强。 例如美军的“蝉”。 二是隐性化。 现代战争“发现即意味着摧毁”，未来战场上更是如此。 通过采用特殊的几何形状、涂覆吸波材料等“隐形”技术，无人机可以逃避各种先进技术侦察手段，减少被敌人发现的几率，提高战场生存和突防能力。 三是自主化。 通过传感器和芯片获取、处理信息、作出决策、采取行动，在无人干预的复杂环境中完成复杂作战任务。

无人机蜂群作战试验是指具备部分自主能力的无人机通过有/无人操作装置辅助，实现无人机间的实时数据共享、多机组网、协同配合，并在操作员引导下，完成区域搜索与攻击、侦察与压制、心理战、战术压制等作战试验的过程。

基于无人机集群技术，其作战试验的运用方式包括： 搭配不同类型传感器，并通过试验任务分工，实现大范围的区域覆盖搜索以及对各类遮挡目标的探测及实时跟踪； 通过释放大量假目标，迷惑敌防空指挥系统，诱骗敌雷达开机，进而实现关键目标定位及摧毁； 通过饱和集群式出动，掩护己方核心作战能力，消耗敌方高价值防空资源，为己方力量的后续介入打开通道 。

目前，美军无人机蜂群作战试验的局限主要来自技术方面： 无人机蜂群对协同和自主的要求更高，而且需要建立管理大规模蜂群的全新指挥控制模式，因此需要攻克协同作战算法、集群个体间通信、远程指挥控制、空中发射/回收、降低成本、可损耗机体设计、小型高性能推进系统等关键技术。 这些局限将会随着科技的发展而逐渐得以解决。