无人系统免疫智能技术

1 研究背景与意义

2020年新型冠状病毒的爆发对人类健康造成了严重威胁, 提高人类对于新型病毒的免疫能力和自愈能力已经成为医学和生物学家近期的主要任务。动物在亿万年进化中, 面对病毒侵袭、环境剧变、天敌侵害、种群竞争等纷繁多样的挑战, 依靠自身和群体的能力保证了物种的生存与进化, 其中的病原识别、免疫、自愈和进化能力是抵抗病毒、治愈病痛、战胜天敌、适应环境、实现繁衍的关键要素。

智能系统的本质是使得人工设计和制造的物理系统具有某些生物的功能。近年来, 人工智能技术在思维、感知和肌电反应等领域已得到飞速发展，无人系统人工智能技术已成为研究热点[1]。其中，受生物启发的无人系统将基本的生物学原理转化为工程设计规则, 凭借“道法自然”的思想创造出像自然系统一样工作的无人系统, 使其“受生物启发”但又具有“超越生物“的能力。文献[2-3]分别阐述了生物无人系统和受生物启发无人系统的研究现状与愿景。

动物的生存和健康会受到病毒侵袭、肢体损伤和天敌侵害等方面的威胁。对无人系统而言，外界干扰、信号攻击、不良影响、环境剧变等因素就像病毒和疾病, 会与无人系统、特别是复杂环境作业下的无人系统相伴相生。同时, 正像动物会受到肢体伤痛的影响, 无人系统在其生命期内也存在传感器失效、执行器故障以及机构损伤等问题。另外, 正如动物在生物链中必须应对天敌威胁、种群竞争的挑战，无人系统也同样面临着在博弈、对抗环境中竞争生存的问题。

因此, 面对外部攻击、干扰、对抗、拒止、封锁、故障和博弈等复杂环境, 能否通过拟人化、智能化设计使无人系统具有免疫识别、免疫适应、免疫调节和免疫进化能力的“免疫智能”系统,使之像动物一样能够适应环境、抵御疾病、克服伤痛和对抗天敌，是一个具有挑战性的问题。以往免疫算法研究大多针对软件的可靠性框架和过程控制的优化算法(参见文献[4-5])，具有应对干扰、攻击、损伤、对抗和博弈环境能力的无人系统免疫智能技术尚是一个空白的研究领域。免疫智能的研究目标在于将生物体的免疫原理和进化能力凝练成一种规则或机制用来指导无人系统设计，使得无人系统可以像动物一样应对疾病侵袭、伤痛折磨、环境突变和天敌威胁。

动物的免疫过程涉及分子、细胞、组织、神经以及行为等不同层面。就无人系统而言，在对抗博弈等复杂环境下保证健康和生存，也需要从材料、结构、导航、控制、决策和管理等角度开展研究。受篇幅所限，本文重点从组织、神经和行为的视点研究具有免疫智能的无人系统导航、控制、决策和管理方法和技术。下面分别从疾病感知与诊断、适应和调节、学习和进化3个方面进行探讨。

2 研究框架与内容

2.1 感知和诊断技术

动物通过不同的异状反应如发烧、咽喉肿痛等来表征疾病的出现。对于某些病毒, 动物甚至可以通过应激和诱导模式来识别和诊断。现有无人系统感知技术存在3个瓶颈：其一是灵敏性差，大多局限于目标、任务和环境感知, 对于干扰、故障和威胁的感知和诊断能力不足, 灵敏性和精确性较差。其二是隐蔽性差，易于被干扰和欺骗，被天敌发现。现有的无人系统感知技术过于依赖信息化、网络化能力, 依靠介质间的大量信息传输和交换, 对于多源干扰、故障的感知和诊断不具备自主性、隐蔽性和自耐性。不仅使得无人系统的自主性弱化, 而且难以避免病毒的欺骗性和传染性。在面对天敌可能的袭击时, 也极易被过早发现意图、暴露行为。如果失去网络传输能力, 无人系统往往就变成了聋子和瞎子, 完全失去对于病毒和疾病的自主诊断能力。其三是能耗过大，大量的信息传输与交换会消耗大量能源，不利于无人系统的长时间作业和远距离作业。

因此, 对应于动物诊断病毒、发现天敌的机制，无人系统亟需解决在干扰、故障、对抗和攻击模式下具有自主性、隐蔽性和灵敏性的病毒感知和诊断能力，实现灵敏识别、自主隐藏和自主隔离[6]。文献[7]从内部、外部和模型3个视角阐述了复杂系统多源干扰的物理来源、数学表征、量化分析、干扰估计、前馈补偿、反馈抑制和溯源设计等问题。对应地看，病毒侵袭相当于无人系统的外部攻击，并可造成内部信号和链路干扰；环境剧变相当于无人系统外部干扰、系统参数和模式变化；肌体损伤可描述为无人系统内部传感器、执行器失效以及结构破坏等问题；天敌威胁可以描述为一个博弈对抗环境的识别和优化问题[8-10]。

从感知灵敏性角度, 多源干扰估计与分离、未知信号识别与辨识、异构分布式传感、未知信号激励与诱导等技术将成为潜在的研究热点。从自主性和隐蔽性角度，无源导航定位技术、变频多域视听信息融合、盲区安全规划与接近控制等技术也将成为重要的研究内容。

2.2 适应和调节技术

生物在遇到病毒侵害时, 可在分子、细胞、神经、组织和行为等层面启动免疫反应机制, 针对不同病原体产生抗体、吞噬细胞等进行抵御。现有无人系统着重从设计层面通过器件冗余、结构强化等物理隔离手段增加鲁棒性和可靠性。但是, 对于复杂多变的干扰、攻击、故障等不可预计的无人系统“病毒”, 能否使得无人系统完成自主的隔离、抵御和抵消任务仍是一个挑战。其中, 病毒模式的表征和分析、主被动免疫反应、精准“靶向”抗体激励是涉及的三大任务, 这些问题目前仍是无人系统控制领域尚未有效解决的问题。

免疫控制方法和免疫优化方法近年来得到了重视，并取得了很大进展(参见文献[11-15])。以往的研究大多从控制算法和目标优化角度体现和反映免疫反应的部分环节和功能, 没有能够从传播和反馈层面刻画免疫过程、机制和体系结构, 因此应用范围和应用效果受到很大限制，不能从根本上解决被控对象应对病毒侵袭、环境剧变、肌体损伤和天敌威胁等问题，更无法使得无人系统具有免疫智能的能力。因此，从免疫机制、过程和系统的角度研究免疫适应和调节问题是一个具有重要意义的理论和工程问题。

另一方面，生物体在免疫过程中产生各种诸如发烧之类的反应会导致机体损伤。因此，生物体在免疫过程中具有自身免疫耐受性，避免为抗病毒而使其他器官和功能受到过度损伤。而且也避免自身能量的过快损失。同样, 无人系统在抗病毒过程中也会产生超调、饱和、能量过度消耗等不利现象。如何使无人系统具有自身免疫耐受性和能量的优化管理是未来的一个研究重点。在已受到病毒侵害和损伤的情况下, 具有主被动适应性的病毒抵御方法涉及无人系统多约束条件下的多目标优化问题[8]。

生物的免疫和自愈能力启发人们在能量有限、不增加硬件的情况下设计主被动适应、抗体激励和调节方法，保证在干扰和损伤模式下的无人系统生存能力。对应动物的免疫适应和免疫调节原理，即使是从现代信息论和控制论的角度, 也有很多亟待解决的理论问题。例如，在能量固定、增益饱和的模式下, 多源干扰和未知输入的可观性和可抗性问题、同时抑制和抵消问题、故障模式下的自修复和自重构问题[7-10]。

2.3 学习和进化技术

动物在应对病毒过程中会产生抗体, 还可以克隆有效的吞噬细胞, 同时抗体也会随着病毒的变异而进化。免疫系统应该具备典型病毒的应答机制、应激反应、反射机制和记忆功能。对于无人系统而言, 首先要学习作业环境中可能存在的病毒、疾病和伤痛模式, 完成数学上的表征和描述,这个过程是一个对应于遗传的离线学习阶段。经强化学习和神经网络训练后, 还可以通过自适应、自组织的优化过程来实现学习和估计。从神经层面看, 相当于设计多个自学习、自组织回路来体现动物的联想记忆、神经应激和再生过程[16]。

虽然群体免疫的思想在人类社会中充满争议，但是却可以给无人系统免疫算法设计带来启示。对于遭受攻击或干扰的无人系统集群，赋予集群中每个子系统免疫能力的代价过大。可以通过无人系统集群的异构分布式设计，提高病原识别和抗体激励能力，降低攻击或干扰沿拓扑传播的能力，从而形成真正的“群体免疫”。这种分布式异构设计不同于目前热门的集群控制方法，将免疫过程对应的抗体细胞、酶细胞、淋巴细胞以及吞噬细胞等分别对无人系统集群的个体赋能，实现无人系统集群的免疫。通过事件触发和拓扑生成等机制，可实现无人集群的再生和重构。

进化是动物个体和种群得以延续的重要保证, 目前的进化算法大多从任务的优化角度开展研究, 如何从应对病毒侵袭、天敌威胁和环境剧变的角度开展神经回路网络的生成进化研究仍然是一个难题, 这对于博弈和对抗环境下的无人系统生存问题具有重要意义。未来的研究重点包括：设计无人系统具有学习和进化能力的在线信息检测和识别回路, 使无人系统在病毒和损伤情况下完成拓扑、机构和任务重构任务。最终使无人系统在博弈和对抗环境下通过学习形成记忆能力, 并通过遗传和克隆机制共享记忆, 从而实现对对抗和干扰等各种抗原的迅速免疫。

3 结论与建议

受到生物体病原识别、应激与进化功能的启发, 本文从感知与诊断、免疫与自愈、学习与进化等方面介绍了免疫无人系统的发展前景和研究方向。免疫无人系统的特点是在使无人系统面对外部攻击、干扰、对抗、拒止、封锁、故障和博弈等复杂工况时具有病原识别、抗体诱导、应激反射、神经再造、联想记忆、群体协同和种群进化等免疫与自愈能力, 保证自我耐受性的条件下自主地监控潜在威胁、防御病毒侵害、抵御外界入侵、调控自身肌体、完善应变机制、实现机能进化、保障健康运行。

具体来说，具有免疫智能的无人系统应该具备以下4种能力：① 自隐：非对称监视条件与易感环境下的态势感知与隐蔽潜伏能力；② 自耐：在能量受限条件、陌生恶劣生态、无支援对抗模式下的耐受能力；③ 自愈：受攻击、感染、损伤、故障模式下的生存、反击能力；④ 自生：在病毒变异、攻击升级的情况下具有对于干扰、攻击的联想、记忆、学习与进化能力。免疫智能技术主要应用于非理想环境(如军事对抗、生态恶劣、反恐防暴、瘟疫污染等)和非合作态势(如干扰、攻击、对抗、损伤、故障和博弈模式)。从追求任务的精准性转化到恶劣、对抗环境下的生存能力、隐蔽能力和自愈能力。

免疫智能技术给无人系统提出了一些新的挑战，包括未知信号识别与辨识、干扰诱导与激励、多源干扰学习与分离、监视规避与隐蔽、分布式异构运动感知与调度、能量自主管理与分配、无源自主导航定位、多域视听信息融合、盲区安全规划与接近控制、多源干扰自耐抑制与补偿、损伤模式自愈与重构、安全拓扑生成与进化，这些方向可望成为智能系统技术未来发展的重要内容。