摘要：成群的自主机器人越来越多地在复杂任务中接受测试和部署，但在这些任务期间仍然需要一定程度的人类监督。这意味着一个主要问题仍然存在：在不堪重负之前，一个人能管理多少个机器人以及多复杂的任务呢？
美国国防高级研究计划局（DARPA）的一个项目推翻了长期以来的假设。
This article is part of our exclusive IEEE Journal Watch series in partnership with IEEE Xplore (https://spectrum.ieee.org/collections/journal-watch/).
成群的自主机器人越来越多地在复杂任务中接受测试和部署，但在这些任务期间仍然需要一定程度的人类监督。这意味着一个主要问题仍然存在：在不堪重负之前，一个人能管理多少个机器人以及多复杂的任务呢？
在DARPA在美国国防高级研究计划局（DARPA）资助的一项研究中，专家表明，人类能够单独有效地管理由100多个自主地面和空中飞行器组成的异构群体，而且在整个任务的一小部分期间，仅有短暂时间会感到不堪重负。例如，在城市环境中进行的一个特别具有挑战性、为期多日的实验里，人类控制者仅有3%的时间工作量过载。该研究结果发表在《IEEE机器人学会刊》（IEEE Transactions on Field Robotics）上（https://ieeexplore.ieee.org/document/10757435）。
Julie A. Adams是俄勒冈州立大学协作机器人与智能系统研究所（Collaborative Robotics and Intelligent Systems Institute）的副研究主任，35年来她一直在研究人类与机器人以及其他复杂系统（如飞机驾驶舱和核电站控制室）的交互作用。她指出，机器人群可用于支持那些对人类来说可能特别危险的任务，比如监测野火。
“机器人集群可用于对一个区域进行持续的覆盖监测，比如监测洛杉矶近期过火区域是否有新的火情或者是否有趁火打劫者，”Adams说，“这些信息可用于引导有限的资源，如消防队或者运水车前往新的着火点和热点地区，或者前往那些原以为火已被扑灭的地点。”
这类任务可能涉及多种不同类型的无人驾驶地面车辆（如Aion Robotics的R1轮式机器人）和空中自主飞行器（如Modal AI的VOXL M500四轴飞行器）的混合使用，而且随着任务的展开，人类控制者可能需要重新分配单个机器人去执行不同的任务。值得注意的是，过去几十年的一些理论——甚至Adams早期的学位论文工作——都表明，单个人部署大量机器人的能力是有限的。
“这些历史理论和相关的实证结果表明，随着地面机器人数量的增加，人类的工作量也会增加，这通常会导致整体性能下降，”Adams说道，并指出，尽管早期研究侧重于无人驾驶地面车辆（UGV），这类车辆必须应对路缘和其他物理障碍，但无人驾驶飞行器（UAV）遇到的物理障碍往往较少。
DARPA
作为美国DARPA的OFFSET（OFFensive Swarm-Enabled Tactics）项目的一部分，Adams及其同事试图探究这些理论是否适用于涉及无人驾驶地面和空中飞行器混合使用的非常复杂的任务。2021年11月，在肯塔基州的坎贝尔堡，两名人类操控员轮流参与了为期三周的一系列任务，目的是压制一个敌对目标。这两名人类操控员都有着丰富的集群操控经验，并且参与了每天1.5到3小时不等的轮班工作。
测试人类能够管理多大规模的集群
在测试期间，人类操控员位于测试场地边缘的指定区域，并利用环境的虚拟重建来密切关注飞行器的位置以及它们被分配的任务。
规模最大的任务轮班涉及110架无人机、30辆地面车辆，以及多达50辆代表现实世界中其他车辆的虚拟车辆。这些机器人必须在实际的城市环境中导航，同时还要避开一系列用AprilTags表示的虚拟危险物，这些AprilTags散布在整个任务场地。
Phillip Walker et al
美国DARPA通过提供数千个危险物和信息片段来为搜索提供依据，从而使最后的实地演练极具挑战性。“危险物的复杂性非常显著，”Adams说，并指出有些危险物需要多个机器人同时与之交互，还有些危险物会在环境中四处移动。
在每个任务轮班期间，人类操控员对当前任务的生理反应都受到监测。例如，传感器收集有关他们心率变异性、姿势甚至说话速度的数据。这些数据被输入到一个已建立的算法中，该算法用于评估工作量水平，并被用来确定操控员何时达到超出正常范围的工作量水平，即所谓的“过载状态”。
Adams指出，尽管此次实地演练中需要管理的机器人既复杂又数量庞大，但过载状态出现的次数和持续时间相对较短——在一个任务轮班期间仅有几分钟。“在我们收集数据的所有轮班中，估计的过载状态占所有工作量估计值的总百分比为3%，”她说。
人类指挥官进入过载状态最常见的原因是他们必须制定多个新策略，或者检查发射区内哪些飞行器可供部署。
Adams提到，这些发现表明——与过去的理论相反——机器人的数量对人类集群控制性能的影响可能比之前认为的要小。她说，她的团队正在探索其他可能影响集群控制任务的因素，例如其他人为限制、系统设计和无人机系统（UAS）设计，其结果将可能为美国联邦航空管理局（FAA）的无人机法规提供依据。
来源：人工智能学家
