自主控制

目前國內外對於“自主控制”還沒有給出明確的定義，“自主”一詞是從英文中的" autonomy”翻譯而來，來源於17世紀希臘的“autonomia "，義為“having its own laws”譯為擁有自己的規則。在控制系統中“自主”是指控制系統擁有自主的決策能力，而這些決策是基於一系列的決策方法。目前國內外的研究中對“自主控制”的概念有着不同的定義：

(1)美國國家航空航天局(National Aeronautics and Space Administration, NASA1985年在《空間站計劃》一文中將自主控制定義為，在沒有人的干預下，系統作為一個獨立的個體，在傳感器的刺激下，在一段時間內自我執行一系列的行動，以完成預定目標的能力。該定義強調了自主控制系統可以使用傳感器接受外界環境的信息，並在這些信息的刺激之下，獨立且有目標的執行任務。

( 2 ) Pachter和Chandler等人認為自主控制是非結構化環境下采取的高度自動化。這裏的自動化強調無人蔘與、自我控制，以及對於非機構化環境下各種不確定性的適應能力。該定義強調了自主控制系統可以應對非結構化環境下的不確定性，在非結構化環境下可以無人蔘與並自主解決問題、自主適應環境的改變。

( 3 ) Anisaklis和Passino等人認為自主控制系統能夠長時間在非確定性的環境下很好的工作並能夠對系統的失誤進行補償。該定義強調了在非結構化環境下自主控制系統可以對自身性能和失誤進行自我修復的能力。

(4) Clough和Boskovic等人認為自主控制是指自主控制系統在沒有人的干預下自主、快速和有效地適應環境，能夠實現實時在線的對環境進行感知、處理信息和控制策略的重構，並以最優的方式執行控制策略。該定義從信息處理過程的實時性角度分析了自主控制系統應該具有的能力，並強調了在線感知、自主進行方案選優和以最優方式執行控制策略。

(5)蔡自興等人認為自主控制是在沒有人的干預、無需對環境作任何規定和改變的條件下，有目的地移動和完成相應任務的能力。該定義主要是從移動機器人系統的角度出發，強調了自主控制系統的適應性和目的性。

總的來説自主控制是在沒有人的干預下，把自主控制系統的感知能力、決策能力、協同能力和行動能力有機的結合起來，在非結構化環境下根據一定的控制策略自我決策並持續執行一系列控制功能完成預定目標的能力。

可變自主控制是一種將人類智能同機器智能結合起來的控制方式，為了最大化系統的自主控制能力盡量減輕人類的工作負荷，系統具有多個層次的自主控制等級，並在非結構化環境下根據一定的策略自我評估自主控制等級，在合適的時候向人類發出控制邀請，實現人機智能融合的控制方式。該控制方式雖然有人類的介入，但是這並不意味着機器自主控制能力的降低，而是在現有控制能力的基礎上引入人類的智慧，幫助機器減輕問題的複雜度，人類和機器之間取長補短實現更高層次的智能水平。把人類和機器的信息獲取能力、信息分析能力、決策和行為選擇能力有機的結合起來，通過機器的執行系統將人類和機器的共同智慧轉化成為智能行為。從而實現在非結構化環境下，使用人機融合的智能來分析問題、制定策略最終解決問題的控制方式。讓智能系統擁有最大限度的智能水平，從而能夠解決人類和機器沒有合作之前無法解決的問題。

可變自主控制系統最大的特徵就是系統擁有若干個自主控制等級，每個控制等級對應着不同的控制策略。機器的自主控制等級越高主動性就越強，在全自主控制方式下，機器具有完全的主動權從而忽略人類的存在。而在手動控制方式下，機器擁有最少的主動權甚至沒有主動權，此時人類在主動權上佔有絕對的優勢。機器能夠動態的在人類和機器之間主動協調分配可變自主控制系統的控制權。這樣必須為機器制定一個調整控制等級的方法策略，機器會根據不同的任務環境背景在任務執行中採用不同的自主控制等級模式，在需要的時候機器會主動提示人類手動干預和操作機器設備，幫助機器減輕問題的複雜度，或者在某段時間內讓人類接管部分或者全部控制權。

具有可變自主控制能力的智能系統，可以很好的將人類的智能和機器的智能結合起來。在可變自主控制系統裏，人類和機器己經構成一個不可分割的有機整體。人類和機器之間相互幫助、各揮所長，各自盡自己最大努力為可變自主控制系統的智能提供信息和智能支持。讓可變自主控制系統始終工作在最佳的狀態，並且擁有比人類和機器沒有合作之前更高的智能水平，最終實現1+1>2的目的。最終能夠解決人類和機器沒有合作之前無法解決的問題。

自主控制系統的智能是以人工智能為基礎的。人工智能的研究一直以來是以理解、模擬人類智能為核心。在人類研究人工智能的過程中，人類從人文主義、邏輯主義、聯結主義等各種不同的智能產生途徑為基礎開展研究。麻省理工學院的Parasuraman等人從智能信息處理過程的角度介紹了一種人類處理信息併產生智能的四層次結構，分別是感覺加工(Sensory Processing)、感知和認知記憶(Perception / Working Memory)、決策制定(Decision Making)、行動選擇(Response Selection)，如圖1所示。

Parasuraman等人認為自主控制系統是一個智能化的控制系統，所以圖1所示的人類處理信息並生成智能的四個層次結構同樣適用於機器系統，並將該層次結構應用到了自主控制系統之中，提出了自主控制系統信息處理的四個層次結構，分別是信息獲取(Information Acquisition)、信息分析(Information Analysis)、決策和行動選擇(Decision and Action Selection)、行動實施(Action Implementation)，如圖2所示。

信息獲取是產生智能的必要步驟，因為從世界的信息海洋之中有針對性的獲取相關問題的信息是智能產生的基礎。信息獲取層是智能控制系統的信息來源，是智能的源泉。信息獲取，可以通過具有感知能力的生物器官或者機器傳感器來完成，將智能控制系統所處世界中的信息轉化為智能控制系統可以處理的電流和電壓信號。信息獲取層源源不斷的為智能產生提供信息原料，為智能控制系統提供最基礎的信息支撐，所以信息獲取層是其它三個智能信息處理層次的智能基礎。

智能控制系統在獲取信息之後需要對信息進行分析，信息分析就是把信息加工成智能控制系統可以理解的更加抽象和普遍適用的知識，方便決策模塊直接使用，這就要求智能控制系統具有認知的能力。認知的形成有歸納和演繹兩種基本途徑，而歸納和演繹又是相輔相成。歸納是通過對具有相似性的事物和現象進行大量觀察，並通過研究和總結找出相似事物和現象之間具有普遍規律的認知信息，是由特殊到普遍的認知方法。而演繹正好相反是根據具有通用性的認知信息進行推理並認識個別的、特殊的事物和現象，是由普遍到特殊的認知方法。信息分析層能夠正常工作的條件，就是信息獲取層能夠為其提供基本的信息支持。也就是説沒有信息獲取層進行信息的獲取，信息分析層就沒有信息可以分析。所以信息分析層必須建立在信息獲取層之上。又由於信息的分析需要智能的支持，所以信息分析層具有比信息獲取層更高的智能層次和智能水平。

信息獲取和信息分析的目的是為需要解決的問題提供信息，這就需要根據解決問題的策略或者規則對於信息進一步加工，最終形成解決問題的方案，這就要求智能控制系統具有決策和行動選擇的能力。對於智能控制系統來説決策和行動選擇是兩種不同的智能形式，這兩種智能形式分別對應於慎思型的決策和基於規則的條件反射。

慎思型的決策是指信息通過信息分析層加工成智能控制系統可以理解的信息，使用一系列的先進決策方法形成最終的決策。這種決策過程通常具有較高的智能，整個決策過程可能會有信息的反饋，這種反饋是一種假設。假設用於對決策的結果進行驗證。這是因為決策最終不一定會成為行動，而決策本身可以引發新的分析任務。智能控制系統通過假設將決策的結果放到環境之中進行推理學習，並判斷結果是否可行或者最優。典型的帶有推理和假設的學習方法有貝葉斯陰陽學習理論，這是一種由條件推導出結果，再反過來看看結果是否可以推導出條件的人工智能學習方法。在現實生活中人類也會有這樣反覆推敲的行為，先根據問題和問題環境提出解決問題的假設然後在問題環境中去驗證假設的正確性如此反覆的推敲，推敲過程中不斷學習直到最後得到理想的問題解。慎思型的決策產生的慎思型智能行為信息處理過程如圖3所示。

當決策和行動選擇層產生慎思型決策信息或者條件反射型行為控制指令信息以後需要智能控制系統的行動實施層將這些信息轉換成為具體的智能行為，把智能控制系統的意志轉化成為智能行為並作用於環境，從而實現慎思型的決策和基於規則的條件反射，最終達到解決問題的目的。所以行動實施層所需要的信息和表現出的智能又是建立在信息獲取層、信息分析層以及決策和行動選擇層三個層次之上，擁有更高的智能層次和智能水平。

這樣，經過上述分析Parasuraman等人的控制系統四層信息處理過程就成為一個智能層次和智能水平由低到高的有序智能層次結構。高層的智能建立於低層智能之上，因此高層具有比低層更高的智能層次和智能水平。所以從最底層的信息獲取層依次到最高層的行為實施層，各層擁有的智能越來越多、智能水平也越來越高。

那麼對於可變自主控制系統來説，當人類完全不介入機器智能控制系統時，機器處於完全自主控制的模式。當人類介入機器智能控制系統的智能層次越低，人類給予機器的智能補充就越少、機器對人類的依賴就越少、機器的主動性就越多，所以機器的自主控制等級就越高。同理，當人類介入機器智能控制系統的智能層次越高，人類給予機器的智能補充就越多、機器對人類的依賴就越多、機器的主動性就越少，所以機器的自主控制等級就越低。當人類忽略機器的智能控制系統，手動遙控操作機器的時候，機器就完全喪失了自主控制的權利。所以本文以人類介入機器的智能層次高低作為人類為機器提供智能幫助的度量依據，即機器自主控制等級劃分的垂直劃分依據。

人類和機器在不同的智能信息處理層次進行智能融合的時候，一定會有不同的合作方式。在不同的合作方式下，人類和機器之間會有主動、協商或者被動的合作關係。在人類和機器兩類智能體進行智能融合的可變自主控制系統中，存在機器全自主、機主人輔、人機協商、人主機輔和人類全手動五種人機合作方式：

機器具有完全的自主控制能力且佔據完全的主動。通常這種情況下，機器具備的智能可以支持其完全自主完成任務，並能夠應對環境變化帶來的未知問題，自主產生新的方案和目標。該人機合作方式不需要人類的監督和幫助也能擁有較高的工作效率。

在人機智能融合的智能體團隊中，人類為機器提供必要的輔助信息，幫助機器減輕問題的複雜度實現問題的求解。在問題比較複雜的情況下參與問題求解或者幫助機器作出適當的選擇。在問題的求解過程之中，機器相對於人類佔據了主動權並擁有最終的決策權，機器始終對於整個智能體團隊的智能貢獻最大，並且佔據主動性優勢。

在人機智能融合的智能體團隊中，人類和機器相互協商共同解決問題。共商特點是:在解決問題的過程之中任何智能體都不佔據絕對的主動性優勢，智能體之間相互協商最終得到一個所有智能體都能認同的方案。如果協商無法產生合適的方案且繼續協商下去就會錯過問題解決的最佳時機，那麼智能體團隊就要考慮使用其它的合作方式來解決問題。人機協商目前還是人工智能領域的難題，所以該方式在實際中的應用相對較少。

在人機智能融合的智能體團隊中，人類對於智能體團隊的貢獻最大，且佔據主動性優勢。機器由於擁有豐富的傳感器和快速的計算分析能力，可以輔助人類分析和解決問題。人主機輔方式中雖然人類佔據主動，但機器並沒完全喪失主動權，機器在整個團隊中還是具有一定話語權的。機器一方面為人類提供有用的數據信息和建議，另一方面幫助人類獲得決策的反饋效果，但最終決定權始終在人類那裏。

人類佔據完全的主動。通常這種情況下，人類手動完成原先機器的工作並忽略機器的存在，人類通過人機界面直接完成對機器的遙控操作。但是對於遠程控制的機器人來説，由於人類並不在工作現場，需要依賴機器才能完成信息獲取工作，所以很難有完全意義上的全手動操作。

這五種工作方式的區別主要在於人類介入的程度不同以及人類和機器的主動性差異。人類介入的程度越低則提供的智能就會越少、對智能體團隊提供的智能貢獻就越少、佔據的主動性就會越少，機器的自主控制等級就會越高。同理，人類介入的程度越高則提供的智能就會越多、對智能體團隊提供的智能貢獻就越大、佔據的主動性就會越強，機器的自主控制等級就會越低。在機器全自主和用户全手動兩個邊界上，前者人類完全不介入機器的智能，機器擁有完全的自主控制能力;後者，人類完全佔據主動，遙控操作機器，機器在該合作模式下幾乎完全失去了自主控制能力。所以本文將人類和機器的合作方式作為機器自主控制等級劃分的依據，即機器自主控制等級劃分的水平劃分依據。 ^[1]