上海大学 | 面向区域防护与突防任务的无人艇分层攻防策略

无人水面艇（Unmanned Surface Vehicle, USV）已成为海上作业的变革性技术，在自主巡航、路径规划与智能避障等方面表现出显著能力。多艇编队协同时，可执行远超任何单艇能力的复杂大规模任务，涵盖协同作战、渗透探测、集群攻击与欺骗作战等多种样式。然而，尽管前景可观，一个根本性挑战依然存在：在攻防双方同时行动的对抗场景中，多艘无人艇如何实现有效协同？

现有无人艇集群研究大多集中于非对抗环境下的协同任务，例如路径跟踪、目标跟踪与编队控制。涉及非协同对抗的研究通常局限于简化的一对多追逃问题，所采用的单层控制架构难以适应真实作战的复杂性。此外，既有工作绝大多数仅依赖仿真验证，在理论性能与真实海上部署之间留下了关键落差。作者认识到，该领域所缺少的是一套系统的双边策略框架，既能统筹多无人艇场景下的进攻与防御两类行动，又能在真实海况条件下得到验证。

三层分层框架：

图 1  分层攻防策略总体框架

该研究的突出之处在于实验验证方式。作者开展了据其所知多无人艇对抗研究领域内的首次虚实混合实验。试验在三亚陵水县近岸海域进行，海况为四级，平均有效波高1.47 米，平均风速 8.5 米/秒。三艘艇长 7.5 米、重 3 吨并配备无线自组网通信系统的无人艇在半径 5000 米的区域内作业，最高航速达 12 米/秒。

图2  实验平台硬件架构

在区域防护实验中（图 3），三艘实体无人艇作为防御方，成功拦截了由人工操控与规则驱动混合构成的虚拟突防目标，未有目标突入防护区域。改进人工势场避障模块在高速条件下（12.5 米/秒）单独进行了验证，无人艇通过大角度规避转向避开重新捕获的目标（图 4）。在区域突防实验中，先后由两艘和三艘实体无人艇执行分层攻击策略，成功规避人工操控的防御方并突入目标区域，全过程保持了安全的艇间距离与协同编队。

图 4  12.5 米/秒条件下的人工势场避障验证

该框架还在 1V1、2V2、3V3 仿真场景中与当前最先进的多智能体深度强化学习方法（MADDPG）进行了对比。结果十分显著：在面向人工操控突防方的 3V3 场景中，所提方法的相对胜率提升 80%，平均任务完成时间缩短 17.7%。拦截过程中与突防目标的平均最小距离这一关键安全指标最多改善 36.3%（图 5）。上述增益在所有测试规模下均保持一致，凸显了该框架的可扩展性与鲁棒性。

图 5  相对胜率与平均任务完成时间与 MADDPG 的对比

该研究主要作出四项贡献：第一，建立了首个面向多角色、多无人艇对抗任务的双边分层策略框架，明确突破了单角色与对称对抗的既有范式。第二，其模块化设计在性能与可部署性之间取得了务实的平衡：各组件可独立改进，且与基于学习的方法不同，该框架无需大规模训练数据。第三，虚实混合实验工作为该策略从仿真有效迁移至真实海况提供了少见而有力的证据。第四，框架本身固有的可扩展性，即随编队规模增大的只有顶层拍卖算法，使其可作为更大规模集群与更广阔作战空间的可行基础。