2019年8月12日中国机器人学术年会在沈阳帷幕落下。会议期间，中国工程院院士、同济大学校长陈杰就自主智能无人系统优化与控制的若干问题做了主题报告。
全球人工智能发展如火如荼，自主无人驾驶控制系统的研究持续加速。
自主无人控制系统是指智能实现自主或协作，完成复杂任务的系统，具有自主性、智能性和协调性。同性同等特征。包括单个无人系统、集群无人系统和多集群无人系统等。，它广泛应用于无人机、无人车、无人船、工业机器人和服务机器人和其他领域。未来自主无人控制系统将颠覆传统战争规则，是保卫国家安全的重要武器，是确保世界秩序的战略技术。
自主无人系统发展的一个重要基础是人工智能。人工智能是研究人类如何产生智能，然后让机器以类似于人类智能的方式做出反应，即拥有认知、分析、推理、决策和控制的能力。人工智能的发展为自主智能无人系统的发展提供了新动能，自主智能无人系统是人工智能研究的重要起点和优秀验证平台，人工智能已经成为我们社会发展的新动能。
不仅在中国，在全世界，人工智能都在蓬勃发展。
近年来，人工智能在欧洲的研究和应用持续升温。2016年3月，英国发布了人工智能未来决策的机遇和影响。2017年4月，法国指定了人工智能战略。2017年5月，德国颁布了全球首部自动驾驶法律。
在人工智能技术的发展和应用上，欧盟采取了很多措施追赶，走出了一条不同于美国的AI发展之路。英、法、德等西方主要国家高度重视人工智能，积极将其应用于感知与信息处理、指挥与决策、无人平台等社会、经济、科技和军事领域。2018年11月，德国发布了人工智能战略，以促进人工智能的经济发展和应用。反过来，经济是进一步人工智能研究的驱动力。
除了欧洲，日本也是AI发展的重要一极。2016年4月，日本制定了人工智能研发目标和产业化路线图。2018年8月，无人驾驶出租车行驶在东京街头。2018年10月，丰田公司在无人驾驶和共享汽车等领域拓展业务。事实上，日本每年用于培养AI技术和人才的预算极高，约为133亿日元。总而言之，日本对人工智能技术的推广，给社会各个领域带来了巨大的改变，尤其是对严重老龄化的日本社会。
人工智能的发展如火如荼，与此同时，自主无人控制系统的发展也在加速。经过几十年的发展，最初的笨拙机器人开始学走，跑，抓。这一进步开启了无人个体智能发展的新时代。细分来说，个体机器行为强调对算法本身的研究，集群机器行为强调对机器之间交互的研究，混合人机行为强调机器与人的交互。一句话，个体/集群机器人行为和混合人机行为的研究是人工智能研究的重要方面，有望突破智能系统发展的瓶颈。
尽管其应用广泛，但仍面临重大挑战。
随着智能化水平的提高，自主智能无人系统的应用模式呈现阶段性螺旋式发展趋势。此外，它的应用可以分为两类:军事和民用。
在军事领域，自主智能无人系统的应用模式不断拓展。2001年，卡耐基梅隆大学研制的“蜘蛛”无人作战车具有良好的自主导航能力。2007年，美国陆军坦克和汽车研发中心研发的“破碎机”无人战车将“领域感知”技术集成到无人战车中，增强了无人战车的自主机动性。2009年，英国“黑骑士”无人战车也具备了无人作战的功能；2018年，俄罗斯最新研制的S500防空导弹系统可以同时拦截10个目标，多个作战单元可以通过网络与其他作战系统连接。此外，俄罗斯计划到2015年，无人系统在俄军装备结构中的比例将达到30%。
在民用领域，自主智能无人系统的应用更加丰富多彩。其中智能交通的多无人车有人/无人协同控制就是一例。事实上，协同控制可以提高无人车的自主性和安全性，是目前很多无人车的重要控制方式。此外，自主智能无人系统还广泛应用于智能交通中多辆无人车的智能协作路径规划。多无人车智能协同路径规划可以提高智慧城市的道路利用率，缓解城市拥堵。据预测，到2035年，全球无人车销量将达到1200万辆，协作将成为无人车的主要运营模式。
一般来说，无人系统的自主智能控制水平可以分为六个等级。分别是远程驾驶、适应故障和环境变化、自主路径规划、多系统协调、多系统战术目标和分布式控制。
无人系统自主控制水平的分类
但与国外相比，中国的无人系统略显落后。
中外无人自动控制系统的比较
而且中国的无人系统对复杂场景的适应能力较弱。
中外无人驾驶控制系统的比较
整体来看，现阶段我国自主智能无人系统的研究面临诸多挑战。其中，自主无人控制系统无法适应开放的环境，突发事件，简单的动作还是会失败，它无法适应很多任务。
另外，目前人工智能和仿生智能还有很大差距。就单体而言，人工智能很难在复杂环境下实现健壮、通用的机器智能，但仿生智能可以快速适应变异、对抗的复杂环境，做出正确的推理、决策和行动。就群体而言，在环境突变的情况下很难实现固定程序的协作，而仿生智能已经在复杂群体间有序化。
总之，无人系统在指挥决策、分布式控制、自主故障检测和人工干预方面仍然面临着巨大的挑战。
困难不是不可解决的，关键技术研究才是重点。
虽然无人系统的发展面临诸多挑战，但解决问题还是有规律可循的。其实只要“对症下药”，突破瓶颈也不是不可能。
首先是协同指挥和决策。面对任务环境不确定、决策信息不完整、通信交互受限等问题，无人系统协同指挥决策智能化程度低，导致协同任务无法有效完成。此时，只要在多无人系统中引入角色的概念，它就会模仿人类。协作模式设计的协同框架可以克服复杂条件对无人系统协同任务的影响。需要解决的瓶颈问题包括模型构建、角色分配、协同决策和时序逻辑优化。解决相应问题的关键技术包括建立基于角色的无人系统协同决策模型，多个无人系统的角色分析与分配， 基于角色的无人系统隐式协同决策，以及时间约束下的无人系统协同规划。
其次，是分布式控制问题求解。无人系统的分布式控制面临着通信受限、时延和不可预测性的挑战。由于鲁棒性差，理论应用范围受到限制。幸运的是，总输出反馈分布式跟踪控制技术、基于张拉整体结构的编队控制、基于系统相对输出的调节器和补偿器的设计可以解决上述问题。
然后，还有协同控制/攻击检测的问题。事实上，多无人系统故障检测的规模大、结构复杂、通信能力有限、环境不确定等都增加了故障检测的难度。但只要解决了单个节点能力有限的问题，通过构建协同探测网络，利用节点间的协作和群体优势，就可以完成目标节点的探测任务。具体方法包括系统检测算法和剩余关怀生成器的设计，检测算法采用平均一致性协议进行分发，提高检测算法的适用范围和可扩展性。
最后，人多。机器人的共享控制问题。事实上，许多机器人在一个高度受控的工业在环境中可以实现自主操作，但如果要应用到真实环境中执行任务，遥控操作仍然是主要的控制方式。其中，一个亟待解决的问题就是如何将人为干预控制与系统的自动化算法结合起来。只有先解决这个问题，才能进一步利用人工智能辅助。机器人系统来指导运动和计划，来使用。机器人自动化算法简化了人工干预，降低了人/机比。解决问题的关键包括对人的干预意图的理解和建模、基于优化的控制技术实现和基于意图场的控制技术实现。