油料保障系统的自治性研究

文/周庆忠 朱建成

油料保障系统(POL Support System, POLSS)自治性，即在不完整油料勤务知识支持下，响应动态变化保障态势，进行有目标自主决策的性能。提及“自治”往往误解成油料保障计算机系统的“指挥者”独立决策和采取失控行动。应该指出，不能孤立地将POLSS自治性，看成是油料保障系统内在属性，事实上自治是由预先授予计算机油料保障决策的设计权限来实现，在一定程度上由人工操作所监控。自治性离不开在动态保障环境中人与系统的交互协同。POLSS自治性研究，有助于探讨权衡油料保障联盟（POL Support Alliance, POLSA）各成员自治与协同关系，对增强油料保障力度具有重要意义。

1.POLSS自治性所带来的挑战

POLSS自治性，对指挥官、操作者和开发人员提出了挑战。指挥员不能很好地理解将自治权融入任务的功能，难于把握好自治与协同关系。操作者渴望执行任务时所需的人机协同功能，却受制于系统设计缺陷，导致意外操作。这些均归纳为对POLSS的“可信危机”。因系统自治性，部分决策处于“黑箱”状态，不可测和不可控，不清楚在所面临局势下可操作的系统功能，POLSA成员间互不信任，甚至对自治功能缺乏信任。

系统开发人员所面对的挑战是，从以硬件（如装备、设备与设施等）、信息采集为中心的软件开发，向创建自治性软件功能过程转移。此外，部署应用POLSS，尤其是在应急保障行动中，时间紧迫，难于有足够时间来形成油料保障新理念。硬件资产呈分布式配置，联盟成员习惯于原有油料业务流程，各级人员使用系统的方式很可能是开发人员没有预料到的，需要开发人员来解决对油料保障系统能力过度限制的问题，更新或升级系统以便适应使用要求。

图1 POLSS自治性设计与评价框架图

2.POLSS自治性设计与评价框架

POLSS自治性设计与评价框架如图1所示。从三个视图的观察角度来展开POLSS自治性设计与评价。

2.1 自治认知态势视图

自治认知态势视图反映油料保障控制范围为油料保障任务、部门、保障资源。将保障实体分类为决策、任务、操作三个级别角色，赋予对应控制权限和职责范围。人们常关注纳入到物理装置（加油机、泵、阀门等）操作级别的自治。实际上自治也用于油料保障任务级别，POLSS规划工具支持各级决策者产生油料保障行动计划和任务管理功能。决策级别的自治主要用于高层次任务目标保障资源管理。油料保障各级决策运作中，获取自治潜在好处，有助于增加使用自治机会，较明确地获知自治权在哪些地方被使用，在哪些地方仍采用手动方式，将有助于将新增有效自治权融入系统，完善改进系统整体性能。

2.2 自治任务调度视图

自治任务调度视图反映当各类保障Agent自治增加时，关键问题转移到跨角色跨层次的交互协同。当油料保障事件中断、新事件触发和自治机会出现时，将影响各类自治Agent在跨越任务阶段、角色和层次的协同活动中同步程度。决策类型也改变保障任务的时序。油料保障任务由启动、执行和终止三个阶段组成。每个阶段都表现出不同的自治机会和不同的使用自治权方式。在强调POLSA成员自主决策的同时，采用动态优先级进行任务调度，确保实时任务调度的高效率和灵活性。以往仅根据按任务时间属性约束来确定任务执行的静态优先级，无法反映保障环境动态变化，并且忽略任务执行的其它因素约束影响。

2.3 自治交互协同视图

自治交互协同视图反映POLSA自治域之间、人—机/系统之间自治决策与交互协同关系。设计关注问题有：选择在系统何处注入自治功能？何时触发使用自治功能？如何进行系统的多个性能之间的权衡？过度追求自治性存在一定风险，例如，对调整改进POLSA某自治域的某一自治功能，很可能对系统的其它性能受损，产生负面影响。适度的自治性，才能既满足油料保障自主响应决策的需要，又能增加系统的整体能力。要从以下5个方面来约束自治的盲目扩张，平衡协调系统各性能，如表1所示。

3.关键自治技术

3.1 感知

油料保障决策需要实时感知任务执行环境。通过物理装置在线采集油料装备运行状态数据，自主地感应保障态势，比查阅记录本、手册、说明书更为有效。POLSS重点关注对油料物理装备（如储存、运输油料装备等）健康状态感知，用于故障检测管理、失效预测、重新规划和应急管理。物理装备健康自治式监测有三大优势，一是支持装备性能良性退化，从故障中恢复，因为自治故障检测、识别和恢复比人类操作更快。二是增加对POLSS的信任，特别是在任务关键阶段，系统不会产生意外行为或失效。三是减少操作者认知工作量，将其从观看诊断显示中解放出来。

目前传感器应用于POLSS来捕获感知，仍处于检测数据采集处理“弱感知”阶段，还不能直接决策。无论将感知看作是全部由人、还是全部由计算机系统来完成，都忽视了人与计算机协同感知这关键点。涵盖检测数据处理与智能决策整个过程的新型智能传感器正在研究中，它的面世，将会产生超越人类行为的自治感知物理装置的方案。

3.2 规划

POLSS需重点解决的问题是对油料勤务知识工程工具的有效利用，例如，以人工方式凭经验进行保障任务配置，或者虽然计算机运行算法模型来生成决策方案，仍产生大量数据I/O工作量，例如，由操作者录入数据，输出保障计划方案等报表文件需人工做二次处理，以便呈报或下发。在加油环节，由操作员直接控制执行加油动作，而不是由一个远程集中服务器控制实现加油。

表1 系统性能的权衡

知识工程工具支持应用指定表示格式的解释和验证，是自治规划的技术基础。将人工智能AI规划理论用于POLSS开发，提供不需人在现场的自主保障行动决策所需的算法。最优油料保障计划虽难以实现，但可实时提供近似最优计划，还可减少操作人员培训和工作量。

3.3 学习

油料保障任务在动态环境中进行，地图、手册所提供的指导帮助很有限。机器学习是开发智能自治地响应动态保障环境变化的POLSS有效方法之一。机器学习通常有效地识别已被明确训练过的对象、人员和活动的特定类别。通过机器学习，POLSS自主地学习大量监测训练样本数据，自动适应新环境变化，来寻找可靠的油料加注补给方式，使得POLSS成为准确而强大的自治系统，效率远高于原来的“检测”与“决策”分离保障模式。

然而，需要大量有效的训练样本数据也是现有机器学习方法的主要限制之一。建立必要的训练数据是昂贵和费力的过程，对油料管理工作提出了新要求。在日常业务工作中，必须投入人力物力，采集油料保障相关数据，进行分析处理，建立各类油料保障数据库。目前，为了减少系统学习所需训练样本数据量，涌现了许多技术，如主动学习、迁移学习、半监督学习、跨模态培训等。这将降低开发POLSS所需的时间和成本，有利于POLSS的进一步完善。

3.4 人机交互

POLSS人机交互重点关注双向和认知交互，主要解决人们如何操作计算机或仪器装置的问题。使用以人为本的设计原则，提高人机交互性能的益处有：1）任务执行较快，失误较少。2）改进接口，增强系统可用与可靠性，减少系统操作人数。3）降低为不同需求所设计独特显示功能的成本；4）解决在特定情况下人与系统的自治功能局限性，有助于所设计系统，使POLSS不仅可监控限制违规运作，还可预测油料保障新需求。5）增加系统完成保障任务和适应新局势能力，增加各级人员对系统的信任度。

系统通信和计算机运行状态（如计算机正在做什么和为什么这样做等）的能见度仍是待解决问题。例如，在操作员所控制的单元屏幕上显示多过信息，使其视觉超负荷反而无法专心操作。目前正在研究的多模态显示器可使这一问题迎刃而解。

3.5 自然语言理解

目前图形用户界面虽是POLSS与系统通信的有效方法。但在许多情形下（如，当加油员的双手正在进行加油操作时），自然语言则是更为理想的人与计算机系统的沟通模式。POLSS需解决的问题是，如何在视觉范围内，以抬起头、免提模式操作系统，以自然语言方式发出或索取决策指令。直接赋予系统口头指令将简化和加快任务被指派过程，减少操作工作量，增强POLSS在复杂环境下的运行能力。

现有的自然语言理解技术主要关注理解书面形式文字，直接关注人与机对话互动指令尚处于起步阶段，需要基础研究来支持。由于目前自然语言理解技术只能支持简单的语言指令，对于复杂油料保障任务的要求来说，用有限的词汇和少量的命令集来描述是远远不够的。

3.6 多Agent协同

多Agent协同与人机交互有一定联系，但多Agent协同研究更注重于不同类型Agent配置的协同调度。而人机交互则更注重于协同认知。在POLSS中，多Agent被应用于协同完成分布在各个自治域、或同一个自治域不同层次中的油料保障任务。设置油料保障所涉及的各类Agent，它们是具有某种程度的自治个体，既可摆脱Agent相互间影响，也可交互谈判，实现分布式协同，或被上级决策者明确指示，进行集中式协同。多Agent协同重点关注Agent相互同步、响应环境动态变化等问题。

在POLSS的顶层设置全局总管Agent TMA，用于协调、派发、控制、指挥POLSA成员完成协同保障任务。POLSA的每一个自治域系统在Agent层设有自治主管Agent MA与之对应，用来管理油料保障任务自治域层次中自主感知环境、分析判断、决策和行动的各类具有复杂行为的保障Agent。MA负责域内任务调度及保障资源的分配，提供本级决策方案后，由其所管辖的各类保障执行Agent（如运输Agent、加油Agent等）来具体执行保障任务，MA还负责监测资源状态和任务执行过程。