darpa无人机集群，美军darpa发展目标

很多小伙伴玩家都不太清楚darpa无人机集群，美军darpa发展目标，那么今天解雕侠小编给大家带来一篇 3d 相关的文章，希望大家看了之后能有所收获，最后请大家持续关注我们！

摘要：近年来，美国国防部及各军种联合国防工业界相关部门大力推进各类无人集群项目在城市作战中的研发测试。

本文分析了“攻击性蜂群有效战术”( OFFSET )项目、“快速轻量自主”( FLA )项目、“班组x实验”( Squad X )项目等几个典型的城市作战应用项目，在城市作战应用中

关键词：无人集群； 城市作战； 人工智能； 人机协同

查词

随着无人技术、智能自主技术的大力发展，无人集群系统在城市作战中的作用越来越明显。 美国高度重视无人集群在城市作战中的应用研究，美国国防先进研究计划局( DARPA )相继安排了许多典型的城市作战应用项目。

2015年，开发小型无人机先进感知和自主算法的“快速轻量级自主”( Fast Lightweight Autonomy，FLA )项目启动[1]

2016年，提高步兵态势感知、精准打击能力的“班组x实验”项目启动[2]

2017年，构建城市无人蜂群作战能力的“攻击性蜂群有效战术”( OFFensive Swarm-Enabled Tactics，OFFSET )项目启动(3)。

从无人平台自主智能、无人集群与士兵协同、无人集群协同战术等多个不同方面进行攻关，通过人工智能、自主技术、虚拟现实及增强现实技术等提高无人作战单元在城市作战战场的综合作战能力。

本文对城市作战特点和无人集群应用前景、国外研究现状、关键技术等进行了综合研究分析，总结了无人集群城市作战的应用发展趋势。

1 .城市作战特点及无人值守集群应用前景

1.1城市作战特点

城市作战是现代战争的主要形式之一，城市环境中高楼密布，巷道纵横，地下基础设施复杂，电磁环境恶劣。 城市作战具有以下特征。

(1)战场环境复杂，攻击突破困难

在城市作战中，守备方可以通过林立的高楼和四通八达的地下管廊构筑坚固的堡垒，利用地形优势可以居高临下，以点控制面，组织攻击，在市区为敌人设置各种障碍，延缓攻击的进行而攻击方往往需要短兵巷战、攻坚战，但由于地形、环境、敌情等难以获取，容易被伏击，为适应战斗需要，武器攻击、障碍突破、火力支援必须融为一体，灵活机动。

)2)通信指挥难，协同作战难

在城市环境中，由于大型建筑物等的影响，有线通信的机动性差，无线通信的通信信号容易被干扰和屏蔽，给指挥控制带来很大的困难。 由于通信指挥困难，武器之间、战斗人员之间合作困难，容易单打独斗，协同作战不容易。

)3)侦察攻击受限，远距离作战困难

由于城市复杂的环境，现有的大型武器装备在城市作战的能力大大削弱，对于大范围的侦察装备，很难发挥“看远”的优势。 对于远程火力攻击装备，在容易隐藏、伪装的城市地区，很难发挥“精准作战”的优势，大型主战装备在城市环境中的机动性差，容易被攻击，使用受到限制。

1.2无人集群在城市作战中的应用前景

智能无人集群作为一项颠覆性技术，被各国视为无人系统人工智能的核心，是未来智能无人系统的突破口，也是形成不对称武器装备、实现弯道超车的杀手锏技术[4-5]。 以大量小型无人机为载体形成作战力量可以为复杂环境下的城市作战提供新的质的作战手段。

无人集群具有智能化程度高、跨越障碍能力强、机动性高、成本低等特点，可应用群体战术，在城市空间执行自主侦察探测、自主目标识别、自主任务协同等，可通过分布式协同为作战人员提供战场全局态势分析

2美国无人集群城市作战应用研究现状

城市作战环境复杂，密集的建筑容易降低传感器的性能，干扰和屏蔽GPS等通信信号，影响态势感知能力。 美军高度重视智能无人装备在城市作战中的应用，DARPA发起多个项目，积极探索无人系统在城市作战中的应用，从顶层设计、项目规划、理论研究、关键技术攻关、试验验证等方面对这一点进行了探讨

美国国防先进研究计划局( DARPA )安排了“攻击性蜂群有效战术”( OFFSET )项目、“快速轻量自主”( FLA )项目、“班组x实验”)项目等多个典型的城市作战应用项目

2.1“攻击性蜂群有效战术”OFFSET

(1)总体目标

DARPA的“攻击性蜂群有效战术”( OFFSET )项目从“第三次抵消战略”(6)开始。 美国国防部设想用大量的无人集群控制敌方防空系统，是基于美国空军战斗人员使用手势控制无人集群的作战方案考虑的。 OFFSET的总体目标是无人平台(包括无人机、无人车等)的相互合作。 在大型建筑、狭小空间和有限视野等通信、传感、机动性受限的城市环境条件下，6小时内8个街区执行任务，为城市作战局部作战提供重要作战能力。

)2)具体技术途径

DARPA于2016年12月发表了OFFSET的初始概念[7]。 2017年1月，DARPA发布了项目跨部门公告( BAA )初稿。 总体思路是发展蜂群战术开发生态系统和支撑性开放型系统架构，包括先进的人-蜂群接口，允许用户同时实时监测和指挥数百套蜂群无人平台； 实时构建网络化虚拟环境，支持基于物理的蜂群战术游戏； 开展社区驱动的蜂群战术交流，通过有人管理、访问受限的项目门户提供APP交互，帮助参与者设计蜂群战术、蜂群行为、蜂群算法。

融合新技术和力量的原则贯穿于蜜蜂冲刺竞争的整个生命周期。 五个核心冲刺阶段均关注一个或多个OFFSET要旨或重要主题领域：蜂群战术、蜂群自主、人-蜂群协同、虚拟环境和物理试验平台[8]。 虽然主题各有些许不同，但最终目的是实现蜜蜂能力的突破。

OFFSET项目的研究进展分为三个阶段。

第一阶段场景：使用50架无人机蜂群定位目标

第二阶段场景：使用100架无人机在城市进行攻击

第三阶段场景：使用250个无人系统(包括无人机、无人车等)抢地区

项目最终目标是使用250多个无人系统，在(包括无人机、无人车等) 8个城市区块自主执行6h任务。 如表1所示。

表1 OFFSET项目各阶段的划分

在OFFSET研发期为42个月，包括6个一年2次的能力测试，其中项目第一阶段为18个月，第二、第三阶段各为12个月，每半年进行一次项目冲刺，每次冲刺如图1所示。

图1“蜂群冲刺”理论的总体时间表

(三)当前进展

目前，DARPA已经开始了5次冲刺，签订了5次冲刺的合同，并按计划顺利推进。 具体情况如下。

第一次冲刺： 2017年2月启动，征集强化城市环境下攻击性集群战术框架的研究方案，通过集群系统框架的设计、研发和验证，推进新型集群战术的创新、交流和整合。 OFFSET项目第一批冲刺合同授予雷鸣公司( BBN研发中心)和诺)盖公司团队[9]。

第二次冲刺： 2018年10月，DARPA的第二次冲刺协议将于2017年11月启动，利用现有或开发的新硬件组件、算法提高无人作战平台的自主性，卡内基梅隆大学授予海伦系统大学、密歇根理工大学、西门子公司企业技术部、科罗拉多大学博尔德分校和北卡罗来纳大学夏洛特分校8个机构[10]。

第三次冲刺： 2018年10月启动，该冲刺重点在人-蜂群协同和先进蜂群战术两个重点领域。 2019年4月，DARPA宣布第四次冲刺中的先进蜂群战术合同授予内基梅隆大学和腾飞科技有限公司[11] 2019年8月，DARPA宣布人-蜂群联合互动合同授予凯斯西储大学、查尔斯河分析公司、西北大学

第四次冲刺： 2019年3月开始。 这个冲刺包含两个主题。 一是在OFFSET虚拟环境中开发综合技术。 二是利用人工智能( AI )发现和学习新的集群战术。 2019年9月，DARPA宣布将第四次冲刺合同授予8家机构。 其中，虚拟环境合同授予约翰斯霍普金斯大学应用物理实验室、密歇根理工大学，人工智能应用合同授予卡内基梅隆大学、查尔斯河分析公司、纽约州立大学研究基金会/纽约州立大学水牛城分校、西门子、腾飞科技有限公司和空间集成系统

第五次冲刺： 2019年9月开始。 这个冲刺包含两个主题。 一个是集群物理试验平台。 二是城市环境下集群实战。 2020年4月，DARPA宣布将第五次冲刺合同授予9个机构。 其中物理试验平台合同授予密歇根理工大学、约翰斯霍普金斯大学应用物理实验室、HDT远征系统公司、哨兵机器人和德克萨斯农工大学，集群战术合同授予密歇根理工大学、查尔斯河分析公司、腾飞科技有限公司和西北大学[14]。

2.2“高速、轻量自主性”FLA

(1)总体目标

FLA项目旨在开发先进的自主算法，使无人空中或地面平台能够在室内、地下或人工干扰等无法使用GPS的环境中执行任务[15-16]。 该技术的潜在应用包括在军队进入前，安全、快速地扫描建筑物内部的威胁；在丛林密集地区和敌对领域的丛林中寻找被击落飞机的飞行员；或者在地震和灾害后，将幸存者定位。

)2)具体技术途径

FLA项目于2015年发表。 总体构想是采用小型四轴无人机(重5磅左右，约2.3公斤)，利用机载高分辨率摄像机、激光雷达、惯性测量设备等，实现自主导航，无需遥控信号、GPS或任何数据链路的制导，时速45英里

FLA项目并不是为了开发新的传感器技术或通过提高计算能力来解决自主导航和避障问题，而是重要的是使用低成本的惯性测量单元和点四旋翼无人机来满足能力需求，因此该项目实时快速、小型

搭载了FLA算法的无人系统通过搭载的机载软件、轻量处理器、低成本传感器实时自主地完成所有工作。 通过FLA算法，无人系统在战场上形成有效的人编队，编队中的小型空中或地面系统自主搜索未知环境，将有用的侦察信息带回编队中的人成员。 由于不需要与发射平台建立通信链路，降低了对方利用无线传输探测己方部队的可能性，进一步提高了安全性。

(三)当前进展

目前，FLA项目已开展了两个阶段的实验，第一阶段验证了无人平台的自主导航和避障算法，第二阶段验证了可编队小型空中和地面系统的先进算法。 FLA项目开发的算法将交给陆军研究实验室，准备进一步开发潜在的军事应用。

第一阶段考试：

2017年7月，DARPA在佛罗里达州中部开展了FLA项目第一阶段任务试验，并进行了一系列障碍物飞行验证测试。 该试验持续4天，由DARPA支持的3个研究小组参加了试验。 此次飞行实验测试了研究小组算法在实际条件下的能力和鲁棒性，包括从室外快速调整到黑暗建筑物内部、感知和避免树木、在简单迷宫中导航和长距离穿越。 最后一天，无人机必须通过林木茂盛的区域和宽敞的停机坪，寻找明亮的机库进入，绕过机库内的墙壁和障碍物，找到红色的化学桶，然后返回出发点。 整个过程全部由无人机自主完成。 由于传感器和算法的原因，三支队伍在不同的路线上显示出了各自的优势和劣势。 一些团队的无人机在室内避障能力较强，其他无人机在穿越树林和室外开阔地带时表现出色。

第二阶段试验：

2018年7月，DARPA FLA项目成功进行了第二阶段飞行试验，证实了可以编队小型空中和地面系统的先进算法。 基于2017年开展的第一阶段飞行试验，研究人员改进了软件，采用商用传感器以在更小更轻的四轴飞行器上实现更高的性能。 实验结果表明，在城市户外和室内自主飞行方面取得了重大进展。 具体包括在识别感兴趣目标的同时，更快地穿越多层建筑物和狭窄巷道。 通过狭窄的窗户进入建筑物，沿着走廊找房间，识别制作内部3d地图的楼梯，然后沿着它向下飞，通过打开的门离开建筑物。

2.3“班组x实验”( Squad X ) )。

(1)总体目标

Squad X项目旨在开发和集成以人工智能为真正伙伴的作战部队，通过开发和集成无人机、无人车、先进传感器和机器学习等新技术，成为班组的外延力量[17]。 在城市战场空间，利用无人机、无人车的感知和自主能力，可以使小型作战单位提高对威胁的感知和响应能力。 在这些作战场景中，无人机和无人驾驶汽车与其他班组成员一样直观地行动。 无人机可以感知作战区域，无人车可以在没有远程控制和进一步监管的情况下像班组常规成员一样行进，使各个战士和海军陆战队队员获得超人般的战场感知能力。

)2)具体技术途径

2014年7月，DARPA发布了Squad X项目白皮书，构想通过集成移动传感器生成能够识别敌/友军3D作战画面的新技术。 2016年3月，DARPA正式启动了Squad X项目，开发了两个模块。 分别是“变形班组增强谱态势感知与独立定位”( ASSAULTS )系统和“电子攻击模块”( BEAM )。

ASSAULTS系统为自主地面系统和自主空中系统配备了实时和模拟的电子监视工具、地面雷达和基于摄像头的传感器，能够安全地侦察班组前方、侧方及周围区域，并向机组人员报告结果“安卓战”

BEAM模块搭载在轻型战术全地形车辆和美洲狮( Puma )无人机上，与分布在试验场周围的背包节点进行通信。

“班组x试验”项目通过在空中和地面使用无人系统(包括无人机、无人车等)，建立数百米范围的警戒线。 项目提出几种可能的无人系统概念，包括用于空中侦察的无人机、地面侦察机器人和执行工程任务的地面机器人。 项目着力在以下四个领域开展研究。

1 )距离步兵团1000m米以上的危险感知。 包括自主危险探测。

2 )即使无法享受GPS服务，步兵班组人员也能确认自己及班组人员的位置，定位误差不超过20英尺( 1英尺=0.3048 m )。

3 )利用分布式非视线瞄准和制导弹药等能力，精确打击1000m米外目标。

4 )袭击敌方控制和通信链，根据步兵队作战节奏使用无人资产。

(三)当前进展

目前，通过与其他军种合作，Squad X项目发展迅速。 “变形班组”加强光谱状态感知和独立定位( ASSAULTS )系统已经开展了两次试验，“电子攻击模块”( BEAM )已经开展了三次试验。

2018年11月，洛马公司的

“变形班组加强频谱态势感知和独立定位”( ASSAULTS )系统和CACI公司的“电子攻击模块”( BEAM )进行了首次试验，证实能有效增强小型步兵战斗单元的态势感知能力。 前者着力提高班组态势感知能力，后者着力提高班组情报和侦察能力。

2019年初，DARPA联合位于加州二十九棕榈村的美国海军陆战队空地作战中心，再次开展“班组x实验”( Squad X )项目战场试验，积极推动“班组x实验”项目的发展。 此次实验演示验证了补充两种能力的人工智能和自主系统与步兵班协同作战的能力，使战斗人员能够在复杂、时间敏感的作战环境下做出更好的决策。

此次试验结束后，CACI系统将进入第二阶段，包括对系统进行升级，使其能够持续5小时以上； 罗姆公司系统将在2019年秋季开展以下试点工作。 美国陆军将在Squad X的第二阶段完成后继续开发CACI系统。 另外，陆军计划在2019、2020年度与DARPA同时开发洛马公司的ASSAULTS系统，并在2021年度进行该系统的独立开发。

3 .无人集群城市作战应用研究中的关键技术

3.1无人集群群体智能技术

密集城市环境作战行动中是一项复杂的系统工程，小型地面部队必须对动态环境和敌人进行机动、防御、作战。 部队通常对这种作战所在地区的基础设施、供应链、当地条件和潜在威胁等了解甚少，访问和/或控制受到严重限制，因此难以执行行动。 在这些密集城市地区，特别是未来连级以下地面部队建设分布式或分布式无人系统的能力方面需要进步。 在这方面，核心是无人集群自主技术，具体包括无人集群可以进行自主集群任务规划、集群航路规划、协同数据处理等。

(1)集群规划

任务决策是在满足任务时间、任务空间、无人平台资源、无人平台运动性能等约束条件下，如何把合适的任务交给合适的无人平台在合适的时间完成，优化某作战的性能指标(如时间最短) 任务规划本质上是一个复杂的组合优化问题，可以建模为非线性动态规划、混合整数非线性规划问题。 随着异构集群中无人平台数量和作战任务数量的增大，组合优化问题会发生数据爆炸，问题解决速度变慢。 因此，任务决策技术的难点在于如何设计合适的组合优化求解算法，实时做出任务决策。

)2)集群航道规划

航路规划是指在考虑战场环境、无人平台运动性能和任务协同等约束条件下，为无人平台设计合适的初始位置到目标点或任务区域的飞行航路，优化某些性能指标，更高效地完成指定任务。 航路规划问题本质上是一个多约束非线性最优控制问题，该问题只能用数值算法求解，然后才能得到最优解。 在集群规模大、战场环境复杂的情况下，航路规划问题也面临数据爆炸的挑战。 因此，航路规划技术的难点在于如何设计合适的近似算法，实时准确地计算出高动态高复杂度战场环境下无人作战平台的最佳运动航路。

(3)协调数据处理

由于城市空间内环境复杂，无人平台存在交互效率低、个体识别率低等技术难题，多无人机、多目标交互感知技术以及多源、多精度图像信息融合技术是无人值守集群的关键。 无人机、多目标交互感知技术通过接收和处理来自多个信息源的多目标数据，基于多个无人机的位置有效分配单个节点的感知任务。 通过任务计算资源自动分配、目标属性关联等方法，达到多机对多目标任务的实时自动分配效果，可以解决传统多机分布式感知效率低的关键技术问题。 多源、多精度传感器图像融合是指采用数据融合技术综合不同传感器和不同分辨率图像的信息，克服单传感器系统固有的缺陷，利用不同传感器的数据互补和冗余，实现目标的定量识别、定位识别和定性识别，为目标识别提供更多可用的判别信息

3.2无人平台智能自主技术

目前现有的小型低成本无人机在平台定位、速度/高度估计等方面对操控者、GPS导航系统有很强的依赖性，否则难以持续飞行。 复杂的城市环境要求无人机和无人驾驶车辆能够在没有人类操作员、GPS和数据链的情况下自主运行。 在这方面，核心是无人平台的智能自主技术，具体包括无卫星测控链路的通信导航定位、自主建设图、自主目标识别等。

(1)无通信链路导航定位技术

目前，无人机的位置和速度估计已广泛应用于全球定位系统和惯性导航系统，但在城市建筑物内等无GPS信号的情况下，难以实现无人集群定位。 因此，进行飞机无GPS信号导航技术研究对飞机自主飞行具有重要意义。 目前的研究已经实现了一定条件下的无GPS无人机定位，但仅通过对飞行器速度的估计无法获得飞行器的位置信息。 需要知道飞行环境并提前在地面上配置外部导航系统。 另外，还需要建立正确的系统模型，要求处理器的运算能力。 由于小飞机自身载荷有限，板载计算能力较弱，无法使用过于复杂的算法。 需进一步加强算法研究，真正实现无GPS和通信链路无人机的高精度导航定位是无人集群城市作战应用的关键。

)2)自主地图构建技术

城市空间环境复杂，同时基于定位于制图( SLAM )技术，是无人集群在未知环境下工作的核心关键技术。 在未知环境下，基于机载摄像机和传感器获取外部环境数据，SLAM建立无人机周围环境，同时提供无人机在环境中的位置，并随着机器人的移动逐步构建成连续定位，是实现机器人环境识别和自主工作的基础。 SLAM中一般采用视觉传感器作为环境感知的数据源，视觉传感器具有体积小、功耗低、信息获取丰富等特点，可以为无人机提供丰富的外部环境纹理信息。

(3)目标自主识别

对于城市环境下的目标机动立体作战，探测系统可以作为各类武器系统的重要信息源。 基于低功耗人工智能芯片的智能目标(人、武器等)识别与定位技术、非合作人脸识别、人的识别与行为判断技术、低功耗嵌入式应用条件下的人工智能深度神经网络优化压缩与裁剪技术，有效地完成了低空、地面目标快速检测、识别与特征提取的任务同时，需要利用人工智能和机器视觉技术对作战空间内的人员进行人群管理、监控和监控。 通过对无人集群现场视频进行分类，战斗人员可以更彻底地发现人群中有可疑暴力行为的人。

3.3人机合作与人机交互技术

在未来的城市作战中，人会离开作战的前沿，但不会完全离开战场。 作战人员在与无人集群协同作战的同时，指挥无人集群进行作战，人机协同和人机交互技术是无人集群城市作战应用中的关键技术。

(1)人机协同技术

设计一种融合指挥员决策的面向城市作战需求的灵活互补人机协同任务规划问题解决方法，更好地完成大规模动态和不确定环境下的规划方案编制任务，减少指挥员或作业人员的工作强度，提高各规划目标的规划成功率和效率，是无人值守集群城市针对现有人机协同技术存在目标数量庞大、计划效率低、计划结果成功率低、人机协同不灵活等问题，在满足任务要求的前提下，提高计划速度，提高计划成功率，减少计划的时间成本，比传统计划系统生成的方案

)2)人机交互技术

由于集群中无人系统数量众多，将传统的无人系统人机交互技术应用于集群存在诸多困难。 人机交互技术是实现集群操作/指挥集群实时状态感知、集群协同侦察信息感知、集群有效控制的核心技术。 为了解决集群内大量无人系统的状态监测、集群协同侦察信息的有效表达、集群的有效控制，开展了不完全数据分层集群状态感知技术、基于不完全数据的态势生成技术、基于抽象指令的集群指挥控制技术等研究，实现无人集群指挥控制

4 .无人集群城市作战应用与技术发展规律

4.1通过顶层设计推广蜂群实战化应用能力

从美军多个无人集群城市作战应用项目中可以看出，美军高度重视这一领域的发展，重视通过顶层设计提高蜂群系统能力，同时研究部门重视配合军队提高蜂群实战化应用能力。 其中，

OFFSET面向典型的城市作战场景进行了研究，根据作战任务、作战持续时间、集群规模进行了作战场景的构想设计，并进行了分阶段的研究和实验。 OFFSET项目通过顶层设计，将战斗人员需求作为蜂群能力进步的推动力，推动了从战斗需求向蜂群算法的转变。 OFFSET项目根据实际作战需求进行蜂群战术的研究和积累，同时项目将最终开发的蜂群战术集成到包括空中和地面自主系统在内的物理平台上，以提高蜂群的实战能力。

FLA项目通过研究无人值守空中或地面平台在遥测、GPS和其他任何数据链路指导下执行任务的能力，提高城市拒环境实战化应用能力。

“班组x实验”项目是在地面环境无缝作战的背景下开发硬件和战术，提高近距离人机协同作战能力，同时项目与美国海军陆战队和陆军合作进行从先进技术到作战能力的转换。

4.2人工智能提升蜂群智能自主化能力

随着人工智能技术的大力发展，美军各城市作战应用项目相继利用人工智能技术使城市作战中的无人平台和系统发挥作用，提高蜂群智能自主化能力水平，每个项目包括无人集群集体智能技术、无人平台智能自主技术、妈妈

其中，OFFSET项目侧重于无人集群的群体智能技术，其关键启用技术包括蜂群战术、蜂群自主性和人-蜂群编队。 其第四次冲刺的主题之一是利用人工智能( AI )发现和学习新的集群战术。 该主题利用人工智能技术加快集群战术设计，通过在OFFSET增强虚拟环境中利用人工智能框架，通过神经进化、增强学习、迁移学习等方法发展群体战术，提高人工智能生成的群体战术鲁棒性等，提出了新的集群战术

FLA项目的重点是在无人平台智能自主技术方面，强调无人机或无人车辆与平台一起携带的传感器自主建图、自主导航定位、自主目标识别和自主避障等。

“班组x实验”项目的侧重点是在人机智能协同方面，通过人工智能和自主技术增强班组作战单位的战场作战能力。

4.3通过仿真促进蜂群战术创新、交互、集成

在无人集群城市作战应用技术的发展过程中，通过计算机仿真技术可以节约成本，缩短系统的研发周期。 在各个项目中，美国注重通过先前的虚拟仿真后试验测试方式，加快技术成果的应用转化。

OFFSET项目的参与者分为两类，一类是负责工程的系统集成商，其任务是创建与OFFSET体系结构、接口及其分布相对应的集群战术交换中心，以满足其维护的另一类参与者关注任务本身，提供将专有专业技术与系统集成商集成集成集群自主战术和技术并进行测试，其中第一类是仿真支撑环境，基于其仿真支撑环境进行蜂群战术创新、交互测试

FLA项目通过对自主算法的仿真和集成测试，提高无人平台的智能自主能力。

结束语

在城市作战应用方面，美军不断拓展无人集群应用研究，加强基于无人集群的实战化应用能力形成，包括无人集群协同战术、无人平台自主能力水平、无人集群人机协同以及人机交互水平未来在城市作战应用中，无人集群可用于情报监视侦察、排雷防爆、通信中继、电子战、火力支援等领域。 无人集群系统将不再是降低战斗人员危险的简单辅助工具，而是改变未来城市作战游戏规则的主要装备。

上面就是darpa无人机集群，美军darpa发展目标的全部内容了，希望能给广大手游玩家玩家们带来一些帮助，更多关于3d的内容，尽在解雕侠!