ADMOS: An Adaptive Dual-Mode Operational Swarm for Resilient Asset Defense under Communication Jamming

技术摘要：ADMOS —— 一种用于通信干扰下弹性资产防御的自适应双模态运行集群

问题陈述
旨在防御固定资产的协作无人机（UAV）集群通常依赖于持续的智能体间通信，以维持共享态势图并执行基于共识的协调。这种架构存在一个关键漏洞：电子攻击（无线电干扰）导致的丢包率上升会使共享状态估计发生退化。在标准的共识设计中，假设测量值相互独立的估计器（例如卡尔曼滤波器）在消息跨网络周期被重复使用时会变得过度自信，导致低估误差协方差。论文中提供的实证证据表明，一旦丢包率超过约 40%，这些系统会出现突发性的、灾难性的协调崩溃，导致集群失效。本文旨在解决如何在不依赖更强一致性机制的情况下，在“通信受限”环境下维持资产保护的挑战。

方法论：ADMOS 架构
作者提出了 ADMOS（自适应双模模态运行集群），该架构由三个不同的、可组合的元素组成，旨在通过智能自主而非强制共识来实现韧性。

1. 基于协方差交叉（CI）的分布式状态估计：
   为了解决由于丢包网络中消息重复使用而导致的未知相关性问题，ADMOS 使用协方索交叉（Covariance Intersection）取代了假设独立的融合方法。该方法利用优化权重 $\omega$ 来最小化结果协方差迹的融合过程，将局部估计 $(\hat{x}_i, P_i)$ 与邻居估计 $(\hat{x}_j, P_j)$ 进行融合。

   • 机制： $P_i^+ = (\omega P_i^{-1} + (1-\omega)P_j^{-1})^{-1}$。
   • 保证： 无论输入之间的相关性如何未知，融合后的估计始终保持一致性（报告的协方差绝不会低估真实误差），从而防止驱动共识系统发散的“过度自信”现象。

2. 带有滞后和驻留时间的混合模式监督器：
   每个智能体运行在两种离散模式之一：协作模式 (C) 或 自主模式 (A)。

   • 协作模式： 使用融合后的邻居估计进行分布式警戒律。
   • 自主模式： 仅依靠局部感知（在范围 $r_s$ 内）进行局部拦截律。
   • 仲裁： 监督器监控链路健康信号，即误差协方差的迹 ($\eta_i = \text{tr}(P_i)$)。当 $\eta_i$ 超过高阈值 ($\eta_{hi}$) 时，从 C 切换到 A；当 $\eta_i$ 低于低阈值 ($\eta_{lo}$) 时，回归到 C。
   • 稳定性： 最小驻留时间 ($\tau_D$) 和滞后机制防止了“抖动”（快速、不稳定的切换）和 Zeno 行为，确保系统即使在间歇性干扰下也能保持稳定。

3. 高阶控制障碍函数 (HOCBF) 安全过滤器：
   安全过滤器位于标称控制命令（来自任一模式）之上，以保证安全集的正向不变性（碰撞规避）。

   • 实现： 过滤器以 10 Hz 的频率求解二次规划 (QP)。约束条件根据估计不确定性（$\sqrt{\text{tr}(P_i)}$）进行比例缩放的收紧，确保具有较高不确定性的智能体保持更大的分离距离。
   • 回退机制： 如果 QP 变得不可行（例如在密集编队场景中），智能体会执行制动命令以停止运动，从而以牺牲任务进度为代价来保障安全性。

稳定性与理论保证
论文证明了对于集群中任何模式分配，闭环系统对于估计误差和扰动都是输入到状态稳定 (ISS) 的。

• 定理 1： 在李普希茨动力学、共享平衡点和有界扰动的假设下，该混合系统满足 ISS 界限。警戒误差将保持在扰动量定义的函数范围内，确保性能随丢包率增加而平滑退化，而非崩溃。
• 平滑退化： 该架构的设计使得随着通信退化 ($p \to 1$)，智能体转向自主模式，且 ISS 界限确保集群保持稳定和安全，尽管协调效率会有所下降。

核心贡献
论文提出了四个主要贡献，并通过高保真模拟进行了验证：

1. 一致性估计： 使用协方差交叉取代假设独立的融合，以在未知相关性下维持估计器一致性，通过牺牲一定的峰值锐度来换取鲁棒性。
2. 非 Zeno 监督： 使用带有滞后和驻留时间的混合监督器，保证了有限的切换速率，并防止了由模式抖动引起的失稳。
3. 感知可行性的安全性： 基于 HOCBF 的安全过滤器将约束收紧与估计不确定性耦合，提供了一个随估计质量平滑退化的形式化安全保证。
4. ISS 证书： 为双模态系统提供了输入到状态稳定性的正式证明，确立了即使在完全通信受阻的情况下，集群仍能保持稳定。

结果
系统在包含 80 次蒙特卡洛试验的场景下，在高性能四旋翼模拟器中进行了评估。

• 资产保护率 (APR)：
  • 链路健康 (S1)： ADMOS 实现了 92.5% 的 APR，而基准共识算法为 78.4%。
  • 全量干扰 (S2)： ADMOS 维持了 84.0% 的 APR，而基准算法崩溃至 42.0%。
  • 数值劣势 (S3, 3:1 入侵者比例)： ADMOS 达到了 78.0%，而基准算法为 45.0%。
• 退化剖面： 基准算法在丢包率接近 40% 时表现出剧烈的“性能悬崖”。ADMOS 则在全量程（0% 到 100% 丢包率）内表现出单调、平缓的下降，从 92.5% 降至 84%。
• 安全性： 在所有试验中，ADMOS 的记录均为零安全违规（碰撞）。当存在干扰时，基准算法发生了安全违规。
• 消融研究： 移除任何单一组件（CI、驻留时间或 HOCBF）都会导致显著的性能下降或安全失效，证实了每个元素都是必要的。
• 计算成本： 完整流水线在 10 Hz 控制速率下每智能体执行时间低于 1 ms，完全符合实时预算。

意义与主张
论文声称，防御性集群的韧性并非通过在恶劣条件下强迫智能体达成更强的共识来实现，而是通过在无法达成共识时允许它们进行自主且智能的行为来实现。

• 架构转变： 其贡献在于架构层面和证书层面，而非战术层面。只要估计、监督和安全层保持不变，具体的警戒或拦截律可以在不破坏稳定性证明的前提下进行更换。
• 平滑退化 vs 灾难性崩溃： 主要意义在于实现了从“灾难性崩溃”（在共识基准中观察到）到“平滑退化”的转变。对手可以降低 ADMOS 集群的性能，但无法通过跨越临界干扰阈值来诱发其突然、彻底的协调丧失。
• 范围： 作者明确限定了其主张适用于定义的威胁模型（无线电干扰导致丢包，不存在消息伪造或拜占庭智能体）。他们承认目前结果基于模拟，且双积分器抽象相对于真实的四旋翼动力学存在有界的扰动间隙。

总之，ADMOS 证明了即使在完全通信受阻的情况下，通过将估计一致性、模式仲裁和安全约束解耦在统一的稳定性框架下，防御性集群仍能维持可靠的资产保护水平。