有人/無人機協同空戰任務規劃技術

趙 拓，張先劍，黃 健

（1.國防科技大學智能科學學院，長沙 410003；2.解放軍63850部隊，吉林 白城 137000）

0 引言

空戰是現代戰爭中奪取制空權的一種重要作戰形式，對局部戰爭的走向具有重要影響。自1911年意土戰爭中首次出現空中偵察力量開始，空戰已經走過了近百年的歷史，美軍近年來提出了空中“分布式作戰”概念［1-2］，即尋求空中作戰能力由單一平臺向多類型平臺進行卸載，由多種作戰平臺聯合組成空中作戰體系，這是信息化作戰條件下的一次大膽的嘗試。近年來，無人機在各個領域得到了廣泛的應用［3-4］，特別是隨著人工智能技術和模塊化架構的深度融合［5-7］，其自主能力不斷增強，若將其作為有人機的僚機，協同配合進行空中作戰，符合“分布式作戰”的發展趨勢，將使無人機發揮更大的作戰效能。

作戰任務規劃是指在實際作戰的過程中，根據指揮員下達的作戰意圖，基于多維度可信情報，在充分分析戰場態勢的基礎上，對所有參戰單元的工作狀態和使用方法進行規劃和部署［8-9］。傳統的作戰任務規劃理論包括整數規劃模型［10］、容差分配模型［11］、匈牙利模型［12-13］、平衡優化模型等［14］。隨著深度強化學習、大數據挖掘等智能化決策算法的不斷發展，作戰任務規劃也在朝著智能化的方向發展。有人/無人協同空戰，作為一種新興的作戰概念［15］，其具備的低成本、高效費比和實時互操作性，支持并行實施多種空中作戰行動，同時符合作戰向無人化演進的趨勢，具有一定的發展前景，相關的研究工作正在廣泛進行。

1 現代空戰任務規劃技術研究現狀

隨著信息化程度的不斷提高，現代化戰爭中的空中作戰逐漸成為研究的熱點，國內外主要將空戰按照攻擊距離分為超視距空戰和視距內空戰［16-17］，超視距空戰由于交戰雙方距離遠、戰機部署分散，因此，有較為充足的時間實施任務預先規劃，視距內空戰較為激烈，博弈性強，需要編隊快速進行在線決策規劃，各階段的決策任務如圖1 所示。此空戰任務規劃技術主要分為基于數據驅動的離線規劃技術和基于任務的在線規劃技術。

圖1 空戰各階段決策任務Fig.1 Decision-making missions in each stage of air combat

1.1 基于數據驅動的離線規劃技術

在空戰前規劃階段，國內學者主要圍繞空戰目標意圖識別、空戰目標威脅評估等方面，開展了廣泛的研究工作。

空中目標的作戰意圖包括攻擊、突防、防御、偵察、佯攻、電子干擾和空中支援等［18-19］，但是隨著現代化戰爭中信息化程度不斷提高，單純依靠人工進行戰爭意圖識別的效率越來越低，因此，在實際空戰前，需要依靠已有的認知模型，依托智能化的分析方法，對目標戰術意圖進行預測，常見的空中目標戰術意圖離線識別流程如圖2 所示。ZHEN Y 等提出了一種基于級聯支持向量機的超視距空戰目標戰術意圖在線分層識別方法，提升了目標戰術意圖多維在線識別能力［20］。實際空戰中，在任務規劃的意圖識別階段需要處理的時敏性信息較多，TENG F 等運用深度學習的方法，提高了空中目標戰術意圖識別的準確性［21］。但是大部分研究在識別敵方作戰意圖時，往往僅限于單機的作戰活動，規劃的預測模型在多機空戰環境中性能往往不夠理想，部分學者通過求解決策樹模型［22］、零和博弈模型［23］等數學問題的方法，計算得到了任務規劃的最優解，進一步提高了多機任務規劃的快速性和有效性。

圖2 空中目標戰術意圖離線識別流程Fig.2 Off-line identification process of air target tactical intention

目標威脅評估技術能夠在任務規劃初期依據威脅程度對目標進行排序，能夠為指揮員提供實時輔助決策［24］，但是不同的作戰環境需要的評估方法不同，空戰場由于缺乏實戰數據，所選評估指標的科學性難以驗證。在評估指標的選擇方法上，CAO Y等提出了一種運用線性判別分析（LDA）對評估指標進行分類，利用改進的螢火蟲算法對模型進行求解，威脅評估效果比較顯著［25］，但是其選擇的指標以外部環境因素為主，忽略了飛行員這一環節在空戰態勢評估中的主體地位，奚之飛等提出一種基于前景理論的威脅評估方法，考慮了飛行員在復雜態勢決策時，可能采取的不同態度，為空戰目標威脅評估提供了新的研究思路［26］。

為了適應現代戰場態勢的復雜變化，融合認知行為的機器學習算法也被廣泛應用于空戰任務規劃中，圖3 為引入深度強化學習的空戰任務規劃模型。JIN W H 等依托深度強化學習，在雙機空戰模型中，實現了編隊的機動避障和協同對抗［29］。但是對抗雙方的飛機編隊規模依然較小，YUE L 等基于幾何態勢建立了空戰目標分配模型，得到局部最優的分配結果［30］。BARIS B 等將編隊可能受到的威脅作為輸入的關鍵因素，運用強化學習的方法進行空戰任務規劃，以期獲得最大化飛機生存能力的最優策略［31］，為空戰任務規劃研究提供了參考。

圖3 深度強化學習框架下的空戰規劃模型Fig.3 Air combat planning model based on deep reinforcement learning framework

1.2 基于任務的在線規劃技術

視距內空戰由于對抗性強、策略更新速度快，在作戰過程中更多依靠指揮員的臨機反應和智能算法，完成飛機編隊的在線任務規劃。因此，博弈策略和智能輔助算法在動態任務規劃中發揮了重要作用。

基于博弈論的空戰任務規劃理論包括對抗支付博弈模型、進化博弈模型、微分博弈模型等［32-35］，雖然基于博弈論的空戰任務規劃模型具有靈活的自組織性、多智能體交互協同性和良好的動態性，但是由于現代空戰電磁環境復雜、態勢信息動態更迭加快、博弈雙方的策略庫不斷優化，空戰任務規劃呈現出模糊性、動態性和復雜性的特點。余亞翔提出了一種基于不透明信息的空戰動態態勢威脅評估模型［36］，有效地解決了在數據稀缺環境下的目標威脅評估問題，LI S Y 等提出了一種約束策略博弈模型，有效解決時效性信息對決策結果的影響［37］。文獻［18］依托決策樹技術，從不確定和不完整的先驗知識中提取規則，以適應復雜變化的空戰環境，也取得了不錯的效果。

由于傳統智能優化算法依賴簡單、靜態、低維場景、可擴展性差的缺點，以編隊飛機自主決策為核心的“人工智能+空戰”的作戰模式，逐漸成為當前研究的新方向，YUE L F 等針對超視距空戰中的作戰態勢未知的問題，引入PPO 算法，提高了空戰任務規劃性能［38］。JI W W 等提出了一種ASM 上的任務規劃算法，有效地縮短了編隊的暴露時間，提高了編隊的生存能力［39］。LEI S Z 等依托深度強化學習的方法，解決了空戰環境中飛機快速移動、突破云層遮擋等問題，能夠在復雜環境中快速的檢測并跟蹤目標飛機，開展實時任務規劃，顯著提高了短程空戰的勝率［40］。

2 有人/無人機協同空戰任務規劃技術

有人/ 無人機協同空戰高級概念圖如圖4 所示，其任務規劃即由有人機作為指揮機，進行空戰態勢分析和任務規劃，并通過集中式的通信技術進行任務分發，同時無人機具備一定的自主決策能力，能夠依靠智能算法，根據戰場態勢的變化作出戰術調整。這種作戰模式突破了無人機在自適應控制中處理特殊戰場環境的局限性，重新確立了有人單元在協同空戰控制回路中的決定性作用，同時還能夠充分利用飛行員的經驗知識，更合理地使用和分配無人作戰力量，同時降低有人機和無人機的受損概率，發揮異構無人平臺作戰的巨大優勢。

圖4 有人/無人機協同高級作戰概念圖Fig.4 Concept map of manned/unmanned aerial vehicle cooperative advanced operations

有人/無人機協同任務規劃建模方法包括復雜網絡建模［41-42］、DODAF 建模［43］以及基于UAV 自治級別的建模［44］等，本文依托有人/無人機協同空戰的“OODA”環，即協同任務受領、協同態勢感知、協同任務分配、協同路徑規劃等環節，對各個作戰階段中運用的異構平臺協同任務規劃技術進行論述，有人/無人機協同空戰過程如下頁圖5 所示。

圖5 有人/無人機協同空戰過程Fig.5 Manned/unmanned aerial vehicle coordination air combat process

2.1 有人/無人機協同任務受領

任務受領主要是指編隊指揮機構了解上級決心和任務概況，并按照指揮權限逐級受領編隊任務，有人/無人機編隊在任務受領過程中涉及指揮機構的臨機調整，調整過程如圖6 所示。

圖6 有人/無人機編隊指揮關系變化圖Fig.6 Command relationship change diagram of anned/unmanned aerial vehicle formation

2.2 有人/無人機協同態勢感知技術

在目標偵察方面，有人/無人機協同偵察任務編隊可以采用的偵察方式有：后方信息直傳式協同、有效控制的載荷配合式協同，兩者的主要區別在于偵察過程中無人機指揮權的歸屬不同。

后方信息直傳式協同主要由地面控制站負責無人機的機動操作，無人機首先進入偵察地域，進行多源目標信息的偵察、探測以及圖像預處理，并實時將偵察的目標信息回傳至有人機單元，有人機匯總、評估態勢信息后，上報至指揮所或與地面控制站協調下一步行動，該協同方式主要用于大范圍區域偵察。

有效控制的載荷配合式協同，主要由有人機和地面控制站共同行使指揮權，這種協同方式具備快速高效的定點偵察能力，有人機可以借助通信系統，控制無人機的偵察載荷，根據實時態勢信息和任務需要，指揮無人機對重點區域實施定點偵察，一定程度上提升了有人/無人機編隊的互操作性。與此同時，在復雜電磁環境下，互操作性的提升也對任務編隊的通信水平提出了更高的要求。

在目標分析與威脅評估方面，有人機和無人機協同決策也展現出了獨特的優勢。無人機能夠第一時間掌握戰場偵察信息，可以完成自身狀態信息、戰場環境信息和目標性能信息等多源信息的快速聚合，并基于以往的知識經驗進行自主決策推理。有人機在接收到無人機威脅評估結果后，借助智能決策輔助系統，對評估結果進行校正完善，并回傳評估信息，實現對無人機自主決策的監督控制［45］，其評估過程如圖7 所示?；诖?，YAO K 等針對多機協同作戰中的多目標分配問題，提出了協作優先級的分配模型以及優先級計算方法，完成了對靜態目標的快速分配［46］，WEI H L 等對超視距空戰中多對多的作戰場景進行了研究，基于武器交戰區約束建立了多機協同占領模型，通過改進粒子群優化算法，得到了局部規劃最優解，驗證了其在多機協同空戰任務規劃中的可行性［47］。

圖7 有人/無人機協同態勢評估流程Fig.7 Coordination situation assessment process of manned/unmanned aerial vehicle

2.3 有人/無人機協同目標分配技術

有人/無人機協同目標分配方法主要分為集中式任務分配方法和分布式任務分配方法。圖8 中列舉了部分有人/無人機編隊任務分配方法［48］，其中，集中式協同任務分配算法以啟發式算法為主，包括遺傳算法、蟻群算法等；分布式的分配算法包括拍賣算法、合同網協議和多智能體理論等，相關技術已經應用于有人/無人的空戰目標分配。

圖8 有人/無人機編隊任務分配方法Fig.8 Mission allocation method of manned/unmanned aerial vehicle formation

圖9 編隊協同路徑規劃要求Fig.9 Path planning requirements for coordination formation

圖10 美軍“忠誠僚機”項目概況Fig.10 Overview of“Loyal Wingman”project of US military

圖11 任務規劃云系統概念圖Fig.11 Concept map of mission planning cloud system

集中式的任務分配主要用于處理靜態目標的離線分配，往往能夠依靠算法取得全局最優解，但是在處理時序目標問題上，傳統算法往往存在局部沖突不易消解的問題。YU J C 等在多機任務分配中加入了時序約束模型，提出了一種基于對立的學習參數調整和聲搜索算法，對于多約束異構UAV 協同任務規劃十分有效［49］。XIE Y P 等針對海上目標協同作戰的時序性要求高的問題，提出了基于航路檢測的有人/無人機任務規劃策略，滿足了有人/無人編隊在空間上的協同攻擊要求［50］。

分布式的任務分配將目標的動態性作為重要約束，能夠實現任務的在線分配，雖然不能保證一定取得全局最優解，但大幅提升了分配效率，能夠在空戰中取得先敵戰機，比較符合當前的空戰實際。拍賣算法、共識算法等得到了廣泛的應用，但是深度強化學習技術運用較晚，在模型重用性方面還存在一定的局限性，LI Y 等將深度強化學習應用于編隊在線任務規劃，通過改進DDPG 算法，使有人/無人機編隊通過自學習提高智能決策程度［51］，為機器學習算法應用于在線任務規劃提供了重要參考。

2.4 有人/無人機協同路徑規劃技術

由于空戰場的特殊性，有人/無人機編隊的生存空間大大縮減，對編隊協同路徑規劃的快速性、高效性和互操作性提出了更高的要求。

快速性即編隊要能夠實時地進行路徑規劃，規避戰場上出現的動態障礙區域。李樾等改進了傳統的速度障礙法，將協同系統避障的通行法則引入了避障模型，確保了有人機能夠快速獲得絕對通行權［52］。

為了簡化編隊指揮員的指揮流程，提高指揮效率。吳立堯等設計了一種有人/無人機編隊控制系統，用于實時變換編隊的隊形策略［53］，有效減輕了指揮員臨機調控的壓力?？拙S仁等設計了參數共享Q 網絡的算法，提高了學習效率，簡化了指揮流程，能夠向實際空戰環境進行遷移［54］。為了更貼近于實戰環境，李樾等提出了基于凸優化理論的多機航跡規劃算法，使有人/無人機編隊快速到達任務區域，提高了指揮效率［55］。

為了進一步提高編隊內部的互操作性，開發高效、有序的任務規劃平臺，胡嘉悅等在傳統的綜合飛機管理系統（IVMS）的基礎上，進行了有人/無人機遠程協同作戰IVMS 的邏輯和軟件架構設計，實現了長航時條件下的飛行編隊數據交互和任務規劃，符合實際的作戰需求［56］。王新堯等針對有人/無人機編隊集中式、分布式和集散式3 種架構模式中的決策系統存在的問題，設計了多機編隊協同作戰決策架構系統，將指揮員經驗知識與有人/無人機的輔助決策系統進行融合，提高了有人/無人機編隊協同系統的魯棒性［57］。

3 有人/無人機協同規劃應用現狀與未來展望

隨著有人/ 無人協同任務規劃技術的快速發展，各國紛紛致力于該技術向戰斗力生成的轉化，加緊開展有人/無人機編隊樣機測試和戰術戰法演練，并將該技術逐步推向空戰戰場。

3.1 有人/無人機協同規劃技術應用現狀

美軍正在推進“忠誠僚機”項目［58］，該項目旨在將四代機改裝成無人機，與五代機配成一個編隊，充分發揮各自優勢，增強編隊在信息化空戰中的殺傷能力。2017 年，該項目階段性地驗證了編隊自主任務規劃能力。在對地攻擊的過程中，無人機成功根據有人機的指令，自主優化攻擊任務。下一步該項目將研究無人機僚機如何在高對抗環境中與有人機協同作戰。

為了擺脫對美國的技術依賴，法國、德國、西班牙等國家于2018 年起開始推進“未來空中作戰系統”項目，旨在以下一代空中有人機為核心，通過云系統，建立有人機與無人機之間的聯系，以有人/無人協同的方式執行空中作戰、巡邏偵察、壓制干擾和對地突擊等任務［59］，編隊協同規劃有兩個突出的特點，一是將“作戰云”概念由理論推向實戰，并在其協同規劃過程中發揮聚集信息、實時通信協調、資源整合與分配等作用，在確保編隊任務規劃精準高效的前提下，充分發揮有人機的指揮控制能力，進一步優化了戰場資源配置。二是無人機的釋放載荷由地面向空中轉移，由A400M 運輸機攜帶無人機進入作戰區域，進一步提升了有人/無人機編隊的遠程打擊能力，為其遂行多元化的戰爭任務創造了條件。

俄羅斯也進行了有人/無人機協同作戰技術的探索，其作戰編隊主要由新一代隱身無人機S-70“獵人”和第五代戰斗機蘇57 組成，在飛機性能方面S-70“獵人”無人機為噴氣式飛機，其機動性能和有人機幾乎無差，控制系統體現出高度的自動化，這也為其與有人機協同配合奠定了基礎，2019 年，該有人/無人系統編隊首次進行了聯合飛行試驗，測試了有人機的任務規劃和編隊的信息交互能力，取得了初步成效。

3.2 有人/無人機協同規劃作戰模式創新

有人/ 無人機協同規劃技術的初步測試和應用，不僅積累了無人單元參與作戰的寶貴經驗，并且為未來空戰模式的革新演變奠定了基礎，主要表現在以下兩個方面。

1）無人機成為未來空戰的關鍵因素，進一步提高了有人單元的戰場生存概率，空中作戰開始邁向“非接觸、零傷亡”時代。一方面，以有人機為主導的空戰中，有人機需要獨自完成諸如協同突防、超視距空中打擊、視距內狗斗等一系列復雜任務，這導致其長時間暴露在諸如防空導彈、空空導彈、高射炮等諸多威脅之下，生存受到極大的威脅，若引入無人機作為僚機，將使這一情況發生逆轉。首先，有人機可以將解除防空威脅、戰術佯攻、誘騙干擾等高危戰術任務分配至無人單元執行，自身更多地承擔臨機調控和戰術補位的角色，在保證其戰術地位的前提下，使其避免直接面對威脅，從而使編隊能夠獲得一定的態勢優勢。另一方面，由于飛行員固有的生理極限，其在長時間、高強度的作戰環境下，需要同時兼顧戰術選擇、飛行駕駛、指令收發等多種并發任務，不可避免地會承擔額外的生存風險。而在有人/無人機協同作戰模式下，無人機由于沒有飛行員，其可以在空中長時間執行任務，特別是其機動時不必考慮飛行員的過載承受能力，可以使其不施放干擾，僅利用機動動作就能夠擺脫導彈追擊，與有人機相比，生存能力大大增加。

2）戰術選擇更加豐富，可執行任務更加多樣?，F階段僅有人機參與的空中作戰行動，暴露出了部分戰術選擇短板，例如受制于有人機雷達反射面積大、紅外特征明顯等裝備性能方面的劣勢，其在執行諸如“斬首”等隱蔽突襲任務時，極易暴露，任務執行效率較低；受制于飛行員的駕駛技巧和生理能力等因素的限制，有人機對飛行空間的要求較高，因此，不利于執行大規模的集群作戰。而采用有人/無人機協同作戰的模式，將極大地豐富空戰的戰術選擇，首先，無人機具備的“低、慢、小”的特點，適合執行隱蔽突襲類行動，達到一擊斃敵的作戰效果，其次，程控無人機的飛行空間占有率低，便于執行大規模蜂群戰術，能夠極大地提升突防概率，此外，由有人/無人機協同完成作戰行動，也符合未來空中“分布式作戰”的發展趨勢，即空戰開始前，大量無人機不進行離線任務規劃，直接密集部署至作戰區域，有人機實時快速整合多域信息情報，實施動態任務規劃。有人機沒有固定的僚機，而是根據實際作戰需要，調度區域內部分無人機參與任務規劃，建立具有時效性的指揮關系，任務結束后，交還無人機控制權，以便其他單元實施二次任務規劃，該戰術戰法已經初現“馬賽克戰”的雛形，也會促進有人/無人機協同作戰模式的創新。

3.3 有人/無人機協同任務規劃存在的不足

目前，有人/無人機協同作戰任務規劃技術發展迅速，但在規劃有效性評價、實戰數據獲取以及作戰應用方面依然存在較多問題。

在規劃有效性評價方面，傳統的有人/無人協同作戰沒有建立統一的模型有效性評價標準，過分依賴于專家知識庫，且還原專家知識庫模型的程度不夠高，通過模型驗證的任務規劃算法難以實現向實戰裝備的快速遷移，缺乏適用的模型有效性驗證手段。同時，智能算法依賴程度過高，由于敵方會采用誘騙、佯攻、突襲等多種進攻方式，智能算法不能夠完全代替指揮員，獨立進行態勢評估和實時任務規劃，因此，平臺必須為有人機提供必要的戰術指揮接口，方便指揮員對規劃進行實時干預，取得戰術先機。

在建模數據方面，有人/無人機協同作戰建模過分依賴于實際裝備的性能指標，缺乏實際作戰數據。部分研究將強化學習的算法引入到模型數據的獲取過程中，但由于還原作戰環境的難度較大，難以獲取全部的馬爾可夫決策約束條件，盡管如此，強化學習技術仍然能夠為有人/無人機協同作戰建模提供重要支撐。首先，其解決了傳統規劃方法應用于協同作戰時面臨的無模型動態規劃問題，以往研究有人/無人機協同規劃時，建模環境為靜態環境，決策動作不會影響環境，實際空戰中的環境會隨著對手策略的變化而變化，此時傳統的規劃決策則失去了意義，其次，有人/無人機協同規劃模型中已知的環境是少數，大多數環境是無法精確建模的，此時用于動態決策的強化學習就具有了一定的優勢，其通過與環境的不斷交互，最終得到相對較優的策略，其建模難度較低，數據的普適性也更好。

在作戰應用方面，現有研究均以有人機和無人機相同空域作戰為背景，由于戰場電磁環境變化、敵方電子干擾設備的使用以及其他非戰斗因素的干擾，有人/無人機編隊內部不能始終保持全局的實時通信，一旦部分無人機脫離長機控制，會對編隊構成威脅。同時，當把協同的作戰單元從有人駕駛的戰斗機替換為無人機時，由于缺乏有人/無人機同空域實飛經驗，這種作戰規劃模式對飛行員的心理素質也是極大的考驗。

3.4 有人/無人機協同任務規劃技術展望

有人/無人機協同任務規劃技術重點在于基于數據的離線規劃，難點在于基于任務的在線規劃，關鍵在于編隊內部高效的協同規劃。未來該技術可能在以下3 個方面會有所突破。

1）引入融合認知行為的強化學習模型實施預先規劃。受到計算機能力以及空戰數據匱乏的影響，單純地依靠專家知識或機器學習實施離線任務規劃存在一定的局限性。因此，在未來有人/無人機協同編隊的作戰形態，將經歷從“有人機主導的集中式任務規劃”到“有人機與無人機共同參與的集散式任務規劃”，再到“無人機主導的融合人的認知行為的分布式任務規劃”，有人/無人機的預先規劃算法，很有可能是知識和數據的高度融合。一方面，根據以往有限的實際空戰經驗，建立細粒度的策略庫，充分運用先驗知識，促進強化學習模型的快速啟動，節省大量的計算機算力成本和時間成本；另一方面，融合認知行為的強化學習模型，能夠快速建立模型輸出與策略庫輸入之間的聯系，探索未曾使用過的有人/無人機協同空戰戰法，加快作戰模式的創新運用。

2）群體智能將為動態任務規劃提供新動能。雖然以機器學習為主導的離線任務規劃能夠利用豐富的策略庫，實現有人/無人機編隊的高效規劃，但是如同李世石“神之一手”，采用以往人類很少使用的圍棋策略巧勝AlphaGo 一樣，針對空戰對手的特殊策略，機器學習模型的在線學習能力還有待加強。近年來，以拍賣算法、共識算法、動態蟻群算法等為主在線任務規劃智能算法，在處理空中集群任務規劃中展現出了一定的優勢。有人/無人機協同這一全新的作戰模式，為群體智能的軍事化應用提供了新平臺，將成為有人機輔助決策系統的完美補充。群體智能算法能夠為指揮決策提供大量的人機交互接口，實時接入指揮員的在線決策，有效應對高維度指揮決策的挑戰。

3）高互操作性的一體編組式協同將成為主流。隨著無人僚機智能化程度的提升，其攜帶的武器載荷更加豐富。無人僚機加裝簡易指揮控制系統，使其具備一定的態勢標定和任務規劃能力，編隊成員之間能夠共享、訂閱和查詢實時態勢信息，進一步提升有人機和無人機之間的互操作性。在編隊協同中，根據任務特點，有人機可以向無人機轉移部分指揮權，完成分布式動態規劃。

4 結論

本文主要針對有人/無人協同空戰問題，研究了基于數據的離線任務規劃技術和基于任務的在線規劃技術，從協同任務受領、協同態勢感知、協同任務分配和協同路徑規劃4 個方面，對有人/無人機協同空戰任務規劃技術進行了論述，并結合實際應用，提出該技術目前還存在的3 點不足之處，對該技術的發展進行了展望，為研究有人/無人協同控制問題提供了借鑒參考。