集群是一种仿生学概念，从自然界中的自发组织如鸟群、鱼群[1]、蚁群[2]和狼群[3]等集群中获取灵感。集群不是传统人工智能中的模仿个体结构，而是对群体结构和交互方式的模仿。在集群中，个体视为具有简单和单一功能的智能体，而某些个体具备自我进化的能力，以实现更好的兼容性，为集群行为奠定基础。 在过去的20年里，随着无人车技术的迅猛发展，多辆无人车之间可以通过无线通信或车载传感器感知的方式进行信息交流和行动协同，从而形成多种形式的多无人车联合运用，展现出比单车更强大的能力，实现更多的功能。这种系统被称为无人车集群系统或多无人车系统[4]。 无人车集群运用是智能无人领域未来发展的主要方向，原因如下： 一是技术的快速发展为无人车集群运用提供了基础支持。通信技术，特别是高性能的自组网通信技术，保证了集群系统之间可靠的信息交互。芯片和软件技术的进步提升了无人车的环境感知和认知能力，使其更适应复杂的集群协同要求。大型模型(如chatGPT)的应用提高了人工智能(Artificial Intelligence, AI)的推理决策能力，满足了战场快速集群协同的需求。 二是无人车成本的快速下降使得大规模集群运用在经济上成为可能。随着自动化控制技术的成熟和完善，无人车的制造、装配、维护保养以及机器学习算法的开发维护等成本逐渐降低。尤其是近年来机器学习技术的进步，有效地降低了人工参与的成本。 此外，追求战场人员零伤亡是推动无人车集群运用的重要动力。未来战争可能面临高强度的军事行动，因此保障人员生命安全成为重要目标。无人车集群的应用可以实现军事任务的自动化和智能化，降低对人员的依赖性和风险。例如，无人车集群可以自主完成侦察、探测、攻击等任务，为士兵提供更安全的环境，避免不必要的人员伤亡。另外，无人车集群还可以提供精确的军事物流支持，包括弹药和补给物资的运输以及伤员的运送等。 目前无人车集群系统研究领域异常活跃。从仿生角度研究集群系统组织形式[5]，从鲁棒高效通信角度研究集群中车间信息交互方式[6]，从车车关系角度研究集群系统架构特点[7]等等，均进行了深入研究。另外联合制图、协同搜索[8]、协同任务分配、协同路径规划、协同控制[9]等多个研究方向也进展明显。 无人车集群在国防军事上应用非常广泛。主要应用场景包括监视[10]、搜索和探索[11]、协同侦察[12]、环境监测[13]、协同操控[14]、协同围捕等等。 在监视及侦察任务过程中，通过搭载各种传感设备(红外相机、雷达等)，无人车集群可实现对目标区域高精度、高分辨率的观测；另外，无人车集群与其他军事技术(无人机、卫星等)相配合，实现对目标区域的全面覆盖和多角度观测。在环境监测任务中，无人车集群能够监控和分析目标区域的环境因素(大气环境、水质环境、地质环境等)，并可在复杂和危险环境中执行任务，提高军事情报获取的时效性和准确性。协同操控是无人车集群通过网络连接实现对系统中各无人车的实时监控和控制，包括无人车的动作、角度、速度等实时状态调整，确保无人车协同运行。协同操控是无人车集群完成各种任务的基础。 协同围捕是搜索、侦察、操控等应用的集成，旨在通过各无人车协同实现对目标的围捕和控制。协同围捕通过先进的自主控制技术，对集群中各无人车的状态进行实时监测及控制；通过搭载的各传感设备，无人车对目标进行侦察及监视，确定目标的位置和行动路线，实现对目标的追踪和围堵。协同围捕的具体应用包括打击、拦截敌方战术车辆和零散人员等，可以显著提高军事作战的效率和准确性，减少人员伤亡，大幅度提升安全性能。 本文从无人车集群的架构入手，重点讨论围捕过程中的策略机理以及所采用的方法策略，总结现阶段围捕所面临的挑战及发展方向。