在无人机集群作战快速迭代的当下，集群作业模式的革新，是推动战场效能升级的重要方向。纵观行业发展历程，无人机集群作业体系整体历经遥控人工操控、程控预设执行、全维度自主智能三个核心阶段。目前行业多数方案仍局限在前两个阶段，全维度自主智能仍是行业攻关重点。

面向这一目标，北京卓翼智能科技有限公司（以下简称 “卓翼智能”）以成为“中国的Anduril” 为发展愿景，坚持核心技术自主可控，自研天枢OS，并致力于将其打造为 “国产Lattice OS”。基于自主创新技术体系，卓翼智能着力推动无人集群从“程控作业”向“自主作业”跨越，突破传统人工操控、固定程序作业的性能瓶颈，搭建起具备自主感知、自主决策、自主协同、自主自愈能力的新一代无人集群作业系统。下文将结合行业演进规律与技术痛点，系统拆解天枢OS的集群自主作业能力与核心技术逻辑。

01、从“遥控”到“程控”，集群作业为何走到了瓶颈

无人机集群的价值，早已被现代战场反复验证：数量上的优势、空间上的覆盖、单机损毁后的冗余接替，让集群比单机更能扛得住高强度、强对抗的任务。但一个容易被忽视的事实是——集群的作战效能，从来不由“飞机的数量”决定，而由“作业的方式”决定。

回顾无人机集群的作业方式，大致经历了三级演进：

第一级，遥控作业。 一名飞手通过机载摄像头回传的第一视角画面，操控一架无人机飞行。这是最原始的作业形态：人在环路的最深处，飞机的一举一动都由人来驱动。它的天花板是显而易见的——一个人同一时间只能精细地控一架，注意力、续航、反应速度，都卡在操作人员的能力上。

第二级，地面站程控作业。 地面站（指控站）统一规划航线、下发任务指令，多架无人机按照预定的航线和预案协同飞行。集群的“形”有了，多机协同的雏形出现了，但“魂”仍悬在半空：决策核心依然是人，地面站只是把人的意图翻译成了指令。目标在哪、谁去追、追丢了怎么办，这些关键判断仍要人来拍板。

第三级，自主作业。 集群自己感知态势、自己搜索目标、自己分工、自己跟踪、丢失后自己恢复——人从决策核心退到监督位置，只做授权与兜底。

这条从“遥控”到“自主”的演进路径，并非天枢OS的独家判断。国际上，美国安杜里尔公司（Anduril）的Lattice平台同样把方向锚定在自主作业，并将其凝练为一句话——从“多人操作一个系统”走向“一名操作员指挥一群系统”。天枢OS走的正是同一条路：对标Lattice这样的国际前沿平台，为国产无人集群打造一个自主可控的集群作业底座。

三级演进背后，是一条清晰的脉络：前两级作业方式，都卡在“人”这个瓶颈上。 而要看清这个瓶颈，得先看清单机作业难以逾越的边界，再看清集群协同的真实难点。

单机作业，有其难以逾越的边界

单架无人机在战场上，有一些难点是它自身难以逾越的。这不是性能强弱的问题，而是单机这一形态本身带来的边界。

视野与覆盖的边界。 机载光电载荷的瞬时视野有限，面对大面积的搜索区域，单机只能逐片扫视，在速度与遗漏之间艰难取舍。而战场上的高价值目标往往是时敏的：一辆机动发射车从展开、发射到转移隐蔽，可能只有短短几分钟。以单机的搜索节奏去捕捉这样的目标，时间窗口转瞬即逝——这是单机靠自身难以改变的客观限制。

生存与接替的边界。单机一旦被击毁、失联或故障，任务随即终止，没有冗余可以接替。在对抗环境下，这种“单点失效即全局失效”的脆弱性，是单机形态无法靠自身解决的。

人在环路的边界。遥控作业下，从飞手看到画面、做出判断，到操控飞机响应，存在以秒计的延迟；通信一旦被干扰压制，遥控链路一断，飞机便失去控制。操作人员的上限跟链路的上限，共同构成了单机遥控作业难以逾越的天花板。

集群作业，难点在于“协同”

集群的出现，解决了单机的视野与冗余问题，却带来了更棘手的协同难题。当前多数集群方案，恰恰卡在这三个难点上。

难点一：搜索如何协同？ 让多架飞机同时搜，立刻面对"谁搜哪块、搜完去哪、怎么不重复不遗漏"的问题。若只是把任务区机械地均分给各机，各机按照各自的航线飞行，一旦中途有新发现，既无法动态调整，也难以兜底。集群的优势，会在各自为战中消失殆尽。

难点二：搜索、分配、跟踪如何衔接？ 传统方案把目标搜索、任务分配、目标跟踪当成三个分离的环节：先搜，搜到后靠人工或离线计算分配，分配完再手动切换跟踪。环节之间存在明显的时间差与信息差——目标一旦机动、变速，集群就很容易陷入"发现目标却迟迟没人接管"的空窗，甚至出现多机抢同一目标、或谁都不管的混乱。

难点三：目标丢失后如何自愈？ 在真实战场上，目标丢失是常态而非意外：一辆车拐进桥洞、一个目标钻进遮蔽、一片烟尘挡住视线。传统方案下，目标一旦跟丢，任务往往就此中断，需要操作员重新观察、重新指派——在最需要自主的时刻，控制权又交还给了人。

这三点共同指向同一个结论：无人机集群要真正发挥效能，必须从“被人控”走向“自主作业”——自主搜索、自主分工、自主跟踪、自动恢复，形成一条完整的闭环。

而实现这条闭环，靠的不是某个孤立的算法，而是一套能把这些能力组织起来、稳定运转的系统底座——天枢OS。

下面，我们沿着“目标搜索、任务分配、目标跟踪”三个功能，以及把它们串成一体的“行为树”，来看天枢OS如何让集群真正走向自主作业。

02、搜索：集群如何“铺开一张网”

作为集群自主作战的首个核心环节，搜索能力直接决定战场态势感知的全面性与时效性。针对传统单机搜索效率低、灵活性差、易遗漏目标的短板，天枢OS重构集群搜索逻辑，实现从单机被动扫图到集群主动组网搜索的跨越式升级。

从“单机扫图”到“集群铺网”

集群自主作业的第一步，是“看见”——在广袤的战区内高效地找到时敏目标。这一步是整条闭环的起点：搜得慢，后面的一切都被拖慢；搜得漏，后续的分配与跟踪便无从谈起。

单机的搜索，本质是一种“扫图”：沿着预设路径，把视野覆盖到任务区，像扫地一样把地面过一遍。这在区域小、时间充裕时够用，但面对大范围、强时效的战场搜索，就暴露两个问题：一是慢，单机视野有限，覆盖同样的区域需要更多时间；二是僵，固定航线无法根据中途的新发现动态调整。

天枢OS的做法，是把“单机扫图”升级为“集群铺网”。这里的“网”，不是把任务区平均分给几架飞机，而是让整个集群以任务区的“信息量”为坐标协同行动：哪里还没看过、哪里最可能藏着目标、哪里已经搜过不必再回，集群对这一切保持实时共识，让每一架飞机都朝“当前最值得看的地方”飞。

动态布网，全局协同

要让集群铺出高效、无遗漏的网，关键在“动态”二字。

天枢OS的搜索，不让无人机按固定航线飞，而是让每架无人机边飞边算“未来几步的最优路线”：持续评估接下来往哪飞，才能既覆盖信息量最大的区域，又不与队友重复、不闯入禁飞区、不把能量浪费在已搜之处。

这很像多支侦察小队分头搜一片陌生战场——不是各自蒙头乱转，而是每支小队始终盯着自己视野里最“可疑”的方向，一边搜一边互通“这边查过了、那边还空着”。整片战区于是被从信息最密集处向外，一层层快速铺满。

在这一过程中，集群持续共享各自的位置与发现。这种共享只传递“在哪、搜了什么、发现了什么”这几条精炼状态，把海量原始数据留在本地，让每架飞机对全局态势保持一致认知。“全局一致+局部自主”的结构，让搜索既铺得开，又不会乱。

目标研判，情报赋能

搜索的价值，不止于“看到”，更在于“看明白并交出去”。

当某架无人机发现目标后，天枢OS不会只报一个“这里有东西”，而是立刻记录目标的位置、速度，并自动判断它“动得快不快”——是停在原地，还是缓慢机动，还是高速疾驰。

这个看似简单的判断，是整条闭环的关键伏笔：目标的快慢，直接决定后面要投入多少架飞机去盯它。搜索环节在这里与任务分配完成了一次无声交接——它交出的，是一条条结构化、可直接驱动决策的“情报”。

03、任务分配：谁去追谁，集群自己“商量”

依托搜索环节输出的精准情报，集群需要快速完成目标对接与任务分配。针对传统人工指派延迟高、主观性强、无法适配高速动态战场的短板，天枢OS实现集群自主协同分配，无需人工干预即可完成最优资源调度。

PART 01.从“人指派”到“集群共识”

发现目标之后，下一个问题随之而来：派谁去？派几架？ 这正是任务分配要解决的。

在遥控与程控作业模式下，这一步通常靠人：操作员看着屏幕上的目标，人工决定“这架去追、那架继续搜”。小规模、低速任务尚可应付，一旦目标变多、集群变大、态势变快，人工指派的延迟与主观判断就会成为瓶颈——决策还没做出，目标可能已经跑了。

天枢OS的做法，是让集群自己“商量”出一致结论。它不是由某个中心节点发号施令，而是让各架无人机基于各自掌握的信息独立评估、彼此交换、逐步收敛，最终在全集群范围内达成一个无冲突、一致认同的分工结果。

这种“商量”有个直观的比喻——一场内部拍卖会：面对一个待跟踪的目标，每架飞机会先评估“我离它近不近、赶过去要多久、从我手里换出去代价大不大”，各自在心里出价；集群交换这些报价，经一轮轮比对，最终达成一致——谁代价小、谁合适，谁就上。

PART 02.按需派兵:依目标动态调机量

“商量”的前提，是先知道“这件事需要几架飞机干”。天枢OS的一个核心能力，就是根据目标状态自动决定投入规模。

系统把发现的目标按运动快慢分成不同“难易等级”，并据此给出不同资源配置：静止的目标，一架盯着就够；慢速机动的目标，需要多机协同；高速目标，则要更多飞机一起围住才能盯稳。

背后的逻辑很朴素：目标越难盯，越需要更多眼睛、更多机位去包抄补位。与之匹配的是优先级——目标越快、越重要，在集群内部的权重越高，越能优先获得资源。于是，有限的集群资源被自动引导到最该去的地方，而不是平均摊派、浪费在次要目标上。

PART 03.动态协同，按需“锁定”

分工定下后，天枢OS既不让它变成“一次定死、全程不变”的僵化安排，也不会让集群时刻都在重新分配、来回折腾。

它的策略是事件驱动：只在真正关键的时刻，才触发一次重新商量。什么是关键时刻？新目标出现、已有目标突然变速、某个目标跟丢——这些会改变“谁该追谁、该派几架”的前提的变化发生时，系统才重新分配；而在一切正常的稳态运行中，分工保持稳定，集群把算力与通信资源都留给更重要的飞行与控制。

对高速目标，天枢OS还有一层“锁定”机制：一旦某个编队被分配去跟踪高速目标，系统就锁定这一组合，避免因细微的评估波动就“临阵换人”。因为在战场上，对高速目标任何一次临阵换将，都可能造成短暂脱节，进而导致跟丢。锁定，就是为了在动态对抗里保住稳定性。

04、目标跟踪：一旦锁定，如何“跟得又稳又省”

完成智能任务分配后，精准稳定的持续跟踪，是锁定战场目标、保障作战闭环的核心关键。针对传统被动跟踪滞后性强、易脱靶、适配性差的问题，天枢OS采用预测式自适应跟踪算法，实现动态目标稳锁定、低能耗持续作业。

从“被动跟随”到“预测性跟踪”

分工确定之后，进入跟踪环节——让目标始终“跑不掉、盯得住”。

直觉上，跟踪就是“追着目标飞”。但若只是被动跟随——目标往哪走，飞机就往哪飞——就会陷入“永远慢半拍”的尴尬：目标一转向、一加速，飞机才后知后觉地修正，误差被反复放大。

天枢OS的跟踪走的是另一条路：边飞边预测目标的下一步。它不断根据目标当前的位置与速度，推演它接下来会怎么走，并把这份预测纳入自身飞行决策，提前把偏差压下去。目标还没转弯，飞机已在为转弯做准备；目标刚要加速，飞机已预留了余量。这种"打提前量"的能力，是跟得稳的关键。

因势调策，稳省兼顾

战场是动态的，跟踪策略也不能一成不变。天枢OS在跟踪中引入一种“自适应”调节：根据现场的危险程度，自动调整飞行的激进程度。

当周围障碍密集、目标可能被遮挡、视线条件变差时，系统会倾向更保守的策略——宁可飞得稳一点、多留安全余量，也要保证不丢目标、不碰障碍；当视野开阔、目标稳定时，系统则放松约束，飞得更从容、更省能量。

这种调节像一个经验丰富的老兵：在巷道密集、视线受阻的城市战场，他放慢节奏、提高警惕；到了开阔地带，才恢复正常的推进速度。“越危险越谨慎”，让跟踪在“稳”与“省”之间动态取得平衡，而不是用一个固定参数硬扛所有战场。

多维度闭环精准跟踪

跟踪的最终效果，不只取决于飞机飞到哪里，还取决于“眼睛”有没有一直看着目标。

在天枢OS里，机载云台与无人机协同动作：飞机负责占据有利位置，云台负责始终保持目标处于视野中心。两者配合，目标被持续锁定在画面里，观测质量稳定。

而控制指令的输出，也同时包含位置、速度与航向——位置决定往哪去，速度决定多快跟，航向决定机头朝哪、视野朝哪。三者协同，飞机才既跟得上、又对得准、还看得清。

这里藏着一个分水岭：“跟得上”与“跟得准”之间，隔着完整的闭环控制设计。拿掉这层精细化调节、只做粗放跟随，误差会成倍放大——同样的目标、同样的飞机，结果却可能从“稳稳锁定”变成“反复丢失”。而战场上，丢失一次锁定，往往就意味着目标窗口的永久关闭。

05、行为树：把整条链路“串起来”的调度大脑

搜索、分配、跟踪三大核心能力，构成了集群自主作战的基础单元，但各模块独立运作无法形成完整作战闭环。天枢OS独创行为树调度体系，作为全局核心大脑，实现多模块智能联动、异步事件自适应调度。

为什么需要“总调度”

搜索、分配、跟踪，各有各的能力，也各有各的节奏。但一个残酷的事实是：能力强 ≠ 协同好。

在真实战场里，这三个环节是交织的：搜索中突然发现目标，要立刻切换去分配；分配完成要马上启动跟踪；跟踪中目标丢失，又要退回搜索。这些切换随时可能被打断、被逆转，是典型的异步事件，很难靠按部就班的顺序来执行。

如果靠一套写死的流程来串联，那么每一种意外——目标中途变速、突然丢失、重新出现——都要单独写一条分支，流程会迅速膨胀成一张难以维护、难以验证的蜘蛛网。

天枢OS的答案，是引入一个独立的“总调度”角色，专门负责流程编排——这就是行为树。

行为树：事件驱动，反应式调度

行为树的工作方式，与传统的顺序脚本截然不同。

它不把任务写成“第一步做什么、第二步做什么”的一长串命令，而是把任务拆成一棵由条件与动作组成的树，每一拍都从根节点重新判断：当前哪条分支的触发条件已满足，就让哪条分支执行。

这带来一个关键特性——反应式。系统不需要知道“现在走到第几步了”，它只需不断回答“现在该干什么”。于是，无论是“发现目标了”，还是“目标跟丢了”，这些突发、异步的事件，都会被行为树立刻捕捉，切换到对应分支处理，而不是等待上一个流程走完。

自主任务闭环与目标自愈

在行为树的调度下，整条链路被串成一个可以自我闭合的闭环：搜索 → 发现目标 → 自动分工 → 切换跟踪 →（目标跟丢）→ 自动回退搜索 → 重新发现 → 重新分配。

这其中最能体现“自主”二字的，是目标丢失后的自动恢复。

当目标被遮挡、短暂丢失时，行为树自动判定“跟丢了”，随即释放当前任务，让集群退回搜索状态重新寻找；一旦重新发现，立即再次分配、再次跟踪。整个过程无需操作员介入、无需人工确认，闭环自己完成了一次"失而复得"。

对战场而言，这种自愈能力至关重要——目标丢失本就是常态。一辆车拐进桥洞、一个目标钻进遮蔽、一片烟尘挡住视线，随时都在发生。一套能在“丢失—恢复”之间自动循环的系统，才谈得上真正的自主作业。

逻辑可视，自主可审

行为树还带来一个常被技术人忽视、却被指挥员极其看重的好处——可视化、可审查。

整套任务逻辑以流程图形式直观呈现：什么条件下进入搜索、什么条件触发跟踪、目标丢了会怎么处理、什么情况下整体中止。非代码人员也能看得懂、审得清，指挥员可以清楚地知道“这架飞机现在为什么在做这件事”。

对一个需要被信任的自主系统而言，这种“看得懂的确定性”，价值不亚于技术性能本身。自主不该是黑箱；可解释、可审查的自主，才能真正走向战场。

06、天枢OS：让“自主作业”成为系统能力

前文所述的搜索、分配、跟踪、行为树调度四大核心能力，共同构成了天枢OS集群自主作战的核心壁垒。相较于行业单一算法优化的升级模式，天枢OS实现的是整套系统的体系化跃迁，从底层架构支撑集群常态化自主作战。

体系化全栈集群能力

搜索、分配、跟踪、行为树——这四个环节单独拿出来，每一个都不算神秘。真正困难的，是让它们在一个真实系统上可靠地协同运转。这正是天枢OS作为无人机操作系统所解决的问题。

在天枢OS中，集群自主作业不是几个模块的松散拼接，而是一条端到端的精密管道：目标信息 → 搜索发现 → 自动分工 → 跟踪锁定 → 控制指令 → 飞控执行。

这条管道的每一段之间，都通过标准化接口解耦：搜索环节把发现的结构化情报交出去，分配环节据此产出分工结果，跟踪环节订阅目标信息并输出控制指令，飞控层统一执行。各环节独立开发、独立测试、独立演进，又能在运行时无缝衔接成一个整体。

模块解耦，按需替换

天枢OS的另一个设计哲学，是模块化。

搜索、分配、跟踪、调度，被视为四个可以独立更换的“零件”。想换一种搜索策略？替换搜索模块即可，分配与跟踪不受影响。想改进跟踪能力？只动跟踪模块，无需重写搜索逻辑。想调整任务流程？在行为树上重组即可，底层控制代码不必触碰。

这种模块化的价值，在真实的研发节奏中会被反复放大：它让系统告别一锤子买卖，能够随任务需求、随技术进展持续进化——哪里需要改进就改进哪里，而不必推翻重来。

仿真先行，实装落地

自主作业的系统，最怕“算法在纸面上很好，一上真机就露馅”。

天枢OS为此提供了从软件在环、半实物到真机的完整验证链路。新的搜索、分配、跟踪方案，可以先在高保真仿真环境中反复跑通闭环、验证边界、对比效果，确认可靠后再平滑迁移到真实集群。

多架无人机、多个快慢不同的机动目标，在仿真环境中已经完整跑通了“发现—分工—跟踪—丢失—恢复”的全流程闭环。这条先仿真、后实装的路径，既降低了试错成本，也让每一次真机出动都有据可依。

敏捷迭代，随势演进

最后，天枢OS的自主作业能力，始终围绕“可迭代”来设计。

从方案设计、实现、仿真验证到真机闭环，天枢OS支持一套快速的开发闭环：新算法可以像接入一个新零件一样加入系统，在仿真里快速验证，再推进实装。这种“快速试、快速改”的能力，让系统能持续适应新战场、新目标、新对手——当战场变化时，系统能比战场更快地进化。

无人机集群的自主作业，从来不是某一项算法的胜利，而是搜索、分配、跟踪与调度环环相扣、彼此咬合的结果。从“遥控”到“程控”，再到“自主”，中间隔着一条能够自我判断、自我分工、自我恢复的完整链路,远不止一次简单的技术升级。

集群自主能力的落地，核心依赖一套完整、可靠、自主可控的底层操作系统。卓翼智能以成为“中国的Anduril”为发展愿景，深耕无人集群体系，自研“国产Lattice OS”——天枢OS，以此筑牢无人集群的本土化核心技术底座。天枢OS的目标，就是让集群的自主作业，在国产体系里可靠地发生——这是三次跃迁的终点，也是一条自主可控之路的起点。面向未来，卓翼智能将会推动天枢OS持续迭代优化，挖掘无人集群在各类场景下的应用价值，持续助力拓展国产无人体系的能力边界，推动无人装备向着更大规模、更高智能的实战化方向演进。