亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

2023 年發生的事件凸顯了人工智能的快速發展以及這些技術改變國防各個方面的潛力。在競爭激烈、動蕩不安和充滿挑戰的國際安全環境中，必須以最快的速度擁抱這些技術，以實現生產力的提高并保持軍事優勢。在加速現代化的同時，同樣重要的是安全、負責任地采用人工智能技術。

• 本 JSP（第 1 部分）是確保整個國防團隊了解在開發和使用人工智能技術時對他們的要求的重要一步。它為如何實施國防部門人工智能道德原則提供了明確的方向，以提供穩健、可靠和有效的人工智能服務和能力。

• 人工智能技術正以非凡的速度日趨成熟，國防部門已經開展了大量相關項目和計劃。與此同時，對相關風險、保障措施和保證標準的理解也在不斷發展。在許多方面，本 JSP 代表了目標點或理想的最終狀態，因為許多支持工具和框架仍在開發中。在還不能完全滿足 JSP 要求的情況下，應了解風險并規劃符合要求的途徑。

• 實施本文件中提出的要求將涉及確定各自組織中正確的責任和職責，以及落實技術保證。重要的是，國防組織不應創建不必要的重復流程，而應更新和調整其現有的穩健治理結構和保證流程，以便能夠充分應對與人工智能相關的風險和機遇。

• 實施聯合戰略規劃將是一個持續的過程--不能指望一夜之間就能全部到位。必須在實踐中學習，并隨著時間的推移不斷改進和完善，以確保不會在無意中阻礙重要的研發和能力發展工作。

• 在國防部門做好 “人工智能準備 ”的過程中，國防人工智能與自主化部門（DAU）和國防人工智能中心（DAIC）將與您的團隊合作，為安全、負責任的方法的實施提供更多指導和實用建議。

國防組織應考慮實施本 JSP 的下一步驟：

• 開始與負責人工智能的高級官員（RAISO）和 DAU/DAIC 討論貴組織將如何實施 JSP。酌情分配角色和職責，以支持貴組織實施。

• 確定使用中、開發中和計劃中的人工智能應用程序或組件。這將有助于確定實施 JSP 的優先事項。

• 制定 JSP 的實施計劃，考慮哪些要素應作為優先任務（例如，人工智能道德風險評估以及技能和培訓），并確定現有流程在哪些方面已經足夠或需要加強。

JSP第二部分指南將在 2024 年期間制定。在此期間，通過一系列最低可行性產品（MVP）在內部提供初步指導；這些產品包括

• RAISO 作用指南。
• 模板模型卡和指南。
• 人工智能倫理風險管理框架。
• 人工智能保證問題集。
• 良好實踐案例研究庫。

作為一項正在迅速發展的新興技術，MVP 初步指南將通過實際的人工智能項目進行迭代和測試，然后再整合到數字化版本的 JSP 第 2 部分中。

新興的物聯網（IoT）技術正在成為社會的重要組成部分，以提高現有基礎設施的運行效率。通過先進的傳感器和執行器，可以從各個端點收集環境數據，并用于分析以采取必要的控制行動。特別是，現代戰場配備了先進的物聯網武器、可穿戴設備和車輛，以提高軍事任務中決策能力的準確性。雖然戰場上的操作設備會受到存儲、處理能力和聯網能力等資源的限制，但這些設備之間交換數據的安全性對任務的成功至關重要。戰場物聯網（IoBT）的大規模、異構性和分布式特點為實現實用有效的安全解決方案帶來了挑戰。有人提出利用區塊鏈的防篡改分類賬平臺和技術來應對這些挑戰。然而，物聯網網絡中產生的大量數據需要實時驗證和核實，以驗證與任務相關的數據。因此，核心區塊鏈基礎設施必須有足夠的能力滿足這些需求。

本項目的主要貢獻包括：a) 用于 IoBT 環境的區塊鏈模擬器；b) 具有分片功能的輕量級區塊鏈；c) 優化內存池以抵御洪水攻擊的技術；以及用于鑒定基于區塊鏈的精確系統的框架。區塊鏈模擬器在現實和可配置的網絡環境中評估共識算法。雖然有幾個區塊鏈評估平臺，但它們要么與特定的共識協議綁定，要么無法在可配置的現實網絡環境中進行評估。在提議的模擬器中，提供了評估共識和網絡層影響的能力，這將告知實踐者在物聯網擁堵或有爭議的場景中如何正確選擇共識算法以及網絡層事件的影響。為此，提出了共識方法的通用表示法。區塊鏈模擬器使用離散事件模擬引擎，以提高逼真度和可擴展性。通過改變對等節點的數量和達成共識所需的消息數量來評估模擬器的性能。

FastChain是在NS-3中構建的模擬器，它模擬了具有軍事應用的網絡戰場場景，將坦克車、士兵和無人機連接起來，形成戰場物聯網（IoBT）。在 IoBT 的某些情況下，IoBT 中的計算、存儲和通信資源是有限的。在這種情況下，應謹慎組合這些資源，以處理任務，完成使命。FastChain 模擬器采用 “分片”（Sharding）方法，通過為給定場景識別正確和最佳的 IoBT 設備集，提供高效的 IoBT 設備資源組合解決方案。然后，特定場景中的物聯網設備集將共同協作，實現分片區塊鏈技術。感興趣的研究人員、決策者和開發人員可以下載并使用FastChain模擬器來設計、開發和評估支持區塊鏈的物聯網場景，從而幫助在關鍵任務物聯網環境中做出穩健、可信的明智決策。

戰場物聯網（IoBT）的重點是利用傳感器、執行器和分析設備的互聯網絡提供戰場態勢感知。傳感器可以探測敵人的動向，然后將信息實時傳遞給分析人員，使他們能夠就定位、應避免的區域或誰正在穿越某一區域做出戰術決策。這種能力將有可能節省資源和士兵的生命，因此物聯網成為美國陸軍研究實驗室（ARL）網絡科學研究實驗室研究的重要課題。物聯網（IoT）的概念是與任何類型的設備（從汽車到冰箱）建立通信網絡。將這一概念轉換到戰場環境中，可以想象 IoBT 能帶來多大的可能性。陸軍對 IoBT 設備產生了濃厚的興趣，希望學習、開發并將這些理念從實驗室帶到戰場。

為此，美國陸軍研究實驗室戰術網絡保障分部開發了一種在未知或潛在敵對環境中使用 IoBT 部署多個傳感器的方法。稱該系統為自主分類傳感器網絡。系統內的傳感器執行基本分類，根據生成的事件識別是盟友還是對手，并使用特設無線網絡相互通信。通過使用多個不同類型的傳感器，分類結果更加穩健，因為它們來自不同模式的多個傳感器數據源。此外，為確保較長的網絡壽命，傳感器采用了睡眠算法，節點進入低功耗模式，同時保持網絡活動。最后，這項工作的重點是開發一種應對拒絕服務（DoS）和分布式拒絕服務（DDoS）攻擊的對策，這些攻擊是能夠關閉網絡的普遍威脅。

圖 6 測試不同聚類方法的 Node-RED 流程

交叉引用傳感器

每個傳感器節點都與一個 XBee Series 2 模塊相連，作為通信的基礎層。之所以選擇 XBee，是因為它成本低廉，而且與其他常見的 WiFi 或藍牙設備相比，它與戰術無線無線電相似。我們的實施方案有兩種節點，一種是檢測器節點，另一種是分類器節點。檢測器用于檢測網絡一般區域內是否發生了事件。分類器收集的數據隨后用于將事件分類為盟友事件或敵方事件。我們的設想是，讓探測器節點感知是否有人進入現場，并將該信息轉發給附近的分類器節點，以喚醒它們并開始勘察環境。分類器節點將繼續感知，直到有人觸發事件或感知時間結束。然后，分類器的信息將直接或通過多跳發送到基站。

探測器節點配備了被動紅外（PIR）、超聲波或振動傳感器，分類器節點配備了射頻識別（RFID）、磁力計、麥克風或攝像頭傳感器。為了節約能源，我們在網絡中采用了睡眠算法，這樣檢測器節點就不會在每個時間點都處于空閑狀態。傳感器被連接到 Arduino UNO2 或 Raspberry Pi3 單板計算機上。除了攝像頭和麥克風需要 Raspberry Pi 提供額外的計算資源外，大部分傳感器都使用 Arduino UNO 設備。

分類傳感器收集到的數據會被發送到基站，并在那里匯總成一個數據項。這個匯總數據集代表了過去幾秒鐘內感應到的區域。然后通過聚類算法對數據進行分析，對觸發傳感器的個人進行分類，以預測是盟友還是對手觸發了事件。

休眠算法

無線傳感器網絡的一個重要方面是網絡壽命，它可以定義為最后一個節點停止工作（因故障或耗盡電力資源）所需的時間，也可以定義為網絡的覆蓋范圍或連接性達到某個連接性閾值所需的時間。如果網絡能維持更長時間的可用流量，就能減少在戰場上更換或維護網絡的需要，從而節省時間并降低士兵面臨的風險。由于增加每個節點的電池容量成本高昂，建議采用休眠算法來延長網絡的使用壽命。不主動掃描且對網絡連接不重要的節點可以進入睡眠狀態，以節省能量。然后，這些節點可以在稍后時間被激活，接替可用能量較少的節點的角色。在實施過程中，探索了三種不同的策略，同時測量了它們的壽命和覆蓋范圍。1）地理自適應保真度 (GAF) 算法、2）連接 k 鄰域 (CKN) 和能耗連接 k 鄰域 (EC-CKN)、3）分類網絡休眠算法

數據分析

隨著可用數據的增加，有必要制定一種方法來解釋數據和推理信息。最初通過 Node-RED 通過合成輸入進行數據收集和分類。我們選擇了 R 編程語言來最終實現將傳感器數據分類為敵方或盟方事件。

安全性

任何無線網絡都會存在一些安全隱患，因此必須加以解決。第一個問題是，傳感器會不斷廣播它們掌握的所有信息。監聽網絡的敵人可以輕易地看到所有正在廣播的信息，甚至更糟糕的是，他們可以編造自己的數據來混淆聚類算法。另一個問題是，監聽網絡的對手可能會試圖用數據包淹沒網絡，阻止傳感器傳輸數據（DoS 或 DDoS）。

為了防止對手在 DoS/DDoS 攻擊中用無用數據淹沒網絡，檢查了畸形數據，并切換了 XBee 無線電的個人區域網絡 (PAN) ID。如果檢查發現網絡被數據淹沒，系統就會切換到另一個網絡。遺憾的是，這并不能完全解決問題，因為存在復制攻擊，這種攻擊會利用有效數據，在網絡中充斥大量數據副本。不過，這種攻擊可以通過在數據中加入一次性號碼來解決，這樣基站就能檢測到相同的數據是否被發送了多次。

未來戰場上的傳感器和射手可能會帶來新的無人區。鑒于全域能力發展的趨勢，未來戰場上美國陸軍部隊應如何跨越 25 千米的致命距離？現在和未來十年內傳感器和射手能力的發展可能意味著超越局部戰術作戰空間的拒止空間。了解這種致命區域的性質對于塑造美國陸軍的未來發展至關重要。同時，通過應用相關軍事理論來闡明作戰概念和能力的意圖也同樣重要。綜合上述分析，有助于確定不對稱領域以及部隊現代化是否走在正確的軌道上。

羅伯特-萊昂哈德上校在其《機動的藝術：機動戰理論與空地作戰》一書中，將錯位作戰的失敗機制描述為："友軍不必按照敵軍的條件與敵軍作戰或對抗，而是避免敵軍可以發揮其威力的任何戰斗"。此外，"錯位 "的應用是通過技術、戰術或兩者的結合來實現的。這項工作提出的假設是，陸軍部隊跨越未來致命距離的最佳方式是設計和協調全域能力，在功能上使任何對手的系統優勢變得無關緊要。

由于未來武裝沖突的地點和性質尚不可知，本專著描述了美國近鄰對手的作戰概念和能力發展。美國各軍種的全域概念和相關物資能力提供了一個比較點。利用約翰-博伊德（John Boyd）和羅伯特-萊昂哈德（Robert Leonhard）的軍事理論觀點，本著作得出了到 2030 年 25 公里致命距離內作戰性質的影響。針對這些影響，專著提出了領導者培養與教育、條令和物資領域的解決方案。

60 多年來，美國國防部（DoD）一直在投資人工智能（AI），并將數據和人工智能系統投入實戰。如今，數據、分析和人工智能技術越來越多地應用于美國防部各部門，并為軍隊提供價值。

伴隨著行業的進步，美國防部多年來一直在穩步、迅速地改進其數據基礎和分析能力：通過研發嘗試人工智能，將這些技術整合到業務和作戰功能中，并為其大規模使用奠定基礎。隨著投資、實驗和創新的繼續和加速，現在的任務是推動這些技術在整個事業的推廣。

雖然戰略競爭對手對人工智能有著宏大目標，但美國及其軍隊在人才、作戰經驗、技術可用性和系統集成方面擁有強大的結構性優勢。為作戰人員配備更快做出更好決策的工具和資源，將提高作戰效率，使作戰能力和指揮人員更加有效，并為采用新的作戰概念創造機會。

負責任地迅速實現數據、分析和人工智能的全部承諾并不只是某個組織或項目的工作，而是所有人的責任。例如，將美國防部數據作為企業資源提供，需要更多的共享和協作。尋求一種靈活的戰略方法，以指導整個美國防部的分布式行動，激發學習運動，并利用所有的人員、流程和使能技術。

在整合分析和人工智能應用的過程中，看到了它們的優勢，也吸取了它們局限性的重要教訓。從會議室到戰場，還有更多工作要做，例如提高數據質量和改善網絡基礎設施。本戰略將指導如何加強美國防部部署數據、分析和人工智能能力的組織環境，以獲得持久的決策優勢。

物聯網（IoT）是一個寬泛的術語，它涵蓋一切，無處不在，以至于到 2025 年，設備不與互聯網連接將成為例外，任何人都無法避免與互聯網的接觸。即使這一預測部分成真，物聯網也是軍隊需要關注的問題，以了解它將如何影響行動、人員和戰略。

研究小組認為，物聯網是工業革命和通信革命的融合。舉例來說，機槍改善了火力，重塑了沖突；蒸汽機改善了后勤和機動性；噴氣發動機實現了全球兵力投送。在通信方面，無線電技術提高了作戰人員的效率，而基于互聯網的能力則帶來了近乎實時的態勢感知。每種技術都在作戰行動中產生了革命性的影響。現在，物聯網有可能在這些技術和之前其他技術進步的基礎上再接再厲，產生綜合效應，重塑作戰空間。以下是物聯網的與眾不同之處：

• 規模巨大（2020 年估計：200 億臺設備，2000 億個標簽）
• 無處不在（遍布全球）
• 萬物相連（甚至衣服上的線頭）
• 成本極低（每個標簽只需幾分錢）
• 數據分析

傳感器在全社會的擴散以及這些傳感器產生的數據將影響軍隊的作戰能力。由于物聯網如今正在迅速普及，因此陸軍同樣使用這些技術的時間范圍也很短，只有五年或更短的時間。

對陸軍而言，物聯網中的 "物 "就是士兵、裝備、車輛以及贏得戰斗所需的所有資產。只要指揮官能提高對 "物 "的狀況的認識，他們就能更好地了解如何優化部隊以完成特定任務。如果利用得當，物聯網能為指揮官提供的保真度有可能使他們近乎實時地為每個獨特的任務定制部隊組合。

為了展示軍隊使用物聯網的潛力，研究小組開發了使用案例，從目前容易做到的（爬行）到需要更多投資和規劃的（從走到跑）。這些用例還解決了陸軍部長 (SECARMY) 職權范圍 (TOR) 中提出的三個問題：

• 物聯網如何改變我們的世界？
• 軍隊有哪些機遇？
• 無所作為的后果是什么？

在收集數據的初期，研究小組采用了國際標準化組織 (ISO) 對物聯網的定義： 由相互連接的物體、人員、系統和信息資源組成的基礎設施，同時提供智能服務，使其能夠處理物理世界和虛擬世界的信息并做出反應。

以定義中的最后一個要素 "反應 "為重點，每個使用案例都展示了軍隊如何利用物聯網將數據轉化為可操作的信息。軍隊可以利用物聯網降低維護、戰備、設施管理和后勤方面的成本并提高效率。這些效率與推動商業行業采用物聯網的效率類型相同。但陸軍可以通過更加注重實效來進一步發展物聯網。物聯網可用于改善戰場態勢感知、指揮與控制、機動性、自主性和士兵表現。

使用案例中的 "爬行/行走/奔跑 "結構展示了陸軍物聯網的順序發展，其中最初的努力為后來更先進的能力奠定了基礎。

• 1.爬行（2-5 年）。陸軍使用現成的商用（COTS）設備來提高基礎設施管理的效率，并通過讓指揮官對士兵和設備的狀態有更有意義的態勢感知來改善戰備狀態。在發展方面，陸軍將努力充分了解其資產的物聯網使用情況。以下使用案例很容易適應研究小組所描述的 "了解你自己 "類型的物聯網應用。

  • a. 按小時計算功率 - 許多行業都在實施，包括通用電氣公司（GE），該公司使用傳感器和預診斷技術對其發動機進行基于狀態的維護（CBM）。通過為每臺發動機開發數字孿生系統，通用電氣為基于狀態的維護增加了另一層含義，將維護工作從監測推向更具預測性的模型。同樣，蒂森克虜伯與微軟公司合作開發了一個解決方案，將其電梯中的數千個傳感器和系統連接起來，以減少維護停機時間，提高 "正常運行時間"。

  • b. 智能堡壘--民用領域智能城市的發展可以轉化為軍隊的智能堡壘。陸軍已開始在水和能源管理方面實施智能城市技術的某些要素，但要開發安全、交通管理、醫療保健和人員準備方面的應用，還有許多工作要做。

• 2.步行（5-10 年）。陸軍混合使用 COTS 和陸軍專用技術，以提高戰場上和支持士兵作戰的后勤管道中的態勢感知能力。陸軍還將開發陸軍特有的分析框架，以便在傳統行業用途之外更充分地利用物聯網。陸軍還將影響商業行業研發（R&D）工作的方向，使其朝著與陸軍相關的方向發展，并在可能的情況下充當過渡合作伙伴。這些使用案例代表了研究小組所描述的 "了解對手 "型物聯網應用的步驟。

  • a. 利用智能城市--一旦陸軍掌握了自己的智能堡壘技術，就能熟練利用對手的智能城市。交通管制、車輛類型和占用率、建筑物占用率、電器和公用設施控制（如智能家居）、庫存狀態/存貨（食品、醫療等）、下水道內容、疾病趨勢等信息可幫助士兵評估和確定最佳出入通道、生活模式、目標位置以及敵軍（紅色）和平民（灰色）之間的區別。

  • b. 基于物聯網的情報（IoTINT）--當與其他情報數據融合時，物聯網數據將為在城市，尤其是特大城市開展行動的士兵提供更好的態勢感知。研究小組采用 "物聯網情報 "作為別名，以突出其與其他情報來源（SIGINT、HUMINT 等）的相關性，特別是在陸軍行動的規劃（城市狀態/屬性）和執行（實時信息）方面。總之，哪里有物聯網，哪里就有情報需要收集。

• 3.運行（<10 年）。陸軍利用其開發的技術來提高戰斗力，例如，增強自動駕駛車輛、在有爭議地區利用物聯網等。應為物聯網進步研究提供充足資金，以保持陸軍在該技術方面的優勢。

  • a. 破壞物聯網--除了利用物聯網獲取信息外，艾米控制和/或破壞敵方和民用物聯網以產生影響的能力將提高其戰斗力。另外，陸軍還需要抵御對手的此類行動。

  • b. 增強自主性--隨著城市地區進一步發展物聯網，并依賴物聯網來管理基本功能（交通控制、公用事業、安全等），可以設計自主作戰系統，利用本地物聯網作為非有機傳感器。在自主系統內處理物聯網和本地傳感器數據的能力意味著未來軍隊需要開發邊緣數據融合能力。

在能力、政策、技術要求等方面，有幾個領域的用例是重疊的。研究小組優先考慮了軍隊在推進物聯網時需要考慮的四個交叉問題：

• 1.國家訓練中心 (NTC)。陸軍有機會在 NTC 培訓期間收集數據。目前，陸軍每年至少在 NTC 進行 10 次旅戰斗隊 (BCT) 訓練演習。在這些演習中，BCT 的演習數據通過 ATT 4G/5G 蜂窩網絡進行記錄。NTC 的演習對手部隊 (OPFOR) 使用相同的網絡對訓練中的 BCT 實施演習行動。每輛車上都記錄了大量后勤平臺數據，并在訓練演習結束后下載。陸軍可以使用額外的記錄器和傳感器來增強現有數據，將所有數據提取到一個分析框架（尚待設計）中，該框架將對數據進行融合，并在態勢理解、作戰需求和演進戰術等方面實現深度學習。

• 2.政策與需求。陸軍的需求部門沒有物聯網系統方面的經驗，也沒有編寫需求。沒有需求，采購部門就沒有將物聯網技術集成到任何平臺或產品中的計劃。此外，人們對 "聯網 "設備心存恐懼，研究小組聽說過有意識地將類似物聯網的功能從商用車輛等系統中移除或禁用的決定。同樣，陸軍卓越中心（CoEs）也沒有意識到物聯網的影響或其對陸軍的潛在好處，因此幾乎沒有人提倡采用物聯網技術。因此，士兵們無法使用物聯網作戰能力。簡而言之，陸軍尚未制定使用物聯網的愿景和戰略。

• 3.網絡安全與風險。陸軍需要了解部署物聯網的相關風險。研究小組開發了一個概念公式，將風險理解為系統或單位的脆弱性、利用方法、攻擊規模的影響以及犯罪者意圖的函數。研究小組將這一公式應用于兩種情況：針對汽車的攻擊和針對部署的陸軍車輛的攻擊。顯然，在大多數沖突階段，軍用車輛所面臨的風險要遠遠高于商業物聯網網絡攻擊所面臨的風險。由此造成的昂貴設備損壞、可能的人員傷亡和/或生命損失、可能的任務降級等，其后果比高速公路上停滯不前的 SUV 更嚴重，因此，軍隊需要充分了解物聯網的風險和脆弱性，才能在威脅面前占得先機。

• 4.無所作為。如果陸軍忽視物聯網，不了解、不開發、不使用該技術，就會將戰場空間拱手讓給對手。這將為對手成功利用美國和盟國的物聯網系統鋪平道路，給陸軍造成次生影響，如為維護系統（如車輛）支付過多費用，在建筑物和基礎設施管理方面造成浪費，以及由于數據錯誤、管理效率低下等原因導致的不可接受的低戰備狀態。在戰場上，軍隊也可能因態勢感知能力有限而導致作戰效率低下，特別是在城市地區。

通過數據收集和分析，研究小組得出了五類結論：

• 1 陸軍沒有充分利用物聯網的工業進步來提高作戰效率和節約成本：

  • a. 工業界正在以指數級的速度投資和實施物聯網
  • b. 物聯網在工業領域的成功部署得益于部署成本的降低、云計算和數據分析的進步
  • c. 工業界正在利用標準機構來開發物聯網的互操作性，但沒有證據表明軍隊參與了這些機構。

• 2.陸軍不具備在戰場和陸軍工業基地采用所需的物聯網系統級要求

• 3.軍隊尚未解決網絡和網絡連接方面的挑戰

  • a. 當前的商業物聯網無法為軍隊的關鍵任務提供足夠的網絡安全保障
  • b. 某些戰場環境提供的網絡連接有限

• 4.物聯網問題跨越政策和法律界限，軍隊應用必須解決這些問題

• 5.軍隊可收集數據并開發分析方法，以確定如何提高作戰人員的效率：

  • a. 通過 NTC 和其他來源，了解物聯網使能物的使用和防御情況，包括預警環境
  • b. 滲透到哨所、營地和駐地的 IMCOM（政府和非政府來源）
  • c. 陸軍工業基地的 AMC 設施（倉庫、兵工廠、彈藥儲存設施和海港）
  • d. 與士兵表現有關的 MEDCOM

基于這些發現，研究小組向陸軍高層領導提出了以下建議：

• 1.美國陸軍司令部：確定適當的平臺，利用陸軍鐵路作為初步試點，實施按小時計費的電力系統，以展示成本節約和戰備改進情況

• 2.AMC 和 IMCOM：通過利用智能城市技術節約成本和提高效率，擴大在倉庫和智能堡壘方面的現有努力。

• 3.醫療司令部：確定對戰場感知非常重要的士兵表現數據 4.

• 4.G3/5/7 和 OGC：更新政策，解決利用物聯網所需的法律和實施問題 5.

• 5.DUSA：責成 AAG 創建一個分析框架，用于了解、接受和開發 DOTML-PF 的實驗，該框架將： 1：

  • a.支持 "藍對藍 "和 "藍對紅 "分析，以進行戰術分析（中小型企業：FORSCOM、MEDCOM）

  • b.支持 "藍對藍 "和 "紅對藍"、OPSEC 評估（SME：FORSCOM、MEDCOM 和 AMC）。

  • c.為全軍的需求流程提供信息（SME：TRADOC 和 ASA（ALT）

• 6.TRADOC：定義物聯網系統的要求，并在與物聯網相關的研發項目中擁有代表權

• 7.G6：積極參與物聯網商業標準機構，代表陸軍利益。

• 8.ARL: 倡導并共同資助（如與 DARPA 或 IARPA）圍繞以下方面的研究項目

  • a) 進攻性使用對手的物聯網（紅/灰藍色）

  • b) 將物聯網分析技術應用于劣勢網絡（間歇性連接、低數據率）；

• 9.ASA (ALT)、CIO-G6、G3/5/7、AMC 和 ARCYBER：將物聯網考慮因素納入軍隊網絡復原力工作中

• 10.ARCYBER：制定將物聯網納入軍事行動和平臺的風險緩解戰略

• 11.ARCYBER：利用 IMCOM 智能堡壘作為測試平臺，開展對抗性網絡紅隊訓練

在未來的空戰中，無人協同系統的整合將是一個潛在的巨大力量倍增器。其成功的關鍵因素將是編隊情報、協調任務規劃和跨平臺任務管理。因此，構思下一代機載武器系統的任務需要一個整體的系統方法，考慮不同的航空飛行器、其航空電子任務系統和針對未來威脅的整體作戰概念。為了盡早驗證可能的解決方案概念并評估其作戰性能，在過去幾年中，在空中客車防務與航天公司未來項目中開發了一個動態多智能體戰斗仿真。除了比實時更快的工程功能外，該仿真還可以進行實時人機對話實驗，以促進工程師、操作員和客戶之間的合作。本文介紹了動態任務仿真方法，以及在未來戰斗航空系統（FCAS）研究中應用此工具所得到的啟示，在此期間，我們清楚地認識到什么是未來應用的一個關鍵挑戰。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

1 引言

每一代新的戰斗機都可以通過一個或多個技術飛躍來定義，這些技術飛躍使其與上一代的設計有很大區別。毫無疑問，自從大約15年前第一架第五代戰斗機投入使用以來，幾乎所有的設計學科都有了顯著的進步。不同的飛機制造商，包括空客，已經宣布他們目前正在構思或研究第六代戰斗機[1] [3]。與目前最先進的飛機相比，這些項目很可能在各個領域都有改進，如飛行性能、全方面和全模式隱身、低概率攔截雷達和通信或武器裝備。但問題仍然存在：什么將是這一代的決定性因素，一個真正改變未來戰斗空間的因素？

一個常見的假設是，未來的戰斗空間將是 "高度網絡化 "的，即所有參與的實體都可以交換他們的態勢視圖，并以近乎實時的方式創建一個共享的戰術畫面。一方面，這使得多個平臺在空間和時間上可靠同步達到了以前不可能達到的程度。許多算法，特別是發射器定位或目標測距的算法，如果能從多個位置產生測量結果，會產生明顯更好的效果。另一方面，高質量數據的可靠交換通過分配以前由單一平臺執行的任務，使戰術更加靈活。對作戰飛機的主要應用可能是所謂的合作交戰概念（CEC），這已經是美國海軍針對反介入/區域拒止（A2/AD）環境的海軍綜合火控-反空（NIFC-CA）理論的一部分[4]，但其他應用也是可能的，例如合作電子攻擊。所提到的概念主要適用于任務期間單一情況的短期范圍，例如偵察或攻擊薩母基地、空對空（A2A）作戰等。然而，就整個任務而言，還有一個方面需要提及。鑒于所有參與實體之間的可靠通信，規劃算法可以交換任務計劃變更的建議，并根據其目標和當前的戰術情況自動接受或拒絕。這在一個或多個不可預見的事件使原來的任務計劃無效的情況下特別有用，盡管所有預先計算的余量。與其估計一個替代計劃是否可行，并通過語音通信與所有其他實體保持一致（考慮到船員在某些任務階段的高工作負荷和參與實體的數量，這是一項具有挑戰性和耗時的任務），一個跨平臺的任務管理系統可以快速計算出當前任務計劃的替代方案，并評估是否仍然可以滿足諸如開放走廊等時間限制。然后，一組替代方案被提交給機組人員，以支持他們決定是否以及如何繼續執行任務。

將上述想法與現在可用的機載計算能力結合起來，由于最近在硬件和軟件方面的進步，可以得出結論，未來一代戰斗機將很有可能在強大的航空電子系統和快速可靠數據交換的基礎上，采用卓越的戰術概念進行作戰。然而，這還不是我們正在尋找的明確游戲改變者--甚至現有的第五代戰斗機已經應用了一些提到的概念，例如，在NIFC-CA背景下的F-35[4]。因此，下一步不僅要改進飛機的航電系統，而且要在完全網絡化環境的前提下連貫地優化航電、戰術和平臺設計。這種方法允許思考這樣的概念：如果得到網絡內互補實體的支持，并非每個平臺都需要擁有完整的傳感器套件和完整的決策能力。因此，不同的平臺可以針對其特殊任務進行高度優化，從而與 "單一平臺做所有事情 "的方法相比，減少了設計過程中需要的權衡數量。很明顯，一個專門的傳感器平臺不需要或只需要非常有限的武器裝備，因此現在可用的空間可以用來建造更好的傳感器或更大的燃料箱。這已經可以使該平臺專門從事的任務性能得到顯著提高，但有一樣東西可以去掉，它的影響最大：飛行員。在這一點上，必須明確指出，目前沒有任何算法或人工智能能夠接近受過訓練的機組人員態勢感知和決策能力。這就是為什么在不久的將來，人類飛行員在執行戰斗任務時將始終是必要的。然而，如果飛行員（或更準確地說，決策者）被提供了指揮無人駕駛同伴的所有必要信息，那么就不需要在同一個平臺上了。因此，我們提出了一個概念，即一個或多個載人平臺由多個無人駕駛和專門的戰斗飛行器（UAV）支持。在下文中，我們將把至少一個載人平臺和一個或多個由載人平臺指揮的專用無人機組成的小組稱為包。我們聲稱，由于以下原因，無人平臺將作為有人平臺的力量倍增器發揮作用：

• 無人機是可擴展的，而空勤人員是不可擴展的。因此，無人機可以執行高風險的任務，并允許采用只用載人平臺無法接受的戰術。

• 無人機更便宜（即使不考慮機組人員的價值），因為它們可以在性能相同的情況下比載人平臺建造得更小。這意味著，在相同的成本下，更多的平臺可以執行任務，更多的平臺會導致更高的任務成功率。首先，因為有更多的冗余，其次，如果有更多的資產參與其中，一些任務可以更好地完成，例如發射器的定位。

• 不同的無人機和載人平臺可以任意組合。在任務開始前，可以根據需要組成包。在任務期間，在某些限制條件下，也可以重新組合軟件包，例如，如果交戰規則禁止不受控制的飛行，則指揮平臺之間的最大距離。這使得任務規劃和執行有了更大的靈活性，預計也能保持較低的運行成本和材料損耗（"只使用你需要的東西"）。

像往常一樣，沒有免費的午餐這回事。在我們的案例中，所有上述優勢對飛機設計師來說都是有代價的。不是按照一組技術要求優化單一設計的性能，而是必須設計多個平臺及其子系統，使其在各種任務和組合配置中最大限度地提高整個系統的性能。在本文的其余部分，我們將介紹FCAS原型實驗室（FPL），這是一個在FCAS背景下開發的模擬環境，用于解決這一高度復雜的問題。在第2章中概述了它在概念設計和跨學科技術原型開發中的作用后，我們將在第3章中介紹底層動態多智能體任務仿真的概念和架構。在第4章中，我們將介紹選定項目的結果，以概述該工具的多功能性。本文最后將介紹可能是未來最大的挑戰之一，不僅對模擬，而且對一般的無人系統的引進。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

FCAS原型實驗室（FPL）：動態多智能體任務仿真

FPL的核心是一個動態多智能體任務仿真，可以在一臺計算機上運行，也可以分布在多臺機器上，并使用不同的附加硬件組件。為了方便兵棋推演的進行，對人機界面技術進行原型測試，或用于一般的演示目的，模擬中的所有載人機載資產都可以選擇由硬件駕駛艙控制。如果沒有人類操作員參與，模擬必須能夠比實時運行更快。這對于在可能需要數小時的大規模任務中進行有效的開發和權衡分析尤為必要。為了以客觀和公正的方式評估概念和技術，每個模擬任務的過程都是由預先定義的系統屬性、物理效應的模擬和可配置的智能體行為和合作演變而來。不存在任何腳本事件，每一次新的模擬運行的結果都是完全開放的。藍軍和紅軍是在相同的假設下，以可比的抽象水平進行模擬。以下各章概述了如何在FPL中動態地模擬當前和未來機載系統的任務。介紹了我們的仿真結構，在對這類系統進行建模時最重要的設計權衡，以及行為建模的高層次規劃/低層次控制方法。

架構

FPL的仿真架構由三個邏輯部分組成：應用、仿真控制和通信中間件。該架構的一個核心特征是，模擬被分割成幾個應用程序。每個應用程序運行不同的模型，例如，有一個應用程序用于模擬自己的（藍色）航空器、敵方（紅色）航空器、綜合防空系統（IADS）以及更多的模型，如下所示。所有的應用程序共享相同的標準化接口，并且可以任意組合。這種模塊化允許只運行某個任務或項目所需的部分模型。所有的應用程序都是獨立的可執行文件，可以在同一臺計算機上以并行進程運行，也可以分布在幾臺機器上。通過交換編譯后的二進制文件，來自不同公司的模型的整合是可能的，而不會暴露詳細的基本功能。一般來說，不同公司之間的快速和容易的合作是FPL架構的一個主要驅動力。為此，提供了一個基礎應用類，它提供了所有與仿真有關的功能，如仿真控制狀態機、通信中間件接口和通用庫，例如用于不同坐標系的地理空間計算。通過簡單地實現一個新的基礎應用實例，新的模型可以被添加到仿真框架中。所有應用程序的執行都由一個中央仿真控制實例控制。它提供了一個圖形化的用戶界面，可以根據需要啟動、停止和加速模擬。在執行過程中，所有應用程序的運行時間被監控，仿真時間被動態地調整到最慢的模型。這使得分布式的比實時更快的模擬具有自適應的模擬時間加速。應用程序之間的通信是通過數據分配服務（DDS）標準[2]實現的。它使用發布-訂閱模式在網絡中實現了可靠和可擴展的數據交換。兩個不同的分區用于廣播仿真數據（如實體狀態、仿真控制命令等）和多播命令和控制數據（如通過BUS系統或數據鏈路實際發送的數據）。DDS標準的開放源碼實施被用來進一步方便與外部伙伴的合作。

圖1提供了我們的模擬架構的概況，包括大多數任務所需的應用程序。如前所述，這個架構并不固定，幾乎任何應用都可以根據需要刪除或交換。如黑色虛線箭頭所示，通過DDS中間件在仿真控制處注冊一個基本的應用實現，可以集成新的模型。藍色/紅色背景的方框描述了己方/敵方系統，混合顏色的方框可供雙方使用。仿真基礎設施組件的顏色為灰色，用戶界面的顏色為橙色。黑色箭頭表示模擬過程中的通信，灰色箭頭代表模擬運行前后的數據交換。

對于兵棋推演環節，不同的應用程序分布在FPL的多個房間內運行，以模仿真實的空中作業程序。在設置好一個場景后，藍方和紅方的操作人員使用任務配置工具，在不同的房間里計劃他們的任務。空中行動指揮官留在這些房間里，而飛行員則分成兩個房間，每個房間有兩個駕駛艙來執行任務。藍方和紅方空軍應用的任何飛機都可以從駕駛艙中控制，因此飛行員可以接管不同的角色，并相互對抗或作為一個團隊對抗計算機控制的部隊。所有房間都配備了語音通信模擬。任務結束后，各小組在簡報室一起評估任務，可以從記錄的模擬數據中回放。一個額外的房間配備了多個連接到模擬網絡的PC，可以選擇用于特定項目的任務，例如硬件在環實驗。

建模

為FPL選擇正確的建模范式事實上并不簡單，因為它涵蓋了操作分析工具（通常是隨機的）以及工程模擬（通常是確定性的或混合的）的各個方面。這個決定的影響可以用一個例子來說明，即如何確定一架飛機是否被導彈擊中。在隨機模型中，這個決定是基于可配置的概率，例如，被擊中的概率（導彈）和回避動作成功的概率（飛機）以及一個隨機數。為了使最終的任務結果對單一的隨機數不那么敏感，在實踐中經常用不同的隨機種子進行多次模擬運行。按照確定性的方法，導彈的飛出是根據導彈的發射方向、制導規律和固定的性能參數如推力、最大加速度等來模擬的。飛機在規避機動過程中的軌跡也是基于其初始狀態、空氣動力學、反應時間等。例如，當彈頭引爆時，如果導彈和飛機之間的距離低于某個閾值，那么飛機就會被認為被殺死。在一個確定性的模型中，在導彈發射時已經知道飛機是否會被擊中。確定性模型中必要的簡化通常是通過引入固定參數來完成的，比如導彈例子中的距離閾值。混合模型允許使用隨機數進行這種簡化，例如，作為失誤距離的函數的殺傷概率。

為了有效地測試和分析大規模的空中作業，在單臺機器上有幾十種藍色和紅色資產運行的情況下，模擬運行的速度至少要比實時快10倍（平均）。這對所用算法的時間離散性和運行時的復雜性提出了重大限制。為了保持快速原型設計能力，為新項目設置仿真或開發/集成新組件所需的時間應保持在較低水平。太過復雜的模型會帶來更多的限制，而不是顯著提高結果的質量。在這些方面，（更多的）隨機模型在運行時間和開發時間上都有優勢，更快。然而，在我們的案例中，有兩個主要因素限制了隨機模型的使用，使之達到最低限度。首先，模擬只有在給出他們的戰術和演習成功與否的確切原因時才會被操作者接受。此外，隨機模型是由數據驅動的，但對于未來自己和/或敵人的系統來說，所需的數據往往無法獲得。對于已經服役多年并在測試或實際作戰中多次射中的導彈，有可能估計其殺傷概率。然而，僅僅為未來的導彈增加這一概率是非常危險的，特別是因為隨機模型對這些參數非常敏感。從我們的觀點來看，通過將所有系統建模為基于技術系統參數的通用物理模型，可以實現對未來系統更健全的推斷。第一步，通過模擬已知技術和性能參數的現有系統，對模型本身進行驗證。對于未來的系統，技術參數會根據預期的技術進步、領域專家知識和他們的工具進行推斷。堅持最初的例子，未來戰斗機的回避機動性能的推斷，例如，基于從CAD和流體動力學模型計算出的更高的升力系數，或基于更高的導彈接近警告器的分辨率和靈敏度。

客觀評價未來概念在模擬中的表現的一個關鍵方面是環境和威脅的建模。必須考慮到，系統的方法在紅方和藍方都是有優勢的。現代國際防空系統的危險來自于結合不同的系統，從非常短的距離到遠距離。所有這些系統都有它們的長處和短處，但它們被組織起來，使個別的短處被其他系統所補償，并使整個系統的性能最大化。因此，第一個困難是必須對大量的系統進行模擬，并且必須確定這些系統的個別優勢和劣勢。通用物理模型的方法可用于這兩個方面。在通用防空系統模型被開發和驗證后，它可以迅速將新的系統整合到模擬中。根據模擬的物理效果，可以估計敵方系統的作戰優勢和弱點或未來可能的威脅概念。另一方面，使用通用模型的困難在于，必須將真實系統的功能映射到通用模型中，以便保留所有重要的單個系統屬性。這不可避免地導致了相當復雜和詳細的通用模型。我們將以地基雷達組件為例，概述我們平衡復雜性和保真度的方法。如圖2所示，IADS模擬中的一個實體由不同的組件組成。這些組件可以任意組合，以快速配置新系統。從功能角度看，地面雷達組件由控制器、探測模型和目標跟蹤器組成。根據實體的當前任務，控制器選擇所需的雷達模式，例如，360°搜索的監視或戰斗搜索，如果一個特定的部門必須優先考慮。為了對付干擾或地面雜波，可以使用不同的波形。根據雷達的類型，如機械或電子轉向的一維或二維，控制器有不同的可能性來適應搜索模式。在為一個波束位置選擇了波形的類型和數量后，探測模型根據目標、地面雜波、地形陰影、大氣衰減和電子對抗措施等方面的雷達截面模型，產生測量結果。測量誤差是由取決于隨機模型的信噪比引起的。由此產生的測量結果然后由目標跟蹤器處理，它執行測量-跟蹤關聯和跟蹤過濾。

這種詳細模型產生的另一個困難是必須估計的參數總數。在這一點上也要注意，模擬中的所有數據都是不受限制的。這一方面是由于大多數項目的限制，但另一方面，它在日常工作中也有實際優勢。我們必須牢記，模擬是用于概念驗證，而不是用于詳細的系統設計，所以在這個早期階段使用機密的威脅數據會對基礎設施和開發過程造成重大限制，而不會給結果帶來重大價值。基于此，所有的威脅數據都必須根據公開的來源或來自內部項目和外部合作伙伴的非限制性數據進行估算。這再次導致了大量的數據，而這些數據的詳細程度往往是非常不同的，或者是不一致的，例如，由于對限制性數據的去分類。隨著我們模型的不斷發展和多年來獲得的工程專業知識，我們有可能為不同的當前和推斷的未來威脅系統估計出一致的參數。這主要是在一個自下而上的迭代過程中完成的。根據現有的技術和性能參數，對缺失的模型參數進行估計以適應組件的性能。然后對單一系統的不同組件之間的行為和相互作用進行調整，以達到理想的系統性能。最后，在不同的情況下測試IADS內這些系統的協調，以使整個系統的性能最大化。

自主系統將塑造戰爭的未來。因此，土耳其的國防人工智能（AI）發展主要側重于提高自主系統、傳感器和決策支持系統的能力。提高自主系統的情報收集和作戰能力，以及實現蜂群作戰，是發展國防人工智能的優先事項。雖然土耳其加強了自主系統的能力，但在可預見的未來，人類仍將是決策的關鍵。

人類參與決策過程提出了一個重要問題：如何有效確保人機互動？目前，自主系統的快速發展和部署使人機互動的問題更加惡化。正如土耳其國防工業代表所爭論的那樣，讓機器相互交談比較容易，但將人類加入其中卻非常困難，因為現有的結構并不適合有效的人機互動。此外，人們認為，人工智能對決策系統的增強將有助于人類做出更快的決定，并緩解人機互動。

土耳其發展人工智能的意圖和計劃可以從官方戰略文件以及研發焦點小組報告中找到。突出的文件包括以下內容：

• 第11個發展計劃，其中規定了土耳其的經濟發展目標和關鍵技術投資。

• 《2021-2025年國家人工智能戰略》，它為土耳其的人工智能發展制定了框架。

• 焦點技術網絡（Odak Teknoloji A??，OTA?）報告，為特定的國防技術制定了技術路線圖。這些文件提供了關于土耳其如何對待人工智能、國防人工智能和相關技術的見解。

土耳其特別關注人工智能相關技術，如機器學習、計算機視覺和自然語言處理，其應用重點是自主車輛和機器人技術。自2011年以來，自主系統，主要是無人駕駛飛行器（UAV），仍然是土耳其人工智能發展的重點。此后，這已擴大到包括所有類型的無機組人員的車輛。同時，用人工智能來增強這些車輛的能力也越來越受到重視。人工智能和相關技術的交織發展構成了土耳其人工智能生態系統的核心。

土耳其的人工智能生態系統剛剛起步，但正在成長。截至2022年10月，有254家人工智能初創企業被列入土耳其人工智能倡議（TRAI）數據庫。土耳其旨在通過各種生態系統倡議在其國防和民用產業、學術機構和政府之間創造協同效應。由于許多組織都參與其中，這些倡議導致了重復和冗余。冗余也來自于人工智能技術本身的性質。由于人工智能是一種通用技術，可以應用于不同的環境，各種公司都有用于民用和國防部門的產品；因此相同的公司參與了不同的生態系統倡議。此外，民用公司與國防公司合作，在國防人工智能研究中合作，并提供產品，這是司空見慣的。

土耳其鼓勵國際人工智能在民用領域的合作，但不鼓勵在國防領域的合作。然而，由于技能是可轉移的，國防人工智能間接地從這種合作中受益。

土耳其非常關注自主系統發展中的互操作性問題，特別是那些具有群集能力的系統。除了蜂群，北約盟國的互操作性也是一個重要問題。因此，土耳其認為北約標準在發展自主系統和基礎技術方面至關重要。

土耳其目前對人工智能采取了分布式的組織方式。每個政府機構都設立了自己的人工智能組織，職責重疊。目前，盡管國防工業局（Savunma Sanayi Ba?kanl???，SSB）還沒有建立專門的人工智能組織，但SSB的研發部管理一些人工智能項目，而SSB的無人駕駛和智能系統部管理平臺級項目。目前，根據現有信息，還不清楚這些組織結構如何實現國防創新或組織改革。

土耳其尋求增加其在人工智能方面的研發支出，旨在增加就業和發展生態系統。SSB將在未來授予更多基于人工智能的項目，并愿意購買更多的自主系統，鼓勵研發支出的上升趨勢。然而，盡管土耳其希望增加支出，但金融危機可能會阻礙目前的努力。

培訓和管理一支熟練的勞動力對于建立土耳其正在尋找的本土人工智能開發能力至關重要。這包括兩個部分。首先是培養能夠開發和生產國防人工智能的人力資源。因此，土耳其正在投資于新的大學課程、研究人員培訓、開源平臺和就業，同時支持技術競賽。第二是培訓將使用國防人工智能的軍事人員。國防人工智能也正在慢慢成為土耳其武裝部隊（Türk Silahl? Kuvvetleri，TSK）培訓活動的一部分。目前，關于土耳其打算如何培訓軍事人員使用國防人工智能的公開信息非常少。

美國陸軍有一個信息系統數據缺口，其原因是無法實現裝備感知數據的自動化，并且由于對指揮官在時間和空間上做出決策所需的信息存在著根本性的誤解而變得更加復雜。我們如何將后勤數據整合到共同作戰圖景（COP）中，以實現多域作戰（MDO）中的持續融合？指揮官通過他們的參謀部，與下屬和上級指揮部分享他們對COP的理解，以促進同步和平行規劃。參謀部結合PowerPoint演示文稿、圖表和圖形，平行建立模擬和數字圖像疊加，以分享指揮官的可視化。指揮官的可視化必須現代化，包括由后勤提供的關鍵數據，以解決美國陸軍繼續采用新興技術時缺失的作戰藝術要素。維持作戰功能提供了確保行動自由、擴大作戰范圍和延長續航時間的能力。然而，只有當任務指揮系統使指揮官能夠看到有關維持能力的相關信息時，這三個維持目標才能實現。解決這個問題需要識別并消除在從戰術邊緣獲得戰備、燃料和彈藥數據所需的時間和人力方面存在的問題信息差距。

引言

美國陸軍2018年多域作戰（MDO）概念改變了陸軍作為聯合部隊陸地組成部分在統一陸地作戰中的重點框架。MDO是通過校準部隊態勢、多域編隊和融合這三個原則來解決來自美國對手在多個領域的交戰或侵略性活動。MDO的框架通過改變視角或增加行動范圍以包括空中、陸地、海上、網絡和空間領域來增加對環境的共同理解。隨著MDO融入軍隊文化，從一個概念轉變為理論，前兩個原則通過將士兵放在正確的位置，以一種在多個領域對對手取得優勢地位的方式組織起來，減少環境的復雜性。部隊結構的現代化和全軍新裝備的投入使用創造了改變軍隊的機會。MDO的第三個宗旨--融合，是最難完成的，因為這個宗旨描述了編隊、裝備和流程的整合。

美國陸軍訓練與理論司令部（TRADOC）小冊子525-3-1《2028年多域作戰中的美國陸軍》宣稱："融合是所有領域能力的快速和持續整合，通過任務指揮和有紀律的主動性實現跨領域的協同和多種形式的攻擊，優化效果以戰勝敵人。" 融合在MDO中起著關鍵的作用，它是通過陸地部分實現聯合部隊的能力整合者，而融合的成功與任務指揮--美國陸軍的指揮和控制方法直接相關。在整個作戰環境中建立正確的編隊和定位部隊，將需要持續的關注和訓練，以確保軍隊能夠按照預期進行戰斗。由于跨領域作戰的時間和速度，任務指揮需要信任、共同理解和對作戰環境的展望，以實現融合。

多域增加了行動過程的難度和復雜性。圖1是關于指揮官如何推動行動過程的理論框架。行動正在從任務命令和明確的意圖就足以實現共同理解的時代轉變。

指揮官和參謀部依靠對態勢的理解來減少行動的復雜性和無序性。在過去，對態勢的理解或觀點停留在指揮官的頭腦中，有時通過模擬過程來支持，但在過去的四十年里，美國陸軍繼續發展數字解決方案，將作戰環境中發生的事件可視化，即共同作戰圖景（COP）。

美國陸軍條令將 "共同行動圖景"定義為：根據用戶的要求，并在一個以上的指揮部共享的共同數據和信息的基礎上，對指揮官感興趣的區域內的相關信息進行單一顯示。歸根結底，指揮部是一個知識管理和共享理解的工具，它起源于指揮官的頭腦。指揮官采用COP所描述的可視化的方式反映了他們的作戰方式。COP是指揮官對作戰環境理解的體現，但在為指揮官和參謀人員創建一個單一的信息顯示時，軍隊創造了信息差距。主要來說，這些差距是維持作戰功能，對實施行動自由、擴大作戰范圍和延長耐力等形式的作戰藝術至關重要。維持作戰功能為這三種功能提供了關鍵信息，但只有當作為任務指揮系統的COP能夠實現能力的獲取時，它才能執行這一目的。

COP本質上是一張環境地圖，上面覆蓋著作戰術語和圖形，并以實施制定的計劃的作戰方法為基礎。如果沒有能力直觀地了解維持能力如何影響作戰范圍、行動自由和長時間的耐力，那么畫面就不完整。COP向指揮官和參謀部顯示信息的方式是將環境的畫面分割開來。然而，環境并不簡單，它是復雜的。為了縮小信息差距，我們必須降低復雜性，獲得保持優勢地位所需的視角。將制定行動計劃的過程視為指揮官和參謀部為分析行動和任務變量而提出的問題，并將其綜合為環境的視覺表現。此外，考慮到行動計劃為指揮官提供了什么--在未來環境中傳達實現預期條件的意圖時的參考框架。

現代版的締約方會議整合了數字信息和系統的來源，通過在各個層面顯示相關信息來實現指揮。指揮官決定信息需求，指揮官通過他們的參謀部向下級和上級指揮部分享他們對環境的理解，以促進同步和平行規劃。通過一個持續的分析過程，利用行動和任務的變量，指揮官和參謀部隨著形勢的發展而完善行動計劃。

陸軍繼續完善數字指揮所系統的版本，目前使用指揮所計算環境（CPCE）--前身是未來指揮所（CPOF）--作為任務指揮的記錄系統。 這個系統使行動過程現代化，利用圖像和軍事符號提供行動方法。專業的軍隊組織，如卓越的任務指揮中心，通過論壇和大規模的演習來構架數字作戰圖并改進COP。開發數字作戰圖和評估性能的困難在于不一致的可視化，往往立足于指揮官和工作人員的理解，從一個單位到另一個單位的變化。這種說法與COP所創造的共同理解的原則相悖。行動計劃并不能取代定義問題的要求，但確實有助于將行動方法可視化。

目前的工作仍然是一個混合的數字和模擬過程，給指揮官和工作人員帶來了沉重的時間和人力負擔。參謀部設計PowerPoint演示文稿，結合圖表和圖形建立圖像和重疊，并行分享指揮官的可視化信息。但是，對于指揮官需要什么信息，以及為了避免癱瘓而不向締約方會議提供什么信息，仍然存在一個根本性的誤解。未納入的信息并不等同于缺乏意義。其論斷是，排除維持性信息會在可視化中產生更多的差距，是低效率的產物。決策過程中缺失的部分是無法將數據完全自動化并將其與可視化聯系起來。

維持作戰職能部門致力于將后勤信息匯集到不同的信息系統的匯編中，以補充行動，使維持運行估算數字化。軍隊需要一種方法來將持續作戰信息納入COP，解決這個問題需要識別和消除理解上的問題差距。這種方法必須將維持的目的--增加作戰范圍和延長續航時間--與對戰場上關鍵物資的理解相一致，如燃料和彈藥容量，以及其他增加行動自由以保持主動的維持因素。這些要求對指揮官和參謀部來說是很直觀的，而且幾乎沒有歷史意義。這是來自戰術邊緣的作戰層面所需的信息和數據，以自動化的方式增加理解，減少所需時間，而不給任務飽和的工作人員增加要求。