本報告介紹了美國陸軍研究實驗室內容理解處的研究人員在 2023 財年為采用增強型戰術推理（ETI）框架所做的工作。ETI 的開發旨在支持多智能體環境（數據源智能體、推理模型智能體和決策者智能體）中人工推理研究的實驗和演示。在本報告中，ETI 被用于在跨現實環境中演示基于不確定性的決策推薦功能。從模擬場景的數據開始，再加上額外的外部環境，ETI 智能體對態勢感知信息中的不確定性進行推理，為決策者提供建議選擇。最后，ETI 的產品被轉化為跨現實可視化，以探索新的人機交互模式。

增強戰術推理（ETI）框架的設計和創建是為了支持人工推理研究的實驗和演示。ETI 目前的結構包括三個主要智能體：數據源智能體、推理模型智能體和決策者智能體。數據源智能體分為幾大類：信息（圖像、音頻、文本）、設備、網絡和可視化。數據源智能體可以捕獲數據并將數據傳輸給其他智能體。其他信息系統也可以向這些智能體提供數據。推理模型智能體執行不同方面和不同層次的推理。推理智能體的輸出將有助于生成建議的決策。決策者智能體負責做出最終決策。這些 ETI 智能體可以是模塊化的，允許串行或并行處理，以及獨立或相互依存。在這項工作中，ETI 發揮著決策輔助工具的作用。主要的推理模型是信息不確定性（UoI）模塊。該 UoI 模塊可在決策建議中考慮任何信息的不確定性。ETI 的另一項功能是實現與人類的互動，包括未來的可視化和協作環境。我們在跨現實（XR）環境--運籌、研究與分析加速用戶推理（AURORA）中進行了演示。與 AURORA 等系統集成后，可以探索智能系統與人類交互的新模式。在本報告中，將詳細介紹我們的演示開發過程，包括將模擬環境中的數據映射到可視化環境中，將決策點和 ETI 建議納入行動方案中，以及用 "假設 "情況來增強場景，以探索基于推理的框架的影響。

這項研究的目標是開發、整合和演示基于推理的決策框架。ETI 框架的決策建議被用于師演習訓練和審查系統（DXTRS）中的模擬場景，并在 XR 環境 AURORA 中實現可視化。下文將介紹 DXTRS、場景和 AURORA 可視化的背景情況。

• DXTRS場景

在該場景中，藍軍（BLUFOR）的目標是向東推進，穿過阿塞拜疆名為阿格達姆區的地區，同時與部署在河東的對方部隊（OPFOR）交戰并將其消滅。(見圖 1）

隨著任務的展開，BLUFOR 將遇到一條阻礙他們前進的河流，他們需要在那里進行濕空隙穿越。(見圖 2）

• AURORA跨現實共同作戰圖 (XRCOP)

為了探索可視化和與 ETI 的交互，DXTRS 場景和相關的 ETI 推理信息在 XR 環境中顯示。該環境由美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）開發，名為 AURORA。AURORA 為安全、聯網、多設備跨現實信息調解和交互提供了一個通用作戰框架。為了便于可視化，將場景數據集合映射為 AURORA 可以處理的目標光標（CoT）信息。本報告第 3 部分將詳細解釋映射過程。圖 3 和圖 4 顯示了AURORA環境中的場景截圖。

• ETI 決策建議

如前所述，ETI 的設計是利用各種推理模型作為模塊，允許不同的推理配置。本次工作的推理模型是用戶體驗模塊。UoI 的概念包括產生或捕捉一個值，并用描述符對不確定值進行分類。這為決策者提供了不確定性的上下文信息，并支持對由此產生的建議進行推理。描述符基于格申論文中提出的不完全信息的性質。目前，該分類法包括不一致、損壞、不連貫、不完整、不精確、復雜和可疑。它們共同描述了特定信息源不確定性的原因和類型。

當前版本的UoI表達式是一個加權和，如式1所示。

公式 1. UoI 計算，其中 dp 為決策點，D 為變量，表示可能是任務關鍵因素的決策組成部分，W 為與這些組成部分的重要性相關的權重，T 為分類權重類別（相當于 G），S 為數據來源類別。UoI 值表示數據源和因素對所分類的不確定性的貢獻。

以下是分類法中七個術語的描述：

• 不一致： 由于來源不同或不一致而導致的不確定性。
• 錯誤： 因數據源含有錯誤而導致的不確定性。
• 可疑： 由于信息來源缺乏信息或信息來源可疑而導致的不確定性。
• 不連貫： 由于信息來源缺乏連貫性或組織性而造成的不確定性。
• 不完整： 由于信息來源未完成或不完整而造成的不確定性。
• 不準確： 由于信息來源不準確或不詳細而造成的不確定性。
• 復雜： 由于信息來源錯綜復雜或令人困惑而造成的不確定性。

在本技術說明中，報告了有關傳感器技術和避讓方法的最新研究與開發文獻綜述，這些技術和方法可用于未來在有人-無人協同（MUM-T）行動中在小型無人系統上實施感知與避讓（SAA）能力。

在傳感器技術方面，研究了協作和非協作傳感器，其中非協作傳感器又分為主動和被動傳感器。我們認為：(1) 被動非協作傳感器在尺寸、重量和功率（SWAP）方面比其他傳感器更有優勢。被動工作可確保無人平臺在惡劣環境中的安全。為了補充單個傳感器能力的約束和限制，我們還認為，(2) 傳感器和數據融合的趨勢和未來需求前景廣闊，能夠在動態、不確定的環境中進行連續和彈性測量。此外，我們還認為應關注無人系統領域正在開發的 (3) 新型傳感器套件。

在探測和規避方法方面，我們按照 SAA 流程進行了全面研究，從探測沖突、危險或潛在威脅，到跟蹤目標（物體）的運動；評估風險和可信度；根據評估參數確定沖突的優先級；然后宣布或確認沖突以及沖突的程度；確定正確的沖突解決方法；隨后下達命令并最終執行。為了支持這一過程，我們審查了各種 SAA 算法，包括探測算法、跟蹤算法和規避策略。我們認為，（4）基于學習的智能算法需要列入未來 SAA 的要求中，因為它們具有支持任務的自適應能力。

最后，從不同的使用案例中回顧了支持 MUM-T 行動的 SAA。我們認為，(5) 與蜂群式小型 UxV 的人機系統接口可提供半自主的 SAA 能力，而人的參與程度有限。這種集成的人機交互提供了智能決策支持工具。該系統旨在使單個人類操作員能夠有效地指揮、監控和監督一個 UxV 系統。根據技術重點的發展趨勢，我們的最終觀點是：(6) 就研發進展而言，現階段實現無士兵參與的完全自主還為時過早，但我們將積極關注該領域的最新發展。

作為分布式海上作戰（DMO）的一個關鍵原則，盡管有人和無人、水面和空中、作戰人員和傳感器在物理時空上都有分布，但它們需要整合成為一支有凝聚力的網絡化兵力。本研究項目旨在了解如何為 DMO 實現有凝聚力的作戰人員-傳感器集成，并模擬和概述集成實施所需的系統能力和行為類型。作為一個多年期項目，本報告所述的第一項工作重點是建立一個適用于 DMO 建模、模擬和分析的計算環境，尤其側重于有人和無人飛機的情報、監視和偵察 (ISR) 任務。

在半個世紀的建模和仿真研究與實踐（例如，見 Forrester, 1961; Law & Kelton, 1991），特別是四分之一世紀的組織建模和仿真工作（例如，見 Carley & Prietula, 1994）的基礎上，獲得了代表當前技術水平的計算建模和仿真技術（即 VDT [虛擬設計團隊]；見 Levitt 等人, 1999）。這種技術利用了人們熟知的組織微觀理論和通過基于代理的互動而產生的行為（例如，見 Jin & Levitt, 1996）。

通過這種技術開發的基于代理的組織模型在大約三十年的時間里也經過了數十次驗證，能夠忠實地反映對應的真實世界組織的結構、行為和績效（例如，參見 Levitt, 2004）。此外，幾年來，已將同樣的計算建模和仿真技術應用到軍事領域（例如，見 Nissen, 2007），以研究聯合特遣部隊、分布式作戰、計算機網絡行動和其他任務，這些任務反映了日益普遍的聯合和聯盟努力。

本報告中描述的研究項目旨在利用計算建模來了解如何為 DMO 實現有凝聚力的戰斗傳感器集成，并建模和概述集成實施所需的系統能力和行為類型。作為一個多年期項目，本報告所述的第一項工作重點是建立一個適用于 DMO 建模、模擬和分析的計算環境。在這第一項工作中，將對當今的海上行動進行建模、模擬和分析，重點是有人駕駛和無人駕駛飛機的情報、監視和偵察（ISR）任務。這為與執行 ISR 任務的一個或多個 DMO 組織進行比較確立了基線。這也為與其他任務（如打擊、防空、水面戰）進行比較建立了基線。第二階段接著對一個或多個備用 DMO 組織進行建模、模擬和分析。

在本技術報告的其余部分，首先概述了 POWer 計算實驗環境，并列舉了一個實例，以幫助界定 DMO 組織和現象的計算建模。依次總結了研究方法。最后，總結了沿著這些方向繼續開展研究的議程。這些成果將極大地提高理解和能力，使能夠為 DMO 實現戰斗員與傳感器的集成，并為集成實施所需的系統能力和行為建模和概述。

在這份科學報告中，研究了一個導彈防御的問題，其中有異質的來襲再入飛行器（RVs）。也就是說，這些再入飛行器由不同類型的導彈組成。防御系統利用也是導彈的攔截器來試圖攔截再入飛行器。我們建議，在有異質RV的簡單交戰場景中，防衛方可以使用最佳最后交戰機會（SLS-OLEO）的射擊戰術來優化其在最后交戰機會中的突襲否定概率（PRA）。為了優化這種方法，我們利用天體動力學、帶約束的微積分、微擾理論、動態規劃和生成函數以及PRA的凹特性來比較各種射擊戰術。這種方法使我們能夠確定針對RV的攔截器的最佳分配，使PRA最大化。此外，我們還考慮了PRA如何有助于綜合系統有效性的概率（PISE），這反過來又決定了彈道導彈防御系統（BMDS）的全球有效性。原則上，該方法一般適用于導彈。然而，我們確定交戰機會數量的方式是基于彈道導彈的。

對國防和安全的意義

在導彈防御方面，至關重要的是，防務部門要消除來襲的RV，以保護其資產和人口。眾所周知，有一種基于RVs數量、攔截器數量及其特性（如單發殺傷概率（SSBK）和交戰機會數量）的發射策略，可以最大限度地提高突襲否定的概率，即PRA。然而，當來襲的RV由不同類型的導彈組成時，這樣的策略需要修改，因為現在的情況更復雜了。我們表明，用本報告所制定的策略仍有可能使PRA最大化。這一點很重要，因為最大化PRA意味著最大限度地挽救人口中的生命數量。

引言

對防空的作戰分析可以追溯到1930年代（Kirby和Capey[1]）。從那時起，防空研究有了很大進展，特別是在導彈防御領域。目前關于彈道導彈防御系統（BMDS）的文獻的特點是，分析集中在整個系統的孤立方面。具體來說，有關于理論發射理論（Soland [2]）、射-看-射戰術（Wilkening [3]）、命中評估（Weiner等人，[4]）、軌道力學（Cranford [5]）和綜合概率模型，如綜合系統有效性概率（PISE）（Boeing Co [6]）的研究。相比之下，本科學報告側重于突襲湮滅概率（PRA），它是PISE的一個核心組成部分，也是BMDS有效性的一個關鍵決定因素。

為了證明PRA的重要性，我們在涉及異質再入飛行器（RVs）的交戰場景中比較了三種發射戰術。在對結果進行嚴格的比較后，我們說明，雖然 "射擊-觀察-射擊與最佳最后交戰機會"（SLS-OLEO）沒有產生最大的PRA，但它在一個簡單的交戰場景中提出了最實際有效的PRA。也就是說，我們并不假定來襲的RV的數量是完全已知的。我們還探討了是什么使PISE成為BMDS框架的一個重要組成部分，并提出了兩個可以提高PISE的戰術。我們相信，作戰研究界的成員將能夠利用這些發現來評估BMDS的全球有效性。

為了幫助關注這個問題，我們定義了一個由五個異質再入飛行器（RVs）和二十個攔截器組成的例子情景，（Wilkening [3]）。這個場景當然不是一個飽和的場景，即RV的數量超過了攔截器的庫存，正如（Dou等人，[7]）所調查的。由于彈道導彈防御（BMD）的復雜性，有些特點和方法我們無法在本報告中涉及或深入分析。與其他研究相比，我們的視角是單面的（僅是防御），而不是雙面的（防御和進攻，Brown等人，[8]；兩階段博弈，Hausken和Zhuang[9]）。我們的研究也主要限于地基攔截器（GBI），而不是其他發射平臺，如閑逛的飛機（Burk等人，[10]）。我們不考慮誘餌（Washburn[11]）。我們注意到，BMD也可以使用基于代理的模擬（Garrett等人，[12]和Holland等人，[13]），或使用馬爾科夫鏈（Menq等人，[14]）進行建模。Park和Rothrock[15]研究了在導彈防御中框定人類主體的效果。實時威脅評估和武器分配（TEWA）的細節可以用3維穩定的婚姻算法來建模（Naseem等人，[16]）。針對一系列RV的防御性武器的最佳組合可以用線性編程來建模（Beare [17]）。盡管有這些假設和簡化，我們相信我們的方法為理解BMD提供了一個簡單的方法，同時也為評估BMDS的有效性提供了一個直接和統一的方法。

本文的組織結構如下： 第2節描述了交戰機會的數量；第3節介紹了三種已知的可用于對付相同（同質）RV的發射戰術；第4節擴展了一些用于異質RV的發射戰術，并提出了一種新的戰術；第5節描述了PRA的凹性；第6節利用凹性來確定全球最佳PRA；第7節說明了有效性的措施；第8節討論了PISE和改進它的方法；我們在第9節中得出結論。

本文是2014年發表的另一篇論文（Nguyen [18]）的完整和擴展技術版本，增加了一些新的內容，包括考慮新的射擊戰術（在第4節）、PRA的凹性（在第5節）和全局最優PRA（在第6節）。雖然第7節中的有效性措施在現有文獻中可以獲得，但我們根據第4、5和6節的新穎性來確定這些有效性措施。據我們所知，在文獻中還沒有任何論文將所有這些方面的內容匯集在一篇關于BMD的文章中。這篇文章的初步結果發表在一個會議記錄中（Nguyen和Miah[19]），它利用遺傳算法來優化有效性的措施。

作者正在研究分布式雷達在穿墻感應中的應用。這項技術的預期操作場景是在建筑物外的（安全）遠程距離內探測和識別建筑物內的人員和武器裝備。本研究使用的雷達結構和信號處理算法類似于美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）實施的埋藏和隱蔽表面目標探測的設計；目前的雷達發射和接收頻率更高。

在這項研究中，實驗是在ARL的阿德爾菲實驗中心（ALC）507號樓（"沙盒 "區域）進行的，使用的是室內低金屬兩層夾板結構。用來測試分布式雷達的受控環境與用來測試ARL針對電子目標的諧波雷達的低金屬環境相同。

圖1 步進頻率雷達收發器：(a)賽靈思的RFSoC與Alion/HII的雷達固件，以及(b)定制的發射器/接收器（Tx/Rx）濾波器和放大器PCB，由28VDC供電

結論及后續工作

本研究中收集的數據表明，在低矮的金屬建筑中，相互成直角的天線對能夠探測到多個移動目標，而這些目標從建筑外是看不到的。隨時間變化的距離圖顯示了目標所遵循的路徑；在一個頻道中跟蹤的目標路徑的模糊性可以通過在另一個頻道中跟蹤同一目標來緩解。仍需努力將同時收集的數據的IQ振幅一致地結合起來，以解決多個目標。一個目標是在二維（下行和上行）圖像上繪制目標位置，也許是以視頻動畫的形式疊加在場景的俯視圖上（即被成像的建筑物的典型平面圖）。在對移動目標進行成像時，發射器和接收器天線的雙穩態配對是否具有優勢（與標準的單穩態發射器天線配對相比）還有待確定。

鑒于對手軍事能力的威脅和擴散的增加，這項研究試圖開發合理準確和可計算的模型，以最佳方式操縱航空器攔截巡航導彈攻擊。該研究利用數學編程對問題進行建模，并以代表（時間）差分方程系統的約束條件為依據。研究首先比較了六個模型，這些模型對速度和加速度約束有不同的表述，同時分析了靜止目標的情況。多航空器、多固定目標交戰問題與箱體約束條件（MAMSTEP-BC）模型產生了卓越的整體性能，并通過替代數學編程模型的增強進行了進一步分析，以便在利用有效的機動序列方面創建可行的飛行輪廓。最后，對MAMSTEP-BC模型進行了修改，以操縱飛機來對付移動目標。

在優化交戰所需時間時，該模型被證明對多架航空器和多個目標有效。MAMSTEP-BC通過考慮航空器和飛行員的局限性，能夠保持高水平的顆粒度，同時設法為靜止和移動的目標快速生成最佳解決方案。

本論文的其余部分組織如下。第二章討論了與國防、飛行器路由問題和涉及差分方程的數學編程公式有關的文獻，以操縱或路由實體。下面的研究分三個不同階段進行。第三章介紹了第一階段所研究的工作，該階段開發并測試了操縱多架航空器來對付靜止目標的替代模型。在第四章中提出，第二階段的研究探討了替代的數學編程模型的增強，以創建研究第一階段的可行的飛行輪廓。在第五章中，介紹了第三階段研究的工作，其中開發和測試了一個最終模型，以操縱多架航空器來對付移動目標。第六章以工作的主要成果對論文進行了總結，并介紹了未來關于時空網絡路由模型主題的可能研究途徑。

本報告詳細介紹了用于評估強化學習 RL 算法的系統、測試環境和結果，以確定它們在沒有外部傳感器幫助的情況下降低慣性導航系統 INS 位置誤差漂移率的能力。創建了一個定制RL 環境來訓練 RL 算法，以校正來自 INS 的原始慣性測量值，使得位置在被全球導航衛星系統 GNSS 校正后更接近 INS 位置。當 GNSS 輔助被移除時，RL 系統將繼續校正慣性測量，因為它在 GNSS 輔助被移除之前接受過訓練。 RL 系統中使用了多種 RL 算法，并根據其校正慣性測量的能力評估了它們的性能，以允許更準確的位置解決方案減少位置誤差。還評估了算法對計算機資源的使用和實時操作的能力。本報告中描述的數據收集和評估表明，RL 系統可以幫助減少 INS 的位置誤差，而無需借助 GNSS 等外部傳感器。它還表明，某些 RL 算法比其他算法更適合此類系統。最后，這項研究確定了兩種 RL 算法，它們將繼續用于與這項工作相關的進一步測試。

引言

通過強化訓練改善漂移--慣性傳感器（DIRT-I）項目的主要目標是通過使用強化學習（RL）或訓練，在沒有全球導航衛星系統（GNSS）的情況下延長慣性傳感器的保持時間。在本文件中，GNSS和GPS（全球定位系統）這兩個縮寫詞可以互換使用。其基本概念是用一個由GNSS輔助的慣性傳感器來訓練RL系統。這將允許RL系統在被GNSS輔助校正之前和之后學習慣性數據。一旦它被充分訓練，GNSS輔助將被禁用，以模擬一個GNSS否認的環境，RL系統將提供對慣性數據的修正。然后，該慣性數據將被用來為用戶提供一個位置解決方案。我們的想法是，RL系統將查看所有可能導致慣性傳感器漂移的誤差源的總和，并對它們進行修正，以便在沒有GNSS的情況下提供一個精確的位置解決方案，這比沒有RL系統的情況下通常是可能的。這個概念如圖1所示。

由于RL系統是在慣性傳感器上進行訓練的，它在每次訓練中都會創建自己的傳感器及其噪聲源的模型。這意味著RL系統可以與各種慣性傳感器一起使用。由于誤差源都是混在一起的，所以不管它們是線性還是非線性的，也不管它們是平臺還是用戶特定的噪聲源。換句話說，一個慣性傳感器可能有一些內置的東西來糾正會對性能產生不利影響的溫度變化，但制造商對傳感器將要使用的平臺一無所知，所以沒有辦法糾正來自任何特定平臺的誤差源。這就是RL系統將能夠提高性能的地方。在DIRT-I項目的第一年，重點是一個地面車輛和一個慣性導航系統（INS）。

美國海軍陸戰隊正在建設反水面作戰領域的能力，特別是在獲得地基反艦導彈（GBASM）及其相關發射平臺方面。研究為分析與這種新能力相關的部隊結構提供了一種方法。研究方法使用離散時間馬爾可夫模型對GBASM炮組和敵方水面艦艇之間的戰術級決斗進行建模。這些模型有足夠的復雜性來解決關鍵的部隊設計問題，并且對決斗的關鍵特征進行了參數化，以便進行強有力的敏感性分析。

在海軍導彈作戰中，重要的是確定所需的炮彈規模S，以使炮彈有足夠高的概率殺死敵艦。GBASM概念的獨特之處在于，與從水面艦艇上發射導彈相比，它能夠將這種炮彈分散到幾個平臺上，并以更適合特定戰術場景的方式進行發射。在這種情況下，如果有一個大小為K的禮花彈，并將該禮花彈分散到N個平臺上，那么每個平臺在特定的禮花彈中發射?枚導彈，這樣K × N = S。有了這個公式，就能夠分析平臺數量和每個平臺發射的導彈數量在這些配置的殺傷力和生存能力方面的權衡。這為成本-效益分析提供了基礎。

對GBASM炮臺與敵方水面艦艇發生接觸的情況進行模擬。從簡單的場景開始，然后逐漸復雜化。讓GBASM發射器與一艘敵方水面艦艇進行決斗。GBASM一方被稱為藍方，水面艦艇被稱為紅方。最初假定雙方都有足夠的導彈供應，并且交換的時間是有限的，因此可以把供應視為無限的。GBASM以彈丸為單位進行發射，每個彈丸至少包括一枚導彈。在藍方的炮擊之后，紅方的水面艦艇有機會進行還擊。

在所描述的環境中，假設藍方具有首發優勢。鑒于GBASM的引入在沿岸地區造成的不對稱情況，首發優勢的假設并不是不合理的。GBASM是移動的，有可能移動到難以探測的地方，只有在準備開火時才出來。GBASM的目標是保持不被紅方船只發現，直到它成功瞄準紅方船只。一旦紅方船只成為目標，GBASM系統就會開火并移動到一個新的位置。如果沒有關于GBASM移動的完美信息，紅方艦艇將持續處于不利地位。

此外，該模型捕捉到了紅方對藍方的炮擊進行防御措施的能力。這些防御性的反措施是用參數λ來說明的，這個參數是紅方根據泊松分布可以攔截的藍方導彈的平均數量。以這種方式對紅方采取反措施的能力進行建模，說明了隨著藍方導彈規模的增加，紅方采取反措施的能力也在減弱。同樣，也說明了紅方針對藍方分布式發射器的能力下降。紅方殺死藍方分布式平臺的能力用參數?表示，根據泊松分布，紅方在還擊中可以殺死藍方平臺的平均數量。這再次說明，隨著藍方平臺數量的增加，紅方瞄準和殺死藍方的效果有限。

在對該模型的分析中，遇到了幾個關鍵的發現。首先，最重要的是確定理想的炮擊規模S，以提供足夠高的殺死敵艦的概率。這不是一個簡單的 "越多越好 "的問題，因為炮擊規模有一個收益遞減點。正如人們所期望的那樣，還得出結論，增加平臺的數量K可以提高生存能力，從而提高GBASM炮臺的殺傷力。然而，改進的幅度對其他參數很敏感，當炮彈規模足夠大時，改進的幅度通常很小。

該研究的主要產出是創建的模型和對它們進行進一步分析的能力。本論文中任何地方使用的參數值都不是由具體的GBASM系統或潛在的敵方水面艦艇的能力來決定的。因此，結果應該被看作是對參數空間可能區域的探索的概括。這些模型提供了根據有關特定系統的能力進行具體分析的能力。

本參考文件記錄了一種研究多派系沖突的方法。它的靈感來自于在加拿大聯合作戰中心（CJWC）進行的名為 "北約和平執行行動"的兵棋推演。該方法使我們能夠確定每個派系的實力與時間的關系。這種知識允許盟軍在部署前確定其兵力，以便成功地執行任務。使用一組具有隨機損耗率的微分方程對多派系沖突進行建模。

1 引言

作為其任務的一部分，加拿大聯合作戰中心（CJWC）定期進行兵棋推演。這些兵棋推演通常涉及軍事人員、平民和科學家等。如參考文獻[1]、[2]、[3]所述，有許多類型的兵棋推演。

本報告的靈感來自于一個特定的兵棋推演，并且是基于一個虛構的場景（見參考文獻[4]），概述如下。

在這個虛構的場景中，北大西洋公約組織（NATO）介入了紅色政府（RG）的和平執行任務。這發生在二十年后的未來（2039年）。紅色政府是集權的、專制的和好戰的。有四個派系。

1.紅色政府（RG）：RG的軍隊規模龐大，裝備精良。它從俄羅斯獲得技術支持和建議。

2.紅色伙伴（RP）：RP是RG的一個盟友。它是伊拉克和黎凡特伊斯蘭國（ISIS）和/或基地組織（AQ）的一個殘余勢力。RP的目的是將其世界觀強加于其他國家。

3.藍色伙伴（BP）：BP由叛軍組成。它只有輕微的武裝，是北約的盟友。

4.北約：北約的一支部隊，在北約特設的三星級聯合總部下行動，并有非洲聯盟成員支持。

RG在Kaden Khalil上校的統治下。RG壓迫自己的公民，暗中資助和庇護RP。RP是一個極端主義組織，破壞該地區其他國家的穩定。在非洲聯盟（AU）的支持下，北約旨在執行聯合國安理會（UNSC）的決議，要求停火，并要求RG尊重平民的人權。俄羅斯向RG提供支持，但沒有參與到戰爭中。

游戲探討了北約部隊可以采取的行動方案。關鍵能力被確定為是針對北約還是為北約而使用。

本文件組織如下：

• 第2節描述了由一組微分方程定義的模型。

• 第3節提供作為微分方程解的數值結果。

• 第4節總結了這些結果，解釋了它們的意義并提出了未來工作的方向。

為了支持未來的多域作戰分析，美國DEVCOM分析中心（DAC）正在探索如何在陸軍的作戰模擬中體現天基情報、監視和偵察（ISR）資產的貢獻。DAC正在使用基于能力的戰術分析庫和模擬框架（FRACTALS）作為方法開發的試驗基礎。用于預測衛星軌道路徑簡化一般擾動的4種算法已經被納入FRACTALS。本報告的重點是來自商業衛星群的圖像產品，其分辨率為1米或更低。報告介紹了預測分辨率與傳感器特性、傾斜范圍（包括地球曲率）和觀察角度的關系的方法。還討論了在不同分辨率下可以感知的例子。

在2021年建模與仿真（M&S）論壇期間，空間情報、監視和偵察（ISR）建模被確定為當前/近期的建模差距。美國陸軍作戰能力發展司令部（DEVCOM）分析中心（DAC）提交了一份陸軍M&S企業能力差距白皮書（Harclerode, 2021），描述了幫助填補這一差距的行動方案。陸軍建模和仿真辦公室已經資助DAC開發方法，以代表商業、國家和軍事空間和低地球軌道資產的性能及其對聯合作戰的影響，并在基于能力的戰術分析庫和模擬框架（FRACTALS）內進行測試實施。

FRACTALS是DAC開發的一個仿真框架，它提供了通用的結構 "構件"，用于模擬、仿真和評估ISR系統在戰術級任務和工作中的性能。FRACTALS作為DAC開發的各種ISR性能方法的測試平臺，將文件或數據被納入部隊的模擬中。FRACTALS還作為DAC的一個分析工具，在戰術環境中對ISR系統進行性能分析比較。

這項工作需要在一定程度上體現衛星飛行器（高度、軌跡和運動學）、傳感器有效載荷（光電[EO]、紅外、合成孔徑雷達和信號情報）、網絡、控制系統、地面站（時間線、通信、處理、利用和傳播）、終端用戶以及連接它們的過程和行為。本報告描述了DAC為支持這一工作所做的一些基礎工作，重點是可見光波段相機圖像。