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

本研究審視了加拿大國防部（DND）及加拿大武裝部隊（CAF）內開展的行動研究（AR），詳述相關經驗、成果與啟示。重點揭示了在軍事等層級化組織中開展自愿性研究面臨的潛在挑戰，并強調保持利益相關方持續參與對支持規劃研究活動的重要性。本研究采用混合方法行動研究（MMAR）路徑，旨在通過協作開發統計工具以優化加拿大國防部內部關于部署武裝部隊執行沖突預防任務的決策流程。研究過程中，通過在國防部門/武裝部隊人員研討會上引入沖突數據的結構方程建模（SEM），協同審查并完善決策流程；繼而運用驗證性因子分析（SEM-CFA）評估基于觀測沖突數據與理論概念構建的概念驗證模型。盡管取得初步進展，研究仍陷入停滯——這一局面促使研究者轉向深度解析國防部門/武裝部隊內行動研究的本質特征。研究深入剖析了停滯成因，包括研究者自身作為軍隊高級軍官的立場特殊性。獨特的是，該立場特性為特定反思提供了契機，有助于優化未來國防部門/武裝部隊行動研究實施策略以滿足組織與作戰需求。

關鍵詞：行動研究（AR）、混合方法行動研究（MMAR）、真實協作、決策、層級組織、軍事、結構方程建模（SEM）、驗證性因子分析（CFA）、沖突預測、加拿大武裝部隊（CAF）、加拿大國防部門（DND）

經與國防部門/武裝部隊多名高級軍官初步探討，判定核心研究問題在于：當前缺乏健全流程用于制定先發部署武裝部隊資源至脆弱國家以降低未來沖突風險的行動方案。據此明確研究焦點與總體目標：探索、開發、試點并評估統計工具，通過量化數據支持國防部門/武裝部隊利益相關方向加拿大政府官員提出部署建議——即武裝部隊如何在境外部署以降低國家/國際沖突風險。主研究問題及若干子問題隨之確立。各子問題與研究方法及階段化手段的對應關系見圖1概要及附錄A詳述（另見本章"初期研究設計與實施概述"）。請讀者關注圖1所示研究活動完成度標記：已完項與部分完成/未完成子問題及活動的分界。本文通篇采用"規劃路徑與實際執行"的比照框架解析研究偏離現象，第6章將深入探討偏離根源。

主研究問題：國防部門武裝部隊利益相關方如何運用沖突數據為政府決策者部署武裝部隊執行沖突預防任務提供依據？

/

圖1 分階段行動研究框架 [參見附錄A及表1]

基于政治意愿、國防政策及國防部門/武裝部隊提升沖突認知與部署效能的預設共識，啟動第一階段預備性初步調查。基礎信息收集證實存在規范國防部門/武裝部隊提供軍事建議流程的條令手冊（加拿大國防部，2008），但從業者訪談顯示該條令未被嚴格執行。條令與實踐的顯著脫節印證《強健、安全、參與》關于該領域需改進的判斷——或許問題僅在于優良條令未獲貫徹。這成為研究武裝部隊部署至潛在沖突區實際決策流程的起點。預期條令與實踐偏差可為新型分析工具提供建構基礎，并啟示工具形態。構思初期，結合2008年阿富汗戰場經驗及自身實踐反思研究問題的重要性，推想武裝部隊或文職人員早期介入脆弱國家或可降低部署風險，并提升未沖突區域的和平前景。該議題值得探索且流程優化可期，遂將重心轉向軍事研究者如何對接國防部門/武裝部隊的操作實務。在第二、三章開篇前需說明：為何選擇行動研究而非軍事研究常用方法。

首章已闡明武裝部隊軍事決策與沖突預防[緩解]任務研究的理論基礎。引入社會科學、軍事科學及行動研究作為方法論體系，明確主問題與研究支撐框架。前文預示本行動研究在初期階段遭遇阻滯，此類問題在此類探索中實非罕見。但提前終止研究的成果共享在學界尚屬稀缺（見第二章），故望本研究能豐富行動研究知識庫及軍事探索體系——行動研究恰是開展多方法協作研究的適宜工具。

鑒于沖突議題與全球武裝部隊部署受到重大政策關注，本研究將產出后續建議報告：提議國防部門/武裝部隊內部開展決策機制專項研究及沖突獨立研究。本次行動研究揭示的經驗將闡明未來國防部門/武裝部隊研究需把握的效益、機遇及建議方向，旨在為決策層部署武裝部隊至全球高危區域提供更具針對性的成果。第二章將綜述相關文獻，深入解析行動研究理論，為第三章的方法論思辨奠定基礎。”

生成高質量標注合成圖像數據的能力，是構建和維護機器學習數據集的關鍵工具。然而，確保計算機生成數據質量達標極具挑戰性。本報告旨在評估并改進"虛擬自主導航環境系統與環境傳感器引擎"（VANE::ESE）生成的合成圖像數據，同時記錄為處理、分析VANE::ESE圖像數據集并基于其訓練模型所開發的全套工具集。研究還呈現多項實驗結果，涵蓋對可解釋AI技術應用的探索，以及在不同合成數據集訓練的多模型性能對比分析。

虛擬自主導航環境（VANE）是由軟件工具與虛擬場景構成的自動駕駛建模與仿真系統集合。其環境傳感器引擎組件（VANE::ESE）專用于在虛擬環境中高精度模擬車輛傳感器物理特性（涵蓋攝像頭、激光雷達、毫米波雷達等）（Carrillo et al. 2020）。本報告聚焦評估、優化VANE::ESE仿真引擎在生成合成圖像數據方面的性能——該類數據用于訓練機器學習（ML）計算機視覺模型，以執行目標檢測與圖像分類任務。合成數據生成能力的核心價值體現在兩方面：首先，因數據基于預設場景生成，可為每個圖像樣本實現自動標注，能零成本構建超大規模數據集；其次，可構建特定虛擬場景生成數據，有效覆蓋現實采集難以企及的高危邊界場景（例如戰損建筑或車輛的圖像數據）。快速生成特定場景的標注數據集對機器人與自主系統等廣泛領域具有重要價值。

然而，利用合成數據訓練ML模型仍面臨雙重挑戰：其一，海量合成數據集存在標注準確性保障及多格式標簽轉換等通用問題；其二，彌合真實數據與合成數據之間的差異尤為困難。現有研究提出多種解決方案——包括通過全域自適應技術改進模型（Wang and Deng 2018）、采用生成對抗網絡轉換圖像（Pfeiffer et al. 2019），以及直接提升仿真圖像的視覺真實感。真實圖像數據存在巨大差異（即便同類物體樣本間亦如此），要在保留準確標注的前提下復現這種差異性與真實度極具挑戰。本研究采用務實性操作路徑優化VANE::ESE圖像數據：接收生成數據集→運用本報告記錄的多重方法與工具分析→向開發團隊反饋優化建議→迭代提升后續數據集質量。

本工作的核心目標是提升VANE::ESE合成圖像數據在目標檢測與分類神經網絡訓練中的泛化能力，次要目標是開發并完整記錄用于處理分析VANE::ESE數據集的軟件工具集。

本報告向美國國會提供了美海軍正在開發的用于水面艦艇艦載固體激光器（SSL）的背景信息和問題。

美海軍 2025 財年擬議預算要求繼續為其中一些工作提供研發資金。海軍于2014年在一艘海軍艦艇上安裝了第一臺能夠對抗水面艦艇和無人機（UAV）的固態激光器原型機。從那時起，海軍一直在開發和安裝更多的 SSL 原型，以提高反水面飛行器和無人機的能力。海軍正在開發的更大功率 SSL 可能具有反艦巡航導彈 (ASCM) 的能力。目前美海軍開發 SSL 的工作包括：

• 固態激光技術成熟（SSL-TM）工作；
• 海軍光學眩暈攔截器（ODIN）；
• 海軍水面激光武器系統（SNLWS）增量 1，又稱集成光學眩光和監視功能的高能激光器（HELIOS）；以及
• 高能激光反反艦導彈計劃（HELCAP）。

美國會面臨的問題是是否修改、否決或批準海軍的艦載激光器開發項目的采購戰略和資金申請。國會就此問題做出的決定可能會影響海軍的能力和資金需求，以及國防技術和工業基礎。

本報告向國會提供了海軍正在開發的用于水面艦艇自衛的艦載固體激光器（SSL）的背景信息和問題。海軍 2025 財年擬議預算要求繼續為其中一些工作提供研發資金。

美海軍于2014年在一艘海軍艦艇上安裝了第一臺能夠對抗水面艦艇和無人機（UAV）的固態激光器原型機。從那時起，海軍一直在開發和安裝更多的 SSL 原型，以提高反水面飛行器和無人機的能力。海軍正在開發的更大功率 SSL 可能具有反艦巡航導彈 (ASCM) 的能力。目前海軍開發 SSL 的工作包括：

• 固態激光技術成熟（SSL-TM）工作；

• 海軍光學眩暈攔截器（ODIN）；

• 海軍水面激光武器系統（SNLWS）增量 1，又稱集成光學眩光和監視功能的高能激光器（HELIOS）；以及

• 高能激光反反艦導彈計劃（HELCAP）。

美國國會面臨的問題是是否修改、否決或批準海軍的艦載激光器開發項目的采購戰略和資金申請。國會就此問題做出的決定可能會影響海軍的能力和資金需求，以及國防技術和工業基礎。

美國國防部（DoD）正迅速與各軍種合作，從多年期（如 7-10 年）傳統采購計劃轉向基于商業行業的軟件開發方法。雖然商業技術和方法為快速部署任務能力以應對威脅提供了機會，但商業技術是否適用于滿足水面作戰系統的實時要求尚不清楚。這項研究建立了技術數據，以驗證當前商業技術的有效性和適用性，從而滿足國防部作戰管理系統的硬實時要求。有學者進行了類似的研究；然而，微服務、容器和容器編排技術當時還未出現在國防部的雷達上。該領域的最新知識將為國防部未來的路線圖和投資提供參考。將采用基于任務的方法，利用任務工程為應用研究設定背景。已經建立了一個假設的但與業務相關的海峽過境方案，以便在評估假設時為確定實驗參數提供背景。將系統模型聯合起來形成一個系統架構，并利用云計算環境中的數據收集數據進行定量分析。

本文件編排如下：

• 第 1 章（導言）討論了擬議研究背后的理論體系，討論了本研究的目的，并確定了要解決的問題。

• 第 2 章（研究背景）介紹了文獻綜述，并討論了以往研究的局限性。

• 第 3 章（方法論）討論了方法論方法，闡明了任務工程背景，提出了預測和假設，并討論了原型測試環境的開發和實例化。

• 第 4 章（結果）討論統計分析結果。

• 第 5 章（討論）概述了研究結果，并討論了研究意義和局限性。

• 第 6 章（結論）介紹了本研究對工程管理與系統工程（EMSE）"知識體系 "的貢獻，并對未來研究提出了建議。

本報告介紹了用于基于事件的視覺慣性里程測量的機載事件傳感器的性能和結果，項目名稱為 Have T-Rex。測試由俄亥俄州賴特-帕特森空軍基地空軍技術研究所自主導航技術中心（AFIT/ANT）要求進行。開發測試的牽頭機構是加利福尼亞州愛德華茲空軍基地的空軍測試中心。執行測試機構是第 412 測試聯隊。測試由美國空軍試飛員學校 20A 班在加利福尼亞州愛德華茲空軍基地進行，是學生測試管理項目的一部分。測試于 2020 年 9 月 8 日至 2020 年 9 月 21 日進行，包括駕駛編號為 87-0377 的 F-16 進行 21.4 個小時（13 架次）的飛行測試，以及駕駛 T-38C 作為空中目標進行 2.2 個小時（2 架次）的飛行測試支持。

全球定位系統（GPS）是軍事和商業定位、導航和定時應用的關鍵。全球定位系統的導航性能取決于能否可靠、無障礙地接收低功率衛星信號。這些信號很容易受到干擾或欺騙。AFIT 自主與導航技術中心已投資于各種替代導航解決方案，以降低這種風險。基于事件傳感器的視覺慣性測距（EVIO）導航就是其中一個研究領域。視覺里程計使用安裝在車輛上的攝像頭，通過識別和跟蹤圖像特征來估計車輛的運動。運動估算的準確性受到攝像機性能的限制，因為每秒低幀捕獲率會錯過幀間的關鍵信息，尤其是在快速運動時。另外，捕獲率極高的相機需要更強的處理能力。

測試中的系統（SUT）包括基于事件的傳感器（EBS）和慣性測量單元（IMU），安裝在 F-16D 上的可重構機載傳感器、通信和激光（RASCAL）吊艙中，以提高目視測距性能。EBS 通過硬件實現強度變化檢測。這種操作理念提高了時間分辨率和動態范圍，而且功耗低，有利于快速運動和低/變化的環境照明條件。SUT 的導航算法通過卡爾曼濾波器處理 EBS 圖像來識別特征運動，并輔以 IMU 數據來預測飛機的位置、速度和姿態。SUT 算法尚未用于飛行中的導航估計；所有導航估計都是在飛行后進行的。

總體測試目標是確定 EVIO 算法的準確性，并收集數據以支持正在進行的目標探測和跟蹤算法開發。具體的測試目標有四個：展示 SUT 生成導航解決方案的功能，確定不同飛行條件下導航解決方案的準確性，收集具有操作代表性的飛行剖面數據，以及收集目標跟蹤數據用于未來研究。

數據是在不同高度（200 英尺到 20,000 英尺地面高度）和不同地面速度（250 節到 520 節）、不同地形（灌木叢沙漠、城市、山區、湖床）和環境照明條件（白天、黎明/黃昏和夜晚）下收集的。此外，還執行了俯仰和滾轉機動，以確定動態機動的影響。最后，還針對空中和地面移動目標收集了數據。

所收集的數據顯示，SUT 的精確度在視線率、環境照明條件、地形或動態機動方面沒有明顯的變化趨勢。持續存在的極大解算誤差阻礙了對這些因素如何影響 SUT 性能的適當調查。研究小組建議在繼續進行飛行測試之前，調查并糾正 EVIO 算法精度方面的缺陷。結果表明，在測試的配置中，被測系統無法產生可靠或有用的導航解決方案。結果還顯示，該系統能夠探測空中和地面移動目標；但是，還需要進一步分析，以開發目標跟蹤算法。

研究要求：

美國陸軍行為與社會科學研究所（ARI）與陸軍人才管理特別工作組（ATMTF）合作，在全陸軍范圍內開展了一項軍官職位分析。這項工作的目的是確定對確保陸軍在人才管理方面做好準備至關重要的知識、技能、能力和其他特征（KSAOs）。這項合作的成果包括引入了陸軍人才屬性框架（ATAF），這是一個全面、統一和分層的陸軍 KSAO 列表。在這項工作的基礎上，確定 ATAF KSAOs 的循證測量方法被認為是陸軍人才管理的關鍵需求。為支持這項工作，當前的研究對測量規劃和規格制定過程進行了廣泛概述。此外，當前的研究還介紹了開發《陸軍衡量標準匯編》（AMC）的初步工作，這是一個包含陸軍 KSAOs 循證衡量標準的資源。

程序：

在第一階段，ARI 人員編寫了包括最佳實踐在內的測量規劃和規范流程高級教程。在第二階段，對學術、商業、政府和公共資源進行了系統審查，以確定可納入 AMC 的衡量標準。系統審查首先要確定目的、范圍、排除標準和編碼方案。接下來，ARI 人員開始對措施來源進行結構化搜索，目標是學術數據庫、商業供應商、政府研究資料庫和公共領域項目資料庫。此外，ARI 人員還與從事類似工作的其他陸軍組織進行了協調。搜索結果初步收集了 144 項措施。考慮到背景和目的、有效性和可靠性證據、內容相關性和結構對應性等標準，對這些測量方法進行了進一步評估和篩選。

研究結果：

測量規劃和開發流程概述了流程中的以下步驟：確定重要任務和職責；將任務和職責與屬性聯系起來；選擇、調整或開發測量方法；通過規范實施測量計劃。在本教程中，我們概述了陸軍人才管理專業人員在為人才管理目的謹慎選擇衡量標準的過程中應認知的關鍵因素和注意事項。在第二階段工作中，我們確定了全陸軍范圍內被評為對軍官最重要的前 30 項 KSAO 的 69 個潛在衡量標準。我們還發現了制定或調整衡量標準的機會，其中有兩種情況是我們無法找到合適的 KSAO 衡量標準。

調查結果的利用與傳播：

陸軍人才管理專業人員可以利用測量規劃和規范流程概述以及最初的 AMC，幫助選擇 ATAF 中的陸軍 KSAO。他們可以借鑒所審查的規劃流程步驟，包括關鍵考慮因素和最佳實踐，來制定自己的衡量計劃和規范。我們提供了幾種說明性工具，陸軍人才管理專業人員可利用這些工具輔助決策，包括構建關聯矩陣和按衡量標準劃分的屬性矩陣。我們描述了衡量規劃過程中的一個關鍵決策點（例如，在選擇、調整或制定衡量標準之間做出決定），并為陸軍人才管理專業人員提供了如何處理每種選擇的指南和選項。最后，我們還為尋求進一步指導的人員提供了其他信息來源。此外，陸軍人才管理專業人員可以將 AMC 作為起點，選擇用于自身衡量規劃工作的衡量標準。此外，我們的系統性審查結果還可用作陸軍內部衡量發展和改進工作的催化劑，包括制定更多的 KSAO 衡量標準、利用預測分析和建模來改進流程，以及解決人才管理研究和實踐中的衡量權衡問題。

美國防部增材制造戰略（2021年）和陸軍指令2019-29（2019年）（通過先進制造業實現戰備和現代化）表明，軍方正在努力將增材制造融入軍事系統。這項定性研究的目的是探索增材制造技術的進展，以評估增材制造部件在陸軍旋翼飛機上關鍵安全應用的可行性。本研究概述了陸軍飛機關鍵安全項目的鑒定過程，回顧了美國防部和陸軍的增材制造政策，詳細解釋了粉床聚變和定向能處置增材制造工藝，并回顧了一個案例研究。增材制造技術需要嚴格的材料和工藝控制，以及重要的鑒定檢查和測試，以支持陸軍航空的關鍵安全應用。然而，增材制造技術已經成熟，現在該技術已經準備好為關鍵應用生產高質量的復雜旋轉翼零件。

概念框架

本研究的概念框架定義了研究過程的目標。首先，本研究將提供一個陸軍航空CSI資格認證過程的概述。本研究將簡要討論與AM和航空有關的陸軍和國防部政策，以便為AM在陸軍航空中的相關性提供背景。然后，本研究將提供適用于陸軍旋翼飛機關鍵應用的金屬部件制造的AM工藝研究。最后，本研究將以一個案例來結束，該案例提供了一個陸軍旋轉翼飛機上使用AM部件的鑒定過程的例子。圖1顯示了生產增材制造關鍵安全項目的研究的概念框架圖。

FAST項目（基于智能體的系統基礎技術）是一項為期三年的研究和開發工作，與位于紐約州羅馬的空軍研究實驗室簽訂合同。該項目從一開始就由美國海軍贊助，在項目的后期，美國空軍也做出了額外的貢獻。

該項目的主題是探索新的建模方法和基于模型的軟件生產技術，以提高所開發軟件的質量，同時縮短開發時間，提高設計的可重復使用性。在模型驅動的軟件和系統開發，以及海軍的任務工程有很大的相似性。傳統上，這兩個過程都是以自下而上的方式開發，而自上而下的方法則更有針對性和前景。這種自上而下的方法的最初步驟必須是一個概念模型，概述基于一組給定事實達到預期目標所需的所有（概念）決策。對于任務工程來說，這個決策建模器有助于確定所有需要做出的關鍵決策，以及相應的任務，以便規劃和執行一個成功的任務。對于軟件或系統工程師來說，決策建模器概述了設計中的系統的關鍵語義和相應結構。雖然存在對系統工程的建模支持，在某種程度上也存在對軟件工程的建模支持，但沒有任何工具支持將決策建模器作為系統或軟件設計模型的一個完全集成部分來建立。因此，由于其根源在于系統建模語言（SysML），任務工程也缺乏決策建模能力。

我們通過為統一建模語言（UML）建模工具MagicDraw（又名Cameo）開發決策建模器能力，作為一個可加載的插件，與商業上可用的插件，如SysML、UAF等兼容，縮小了這一差距。決策建模器實現了決策模型和符號OMG標準所定義的決策需求圖的增強型變體，但在其他方面偏離了OMG標準，以提供更復雜的決策表達建模、決策仿真能力，以及與SysML（v1.x）的無縫集成能力。為了在更大的仿真場景中進行協作，我們為MagicDraw開發了第二個插件（名為SimCom），允許決策建模器的仿真能力與外部仿真系統（如高級仿真、集成和建模框架（AFSIM））之間進行實時協作。SimCom插件實現了一個受 "高級架構"（HLA）仿真協議啟發的輕量級協議。我們用決策建模器和AFSIM之間的協作場景展示了這種能力。

雖然決策建模器的工作使我們偏離了開發時間和空間（4D）、基于模式建模方法的最初計劃，但我們的深入合作和對SysML v2的貢獻，在很大程度上彌補了這一點，提交給OMG。SysML v2已經達到了與我們最初計劃的相似的4D特征。在SysML v2環境下重建決策建模器將是一項有趣和有益的任務。除了參與SysML v2的工作，該項目還在其他幾個OMG標準的開發中起到了主導作用。

方法、假設和程序

相關標準及技術

許多建模方法包括隱含或嵌入的決策制定。這些建模案例有流程圖、活動圖、業務流程模型等等。決策建模作為一門專門的學科是比較新的。對象管理小組創建了決策建模和符號（DMN）規范，最初是為了使BPMN1業務流程模型中的決策更加明顯，并支持更詳細的決策過程。這段歷史的缺點是，DMN現在與BPMN的關系非常緊密，尤其是在元模型層面。因此，DMN，不能直接與UML或SysML集成。為了使DMN風格的決策建模與UML和SysML模型協作，特別是使現有的UML建模工具能夠進行DMN風格的決策建模，必須創建一個決策建模UML配置文件，與DMN元模型密切相關。

目標建模環境

決策建模器的開發和目標部署平臺是MagicDraw 19.0 SP4版本。MagicDraw（也被稱為Cameo）是一個UML建模工具，由No Magic公司開發和銷售。No Magic最近被Dassault Systèmes收購，Dassault Systèmes將繼續進一步開發和銷售這個工具，可能會用不同的名字。

MagicDraw是一個用Java實現的UML建模工具。它支持并使用一個插件架構來擴展其建模能力，涵蓋其他基于UML的建模語言和方法，如SysML、UAF和其他。一個OpenAPI工具箱可以用來支持自定義插件的開發。

圖 2 - MagicDraw（又名 Cameo）環境中的決策建模器

決策建模器和SimCom通信引擎是由FAST項目為MagicDraw開發的兩個定制插件。SimCom插件沒有任何先決條件，而決策建模器插件的功能需要SysML和Alf插件的存在。由于UAF是基于SysML的，決策建模器也可以用于基于UAF的企業模型。決策建模器和SimCom插件的安裝程序都與MagicDraw資源管理器一致。

標準制定

雖然在整個FAST項目中開發的技術是朝著符合相關標準的方向做出的最大努力，像OMG規范的元對象設施（MOF）、統一建模語言（UML）、系統工程建模語言（SysML）等；或者像世界網絡聯盟（W3C）開發的網絡本體語言（OWL）、資源描述符框架（RDF）或其他，但我們自己也大力參與了新標準的開發，即在對象管理小組內。

雖然標準的制定是繁瑣的工作，但它的回報是許多好處。某一主題的標準化要求它處于該主題發展的第一線。這項工作通常是在研究實驗室或高級開發部門的隱蔽處進行的。然后，標準化要求開發人員開放并與世界各地同行討論該主題，這在所有案例中都是有益的。

在FAST項目期間，我們參與了對象管理小組的幾個標準化任務。所有這些任務都是在FAST項目之前的某個時間開始的，但這些任務的持續工作和討論為FAST項目提供了重要的投入和科學效益。我們所參與的任務是： MOF到RDF的轉換，元模型擴展設施，系統工程建模語言第二版，智能體和事件元模型，以及不確定性建模的精確語義學。另見本文件后面的標準化活動一章，以及項目技術報告（CDRL A010）中的相應章節。

決策模型

決策模型由兩類元素組成：主動和被動元素。

• 主動元素是決策元素，它在模型執行過程中影響模型結果的整體結果（最高目標值）。根據OMG DMN規范，這些主動元素被定義： Decision、DecisionService和BusinessKnowledgeModel。

• 被動元素不包含任何決策邏輯，因此不直接影響模型的結果。它們可能需要協助連續的活躍元素之間的信息流，或者注釋決策模型。OMG DMN規范定義了以下兩個被動元素： InputData和KnowledgeSource。

我們決策模型的所有元素，無論是主動還是被動，都有相同的基本結構：它們將接受一個到多個輸入，稱為 "輸入事實"，并產生一個單一的輸出，稱為 "結果事實"。所有的事實都可以是單值或復值，在這種情況下，它們是單值的結構。

這項研究是根據W/001/TOR合同的任務13為加拿大國防研究與發展（DRDC）多倫多研究中心（TRC）進行的，以支持DRDC在先進平臺和武器（APW）戰略重點領域（SFA）的建模和仿真（M&S）能力。目前的研究考察了與便攜式防空系統（MANPADS）有關的人為因素問題。

在DRDC提供的文件基礎上，進行了開源文獻搜索，以確定文獻審查的相關出版物。為匯編和評估制定了一個數據收集框架。根據文獻對便攜式防空系統和人類問題的關注程度，選擇了一套精煉的文獻（N=21）。研究小組審查并總結了這些文獻。審查涉及到與肩扛式導彈的使用概念、系統、訓練方法、測試和評估（T&E）、自動化、生物力學、目標跟蹤和人體性能模型有關的人為因素的作用。在該領域確定了一些人因工程（HFE）的知識差距。

基于這些發現，建議在DRDC的模擬環境中執行一組小型的未來研究課題。此外，還概述了在DRDC模擬環境中推進研究和/或采用原型工具的下一步建議。這些研究課題領域列在下面，需要進行驗證，以確保與DRDC的優先事項相一致。

• 人體測量分析--根據MIL-STD-1472H標準，開發一個準確的人體性能數據庫，代表全部的人體尺寸范圍（即第5-95百分位）。

• 環境服裝和防護設備--調查與寒冷天氣服裝相關的人體性能以及穿戴防護設備對準確性的影響，并確定肩扛式導彈是否可以在寒冷天氣環境下合理使用。

• 與目標交戰序列（TES）相關的操作訓練程序--對操作程序進行訓練和練習，以確保在電池冷卻裝置（BCU）的電池壽命內完成目標獲取和交戰。

• 地形--小組長選擇最佳位置攻擊空中威脅，確保為小組提供足夠的保護。

• 任務長度--長期任務對人的表現的影響，這些任務是在緊張的條件下進行的，需要在攜帶貨物時快速移動；以及

• 視覺搜索模式--調查小范圍和大范圍內的最佳搜索模式（水平、垂直）。