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

快速的技術和地緣政治變革又加劇了全球挑戰，破壞了傳統的安全和軍事情報模式。在這種情況下，數字孿生（DTs）和人類數字孿生（HDTs）通過整合戰略、行動和預測分析，在促進軍事情報整體方法方面發揮著至關重要的作用。這些先進的工具通過改進決策過程、減少認知偏差以及對危急情況進行更動態、更有效的管理，提高了在復雜情況下的反應能力，并支持危機預防。國防技術和人類發展技術不僅加強了軍事機構的作戰能力，還將技術創新與尊重人的尊嚴結合起來，為國家在全球挑戰面前的復原力做出了重大貢獻。

戰略決策革新

• 壓力下的決策

情報仍是一個充滿挑戰的領域，科學與藝術、真相與欺騙的相互作用造成了固有的風險。歷史表明，從珍珠港事件（1941 年）到入侵伊拉克（2003 年），情緒化、認知扭曲和戰略溝通中的漏洞都可能導致災難性的失敗。這些事件突出表明，亟需減少認知偏差，因為認知偏差會改變風險感知，影響壓力下的決策。

為了解決這些弱點，DTs 等技術發揮了變革性作用。通過模擬復雜情景和預測反應，數據傳輸技術有助于減少認知扭曲，提高戰略的穩健性，促進技術分析與政策判斷更加平衡地結合。

HDTs 在分析群體動態和減少認知偏差方面具有獨特優勢，這是在壓力或不確定情況下做出戰略決策時經常遇到的問題。憑借處理客觀數據和模擬情緒或戰略反應的能力，它們可以幫助分析人員預測緊張局勢和誤解，提高群體凝聚力，確保做出更有效的決策。它們可以模擬政治談判或會議期間的集體行為，識別潛在的情緒障礙，提出更合理的解決方案。通過預測這些動態變化，可以制定更穩健的戰略，減少認知偏差的影響，提高決策的整體質量。

這種能力凸顯了其在現代決策系統中的變革潛力。

HDT 可以為決策者提供量身定制的個性化分析，通過提高信息的說服力、增進關鍵行動的共識和提高決策質量，從而提供戰略優勢。HDT 具有自適應學習能力，可不斷增強預測和模擬，確保在復雜多變的環境中保持競爭優勢。除了支持決策，HDTs 還能重塑情報與政策之間的互動，使決策者與分析人員之間的交流更快、更有效、更有針對性。例如，它們可以簡化簡報中對戰略信息的表述，以清晰易懂的方式組織信息，促進對影響的理解，并促成知情的合作決策。這種整合有助于以更具戰略性和靈活性的方式進行危機管理和業務規劃。

• 數字孿生和高級培訓：通過人與技術的交互增強戰略情報

總體而言，要最大限度地發揮 DT 技術帶來的好處，一個基本要素是對分析人員進行高級培訓，并按照與 DT 交互互惠的邏輯進行構思。有針對性的培訓不僅有助于識別和減少認知偏差，還能將 DT 技術更好地融入決策過程，提高分析的準確性和質量。

通過模擬真實而復雜的場景，DT 技術有助于創建一個虛擬的培訓環境，讓分析人員和操作人員能夠提高數據解讀技能，防止出現重大錯誤，并做出明智的決策。專用的 HDT 可以讓分析人員在各種情況下進行自我測試，從錯誤中吸取教訓，并增強他們的技術準備和戰略能力。這類培訓不僅限于開發技術技能，還能幫助操作人員更好地應對壓力和不確定性，強化克服認知偏差的策略。

然而，人類與 DT，特別是與 HDT 之間的關系并非單向的。通過與人類操作員的不斷交流，DTs 可以從互動中 “學習”，獲得并不總是可以量化的人類元素，如情感和直覺。這種自適應能力使 DT 和 HDT 能夠更有效地處理復雜的情況。

人的能力和技術能力之間的動態相互作用不僅改進了情報分析，而且放大了兩者的局限性和潛力，從而創造出一個更強大、更多才多藝的系統。這種綜合方法是應對日益復雜多變的全球環境挑戰的關鍵一步。

信息領域使過去孤立但有助于增強國力的各個領域產生了協同效應。隨著 MDO 等概念的出現及其對 CNP 的貢獻，這導致了范式概念的轉變。本文試圖全方位地了解信息領域，即信息領域包括哪些內容、計算與通信融合和高速無線技術的影響、信息領域主權、利基技術和新興技術融合、對世界新秩序的影響以及無縫吸收、管理和利用這些技術所需的軍民融合組織和結構，以便在 MDO 情景下領先于沖突/競爭曲線。成功實施 MDO 的關鍵在于將以技術為中心的方法調整為以能力為中心的保護、控制和拒絕（PCD）方法。在信息領域匯聚國家資源是未來開展 MDO 的關鍵。

世界正在從兩極向多極地緣戰略領域過渡，除軍事領域外，還在多個領域展開激烈競爭。這些領域不僅有助于增強國家的綜合國力（CNP），而且有助于建立新的世界秩序。傳統的權力評估方式也發生了轉變，軍事以外的多個領域在國家權力投射中發揮著重要作用。國家安全這一主題曾被認為是軍事專有的，僅限于陸、海、空領域，如今已發展成為多領域的 “國家整體 ”方法。同樣重要的是軍事能力與國家綜合國力工具的同步。需要了解這一轉變的原因，以確定對國家權力和安全有直接影響的核心領域。多域作戰（MDO）（見圖 1）等概念的出現在概念上與 CNP 有關。MDO 在古代戰爭時期就已存在，但通過動能和非動能相結合的手段實施 MDO 的能力是近代的一種范式轉變。非動能部分從根本上說是指除陸地、空中和海上領域之外的一切領域。由于信息領域在協同這一能力方面發揮著關鍵作用，因此它已成為 MDO 和國家力量的主要約束部分。信息領域影響所有領域的效率。由于信息和通信技術的變革，超越國界的影響、說服和勸說能力大大增強。需要對信息領域的優勢技術能力進行戰略協同，以便在 MDO 場景中占據信息主導地位。可以毫不夸張地說，MDO 概念是因信息領域而產生的。

圖1：多域作戰

信息領域的興起及其對 MDO 和 CNP 的影響

過去幾年，信息領域的發展在全球范圍內改變了戰爭，并從概念上改變了許多陸軍和國家的安全模式。仔細觀察多個領域可以清楚地發現兩個方面，即每個領域都有一個賴以生存的信息領域支柱，其次，每個領域對國家力量的協同影響和聯系都是通過信息領域實現的。因此，信息已成為一個包羅萬象的領域，它不僅對所有領域的日常成功運作至關重要，而且跨領域共享信息的能力也是實現多領域協同增效的主要推動力，從而使國家力量更加全面。

為了促進 MDO，需要在處理各領域事務的各部委/部門內部建立戰略文化和信息領域意識。傳統的國家組織結構隨著技術的發展而演變，現在需要重新調整，以適應信息領域融合的現實。某些部委，如電子和信息技術部（MEITY）、通信部和信息與傳播部，需要在國家層面進行整合，以實現信息領域的協同增效，從而提高 MDO 的能力。各組織需要從以技術為中心的方法調整為以能力為中心的方法。因此，將以技術為基礎的組織重組為以能力為基礎的結構，將是提高 MDO 能力的正確方向。

每個領域都需要三大能力，即保護、控制和拒絕（PCD）。保護基本上是對資產的防御。也可以將其歸類為資源使能器。拒絕是拒絕向對手提供資源或資源破壞者的進攻能力，而控制則是有效利用領域資源的資產管理或資源管理能力。加強能力以保護自身的關鍵資產，并在所有領域拒絕向對手提供這些資產，這對國家安全建設至關重要。由于信息領域是 MDO 的關鍵，建議將 PCD 概念模板應用于這一領域，以生成國家能力。重要的是，不僅要全面處理該領域，還要有專門的國家級機構負責保護、拒絕和管理關鍵信息基礎設施。由于國防網絡是這一信息基礎設施的重要資產，國家在民事和軍事方面的專業知識是建設能力的關鍵，不僅要保護、管理和拒絕國防網絡，還要保護、管理和拒絕涉及國家能力建設的信息領域。在 21 世紀的多領域國家整體沖突/競爭中，過去的軍民分離概念已不再適用。除了國家層面的信息領域 PCD 能力之外，每個領域的組織都需要在自身內部建立 PCD 能力。

重要的是要全面了解信息領域，即信息領域包括哪些方面，什么是新的范式和新出現的信息領域主權紅線，哪里有利基技術和新興技術匯聚在一起對新的世界秩序產生影響，以及最后需要什么樣的組織和結構來無縫吸收、管理和利用這些技術，從而在 MDO 情景下的沖突/競爭曲線中處于領先地位。

信息領域： 新興技術與當務之急

改變 21 世紀作戰概念和行動方式的主要技術主要在信息領域。與信息和通信系統、網絡、電子戰和太空有關的核心技術對 C4ISR（指揮、控制、通信、計算機、情報、監視和偵察）、降級能力、OODA（觀察、定位、決策和行動）周期、通過自主平臺進行的非接觸戰爭、通過人工智能和大數據進行的預測分析以及通過更好的感知管理能力將意志強加給對手的整體能力產生了重大影響。信息流模式從有線領域向無線領域的轉變帶來了網絡和預警領域的融合。因此，網絡與電磁活動（CEMA）的概念在世界各大陸軍中得到了發展。

影響信息領域和 MDO 的兩大技術障礙是計算和通信的融合以及從有線到無線領域的高數據率通信能力。過去的作戰網絡無線電是實施指揮和控制的唯一手段，現在正被軟件定義無線電、4G/5G/MDO 和無線通信所取代。

軟件定義無線電、4G/5G 移動通信、高帶寬衛星手機以及用于導航、決策支持和軍事應用的內置信息處理能力所取代。這極大地提高了機動性、精確性、戰場透明度、共享態勢感知和 OODA 循環的整體縮短。如果說 UAV（無人駕駛飛行器）/無人機徹底改變了戰爭，那么這場革命的支柱就是電磁頻譜（EMS）領域。從頻譜的角度來看，所有信息流都發生在電磁頻譜中，而電磁頻譜已從高頻（HF）/甚高頻（VHF）擴展到光波的極端。因此，拒絕向對手提供頻譜、控制重要信息流、電磁主權以及從頻譜中提取重要數據和情報已成為國家權力的代名詞。換言之，頻譜已成為信息戰的一個重要子領域，這一點從世界主要陸軍進行的組織變革中可見一斑。需要結合國防軍現有的信息哲學支柱來理解 EMS 的各個方面。創建 CEW（網絡與電子戰融合）使能和破壞能力是建議的未來技術發展方向。

由于現代戰爭中 MDO 的協同作用是由信息領域促成的，因此鐵路、電信、航天、航空和地面運輸、電力、財政、信息和廣播等直接或間接參與國防能力建設的部委必須建立戰略垂直部門，以更好地規劃、協調和執行項目，了解其整體能力對國防和 CNP 的影響。它們的信息網絡和數據是對手信息攻勢的重要目標，對國防能力有巨大影響。顯然，各部委或領域之間的這種信息領域聯系需要在所有相關部委中進行戰略滲透。軍民融合是成功實施 MDO 的關鍵。

圖 2：國家關鍵信息基礎設施

建立國家關鍵信息基礎設施（NCII）是網絡領域的一種需要，因此成立了一個保護中心。國家關鍵信息基礎設施包括從金融系統和能源網到交通網絡和政府運作的方方面面。這些領域不僅對軍事而且對國家權力都至關重要，因此很容易受到對手的信息攻擊。為了保護國家信息基礎設施免遭惡意行為者的攻擊，必須制定強有力的安全戰略。與傳統邊界相比，網絡和電磁主權正變得越來越重要。就國家信息基礎設施而言，利益相關者眾多。其中包括運輸、電信、電力和能源、銀行和金融機構、戰略和公共企業以及政府部門（見圖 2）。每個部門/機構都有保護其資產的章程。軍方在保護國家關鍵信息基礎設施方面的作用僅限于保護自身資產，就像其他利益相關方一樣。隨著信息和頻譜成為國家力量的關鍵組成部分，任何國家都必須建立防御能力，并拒絕對手擁有這種能力。

信息領域的能力發展

缺乏 CMF 導致印度武裝部隊在技術方面落后。盡管印度是信息通信技術（ICT）和太空領域的超級大國，但情況依然如此。雖然 IT 行業正在蓬勃發展，每天都有新的創業公司和企業出現，但武裝部隊仍在努力發展成為一個與國家工業相媲美、具有技術吸收適應能力的靈活生態體系。

由于從有線到無線的轉變以及網絡和電磁頻譜業務的融合，頻譜是需要重點關注的領域。然而，這也是學術界、研發部門和工業界擁有專業知識的領域。武裝部隊、研發（R&D）、學術界和工業界之間的協同作用將被證明是創新的強大引擎，也是通過 CMF 實現信息統治這一理想終極目標的必要條件。

武裝部隊可以從這種協同作用中獲益匪淺。工業界擁有所需的專業知識和經驗，可以幫助武裝部隊實現能力現代化，特別是在非動能戰爭領域。雙方還可以在研發方面進行合作，開發武裝部隊可以使用的新技術。

然而，要使這一協同作用發揮效力，信息領域的集群作戰部隊必須采取全國一盤棋的方針，在國家層面建立一個傘式信息組織（見圖 3）。這必須是一個獲得授權的信息領域組織，與青年發展部、信息與廣播部、財政部和工業部建立跨部委聯系。這樣一個傘式組織是全面處理信息領域問題并在所有利益相關者之間形成合力的解決方案。這也將為以能力為基礎的組織而不是以技術為中心的方法提供一個模板。匯聚信息領域的國家資源是未來開展 MDO 的關鍵。所有領域也需要圍繞這一模板建立 PCD 能力，以便各部委和 MDO 機構之間實現無縫連接。由于國防領域是 MDO 的主要組成部分之一，因此必須建立以類似能力為基礎的信息指揮部（圖 4）。這將協同國家資源，按照發達國家的模式建立適當的國家 MDO 能力，并對北方對手的信息領域組織做出反擊。

圖 3 國家信息

圖 4：信息指揮--MDO 的關鍵

需要根據上述圖 3 所給出的邏輯分組，在各種利基新興技術協同作用的基礎上，進一步細分信息使能垂直領域。這將為未來將新興技術轉化為實際操作能力鋪平道路。重要的是，這些垂直領域/技術的能力發展應由適當的機構/組織負責，它們有能力協同利益相關方并將其推向合理的結果。臨時性的任務分配和零敲碎打的行動會造成時間和精力上的不協調。因此，在技術融合和變革管理框架的基礎上制定適當的邏輯結構是前進的方向。

建議 ： 國防能力、CMF、MDO 和 CNP

• 軍事情報處。信息和 EMS 領域需要以專業化為導向，重新審視人力資源管理。鑒于可用的人力資源有限，以及創建和維持不斷發展的國防信息基礎設施所需的重大能力推進，將需要引進非戰斗人員專題專家，以有效管理后臺基礎設施和流程。這將使戰斗人員能夠應對戰區的挑戰。建立非作戰軍事信息處將是正確的一步。這不僅將有助于承擔后端信息領域的任務，還將使軍民融合順理成章。

• 電磁頻譜行動。由于信息交換正從有線模式轉向無線模式，電磁頻譜領域成為 MDO 的決定性領域。要開展電磁頻譜行動（EMSO），必須具備該領域的國家 PCD 能力。通過頻譜情報和監視，頻譜是關鍵的信息推動因素。為了建立國家 EMS 能力，國家機構和野戰編隊之間必須無縫交換頻譜情報。建議按照地理情報框架建立這種能力。通過這一框架，多個機構可以利用野戰部隊巨大的頻譜情報收集能力。這也將有助于消除多個機構在執行類似頻譜相關任務時的重疊現象，同時也能克服外地單位面臨的技術挑戰。在信息安全領域，大容量數據傳輸能力從有線向無線的轉變凸顯了對空中安全協議的要求。安全開發和測試機構需要為這一不斷變化的方面找到全新的解決方案。此外，在聯合部隊概念中，互操作性將取決于無縫信息安全。

在頻譜管理領域，多個機構對這一優質資源的需求與日俱增。不斷改進的解決方案將促進協作和消除沖突的頻譜使用理念。未來，這一領域的研發將帶來豐厚的回報。電磁干擾（EMI）/電磁兼容性（EMC）方面的問題也將隨著發射器密度的增加和戰區多方利益相關者對電磁輻射的高度依賴而日益突出。戰區頻譜管理方面的專業知識將成為一項重要要求。在信息阻斷能力方面，頻譜將在削弱戰略目標方面發揮關鍵作用。因此，MDO 和 CNP 必須具備國家信息保護傘下的戰略預警能力。

• 導航技術。地理信息系統（GIS）和地理定位不僅是軍事機構的關鍵技術，也是民用機構的關鍵技術。當務之急是通過本土地面解決方案而不是全球空間解決方案，最大限度地降低這些技術的脆弱性。
• 移動技術。移動技術的外形、處理能力、數據容量和多功能應用與軍事領域直接相關。然而，由于缺乏具有內置電子保護功能的軍用級移動技術，這種實用性強、成本相對較低的技術尚未被用于軍事目的。現在是向工業界提出挑戰的時候了，以便在有爭議的電磁空間，以所需的形式將這一技術用于軍事領域的 C4ISR。這將是 SDR 技術的一個很好的替代方案，因為在印度的環境下，以非擴張主義的意識形態創建軍事移動基礎設施相對容易實施。
• 培訓轉型。為了在信息領域實現跨越式發展，需要在 CMF 的基礎上進行培訓轉型。領導層必須適應處理動能和非動能領域的混合方法，而執行層則必須采用專業化方法。多國協作與合作將是加快轉型的關鍵。需要考慮在核心力量、基礎設施共享、共同培訓協議的基礎上與適當的民事機構開展合作。

結論

不斷演變的全球沖突形勢表明，純粹的動能沖突已明顯轉向 MDO 沖突，民族國家需要從傳統的動能消耗概念轉向發展多領域的 PCD 能力。這一轉變是由信息領域催化的，而信息領域本身也在向電磁頻譜能力傾斜。信息和電磁主權等概念正在占據中心位置。以信息領域為主的多種技術正在迅速發展。信息主導沖突的解決空間在于找到本土的、簡單可行的解決方案。不斷發展的技術帶來了快速過時和高成本的挑戰。必須遏制追逐每一種新技術的傾向。各國需要采取以能力為基礎的方法，匯聚技術，在各個領域發展 PCD 能力。由于信息領域是 MDO 的約束力量，當務之急是建立一個國家信息傘式組織，將國家能力匯聚到一個高效的結構中，為所有領域提供模板。軍民融合是將戰略文化引入所有領域并提高國防領域技術能力的關鍵。有能力通過軍民融合將這一領域的所有利益相關者協同起來的國家更有可能在信息和 EMS 領域取得成功。

數學的應用實際上在所有科學領域都是無限的。從使用矩陣算法來保護和傳輸數據的密碼學，到使用變分微積分來計算彈道導彈的交叉點，軍事科學的方方面面都有數學的身影。從數學角度對軍事進行研究和分析，構建了戰斗數學模型。這些模型利用穩健的數學標準描述軍事戰斗的演變并預測其結果。這將有助于得出正確的戰略以及正確的決策，從而擊敗對手，避免災難性的錯誤。

在這篇文章中，作者通過實際應用描述并闡明了兩個最著名的戰斗數學模型：蘭切斯特直接射擊平方律和蘭切斯特非直接射擊線性律。文章分析并展示了這兩個戰斗模型對軍事科學的重要性和影響。文章利用平方律模型推導出 3:1 的優勢比，說明只要人數是對手的三倍，就能導致對手的中立和失敗。為了說明這兩個模型的應用，作者使用平方定律和線性定律對硫磺島戰役和阿拉莫戰役這兩個真實戰役進行了分析和建模。最后，作者展示了這兩個定律及其組合如何廣泛地指導人們在與流氓國家和游擊隊作戰時制定最佳戰略和決策，這些國家和游擊隊的主要戰術依賴于非對稱戰爭。

本研究論文介紹了軍用無人機系統盒（The NeuronDrone-Box）中用于攻擊或防御決策的全自主人工智能：硬件、算法和一種新型專用軍用無人機或無人機。第一部分介紹了軍用無人機系統盒（The NeuronDrone-Box）中的攻擊或防御決策全自主人工智能，以適應任何無人機的主控系統。第二部分是使用混沌理論和經濟地理學的算法。第三部分介紹了被稱為 "黑色噩夢 V.7" 的開創性原型機。黑色噩夢 V.7 無人機投彈手擁有一系列與眾不同的功能和應用，本技術報告將對此進行詳細介紹。首先，主張在軍用無人機系統箱（The NeuronDrone-Box）中實施全自主人工智能攻防決策，以控制與全自主人工智能攻防決策軍用無人機系統箱（The NeuronDrone-Box）相連的多副翼系統（MAS）和多導彈系統（MM-System）。

本研究為基于人工智能的復雜作戰系統的運行和開發建立了 MUM-T 概念和分類系統。分析了該系統的核心方面：自主性、互操作性和程序級別。人工智能 MUM-T 可提高有人駕駛系統的生存能力、擴大其作戰范圍并提高戰斗力。利用美國和英國正在建造的人工智能 MUM-T 綜合作戰系統的數據，分析了技術挑戰和項目水平。目前，MUM-T 處于有人駕駛平臺和無人駕駛飛行器平臺復合運行的水平。從中長期來看，無人地面飛行器、無人水面飛行器和無人水下飛行器等異構平臺之間的互操作通信是可能的。根據人工智能 MUM-T 系統之間互操作性的通用架構和標準協議的發展水平，MUM-T 可以從 "1 到 N "的概念發展到從 "N 到 N "的各種操作概念組合。本研究與現有研究的不同之處在于，MUM-T 系統中體現了第四次工業革命的核心技術，如人工智能、自動駕駛和數據互操作性。此外，通過在現有的無人系統分類法中體現人工智能和自主性，建立了人工智能支持的自主 MUM-T 操作和設施分類系統，并在此基礎上對級別和程序進行了分析。

本研究確立了有人無人協同作戰（MUM-T）的概念，目的是操作、開發和利用智能聯合作戰系統。此外，它還分析了互操作性、自主性、挑戰和計劃水平。人工智能支持的自主無人 MUM-T 提高了有人系統的生存能力，擴大了作戰范圍，并顯著提高了作戰效率。與以往不同的是，MUM-T 的概念正隨著人工智能的發展而不斷擴展，互操作性和自主性也在相應提高。美國和北大西洋公約組織（NATO）國家提出了未來防御領域的挑戰，并在無人系統（UMS）和 MUMT 層面開展了解決這些挑戰的計劃。本研究分析了自主 MUM-T 聯合作戰系統的運行和使用所面臨的技術挑戰和計劃水平，并介紹了基本要素技術。研究方法基于現有定義和第四次工業革命建立了 MUM-T 概念。并利用北約、美國和英國的數據分析了互操作性、自主性、挑戰以及技術和利用方面的計劃水平。

圖 2 基于 NIST 和北約分類標準的人工智能自主 MUM-T 系統分析

美國防部（DoD）對 MUM-T 的定義各不相同。美國 陸軍無人機系統卓越中心（UAUCE）將有人駕駛平臺和無人機視為單一系統。有人系統和無人系統（如機器人、傳感器、無人飛行器和作戰人員）的集成增強了態勢感知、殺傷力和生存能力[1]。國防部將這種關系視為執行共同任務的綜合團隊，美國陸軍航空卓越中心（UAACE）將其定義為同時操作士兵、無人機和無人地面飛行器（UGV），以提高對態勢的了解和生存能力[2]。它采用了標準化的系統架構和通信協議，使來自傳感器的精確圖像數據能夠在整個部隊中共享。目前，它在國防領域的應用最為廣泛。陸軍航空動力局（AFDD 2015）將其定義為：為每個系統提供特殊功能，使現有有人平臺和無人資產能夠合作完成同一任務。這是一種規避風險的方法，通過從空中、陸地和海上無人系統向有人資產傳輸實時信息，提高單兵作戰人員的態勢感知能力[3]。圖 1 是戰場上 MUM-T 系統的層次示意圖。

在世界經濟論壇（WEF）議程的第四次工業革命（Fourth IR）之后，數字化（I2D2）作為一項核心技術被提出。這些技術在未來科學中具有自主、分析、通信和邊緣計算的特點。該技術的特征組合構成了自主系統和智能體（智能+分布式）、擴展領域（互聯+分布式）、作戰網絡（互聯+數字化）、精確作戰領域（智能+數字化）。智能人工智能將改變戰爭的格局，而數字數據的可用性將使分布式和互聯（自主）系統能夠進行分析、適應和響應。這些變化反過來又可能通過預測分析支持更好的決策。

北約（2020 年）以第四次工業革命的核心技術特征及其組合為導向，構建復雜的作戰系統[4-6]。美國國防發展機構（ADD 2018）認為，MUM-T 復雜系統是一種無人作戰系統，可以補充或替代作戰人員的能力，以最大限度地提高作戰效率，最大限度地減少戰場情況下的人員傷亡。它被定義為以一種復雜的方式操作包括戰斗人員在內的有人作戰系統的作戰系統[7]。考慮到美國國防部（2010）、北約（2020）和 ADD（2018）的定義，人工智能支持的自主 MUM-T 復雜作戰系統（以下簡稱 "自主 MUM-T"）和 OODA 循環如表 1 所示[1，5，7]。本研究所指的 MUM-T 復合作戰系統通過聯合指揮與控制，在空中、地面、海上、太空、網絡和戰爭等所有領域提供觀察、分析和控制，可通過整合/連接所有軍事力量的有人和無人系統進行操作。它被定義為 "根據決策和行動執行聯合行動的作戰系統"。

圖 3 北約 STANAG LOI 5 和自主邊緣計算 MUM-T 互操作水平設計

本文探討了在實際戰場場景中增強態勢感知的聯合通信和傳感技術。特別是，提出了一種空中可重構智能表面（ARIS）輔助綜合傳感與通信（ISAC）系統，該系統由單個接入點（AP）、ARIS、多個用戶和一個傳感目標組成。通過深度強化學習（DRL），在信號干擾比（SINR）約束條件下聯合優化了接入點的發射波束成形、RIS 相移和 ARIS 的軌跡。數值結果表明，通過抑制自干擾和雜波回波信號或優化 RIS 相移，所提出的技術優于傳統的基準方案。

隨著設備種類的增加，戰場環境變得更加復雜多變，對先進無線傳感與通信技術的需求也在不斷增加。最近，綜合傳感與通信（ISAC）被認為是未來使用毫米波（mmWave）等高頻段無線網絡的一項有前途的技術[1]。特別是，由于雷達傳感和無線通信共享相同的頻譜和硬件設施，ISAC 有可能提高戰場上的整體作戰效率[2]。

ISAC 下行鏈路系統的整體流程一般是由接入點（AP）向用戶發射 ISAC 信號，并處理目標反射的回波信號。然而，由于鏈路的主要視距（LoS）信道特性，軍事場景中的 ISAC 無法避免被各種障礙物（如山脈）阻擋的問題，并隨著通信距離的增加而造成嚴重的路徑損耗[3]。為了克服 LoS 信道的物理限制，可重構智能表面（RIS）作為一種關鍵技術應運而生，它通過調整相移來重新配置信號傳播，從而擴大目標探測和通信范圍[4]，[5]。作者在文獻[5]中提出了 RIS 輔助單目標多用戶 ISAC 系統中的聯合發射和接收波束成形技術。然而，在接入點和地面節點之間部署地面 RIS 在動態戰場環境中提供足夠的服務質量（QoS）方面存在局限性。另一方面，將 RIS 安裝在無人飛行器（UAV）上的空中 RIS（ARIS）可利用移動性在動態戰場環境中提供更有效的感知和通信性能[6]。文獻[7]考慮了由 ARIS 輔助的 ISAC 系統，以重新配置傳播環境，靈活對抗惡意干擾。

之前的研究[6]、[7]中針對傳感或通信網絡的 ARIS 系統的解決方案大多是通過凸優化提供的，無法快速應用于戰場場景。深度強化學習（DRL）方法因其在通過深度神經網絡與環境交互的同時制定策略的優勢，已被積極采用，作為傳統優化方法的替代方案。在 DRL 算法中，眾所周知，深度確定性策略梯度（DDPG）在連續行動空間（如 ARIS 軌跡）中收斂和運行良好[8]。文獻[9]的作者提出了一種基于 DRL 的 ARIS 軌跡設計，用于與車輛進行通信和定位。然而，從實際角度來看，當 AP 工作在全雙工模式時，自干擾問題 [10] 不可忽視，而且還需要一種抑制雜波回波信號的方法 [3]。

這項工作的重點是軍事場景中基于 DRL 的 ARIS 輔助 ISAC 系統，其中多天線 AP 為地面用戶提供服務并探測目標。我們的目標是通過聯合優化發射波束成形、RIS 相移和 ARIS 軌跡，使目標定位的 Cramer-Rao 約束（CRB）[11] 最小化。此外，為了應對自干擾和雜波回波信號帶來的挑戰，我們采用了一種基于無效空間投影（NSP）的接收波束成形方案[12]來抑制這些信號。為了應對所提問題的非凸性，我們提出了一種基于 DDPG 的算法，在與環境交互的同時尋找最優策略。通過模擬驗證，所提出的方法優于其他基準方法，如固定 RIS 相移或不應用基于 NSP 的接收波束成形方案。

本文的其余部分安排如下： 第二節介紹系統模型，包括 ARIS 輔助 ISAC 系統的信道、通信和雷達傳感模型。第三節介紹了所提出的基于 DRL 的算法，該算法旨在最小化整個系統的 CRB。第四節展示了數值結果，第五節為本文的結論。

這篇調查論文探討了用于軍事指揮與控制（C2）系統的新興網絡方法。文中對以網絡為中心的 C2 系統進行了廣泛的文獻綜述。此外，它還對基于C2概念的范例進行了全面分析，將網絡化C2系統的重要需求與新興方法進行了映射。同樣，文章還探討了如何利用多智能體系統和網絡模擬的支持，真實地模擬網絡化作戰場景。文章分析了結合網絡方法設計創新解決方案的趨勢，以及多智能體系統在現實模擬中的應用前景。最后，文章討論了未來的實施方案，強調了先進的網絡解決方案，以整合不同的技術，推動技術邊界，提高網絡化軍事 C2 系統的效率。

將網絡中心戰的高層次C2要求與網絡服務相匹配

當前的軍事行動場景從戰爭狀態到非戰爭行動（OOTW）不等。后者越來越多地發生在城市，并涉及軍事人員以外的其他行動者（政府和非政府民間機構）。在這兩種情況下，相應的 C2 系統都需要處理高層次的作戰變量，如決策權的分配（在參與作戰的眾多行動者之間）、互動模式的建立（誰與誰溝通）以及信息的傳播（向 C2 中心和網絡邊緣的行動者）。

研究人員對這些變量的相互依存關系進行了研究[84]，測試了戰術網絡并評估了不同組織和方法的性能。作者使用一個名為 ELICIT 的指揮與控制實驗平臺來推斷社會層（人類）在模擬行動中的表現，作為團隊組織和 C2 方法的函數，同時考慮到分層和邊緣拓撲結構。ELICIT 平臺可實現即時共享和完美的數據傳輸。因此，為了在現實場景中評估系統的技術層，使用了名為 EMANE 和 CORE 的網絡模擬平臺。評估結果從帶寬、信息分配和 C2 方法等方面提供了對組織的深入了解。這一基線為網絡設計人員提供了有用的信息，有助于在連續的任務行動中優化網絡參數。

在 IoBT 中，智能物體（用于收集和處理數據）與人類（將接收由此產生的相關信息）之間的復雜互動對傳統（分層）C2 造成了巨大影響，這為松散耦合（邊緣）C2 方法提供了空間[29]。由于沒有一種方法適合所有任務和情況[75]，因此有必要獲得 C2 敏捷性，以確保戰場上的信息優勢。

根據 "網絡中心戰 "的原則，C2 靈活性是指當任務和環境發生變化時，識別、選擇和調整 C2 方法，甚至轉向另一種方法的能力。為實現敏捷性，C2 系統應將應用與網絡服務結合起來，使用能夠修改三個變量的范例，并可擴展到整個軍事云。然而，目前的系統主要是為人與人之間的互動而設計的，并沒有考慮到人與智能物的組合。

可以利用 SDN 原理來應對這些挑戰，如數據低參數的動態自配置和處理可變的交互模式。除 SDN 外，DTN 和 ICN 指南還可用于處理另一個變量： 數據分布。DTN 從間歇連接的角度進一步探索了 IoBT 的解決方案[12]。另一方面，ICN 可通過在軍用 IP 網絡中建立 SDN 管理的 ?ICN islands? 來定位和緩存內容[13]。在這種情況下，除了對網絡層次結構和優先級進行編程外，SDN 還將 ICN 集成到 IP 網絡的其他部分。

使用此類技術的網絡解決方案旨在優化 IoBT 通信參數，如延遲、信道帶寬、間歇和節點故障，以及節點移動導致的拓撲變化。SDN 對網絡進行協調，利用其可編程性，根據當前的運行要求選擇最佳網絡協議，并可根據功能和網絡狀態進行更改。例如，SDN 可以管理不同的網絡片段，根據網絡（和節點）狀態（帶寬、數據大小、信道延遲、信道可用性等）優化數據量。ICN（或 DTN）功能將利用數據平面在每個片段內進行有效的信息分發和人-物互動。

通過控制哪個節點可以發送/接收數據，SDN 可以在 C2 空間的第三個維度（決策權分配）上發揮作用。在執行任務期間，網絡管理員可根據任務或環境的變化修改這種分配，從而為在網絡中實現 C2 敏捷性提供技術手段。表 1 列出了 C2 Agility 變量及其與網絡范例的映射關系，以及采用每種范例提供的功能可改善哪些網絡參數。

表 1. 支持 C2 靈活性的網絡范例比較

支持指揮與控制的新興網絡方法

隨著軍事力量向 "網絡中心戰 "發展，并將決策和行動權力轉移到邊緣，所使用的網絡必須采用最有效、最可靠的網絡架構。因此，指揮與控制結構使用支持其需求的網絡范例是非常直接的。采用新興的網絡方法來幫助指揮與控制機構，旨在改進各種網絡參數，并盡量減少任何不足之處。這種支持既可單獨進行，也可組合使用，因為網絡范例并不相互排斥，可以一起使用。

圖 4 展示了如何在軍事行動中使用網絡范例。從左到右，圖中說明了孤立的 IoBT 設備如何利用 DTN 的原理，向經過的無人機存儲和傳輸數據。然后，由徒步士兵、無人機和裝甲車組成的異構軍事單元可以利用 ICN 加強數據傳播，并通過 SDN 控制器控制網絡路徑和配置參數。

另外，假設由于彼此之間的距離或物理障礙，信息無法中繼到另一個單元。在這種情況下，機載平臺可以存儲、攜帶和傳輸數據（如在 DTN 中）。SDN 控制器可接納新的友好節點進入網絡，而 ICN 則可提供額外保護，防止網絡內交換的信息受到惡意攻擊。最后，在敵后收集信息的偵察單元可以保存數據，直到進入近距離網絡范圍時再安全地傳輸其內容（DTN 的另一種用途）。

圖 4. 目前在 C2 領域使用的網絡范例

具有高度自主性的軍事系統發展帶來了許多作戰優勢。這些系統通常是高度協作的，并允許優化對復雜問題的多效應對。人工智能，包括深度強化學習，有助于提高這些系統的效率。這項工作提出了一個與信任這些算法有關問題的綜合觀點，并提出了一些改善人機信任的準則。這項工作是在由歐盟資助的30個合作伙伴歐洲財團委托編寫的報告框架內完成的。

用于水雷戰的自主水下無人機，MMCM計劃實例

法國和英國在2010年啟動了一項計劃，評估和開發 "海上反水雷"（MMCM）能力，包括在與母艦安全距離外遠程操作的無人系統。通過持續化解靜態水下威脅，這些系統將提供戰略、行動和戰術上的機動自由，確保海上力量的安全投送，包括在海峽等高風險地區。

MMCM計劃的目標是提供一種新的敏捷的、可互操作的和強大的水雷戰能力。它將有助于在現有水雷戰艦退役時取代它們。這一雙邊計劃于2010年底根據法國和英國之間的《蘭開斯特宮條約》正式啟動。在2018年1月的法國/英國峰會上，法蘭西共和國總統和英國首相申明了他們打算迅速將該系統投入作戰服務[13]。

特別是，在2020年測試了四種作戰方案，分別采用了：一個水面無人機及其探測聲納、一個拖曳聲納、兩個水下無人機和一個水下滅雷機器人。前兩種情況主要是隨著任務的進行對威脅進行探測、分類和定位，其次是通過與前一次任務的數據進行比較來改變探測結果，最后是重新定位和識別幾枚地雷并解除其中一枚地雷。

該計劃的核心是在水下環境中自主發展的能力。這種自主性是通過使用人工智能算法，特別是DRL來實現的，以便自主地將無人機從母艦上移開[14]。盡管水下無人機必須能夠自主行動，但仍有許多人機互動：任務準備、驗證地雷分類和實時任務監測、授權投擲炸藥。這種人機互動是由MMI（人機界面）實現的，比如你會發現下面這個界面。

有一些項目旨在優化這些關系并建立信任關系：例如，泰雷茲國防任務系統公司DxLab的AR{iA}NE項目，旨在顯示操作者和人工智能之間可以有真正的互動[14]。人工智能在這里由控制臺的下半部分代表。它的突出顯示取決于性能指數：這就是人工智能以非常直觀的方式與操作者交流的方式。這個演示設備是為工業展覽準備的。它的設計經過特別考慮，給人以未來主義的印象，讓客戶感覺到他正在與人工智能進行交流。該控制臺集成了一個軟件分析界面，為聲納數據的利用提供了實質內容，因此非常適用于研究人機互動，更確切地說，是人機互動。

用于反無人機作戰的輕型自主無人機

國防公司，如泰利斯、空客和MBDA，正在開發項目，旨在提供反無人機（UAV：無人機）解決方案。商用無人機的擴散化和相當便宜的價格引發了安全和保障問題。例如，在無人機和飛機之間發生了一些事件，還有一些情況，如跨越邊界和在監獄中走私貨物（武器、毒品），或向目標運送爆炸物。這些公司提出了智能解決方案，可以檢測無人機，但也可以通過高度的自主性和人類的環形控制來消除它們。這些系統可以對敵方目標進行探測、識別、定位和消滅。反無人機問題被概念化，并通過以下步驟得到部分解決[16]：

• 威脅探測：利用部署在保護區域的地面傳感器，如雷達、聲學、射頻或光電傳感器來解決；
• 威脅分類：在威脅探測步驟中捕獲的地面傳感器數據上執行的后處理任務；
• 威脅識別：這是一項額外的后處理任務，旨在完善前一步獲得的分類，最好是評估一套獨特的威脅特征特征；
• 威脅追蹤：該任務的結果是威脅所遵循的軌跡或一組軌跡。其目的是保持對威脅的關注，并將其保持在系統傳感器的視野范圍內；
• 威脅評估：評估入侵的無人機所代表的威脅程度，例如通過有效載荷分析或行為理解。執行這一步驟是為了收集情報，并可能調整對該威脅的反應；
• 威脅消除：使用物理或非物理損傷使威脅失效。當然，這是迄今為止最不成熟的步驟。中和技術最終應取決于威脅的性質、其威脅程度和環境條件（以避免或盡量減少附帶損害）。

最新項目的目標是創建和展示一個完整的反無人機系統，能夠解決上述六個步驟，并整合兩個主要部分，一個地面部分和一個空中部分。地面部分可由一個作為指揮和控制站的地面控制站和一些地面傳感器組成，其數量和在空間的分布可根據需要和保護空間的配置進行調整。空中部分可以由盟軍無人機隊組成，這些無人機可以是相同的，具有類似的能力（同質蜂群），也可以具有不同的能力，每個都有一套獨特的專長（異質蜂群）。擁有一個空中段提供了兩個優勢。首先，在傳感方面，它使系統具有盯住目標的能力，可能為人類操作員提供實時視覺反饋，但也能對敵方無人機及其有效載荷進行更詳細和有效的分類和識別。第二，在消滅方面，它應該允許防御者部署更多的外科手術式的反措施，特別是避免過多的附帶損害或不想要的副作用。許多國防公司正在為中和部分開發智能DRL解決方案[17]，以便在盟軍無人機群中做出自主決定。DRL算法也可用于指揮和控制站，以監測整體作戰情況。

用于未來戰斗空中系統（FCAS）的重型自主無人機群

未來戰斗航空系統（FCAS）是一個 "系統簇"，它涉及到新一代戰斗機（NGF）、遠程航母（RC）和一個將所有參與者連接在一起的戰斗云系統： NGF、RC群、衛星、戰艦、地面系統等。

遠程運載器是用來做什么的？設想的應用是非常多樣的：通過幾十架飛機的飽和來穿透敵人的防御，誘騙敵機，執行電子戰任務（干擾），為其他飛機指定目標，執行偵察任務，甚至發射導彈而不是作戰飛機。這些新型機組成員為未來幾十年的空中行動開辟了一個巨大的可能性領域：用無人機代替戰斗機發射導彈，這樣就不會有飛行員的生命危險，騷擾敵人的防線，執行偵察任務，等等。這些設備也可以假裝成駕駛飛機，吸引敵人的巡邏隊，為作戰飛機打開缺口。在遠程載具的核心，制造商正在開發人工智能算法，特別是DRL[18]，以控制每架無人機，但也控制無人機群。DRL算法出色的適應性在這里被用來管理高層和自主決策。

"系統簇"的非常高的互連性也要求建立一個抗網絡攻擊的戰斗云。這些攻擊確實可以破譯通信以獲取情報，甚至干擾或破壞通信，或者更糟糕的是，向半自主系統發出錯誤指令。DRL算法可用于應對正在進行的網絡攻擊。這些攻擊確實可以快如閃電，而人類沒有能力做出足夠快的反應。因此，必須使用智能自動系統來抵御攻擊。DRL似乎再次成為快速、自主和適應性行動的良好解決方案[19]。

邁向可信AI

A. 科學的信任和可解釋人工智能

正如我們所說，在自主系統中使用人工智能有很多問題：倫理、法律、政治等等。這就是為什么有必要在這場技術革命的不同參與者之間建立一種信任關系，從研究人員到用戶和工程師。

數學上的保證。為了確保我們提出的技術解決方案的可靠性，最好能在理論上和數學上保證算法的性能。然而，重要的是要記住，有關的保證在性質上是概率性的，因為大多數ML算法的性質是不確定的。因此，我們將試圖證明，例如，如果該算法有無限量的訓練數據可供支配，它就能夠完成提交給它的任務。或者，人們可能會試圖證明該算法收斂到一個解決方案，而且幾乎可以肯定它是以一個已知的和可控的速度收斂的。這種類型的結果保證存在于許多經典的ML算法中，用于解決某些簡單的問題，并受制于關于訓練和測試數據的某些假設。人工智能的整個研究領域都是關于知道什么是或不是可以通過ML學習的問題，以及什么精度：可能是近似正確的學習[20]。在RL方面還有很多工作要做，它仍然是一種年輕的技術，但理論上的保證越來越多[21]。然而，這些理論結果一般都是基于非常強的假設，這些假設往往是還原性的，并沒有考慮無人機在實踐中使用的非常真實的環境，這有時會使它們不那么相關。

可解釋人工智能。第二個軸心是要建立對人工智能所支配的自主系統的信任，即其行動的可解釋性。當我們可以理解導致人工智能獲得結果的原因時，一個算法被認為是可解釋的。一般來說，目前可解釋的ML算法（XAIs）能夠報告相對簡單的決定，例如指出圖像的哪些區域被用來確定它是一個蘋果。關于RL，為算法的可解釋性設想了幾條途徑。

• 一些RL算法是以完全透明的方式建立的，它允許追蹤不同代理在一段時間內做出的決定。然而，這種方法不能應用于DRL，由于使用了人工神經網絡，DRL并不是完全可解釋的。
• 表征學習是另一種方法，它試圖在推理的某些階段提取最相關的信息。
• 也可以訓練另一種人工智能算法來解釋RL算法的行動，同時相互配合[22]。其他的解決方案仍然存在，提及這些解決方案需要太長的時間，這里的興趣主要是要意識到RL算法的可解釋性正在全面發展，在未來的幾年或幾十年里應該會通過新的里程碑。

讓我們細化前面的觀點，像一些作者那樣考慮人工智能算法的區別，這些算法不僅是可解釋的，而且是可解釋的。事實上，為了解釋它們的推理，已經建立了一些后驗算法，但它們并不能幫助理解初始算法的 "黑匣子"。出于這個原因，人們正在對可解釋的人工智能方面進行研究，這樣就可以說明導致輸出的不同推理步驟[24]。即使DRL算法的參數數量非常大，仍然是廣泛實施這種方法的技術障礙，但可以預期在這個領域會有明顯的進展。

B. 性能信任

對受DRL支配的自主系統有信心的第二個論據是測試期間的性能測量。事實上，即使目前關于人工智能可解釋性的知識狀況不允許完美地理解算法是如何達到其輸出的，但實踐中的結果是好的，表明有非常大的發展潛力。

對其他問題進行歸納的能力。首先，用戶對人工智能技術的信心可以建立在算法解決其他問題的良好能力上，或多或少有些類似。例如，眾所周知，Deepmind的AlphaFold 2 DRL算法在預測蛋白質結構方面特別出色[25]。這種優秀的聲譽源于該算法的大量已發表的測試研究，這讓該領域的大多數科學家對其給予了極大的肯定。雖然蛋白質結構預測與自主無人機的使用無關，但將蛋白質中單個原子的放置與無人機在協作作戰任務中的放置相提并論是很容易和有意義的。在前一種情況下使用DRL，以及所獲得的結果，也有可能使最終用戶對DRL應用于另一個領域的潛力充滿信心。

算法驗證。然而，與經典的ML算法不同，不可能在RL中實現我們在第一部分討論的驗證測試。這是因為所涉及的數據是隨時間變化的，而且所提出的問題也是不同的。要限定所識別的對象是否被正確預測是很容易的（是的，它是一個蘋果，或者不是，它是一個梨子）。另一方面，量化無人機和飛機之間合作的成功要微妙得多：許多標準必須被評估（無人機的定位、它們的速度、它們不同行動的時間）。因此，RL算法的性能測量是通過建立針對要解決的任務的指標來完成的。例如，對于負責訪問一個空間區域的無人機來說，比較正確識別目標的比例、任務完成時間或其他更精確的指標是相關的，這取決于情況和要解決的具體問題。

爭取在RL中實現更好的可重復性。最近還強調了RL算法的一個臭名昭著的問題，即當一些研究人員想要復制他們同事的結果時，一些算法的不穩定性[26]。實驗的可重復性是科學中的一個基本問題，因為它構成了被測試定律（例如，萬有引力定律）的有效性證明。在這里，算法性能的證明之一是可以讓它多次承受相同的情況，并在不同的迭代中獲得非常相似的結果。為了克服缺乏可重復性的問題，新的算法開發框架、新的測試程序和明確的指導方針已經到位，使科學和開發團隊對他們的結果有了更大的信心。

C. 建立一個有人-無人之間的信任協作

優化人機互動

人機協作是現代（協作）戰爭的核心，但人類和智能機器之間的成功協作主要取決于信任。然而，安全與新興技術中心對自主性和人工智能相關的研究[27]發現，在美國軍方的科技項目投資中，789個自主性相關項目中只有18個，287個人工智能相關項目中只有11個提到 "信任 "一詞。研究人員沒有直接研究信任，而是將開發更透明、可解釋和可靠的人工智能作為優先事項。這些努力對于培養人機團隊的信任是必要的，但技術驅動的解決方案并不總是考慮這個等式中的人類因素。

對高性能技術的不充分信任會導致人工智能系統的使用不足或廢棄，而對有限的或未經測試的系統的過度信任會導致對人工智能的過度依賴。這兩種情況在軍事背景下都有獨特的風險，包括事故、友軍交火、對平民的意外傷害和附帶損害。為了讓士兵對自主系統有信心，他們必須知道系統在遇到障礙物時將會做什么。從系統工程的角度來看，這意味著要指定和實施一些能力，如通過假設查詢和信息交流進行信息檢索，以便系統能夠以人類操作者容易理解的方式解釋其推理和行為。換句話說，"在系統中建立信任 "是一種以技術為中心的方法，通過改善與信任密切相關的系統特性和能力，如透明度、可解釋性和可靠性，來建立人機團隊的信任。

DARPA的Squad X計劃[28]將美國陸軍和海軍陸戰隊的步兵小隊與配備先進傳感設備的無人地面和空中飛行器配對，以提高敵對環境中作戰人員的態勢感知和決策。X小隊在2019年初進行的一系列實驗[29]的主要收獲之一是，將人工智能納入任務的規劃和演練階段非常重要。這樣做，士兵可以 "在如何信任人工智能方面進行搏斗"。最終，目標是讓人類作戰人員更好地了解這些自主系統在戰場上的表現，并對它們作為未來任務中的伙伴更有信心。

要怎樣才能讓人們信任技術？在使用先進系統時，一些個人或群體是否更有可能感到自信，而另一些人則更不情愿？人機團隊的部署環境如何影響信任？認知科學、神經科學、心理學、通信、社會科學以及其他研究人類對技術的態度和經驗的相關領域的見解為這些問題提供了寶貴的啟示[30]。

解決道德問題

"殺手機器人 "一直引起人們對潛在自主能力的恐懼[31]。法國國防倫理委員會在2021年批準在武器系統中引入一定程度的自主能力[32]。在法國，沒有辦法授權 "殺手機器人"。這一表述指的是LAWS（致命性自主武器系統）。這只是證實了法國幾年來在這個問題上的立場。但事情很復雜，倫理委員會認為不反對引入一定程度的自主權，因此不反對使用PAWLS（部分自主武器致命系統）。將LAWS與PAWLS區分開來的是 "性質上的差異，這與人類在某些關鍵功能中的地位有關"。致命武器系統的設計是為了演化出自己的操作規則，并自行重新定義其任務。它們不需要指揮部對情況的評估。PAWLS可以自主地被賦予某些任務的責任和執行，但只是暫時的，而且只用于識別、分類、攔截或接觸任務。道德委員會明確表示，它不能在沒有人類控制的情況下采取致命的舉措。即使在這個限制性框架內，也必須制定技術和組織保障措施，以防止任何過度行為。委員會認為，應繼續在與國防有關的人工智能和武器系統自動化領域進行研究。其目的是避免任何 "科學和技術上的放棄"，防止對手開發致命性自主武器，并在對手使用這種武器時進行防御。

自主系統不應

• 破壞指揮系統；
• 違背擁有處置武裝部隊的行動自由的憲法原則；
• 不能為遵守國際人道主義法律原則提供任何保證；
• 違背軍事道德和士兵的基本承諾，即榮譽、尊嚴、
• 控制使用武力和人道。

指南：在以人為本的國防人工智能領域建立信任

G1. 為自主軍事系統上嵌入式人工智能的操作使用案例制定并提供一個法律框架。

G2. 確保在所有情況下都有人類的監督，有人類在環形系統。

G3. 保證在發生事故時的責任追溯。這種責任必須始終由人承擔，而不是由機器承擔。

G4. 開發符合人體工程學的人機界面，允許人與機器之間的對話和理解。

G5. 開發穩健、安全、準確、可重復和可靠的算法，以及評估這些標準的方法。

G6. 為與人工智能互動的軍事人員建立培訓計劃，讓他們了解這些算法的機制、能力和局限性。

G7. 通過對算法、數據和設計過程的評估，確保責任、問責和可審計性。

G8. 制定技術評估程序，以評估對上述準則的遵守情況。

G9. 加快歐洲在人工智能技術方面的培訓工作，特別是針對學術和工業環境的DRL。

G10. 加快歐洲在整合人工智能的國防系統方面的立法工作，以保持歐洲在這一法律方面的領先地位，并確認其在這一領域的領先形象。

G11. 發展國際合作，在自主系統領域進行立法。

G12. 促進研究人員、哲學家、律師、政治家和業務人員之間關于自主系統的對話。

G13. 在有關國防人工智能的研究和應用項目中始終包括信任的概念。

G14. 對協同作戰的未來利害關系有一個明確而具體的看法，以便將人和他們的利益置于系統的中心。

這項工作提出了一個在歐盟項目FOLDOUT中開發的融合和跟蹤系統，旨在通過融合不同的傳感器信息和提出對監視區域內檢測到的目標自動跟蹤來促進邊防工作。FOLDOUT的重點是歐盟內部和外部地區的穿透式樹葉檢測。融合多個傳感器信號可以提高檢測的有效性，特別是在森林和其他被樹葉遮擋的地區。我們使用加權地圖（也稱為熱圖）來結合多傳感器信息；對所產生的融合目標進行跟蹤；根據對融合檢測的時間關聯的成本計算來創建或更新跟蹤。我們比較了來自單個傳感器的跟蹤結果和來自融合目標的跟蹤結果，這些數據是在模擬邊界收集的，代表了保加利亞的實際歐盟邊界。結果表明，如果根據融合后的數據而不是單個傳感器的信息進行追蹤，追蹤效果會得到加強。

檢測與跟蹤方法

邊防軍的主要興趣是在全球地圖上對監視區域內檢測到的人員進行定位和跟蹤。為了實現這一目標，首先要將不同傳感器系統觀察到的單個人的探測結果進行融合。當檢測結果相互關聯并保持一致時，就可以在一個共同的地圖上對單獨的目標進行跟蹤。

圖2：指導動作（紅線），扮演一個非法越境的場景：1.一個人通過步行越過邊境。2.該人沿著邊境小路向大路走去。3.此人停下腳步，在路上停留很長時間（可能是在等待汽車中的走私者）。4.在某一時刻離開道路，躲進樹叢中。5. 在樹葉中，該人再次回到路上（可能再次尋找汽車）

A.單傳感器檢測

RGB和熱像儀中的人員檢測

基于深度學習的綜合物體檢測被應用于相機圖像上。深度學習方法已被證明優于以前的最先進的機器學習技術。深度神經網絡（DNNs）模仿了大腦感知和處理信息的方式。與以前的方法相比，DNNs學習了諸如人物檢測等任務所需的特征。近年來，DNN在物體檢測和分類任務上表現出突出的性能[9, 10]。在這項工作中，物體檢測是基于一個著名的DNN實現，即YOLO檢測器[11]。

PIR傳感器中的人員檢測

探測器經過調整，使被動紅外傳感器在PIR周圍7.5米的半徑內觸發人的存在。

B.異質傳感器融合

在這項工作中，我們使用加權地圖來提供傳感器數據的層次（也稱為HeatMaps），并以邏輯和數學的方式組合它們。它的動態是完全使用不同傳感器模式的傳感器檢測假設的事件驅動。這些傳感器假設包括位置（WGS84基準）、時間戳（Unix時間戳）和權重（例如，從傳感器檢測中獲取的信心）。為了實現這一點，有兩個組件是必不可少的：加權分布圖（HeatMaps）；線性意見庫。圖3顯示了這種方法的基本概念。

圖3：融合方法的基本概念（左），作為使用兩個加權分布圖（熱力圖）的例子。應用不同的衰減函數（右）來建立加權分布圖的時間動態行為。

加權分布圖(熱圖)

加權分布圖是我們數據融合方法的兩個基本組成部分中的第一個。加權地圖的基本思想是，保持和更新關于不同傳感器探測假設的時空信息。加權地圖來自于概率占用網格，但以加權的形式解釋傳入的數據。此外，還采用了時間上的衰減來模擬傳感器數據的及時行為。權重被存儲在一個可選擇分辨率的數組中，代表WGS84坐標中感興趣的矩形區域。圖3展示了用于模擬加權分布圖動態行為的可能衰減函數。

通常，加權分布圖對應于任何一種傳感器數據或傳感器模式（例如，從攝像機圖像中檢測人的邊界框）的時空。傳感器數據被攝取到一個專門的加權圖中，這導致加權圖的值根據傳入的傳感器假設的權重而增加（替換）。相對而言，衰減將及時應用到加權分布圖的值矩陣中。每次傳感器假設被攝入分布圖，它將通過重新計算加權分布圖的權重和衰減以前狀態的值來更新。

最后，線性意見庫允許我們結合多個加權分布圖，從而結合多傳感器模式，目的是減少傳感器系統的整體錯誤發現率。

線性意見庫(LOP)

我們融合方法的第二個重要組成部分是線性意見庫[8]。

每當一個加權分布圖的狀態由于新的傳感器檢測假設而被更新時，就會應用LOP。在評估了LOP之后，閾值處理使我們能夠產生警報。為了確定警報的位置，在組合值矩陣中超過閾值的區域使用分割算法（blob檢測）。這些警報是由多個傳感器假設產生的，用于為跟蹤提供必要的輸入數據，這將在下一節中描述。

C.多目標跟蹤

為了跟蹤越境進入禁區或敏感區域的入侵者的行動，我們開發了一種基于空間和時間上關聯目標檢測的成本計算的定制算法。該跟蹤系統的工作原理是完全基于目標的位置和時間戳建立一個模型。

在第一次檢測目標時，該模型以該檢測的位置和時間戳進行初始化。軌跡模型是用以下元組定義的：???? = (????,????,????)。

如果幾個目標檢測同時發生，那么創建的模型模板數量與同時收到的檢測數量相同。后續的檢測被添加到一個給定的軌道模型中，這取決于將檢測添加到軌道中的成本。該成本被定義為傳入的檢測和軌跡候選者之間的距離。

在有多個傳入的檢測和多個軌跡候選者的情況下，已經實施了匈牙利算法[12]，使檢測和軌跡之間的關聯產生最小的成本。

高超音速導彈和人工智能等技術創新代表了當代戰爭的動態變化，為政治和軍事決策者帶來新的挑戰。高超音速導彈前所未有的、不可預測的速度和彈道，以及與人工智能滲透有關的無數不確定性，反映了這些挑戰。在這些系統的背景下，一個納入有限學術研究的領域在威懾理論中是顯而易見的。這項研究旨在彌補高超音速導彈和人工智能如何挑戰瑞典的威懾力方面的知識匱乏，并確定瑞典目前的能力和可信度在應對這些威脅方面的有效性。為了實現這一目標，本研究采用了文本分析法，其中包括從瑞典的報告和政策文件中收集的經驗材料、文獻回顧以及與該領域具有充分知識的專家進行的半結構化訪談。本論文發現，盡管瑞典的國土面積相對較小，但在某種程度上已經成功開發了獨特的系統和技術，以應對高超音速導彈和人工智能威脅。