近年來，各國軍隊加強了整合無人駕駛技術的努力，以提高有人-無人駕駛編隊（MUM-T）的能力。由于一些國家的戰斗年齡人口正在減少，軍隊正在轉向容易獲得的、具有成本效益的和復雜的無人駕駛技術。MUM-T擁有巨大的潛力，不僅可以緩解軍隊的人力短缺，還可以提高作戰能力。這篇論文研究了MUM-T在前線的有效性，直至步兵小組支持城市地形的進攻行動。一個基于智能體的模擬被用來模擬有無無人駕駛地面車輛（UGV）支持一個步兵連的MUM-T作戰行動。對超過76,800次的模擬戰斗進行了分析。據觀察，MUM-T概念可以極大地提高戰斗力，通過增加敵人的傷亡來評估。還觀察到UGV的重裝時間、武器精度和自身的力量結構對步兵的殺傷力和生存能力有很大影響。這項分析的結論是，在小單位戰術層面實施MUM-T對提高整體作戰性能有很大潛力。未來，作戰模型可以被整合到未來的軍事演習中，這樣就可以對模擬的結果進行驗證和確認。

隨著復雜技術和創新的使用，戰爭正在日益演變。在全球人力短缺的推動下，各國正在轉向無人駕駛技術以緩解這種短缺并提供作戰能力。因此，通過采用載人-無人小組（MUM-T），利用無人技術來支持前線步兵的潛力很大。

本論文旨在探索MUM-T在進攻性城市場景中的有效性。論文討論、分析和研究了在城市環境中連級無人駕駛地面車輛（UGV）的戰術運用效果。指導這項研究的研究問題包括以下幾個方面：

主要問題：

1.有UGV或UGV支持的步兵小隊的致命性和生存能力如何？

2.在模擬場景中，MUM-T部隊的不同部隊結構的戰斗結果和分析是什么？

次要問題：

• 未來對MUM-T在更廣泛的戰略層面的潛在實施方法的研究范圍是什么？

本論文使用基于智能體的模擬環境 "地圖感知非統一自動機"（MANA），通過建立一個模擬并對UGV的作戰方案進行分析，再加上影響城市地形中進攻性步兵部隊作戰效率的因素，來研究MUM-T。

該作戰模型包括兩組主要的作戰部隊，以美國陸軍的步兵作戰順序（ORBAT）為模型： (1)由裝備有UGV的友軍步兵連組成的藍方部隊；(2)由作為防御方的對手步兵排組成的紅方部隊。圖1顯示了模擬作戰行動的一個迭代的開始狀態。

圖1. MANA的一個模擬復制的初始狀態的截圖。

共創建了三個不同的實驗設計（DOE），以研究MUM-T能力和概念的關鍵戰斗特征和效果。衡量性能的重點是任務的有效性，重點是確定與殺傷力和生存能力相關的因素。作者對每個DOE采取了迭代的方法，將前一個DOE的一些發現和分析納入下一個DOE。第一個DOE著重于與基線步兵ORBAT相比，最初引入MUM-T的效果。第二個DOE重點關注不同的人力和部隊結構，以研究支持MUM-T的部隊規模的影響。最后一個DOE結合了前兩個DOE的各個方面，并創建了一個近乎正交和平衡的混合設計，以實現一個更全面和結論性的實驗來結束這篇論文。近80,000次模擬戰役，每次涵蓋超過8小時的戰斗，被運行和分析。

本文重點介紹了適用于開放天空和城市作戰的蜂群和成員的先進絕對和相對導航方法，并討論了基于蜂群成員之間的認知（即基于感知和知識的適當和適應行動）和協作（即基于信息交流和空間分布的改進的推理和互動能力）原則的新型絕對和相對PVA估計方法的發展。本文概述了基本方法、一些仿真結果和平臺硬件組件（三架多旋翼飛機和一個地面站）。它還進一步分析和討論了使用在開放天空中收集的無人機系統飛行測試數據和城市環境模擬性能。

圖1-1:四個sUAS蜂群幾何形狀隨時間的變化

感知、理解、預測和決策

圖3-1顯示了所提出的蜂群認知和協作導航方法的基本框圖。這個框圖類似于Endsley[17]所介紹的動態決策系統中的態勢感知模型。盡管Endsley的工作側重于人為因素，但人的態勢感的概念可以很容易地轉化為蜂群成員和整個蜂群的態勢感知模型。圖3-1所示的決策循環也顯示出與博伊德的觀察、定向、決策和行動（OODA）循環以及感知-行動循環[18]有很多相似之處。

圖3-1:認知和協作過程。

在決策回路中，蜂群及其成員正在提高對周圍環境的認識，不僅是為了實現其任務目標和目的，也是為了滿足所需的（嚴格的）絕對和相對導航性能要求。就像在人的因素中一樣，存在三個層次的態勢感知。在第一層，即感知，蜂群成員評估從機載導航傳感器中獲得了哪些相關信息并存儲在機載長期存儲器中（如地圖等）。此外，蜂群成員還評估什么樣的信息在蜂群中可能是可用的（記憶和傳感器），如果其他成員還沒有廣播的話，可以請求提供。然后，評估結果被理解模塊用來了解當前的態勢，最后，預測未來的情況。就導航性能而言，這可以分別指當前的絕對和相對導航性能以及未來的導航性能。基于這些知識和任務目標，蜂群成員將就其計劃的行動（例如，運動變化、新的軌跡、新的蜂群配置）做出決策。表3-1顯示了蜂群成員上可能存在的一些與導航有關的傳感器。請注意，蜂群不一定要由相同的SUAS組成。這可以降低平臺的成本和重量。

無人駕駛航空系統和其他相關技術的發展，包括人工智能、數據和云網絡、自主控制系統和系統/武器/傳感器的小型化和網絡化，以及增加昂貴的載人平臺艦隊數量的需要，推動了許多武裝部隊和工業界積極嘗試有人無人機編隊（MUM-T）。除非任務目標或載人平臺的生存需要，否則在有人平臺之外部署無人駕駛、"低成本 "和 "可損耗 "但不 "可拋棄 "的戰斗飛行器，可以最大限度地發揮其作為力量倍增器的價值，在高度競爭的空域提高殺傷力和生存能力。盡管自主技術和人工智能的引入正在徹底改變全域作戰，但新的自主平臺和武器系統的交戰規則正在通過嚴格的倫理考慮和評估來發展，其中人在環路上繼續發揮重要作用。本文希望對MUM-T方案和活動做一個整體的、非詳盡的分析。

美國主要“有人無人機編隊（MUM-T）”項目計劃

天堡（Skyborg）是美國空軍 "先鋒 "計劃中迅速投入使用的三個技術項目之一，它是一個架構套件，旨在為自主可損耗的機身設計，根據該服務，它將能夠以足夠的節奏進行姿態、生產和維持多任務飛行，以挫敗對手在有爭議和高度爭議的環境中采取快速、決定性行動的企圖。天堡自主核心系統或ACS于2019年首次曝光，由Leidos公司開發，已在2021年的多月測試活動中得到驗證，在此期間，它被成功整合到兩個不同的無人平臺上，即Kratos UTAP-22 Mako和通用原子-航空航天系統公司的MQ-20，證明了政府擁有的自主核心的可移植性，使其在未來整合到不同平臺上。一個關鍵的活動里程碑是參加了 "橙旗21-2 "演習，這是美國在2021年6月進行的首要的大型部隊多領域測試活動，其中Skyborg ACS被集成到一個MQ-20中，成為在這種復雜活動中自主操作的無人車的首次飛行測試。由空軍研究實驗室（AFRL）進行，根據服務文件，Skyborg被組織成三個主要的努力方向（LOE）。LOE 1開發、演示和原型化由天堡自主架構和軟件組成的ACS，實現機器-機器和有人-無人的合作，同時也確保天堡自主任務系統套件的開放性、模塊化和可擴展性。ACS LOE還開發、演示和試制所需的硬件組件和開放架構標準，以便在系統集成實驗室和平臺上將模塊化傳感器、通信和其他有效載荷集成到Skyborg自主性和車輛架構中。LOE 2開發、演示和原型化新的低成本可移動飛行器的概念和技術，用于遠征的大規模生成，包括架次生成就業概念。LOE 3對可追蹤的、自主的、無人駕駛系統的操作概念和就業概念進行分析和實驗，并評估傳感器和任務系統的開放性、模塊化能力和整合。2021年8月，克拉托斯公司和通用原子公司都獲得了一份合同，以進一步支持將Skyborg分別集成到XQ-58A "女武神 "和MQ-20 "復仇者 "無人平臺，同時在大部隊演習中進行系統實驗。這些額外合同的目的是在資金允許的情況下，在2023年將Skyborg過渡到一個記錄方案。根據USAFRL的計劃，ACS還將從2022年開始在波音公司的隱形空中力量合作系統UCAV（無人駕駛戰斗飛行器）上進行實驗，該系統正在為澳大利亞國防部開發，如后所述。有趣的是，今年3月，AFRL授予藍色力量技術公司一份合同，開發一種支持對手空中訓練任務的無人駕駛飛行器，該飛行器將納入通過Skyborg努力開創的先進技術。2021年12月，空軍部長弗蘭克-肯德爾宣布，該軍種正在研究無人平臺與諾斯羅普-格魯曼公司的B-21 "突襲者 "遠程攻擊轟炸機和主要是下一代空中優勢（NGAD）先進飛機之間的MUM-T新概念方案，但也有可能與洛克希德-馬丁公司的F-22 "猛禽 "和F-35 "閃電II "聯合攻擊戰斗機合作。

圖：在通用原子公司的MQ-20上成功進行了測試，天堡自主核心系統（ACS）由自主架構和軟件組成，實現了機器-機器和有人-無人的合作。

圖：2021年8月，克拉托斯公司和通用原子公司都收到了一份合同，以進一步支持將天堡系統分別集成到XQ-58A "女武神"（此處描述）和MQ-20 "復仇者 "無人平臺上，同時在大部隊演習中進行系統試驗。

圖：去年11月的 "橙旗 "演習涉及F-35A "閃電 "II等飛機和兩架通用原子公司的MQ-20 "復仇者 "無人機，它們攜帶 "天堡 "自主核心系統進行了持續數小時的飛行測試。

美國海軍正在推行不同的高性能無人平臺計劃，以便在航空母艦上服役。在包括無人作戰系統的MUM-T工作中，2020年初，波音公司宣布，海軍作戰發展司令部在海軍作戰發展司令部的年度艦隊實驗中，由第三架飛機成功進行了兩架自主控制的EA-18G "咆哮者 "的演示。該實驗涉及到咆哮者在第三架咆哮者的控制下作為無人系統行動，以證明F/A-18超級大黃蜂和EA-18G咆哮者空勤人員從駕駛艙遠程控制戰斗機和攻擊平臺的有效性。該演示涉及四個架次的21項任務，為波音公司和海軍提供了分析所收集的數據并決定在哪里進行未來技術投資的機會。美國海軍繼續加速開發下一代空中優勢（NGAD）系統家族（FoS），以提供先進的、基于航母的力量投射能力，擴大其航空母艦的航程。當F/A-18E/F Block II飛機在2030年代開始達到使用年限時，NGAD FoS將取代這些飛機，并利用載人無人機組隊（MUM-T）來提供更強的殺傷力和生存能力。F/A-XX是NGAD FoS的攻擊戰斗機組件，根據該部隊的說法，它將成為MUM-T概念的 "四分衛"，在戰斗空間的前沿指揮多個戰術平臺。F/A-XX在2021財年開始了概念完善階段，并且仍然按計劃進行。

澳大利亞“MQ-28A幽靈蝙蝠”

2021年5月，澳大利亞政府宣布將對 "忠誠僚機"--高級發展計劃追加投資4.54億澳元。自2017年以來，根據澳大利亞皇家空軍（RAAF）計劃，澳大利亞國防部投資超過1.5億澳元，以支持澳大利亞皇家空軍和波音防務澳大利亞公司領導的當地工業團隊的合資企業，該企業設計、開發和生產了Loyal Wingman無人駕駛戰斗飛行器（UCAV），最近被命名為MQ-28A Ghost Bat。據澳大利亞政府稱，在短短四年內，該合資企業已經成功地制造和飛行了50年來的第一架澳大利亞制造的軍用作戰飛機，這可以使該計劃成為關鍵出口市場的重要競爭者。MQ-28A飛機于2020年5月亮相，2021年2月進行了首次飛行，距離項目啟動僅兩年零三個月。第二架飛機已經加入了飛行測試計劃，第三架飛機正準備在2022年晚些時候進行飛行測試。每架飛機的70%以上是在澳大利亞采購、設計和制造的。這項投資將看到該計劃擴大到更多的本地公司，以及國際合作伙伴和盟友，并在布里斯班附近的圖文巴（Toowoomba）建立一個生產設施，以及在今年加速開展側重于傳感器和任務系統能力的活動。除了用于概念演示的三架原型機外，這項投資將增加七架MQ28A，總共十架飛機，并將快速跟蹤 "幽靈蝙蝠 "在2024-2025年的服役情況。制造商所稱的空中力量組隊系統提供了類似戰斗機的性能，其機身長度為11.7米，能夠飛行超過3700公里。該UCAV有一個模塊化和可互換的機頭部分，可以容納集成傳感器包，以支持不同類型的任務，包括情報、監視和偵察、通信中繼以及動能和非動能打擊能力。據RAAF稱，該計劃是整合自主權和人工智能的探路者。

圖：澳大利亞國防部投資支持RAAF和波音防務澳大利亞公司領導的當地工業團隊的合資企業，該團隊設計、開發和生產了 "忠誠僚機"戰斗無人駕駛飛行器，最近被命名為MQ-28A幽靈蝙蝠。

圖：除了用于概念演示的三架 "忠誠僚機"原型機外，澳大利亞政府去年5月宣布的投資將增加7架MQ-28A，共10架飛機，并將加快 "幽靈蝙蝠 "在2024-2025年投入使用的步伐。

英國"蚊子（Mosquito）"項目與蜂群無人機

蚊子項目于2019年7月首次由英國皇家空軍快速能力辦公室和國防科技實驗室披露，該項目旨在開發和證明一種技術演示器，作為更廣泛的輕量級廉價新型作戰飛機（LANCA）計劃的一部分，根據公告，。該計劃旨在提供額外的能力，將無人平臺與F-35、"臺風 "和下一代 "暴風雪 "等戰斗機部署在一起，為有人駕駛的飛機提供更多的保護、生存能力和信息，甚至可以在未來提供一個無人駕駛的作戰航空 "艦隊"。有趣的是，2021年7月，英國皇家空軍空軍總司令邁克-威格斯頓爵士在空天力量協會的全球空軍首長會議上談到廣泛的未來戰斗航空系統（FCAS）時說，"與意大利和瑞典等國際盟友合作，我們正在采取一種革命性的方法。我們正在研究改變游戲規則的蜂群式無人機和無機組人員作戰飛機的混合編隊，以及像 "暴風雪 "這樣的下一代駕駛飛機，"這為與上述國家和其他國際盟友開展無機組人員作戰飛機和無人機的潛在共同計劃開辟了道路。

圖：2021年1月，由Spirit AeroSystems公司領導的一個工業團隊獲得了一份3000萬英鎊的合同，以快速設計和制造英國第一個無機組人員的戰斗航空系統的技術演示器，該系統是在 "蚊子 "三年全尺寸飛行測試計劃下的。

圖："蚊子"將從機場、空客A400M "母艦 "或航空母艦上發射，計劃到2023年底在英國領空飛行。"蚊子"UCAV和Alvina蜂群無人機將支持新一代的 "暴風 "作戰空中平臺。

作為 "蚊子 "項目第二階段的一部分，2021年1月，由英國Spirit AeroSystems公司作為主承包商和機身設計者領導的工業團隊與諾斯羅普-格魯曼英國公司（人工智能、網絡、人機界面）和Intrepid Minds公司（航空電子和動力）一起獲得了一份3000萬英鎊的合同，在為期三年的全尺寸飛行測試計劃中快速設計和制造英國首個無機組人員作戰航空系統（UCAS）的技術演示機，作為目前F-35、臺風和下一代 "暴風 "平臺的補充。無人駕駛作戰飛機主要是為了增加軍方作戰航空部隊的數量，它被設計為與戰斗機一起高速飛行，配備導彈、監視和電子戰技術，以瞄準和擊落敵方飛機，并能抵御地對空導彈。蚊子 "將從機場、空客A400M "母艦 "或航空母艦上發射，計劃在2023年底前在英國領空飛行，但沒有說明實際的首次飛行是否會提前在外國天空進行。2021年，當時的英國國防參謀長尼克-卡特爵士將軍在一次國際戰略研究所的虛擬活動中說，到2030年，今天由8架臺風戰斗機組成的皇家空軍（RAF）戰術編隊將由2架臺風戰斗機、10架蚊式無機組人員戰斗機和100架阿爾維娜蜂群無機組人員飛行器組成，"因為這是產生大量的方式，你可以看到這在陸地和海洋領域也會上演。" 未來的皇家空軍預計將由暴風雪、F-35、蚊子、阿爾維納和保護者組成，其中80%將是無人駕駛或遙控平臺。2021年，空軍總司令邁克-維格斯頓爵士宣布，皇家空軍無人機測試中隊 "已經毫無疑問地證明了我們的阿爾維娜計劃下蜂群無人機的顛覆性和創新性效用"。在英國Alvina計劃的前兩個階段之后，2019年1月授予了第三階段250萬英鎊的合同，用于綜合概念評估活動，以探索協作運行的無人機群的技術可行性和軍事效用，2021年1月成功測試了涉及英國20架蜂群無人機的最大的協作性軍事重點評估。據報道，與正在為皇家空軍開發的 "蚊子 "分開，皇家海軍正在推進其名為 "維克斯 "的忠誠僚機。

未來戰斗航空系統/未來戰斗系統（FCAS/SCAF）

法國、德國和西班牙，未來戰斗航空系統/未來戰斗系統（FCAS/SCAF）的伙伴國，以及它們各自的產業，正在開發遠程載具（RC）元件，它與可選擇駕駛的新一代戰斗機（NGF）和聯網的戰斗云（CC）一起構成下一代武器系統（NGWS）。RCs的開發是由空中客車防務和空間公司作為主體，法國MBDA公司、德國MBDA公司和西班牙SATNUS技術公司組成的合資公司Sener Aeroespacial、GMV和Tecnobit-Grupo Oesia公司進行的。該工業團隊正在開發一個蜂群和網絡化的飛行器系列，其尺寸從數百公斤的消耗性飛行器到數噸的更復雜和可重復使用的忠誠僚機類型。根據空中客車公司和MBDA之間的合作協議，前者專注于開發可重復使用的遙控飛行器，而后者則致力于開發消耗性的。正在開發的關鍵技術包括人工智能支持的合作算法、穩健和故障安全的數據通信、小型化傳感器、新的驅動技術、獨立于GPS的導航、可擴展的行動手段、低觀測性解決方案和蜂群技術。如果達索航空公司和空中客車公司將很快簽署各國已經達成的協議，遙控飛機技術演示器可能在2027-2028年飛行，但這將取決于發展路徑和時間。遙控飛機的初始作戰能力可以在2030年代達到，以初步補充第四代戰斗機，但這將取決于國家要求和對平臺及其任務套件的修改。FCAS的MUM-T作戰概念（CONOPS）和相關要求，定義了對遙控飛機機體和控制系統能力的要求，正在調查作為發展路徑的一部分，直到技術演示飛行階段。正如在2019年布爾歇航展和隨后的活動中所展示的那樣，RCs被設想為支持載人平臺的空對空和空對地任務，包括海軍領域，以及情報、監視和偵察（ISR）以及電子戰斗序列的繪制，還有干擾/欺騙、壓制和摧毀敵人的防空。MBDA正在利用其所有的經驗和技術，開發更深入的打擊武器系統，如 "風暴之影 "和 "金牛座"，以及基于國家計劃的新系列 "長矛"、"智能滑翔機 "和 "智能巡洋艦 "的智能連接武器，以進一步發展這些概念的RCs，其發展取決于MUM-T平臺的選定類型。迄今為止，MBDA已經在2019年公布了其RC100和RC200遠程運載工具的概念，但最終的RC可能會有所不同，并且可以設想更大的一攬子解決方案，包括已經公布的用于攔截針對受保護平臺發射的空對空導彈的短程導彈。空中客車公司正在開發的更大的RC，在2019年提出了早期模擬，需要由運輸機（如A400M）進行空中發射，或從跑道起飛。目前還沒有提供關于忠誠的僚機型UCAV的信息。

圖：法國、德國和西班牙，FCAS/SCAF的伙伴國，以及它們各自的工業界，正在開發遠程載具（RC）元素，這些元素與可選擇駕駛的新一代戰斗機（NGF）和聯網的戰斗云（CC）一起構成了下一代武器系統（NGWS）。

圖：根據空客防務與航天公司和MBDA之間的合作協議，后者專注于開發消耗性遠程運載工具，而空客DS則專注于可重復使用的運載工具。

土耳其Baykar Kizilelma

土耳其Baykar技術公司在2021年7月公布了其UCAV設計。據制造商稱，該平臺最初以土耳其語縮寫MIUS（無人駕駛作戰飛機系統）聞名，2022年3月改名為Kizilelma（土耳其語中的紅蘋果），預計將于2023年飛行。Baykar技術公司公布的概念和模型顯示，單渦輪風扇發動機驅動的CUAV具有隱形設計，其特點是三角翼和鴨翼配置，機身能夠容納一個武器艙。雖然沒有提供關于平臺尺寸的官方數據，但制造商提供了關于主要能力的信息。Kizilelma最大起飛重量為6,000公斤，不僅能夠從短的陸地跑道上起飛和降落，而且還能從甲板上的海軍平臺，如土耳其海軍未來的旗艦LHD Anadolu上起飛和降落，據稱它具有全自動起飛和降落的功能，以及包括主動電子掃描陣列雷達、先進的光電攝像機和電子戰系統在內的任務套件，以及視線內和視線外通信套件。Kizilelma的最大有效載荷容量為1500公斤，據稱能夠達到0.6馬赫的巡航速度和11550米的工作高度，續航時間為5小時，任務半徑為926公里，但沒有公布任務有效載荷。

圖：土耳其Baykar技術公司的UCAV Kizilelma（土耳其語中的紅蘋果），據制造商稱，預計將于2023年飛行。

Baykar技術公司公布的Kizilelma UCAV的概念和模型顯示了一個以單渦輪風扇發動機為動力的平臺，其隱身設計的特點是三角翼和鴨翼配置，其機身能夠容納一個武器艙。

無人機系統（UAS）和其他相關技術（人工智能或AI、無線數據網絡、擊敗敵方電子戰的電子支援措施）已經發展到一個新的地步，無人機系統被認為原則上能夠執行目前由有人駕駛飛機執行的幾乎任何任務。

因此，許多武裝部隊正在積極試驗有人-無人編隊協作（不同的縮寫為MUM-T或MUMT）。通過將有人和無人資產作為一個單位而不是單獨部署，無人機最大限度地發揮了其作為力量倍增器的價值，提高了在高度競爭性空域的殺傷力和生存能力。無人機系統的直接控制權可由飛行中的有人單位或單獨的空中、地面或海上指揮中心掌握。隨著時間的推移，人工智能的進步將允許無機組人員的編隊元素自主地執行大部分任務。這最終可以將人類干預減少到最低，只保留任務目標的輸入、交戰規則的定義和武器釋放的授權。事實上，這種自主能力對于MUM-T概念來說是至關重要的，以防止人類飛行員被控制無人機的額外任務所淹沒。 無人機系統的主要應用包括：

• 目標偵查；
• 為有人駕駛飛機進行戰損評估；
• 電子戰；
• 各種有人或無人平臺之間的數據和通信中繼/接口；
• 武裝護衛。

在“武裝護衛”角色中，無人機系統可以在有人平臺執行任務之前壓制敵人的防空設施（SEAD角色），或者作為一個外部武器庫，使單一的有人駕駛飛機在每次任務中能夠攻擊大量的目標。

• 1 美國陸軍MUM-T
  • 旋翼系統
  • 推進能力建設
  • 下一代有人-無人編隊步驟
  • 韓國
• 2 美國空軍MUM-T
  • 美國空軍SKYBORG
  • SKYBORG 路線圖
  • 朝記錄項目發展
  • ATS/忠誠僚機
  • 英國皇家空軍“蚊子（MOSQUITO）”
  • FCAS - 未來戰斗航空系統
  • FCAS - 法國PANG
• 3 美國海軍MUM-T
  • 美國海軍MQ-25 STINGRAY加油機
  • 無人駕駛型F/A-18測試
  • 美國海軍的下一代空中優勢
• 4 其他國家發展狀況

未來的系統開發包括指揮和控制（C2）技術，以支持空戰管理人員（ABM）和戰斗機飛行員，因為他們支持在一個更大的系統系統中使用自主無人機系統（UAS）的復雜任務。在復雜的、不斷發展的和動態的環境中，人類作戰員有效地觀察、定位、決定和行動的能力是必不可少的。然而，在ABM和飛行員之間的UAS監管變化過程中，作戰者的表現可能會下降，這大大增加了作戰者的認知工作量，超過了以往任務中通常看到的工作量。不幸的是，C2技術的發展往往把重點放在自動化和硬件上，使人類作戰員的參與度不足，不利于人與自動化的互動。目前，數字工程和基于模型的系統工程（MBSE）工具正在迅速被系統開發、整合和管理所采用，以支持整合這些系統所需的復雜開發工作。目前的研究在MBSE工具中整合了人的考慮，以分析開發過程中人與自動化的合作。該方法支持在建模的任務模擬中用一對專門的活動圖表示自動化輔助和人類作戰者，稱為任務行為者圖和OODA2活動圖，允許分析作戰過程中的錯誤和瓶頸。這種方法說明有可能減少作戰員的認知工作量，改善作戰員的決策，提高系統性能，同時減少系統重新設計的時間。

本報告著重于2025年混合部隊的任務工程過程。來自OPNAV N9I的最新任務強調了關注使用成本保守的無人系統的必要性。具體來說，重點放在近鄰的競爭對手大國以及在南海的反介入/區域拒止（A2/AD）情況下可能出現的問題。海軍水面作戰中心的任務工程方法被用來確定擬議的替代艦隊架構的具體事件，然后使用作戰模擬和優化模型進行分析。對目前的無人系統，特別是那些正在開發的高技術準備水平無人系統的性能特征和成本的研究進行了匯編。提議的無人系統架構是作為A2/AD問題的解決方案而開發的。然后，無人系統架構通過優化模型運行，以最大限度地提高系統性能，同時最小化成本。然后，架構優化的結果被輸入到建模和仿真中。然后比較每個架構的整體有效性，以找到最有效的解決方案。對結果進行了分析，以顯示預期的任務有效性和利用擬議解決方案的無人架構的擬議成本。最有效的架構包括搜索、反蜂群、運送和攻擊系統。

執行總結

A 引言

系統工程分析31組由美海軍作戰司令部戰爭整合處（OPNAV N9I）負責確定一個解決方案，以彌補與大國在2025年的預期能力差距（Boensel 2021）。該解決方案系統必須具有成本效益并能在2025年之前交付。SEA團隊利用任務工程過程來確定候選的未來艦隊架構來解決問題（工程副主任辦公室2020）。

B 問題陳述

到2025年，如何才能有效地對抗近鄰對手的反介入和區域拒止能力？

C 能力需求

以具有成本效益的方式調整目前的能力，并創建一個未來的架構，以加強美國海軍的作戰能力，包括存在、欺騙、ISR以及在反介入和區域拒止環境中的防御和進攻能力。

D 任務描述

利用任務工程流程，總體情景被設定在2025年的南海。大國已執行了其九段線的領土要求，并建立了一個反介入/區域拒止（A2/AD）區。大國不斷擴大的艦隊、對人造島嶼的使用、遠距離ASCMs以及對無人系統的擴大使用使美國的水面作戰艦艇處于高風險之中。總體任務是美國海軍DDG通過提高其殺傷力和生存能力，在A2/AD區域內進行FONOPS。在整個方案中，有三個小場景被開發出來。OTH ISR、目標選擇和交戰，威脅無人機蜂群，以及提供目標選擇的威脅無人機ISR資產。

E 任務衡量

衡量任務成功與否的總體標準是美國海軍部隊在近乎同行的反介入區域拒止環境中的作戰能力。有助于衡量成功的有效性的措施是DDG的生存能力和殺傷力的提高程度與解決方案系統的成本相結合。

F 分析設計

為了分析擬議的系統解決方案（SoS）是否能達到既定的成功標準，設計了一個價值體系。利用通用的海軍任務列表，項目組確定了擬議的系統解決方案需要完成的三個二級任務，以完成任務（海軍部，2008）。

對三個選定任務下的后續任務進行了評估，以確定擬議系統需要完成的具體功能。通過這次審查，確定了候選無人系統需要完成的四項高級功能。這些功能是交付、搜索、通信中繼和打擊。為每項功能選擇了性能措施，以用于多屬性價值分析。

多屬性價值分析被用來比較完成四個功能中一個或多個功能的候選系統。一個系統的價值是根據每個性能指標對完成一個特定功能的重要性，給每個性能指標分配一個權重而得出的。權重從1到5不等，其中5表示最重要的MOP。計算MOP和權重的乘積，并將每個乘積相加，以獲得系統的價值。

為了確定可行的候選系統，項目組成員各自研究了一個不同的無人系統，并收集了每個候選系統的性能衡量標準。如果一個特定的無人系統的MOP值不知道，則推斷其值與一個類似的系統相同。如果不存在這樣的類似系統，則使用啟發式方法估計該值。對于每項功能，至少有一個系統符合技術成熟度，可考慮用于2025年的混合部隊。

F.1 建議的系統簇

為了實現所有四個功能，候選系統的組合被排列組合成16個系統簇。每個備選方案的系統價值和成本都被計算出來。系統價值的計算方法是將每個備選方案中的每個系統的價值相加。

F.2 優化

為了產生用于比較的替代方案，該團隊使用整數線性規劃生成了架構。這是用Pyomo的優化功能完成的。線性規劃被創建、約束以更好地表示現實，并被解決以生成分別針對性能、預算和替代合約選項進行優化的替代架構。

F.3 使用炮擊作戰模型計算MOE

現代導彈戰可以使用炮擊作戰模型進行評估。這個模型被用來計算每個小場景中的每個SoS備選方案的有效性。結果顯示了超視距ISR平臺的重要性，一個獨立的武器系統來對付敵人的無人機，目前IAMD作戰系統的有限防御能力，以及超視距搜索和瞄準能力。

F.4 基于電子表格的戰斗模擬

“大國”和美國都擁有深入的綜合空中和導彈防御。為了證明這種互動，在微軟Excel中使用反二項式函數對不同的交戰進行了建模。每一個擬議的艦隊架構都被輸入到三個小插曲的戰斗模擬中。為了獲得隨機的結果，試驗的數量被設定為300次，每個概率都有一個可能的值范圍。該模型中的自變量可分為防御性或進攻性變量。防御性變量是每個單位的綜合防空和導彈防御武器的殺傷數量和殺傷概率。PLAN的進攻性變量是YJ-18 ASCM和Harpy無人機的命中數。美國海軍的進攻性變量是海上攻擊戰斧、ASCM和特定攻擊無人機的進攻性命中數量。

模擬的結果顯示了擊中敵方水面平臺或美國海軍水面部隊的數量。通過比較建議的系統與基線的命中率，可以得出變化的百分比。在我們的分析中，進攻和防御的有效性被平均加權，允許將進攻和防御百分比變化的高值相加，以計算出高低變化的總百分比。

F.5 使用基于智能體的建模和仿真進行模型驗證

基于智能體的建模和仿真（ABMS）被用來驗證每個設想的系統架構與所需的MOE。ABMS旨在通過對智能體之間的相互作用進行建模，來捕捉戰爭交戰的隨機性，但又很復雜。進行了蒙特卡洛分析，以收集每個系統性能的個體層面的數據。隨后的統計分析提供了一個途徑，以確定和量化每個擬議的系統架構所實現的改進。為此目的，指揮部：現代行動（CMO），是一個跨領域的現代兵棋推演計算機軟件，旨在模擬戰術到作戰水平的行動，被用作仿真引擎。CMO模擬的是基于規則的智能體，它們相互之間以及與環境之間的互動，包括感興趣的場景中的武器系統（Coyote, YJ-18, Chaff）和平臺（例如PLAN DDG, Luyang）。與多屬性價值分析方法相比，CMO允許對定量的系統MOP進行建模，并在模擬結果中觀察其相對差異。

G 電子表格作戰模擬結果

電子表格戰斗模型模擬的第一個結果是解放軍DDG在三個不同的迭代中對美國海軍DDG的命中率，即只用YJ-18攻擊，只用哈比攻擊，以及YJ-18和哈比同時攻擊。同時使用YJ-18和Harpy的命中率被作為防御性MOE的基線值。接下來，兩種不同的防御性無人機系統被分別加入到作戰模型中。對只有哈比的攻擊和YJ-18與哈比的同時攻擊進行了重復模擬。每個系統的防御性百分比變化是用前面描述的公式計算的。

接下來的結果是美國海軍DDG在三次不同的迭代中擊中PLAN DDG的次數。模擬了僅用MST攻擊、僅用ASUW無人機攻擊以及MST和ASUW同時攻擊的結果。只用MST攻擊的命中率作為進攻性MOE的基線值。接下來，七個不同的運載系統被分別加入到作戰模型中。對僅有ASUW無人機攻擊和同時進行的MST和ASUW無人機攻擊進行了重復模擬。每個投送系統的進攻百分比變化被計算出來。

將同等權重的進攻和防守百分比變化相加，計算出高和低的總變化百分比。根據該模型，期望值是這樣的：在0.95的置信度下，增加SoS將使水面部隊的有效性增加一個介于高值和低值之間的百分比。

H. 基于智能體的建模和仿真結果

總的來說，從ABMS觀察到的性能與從電子表格模型觀察到的性能MOE相關。在所有提議的架構中，都觀察到了防御和進攻MOE的明顯改善。這是預料之中的，因為在DDG上增加任何防御性武器系統應該減少艦隊DDG的直接命中數量。同樣，增加一個具有增強OTH感知能力的進攻性武器系統會增加對目標直接作用的武器數量。

對防御性和進攻性MOE與每一方所消耗的平均武器數量的比率的進一步分析顯示，由于美國海軍DDG上增加了反群武器系統，防御性MOE得到了改善。這種增加被證明是對所有架構的一種有效的廣泛改進。三種提議的架構之間最明顯的差異來自于進攻性MOE（%），其中性能系統優于其他架構。與發射的武器總數相比，預計一個性能更好的系統會向目標發射更少的武器，同時造成更多的命中。

I 結論

這項工作證明了低成本的無人駕駛威脅系統給傳統水面戰艦帶來的危險，這些系統可以在幾乎沒有警告的情況下進行協調和攻擊，并為船員提供很少的反應時間。為了避免強制增加對峙距離以提高生存能力，有必要使用增程傳感器系統和反無人機系統來彌補預期的能力差距并提供進入被拒絕區域的機會。為了使這些系統可行和安全，高帶寬的通信系統將是必需的。

為了滿足這些需求，建議的解決方案系統利用Dive-LD來運送Coyote無人機平臺。搜索和通信中繼將由兩個VBAT無人機平臺提供。這種平臺組合為每一美元的系統成本提供了最高的進攻和防御能力的提高。叢林狼 "無人機也將作為一個蜂群來防御威脅性無人機群和威脅性無人機ISR資產。增加解決方案系統的采購將提高艦隊的生存能力和殺傷力，并允許在其他艦隊優先領域進行額外投資。

建議通過為無人機平臺配備額外的無源傳感器來改進該系統，以利用電磁頻譜的所有部分，從而提高在所有天氣和戰斗條件下探測敵方威脅的能力。此外，擬議的解決方案系統可以擴展到許多其他領域和任務區，如港口防御和反對出口。

目前，人工智能（AI）為改造許多軍事行動領域提供了巨大的機會，包括作戰、指揮與控制（C2）、后勤、安全和維護，以提高其整體作戰效率。空中和導彈防御（AMD）是一個特別復雜的任務領域，人工智能的應用至關重要。空中導彈防御任務指的是保衛國土、保護區、地面基地、地面部隊或艦艇免受敵對的空中或導彈威脅。AMD的威脅包括敵對的飛機、無人駕駛飛行器（UAV）或機載導彈。AMD行動的復雜性源于威脅的嚴重性、威脅的意外性、對形勢認識的不確定性以及事件的快速發展，因為作戰人員必須迅速評估形勢，制定適當的行動方案，并最好地利用他們的戰爭資產來應對。美國國防部（U.S. DOD）正在研究使用AI系統（或AI-enabled AMD[AI-AMD]系統）作為AMD作戰人員的自動決策輔助工具，以大大減少他們的認知負荷（Jones等人，2020），使AMD決策更快、更好。

人工智能的一個關鍵方面已經聚集了大量的研究興趣，那就是信任。信任是有效團隊的一個基本原則。它同時適用于人類和人機團隊。信任使團隊成員能夠很好地合作，是有效團隊表現的基礎（Lee and See 2004）。與人工智能系統的成功合作將需要人類對人工智能系統有一個校準的信任和依賴程度（泰勒等人，2016）。

隨著更先進和更快的空中和導彈威脅彈藥的發展和投入使用，操作人員更需要在AMD行動中迅速作出監測。不及時的決策和反應將導致災難性的后果。因此，人工智能是一個可能的解決方案，通過自動決策輔助工具加快和加強決策過程。這些AMD自動戰斗管理輔助工具可以幫助戰術操作人員應對更快的決策周期、大量的數據以及需要觀察的幾個系統或屏幕（Galdorisi 2019）。然而，為了有效地利用人工智能能力的潛力，需要操作員的高度信任。操作員對系統的信任程度低，可能會導致人工智能-AMD系統利用不足，受到不適當的監控，或者根本不使用（Floyd, Drinkwater, and Aha 2016）。這些問題中的任何一個都可能導致操作者的工作量不必要的增加，或者任務失敗的可能性。

論文對信任的定義、人機交互（HMI）的概念、信任因素以及包括AMD殺傷鏈模型、威脅場景、架構、模型和功能在內的概念模型進行了廣泛的回顧。有了這樣的認識，論文提出了人工智能-AMD系統的信任框架，對人機交互和人工智能-AMD系統信任因素的描述。論文最后提出了在人類操作者和AI-AMD系統之間實現校準信任的策略。

信任框架始于對系統背景的分析。圖1顯示了AI-AMD指揮與控制（C2）系統（包括AI-AMD操作員和決策輔助工具）及其他與之互動的子系統的背景圖，這些子系統有助于操作員和AI-AMD決策輔助工具之間信任的發展。背景圖使我們能夠研究各系統之間的相互作用，以及它們對AI-AMD操作員和決策輔助工具之間信任動態的影響。

圖1. AI-AMD系統框架圖。

這篇論文將信任定義為操作者的態度，即AI-AMD決策輔助工具將有助于實現操作者的目標，即在一個以不確定性和脆弱性為特征的作戰環境中迅速摧毀來襲威脅的任務。這種信任的定義表明，它是對操作者相信或感知AI-AMD決策輔助工具的一種情感評估。為了積極地影響信任，操作者必須親自看到并感受到AI-AMD決策輔助行動的優勢。AI-AMD行動涉及很多不確定因素，以及天氣、電磁干擾和地形等環境因素以及不斷變化的威脅的性質所帶來的脆弱性。操作員將預期AI-AMD決策輔助系統按照 "合同 "執行，以處理這些不確定性和脆弱性。這些合同將是人工智能-AMD決策輔助工具應該執行的感知功能或任務，以及執行這些功能或任務的理想表現。

圖2說明了操作員和AI-AMD決策輔助工具之間的信任框架。y軸代表人類對AI-AMD決策輔助系統的信任程度，x軸代表AI-AMD決策輔助系統的能力。綠色的45°虛線表示最佳的信任水平或校準的信任線，其中的信任與AI-AMD的能力相對應，導致正確的利用（Lee and See 2004）。過度信任由最佳信任水平線以上的區域表示，此時的信任超過了系統能力，導致誤用。低于理想信任水平線的區域表示不信任，這時的信任沒有達到系統能力，導致濫用。假設存在一些默認的信任水平（如黃框所示），目標是制定一個策略，以提高AI-AMD輔助決策能力的信任。在使用該系統時，可能會發生違反信任的情況，從而降低操作員的信任。因此，信任修復行動必須被納入，以保持信任在最佳水平。

圖2. 人類操作員和AI-AMD決策輔助工具之間的信任。

基于功能分配的操作員和AI-AMD決策輔助工具之間的人機交互研究表明，操作員和AI-AMD決策輔助工具應該被設計成在大多數殺戮鏈功能中作為一個 "團隊"運作。這引導論文研究了單獨和集體考慮人類和決策輔助的信任因素。對操作員和人工智能-AMD決策之間的人機交互的研究還顯示，操作員的角色已經從手動控制器變成了監督控制器。因此，一個值得信賴的決策輔助工具是很重要的，因為操作者會期望系統的表現符合預期，以幫助操作者更好地履行他的角色。另外，為了進一步幫助減輕操作者的認知工作量，信息的外部表示、決策輔助工具的建議必須易于閱讀和理解。

關于信任因素，本論文提出了一個 "由外而內 "的框架，如圖3所示。論文首先考慮了與操作環境相關的因素，這些因素描述了AMD操作系統的背景。第二，它研究了與組織環境相關的因素，操作人員和人工智能-AMD系統得到了培訓和發展。第三，論文研究了操作人員和人工智能-AMD決策輔助工具之間的交互，以提出與操作人員、人工智能-AMD、單獨和集體相關的因素。

圖3. 建議的信任因素

圖4顯示了擬議的戰略銜接圖，以實現操作者和AI-AMD輔助決策之間的校準信任。對信任定義、人機界面和信任因素的審查表明，該戰略應關注三個關鍵領域：（1）人類對自動化技術和AI-AMD決策輔助系統的集體和個人感知；（2）增強操作員和AI-AMD決策輔助系統的團隊活力；（3）AI-AMD決策輔助系統的可信度，重點是系統開發。該戰略利用DOTMLPF-P框架提出了三個關鍵原則和五個支持原則。首先，軍事作戰人員需要被告知自動化技術的真正能力和局限性，特別是AI-AMD輔助決策。第二，操作員的培訓要求必須增加，以應對新的工作范圍和不斷變化的威脅。第三，必須在人工智能-AMD決策輔助系統的開發中加入新的要求，以提高系統的可感知的可信度。這三個關鍵原則得到了DOTMLPF-P框架其他方面的支持，如組織、領導、人員、設施和政策。

圖4. 實現操作員和人工智能-AMD決策輔助工具之間校準信任的戰略銜接圖

現代綜合防空系統（IADS）所帶來的日益復雜的反介入區域拒止（A2AD）威脅，加上高端隱形平臺所提供的日益強大的優勢，促使美國空軍高級領導人投資于徹底改變2030年及以后的空中力量。這一新設想的一個突出因素是蜂群武器，其目的是通過用大量低成本、可損耗的航空資產來壓倒國際航空運輸系統，并通過自主能力來解決這一挑戰。這項研究提出了一個框架，按照三個獨立的維度對不同級別的自主能力進行分類，即單獨行動的能力、合作能力和適應能力。使用模擬、集成和建模高級框架（AFSIM）構建了一個虛擬作戰模型，模擬以有人駕駛的穿透式轟炸機和自主巡航導彈群為特征的友軍空襲包與以A2AD角色行動的敵軍IADS之間的交戰。通過使用自主性框架作為設計實驗的基礎，評估了不同水平的自主性對攻擊包性能的影響。對實驗結果的分析揭示了哪些方面和什么級別的自主性對促進這一模擬場景的生存能力和殺傷力最有影響。

1. 引言

1.1 動機和背景

戰爭的技術性質正在迅速發展，人們越來越重視對大量數據的收集、處理和決策。隨著指揮與控制（C2）決策空間的復雜性增加，指揮系統根據現有信息采取行動的速度越來越成為一個限制性因素。具有不同程度的人與系統互動的自主系統為緩解這一不足提供了機會。美國2018年國防戰略（NDS）[18]明確要求國防部（DoD）"廣泛投資于自主性的軍事應用"，作為促進大國競爭優勢的一項關鍵能力。

參與大國競爭的一個自然后果是反介入區域拒止（A2AD）環境在聯合沖突的所有方面擴散。從美國空軍（USAF）的角度來看，現代綜合防空系統（IADS）構成了卓越的A2AD威脅，這嚴重抑制了通過常規手段建立空中優勢的前景[2, 20]。這一挑戰促使部隊結構的優先事項發生了變化，因為將能力集中在相對較少的高端系統中的感知風險越來越大。美國空軍科學和技術戰略[26]設想，數量龐大的低成本、易受攻擊的航空資產將很快發揮曾經由數量有限的高價值資產完成的作用。這種大規模的蜂群的任務規劃和空戰管理（ABM）工作的規模可能很快超過人類的認知能力，這使得它成為非常適合自主性研究和開發的應用領域。

1.2 問題陳述

本研究試圖評估幾種自主巡航導彈群的行為對A2AD環境中藍方（友方）空中性能的影響。具體來說，所研究的A2AD場景考慮了紅方（對手）的IADS被藍方聯網的自主巡航導彈群吸引，以促進穿透式轟炸機的后續打擊。在任務規劃時沒有考慮到的突然出現的威脅，可能會進入該場景以增加紅色IADS的力量。蜂群必須在沒有外部反彈道導彈的幫助下，檢測并應對這些突發威脅以及任何其他對抗性任務參數的變化。A2AD場景的建模是使用模擬、集成和建模高級框架（AFSIM）完成的。

1.3 研究問題

為了解決問題陳述，本研究將對以下問題提供答案：

1.具有自主反彈道導彈能力的巡航導彈蜂群能在多大程度上提高藍方空襲包在A2AD環境下的生存能力（即避免被紅方IADS發現和摧毀的能力）？

2.具有自主反彈道導彈能力的巡航導彈群能在多大程度上提高A2AD環境下藍方空襲包的殺傷力（即探測和摧毀紅方IADS元素的能力）？

1.4 論文的組織

本論文的其余部分包含四章，組織如下：第二章對包括自主性、A2AD環境、基于代理的建模和仿真（ABMS）以及實驗設計（DOE）等主題的參考材料進行了回顧。第三章建立了A2AD場景、AFSIM模型實現和實驗設計的結構，作為本研究的框架。第四章介紹了實驗模擬運行的結果和附帶的分析。最后，第五章討論了從這項研究中得出的結論，以及對未來研究方向的建議。

摘要

兵棋模擬是一種決策工具，可以為利益相關者分析的場景提供定量數據。它們被廣泛用于制定軍事方面的戰術和理論。最近，無人駕駛飛行器（UAVs）已經成為這些模擬中的一個相關元素，因為它們在當代沖突、監視任務以及搜索和救援任務中發揮了突出的作用。例如，容許戰術編隊中的飛機損失，有利于一個中隊在特定戰斗場景中勝利。考慮到無人機的分布可能是這種情況下的決定性因素，無人機在超視距（BVR）作戰中的位置優化在文獻中引起了關注。這項工作旨在考慮敵人的不確定性，如射擊距離和位置，使用六種元啟發法和高保真模擬器來優化無人機的戰術編隊。為紅軍蜂群選擇了一種空軍經常采用的戰術編隊，稱為line abreast，作為案例研究。優化的目的是獲得一個藍軍蜂群戰術編隊，以贏得對紅軍蜂群的BVR戰斗。采用了一個確認優化的穩健性程序，將紅軍蜂群的每個無人機的位置從其初始配置上改變到8公里，并使用兵棋方法。進行了戰術分析以確認優化中發現的編隊是否適用。

索引詞：優化方法，計算機模擬，無人駕駛飛行器（UAV），自主智能體，決策支持系統，計算智能。

I. 引言

兵棋是在戰術、作戰或戰略層面上模擬戰爭的分析性游戲，用于分析作戰概念，訓練和準備指揮官和下屬，探索情景，并評估規劃如何影響結果。這些模擬對于制定戰術、戰略和理論解決方案非常有用，為參與者提供了對決策過程和壓力管理的洞察力[1]。

最近，無人駕駛飛行器（UAVs）作為一種新的高科技力量出現了。利用它們來實現空中優勢可能會導致深刻的軍事變革[2]。因此，它們的有效性經常在兵棋中被測試和評估。

由于具有一些性能上的優勢，如增加敏捷性、增加過載耐久性和增加隱身能力，無人機已經逐漸發展起來，并在許多空中任務中取代了有人系統[3]。然而，由于戰斗的動態性質，在視覺范圍之外的空戰中用無人系統取代有人平臺是具有挑戰性的。在空戰中，無人機可以被遠程控制，但由于無人機飛行員對形勢的認識有限，它將在與有人平臺的對抗中處于劣勢。然而，這種限制可以通過自動戰斗機動[4]和戰術編隊的優化來克服。此外，使用無人機可以允許一些戰術編隊和戰略，而這些戰術編隊和戰略在有人駕駛的飛機上是不會被考慮的，例如允許中隊的飛機被擊落，如果它有助于團隊贏得戰斗。文獻中最早的一篇旨在優化超視距（BVR）作戰中的飛機戰術編隊的文章[5]表明，空戰戰術是用遺傳算法（GA）進行優化的候選方案。該實施方案采用分層概念，從小型常規作戰單位建立大型編隊戰術，并從兩架飛機的編隊開始，然后是四架飛機，最后是這些飛機的倍數。在模擬中沒有對導彈發射進行建模。當一架飛機將其對手置于武器交戰區（WEZ）的高殺傷概率（Pkill）區域內一段特定時間，簡化的交戰模擬器就宣布傷亡。事實證明，所提出的方法的應用是有效的，它消除了團隊中所有沒有優化編隊的飛機，并為整個優化編隊的飛機團隊提供了生存空間。

Keshi等人[6]使用了與[5]相同的分層概念，從由兩架飛機組成的元素中構建大型戰術編隊。模擬退火遺傳算法（SAGA）被用來優化編隊，使其能夠克服對局部最優解的收斂。對16架飛機的編隊進行了優化，提出的最優解表明SAGA比基本的GA更有效。最后，為了探索一個穩健的SAGA，對不同的馬爾科夫鏈進行了比較，事實證明自調整馬爾科夫電流更適合所提出的問題。

Junior等人[7]提出使用計算機模擬作為一種解決方案，以確定BVR空戰的最佳戰術，使擊落敵機的概率最大化。在低分辨率下使用通用參數對飛機和導彈進行建模，并改編了名為COMPASS的模擬優化算法，模擬了兩架飛機對一架飛機的BVR戰斗。低分辨率模型假定在水平面的二維空間內有一個均勻的直線運動。使用優化的戰術表明，擊落敵機的平均成功率從16.69%提高到76.85%。 Yang等人[8]提出了一種方法來優化飛機對一組目標的最佳攻擊位置和最佳路徑。該工作考慮到飛機能夠同時為每個目標發射導彈，并將飛機與目標有關的攻擊性和脆弱性因素作為評價攻擊位置的指標。一個高保真模擬被用來模擬每個導彈的飛機、雷達、導彈和WEZ的動態特性。這項工作并沒有解決在BVR戰斗場景中優化一組飛機對另一組飛機的編隊問題。

Li等人[9]提出了一種基于指揮員主觀認識的編隊優化方法，即在空戰中目標設備信息不確定的情況下選擇飛機編隊的問題。首先，計算戰斗機的戰斗力，這是通過指揮員的主觀認識評估目標戰斗力的基礎。戰斗機的戰斗力以能力的形式表現出來，包括攻擊、探測、生存能力、通信、電子戰、預警系統等。因此，通過采用前景理論和綜合模糊評估來優化空戰訓練。最后，一個應用實例證明了該方法在小規模空戰中的可行性。作者聲稱，利用戰斗力評估戰斗情況的能力為優化空戰訓練提供了一種新的方法。

?zpala等人[10]提出了一種在兩個對立小組中使用多個無人駕駛戰斗飛行器（UCAVs）進行空戰的決策方法。首先，確定兩隊中每個智能體的優勢地位。優勢狀態包括角度、距離和速度優勢的加權和。在一個團隊中的每個智能體與對方團隊中的每個智能體進行比較后，每個航空飛行器被分配到一個目標，以獲得其團隊的優勢而不是自己的優勢。為一對對立的團隊實施了一個零和博弈。對許多智能體參與時的混合納什均衡策略提出了一種還原方法。該解決方案基于博弈論方法；因此，該方法在一個數字案例上進行了測試，并證明了其有效性。

Huang等人[11]開發了新的方法來處理UCAV編隊對抗多目標的合作目標分配和路徑規劃（CTAPPP）問題。UCAV的編隊是基于合作決策和控制的。在完成目標偵察后，訓練指揮中心根據戰場環境和作戰任務向每架UCAV快速傳輸任務分配指令。UCAV機動到由其火控系統計算出的最佳位置，發射武器裝備。合作目標分配（CTAP）問題通過增強型粒子群優化（IPSO）、蟻群算法（ACA）和遺傳算法（GA）來解決，并在歸因、精度和搜索速度等方面進行了比較分析。在進化算法的基礎上發展了UCAV多目標編隊的合作路徑規劃（CPPP）問題，其中提供并重新定義了獨特的染色體編碼方法、交叉算子和突變算子，并考慮燃料成本、威脅成本、風險成本和剩余時間成本來規劃合作路徑。

Ma等人[12]開展的工作解決了在BVR作戰場景中優化兩組（R和B）無人機對手之間的優勢地位問題。一個無人機ri∈R對一個無人機bj∈B的優勢是通過ri和bj之間的距離、ri的導彈發射距離的下限和上限、ri的高度和bj的高度之差以及ri的最佳發射高度來估計的。決定性的變量是無人機在兩組中的空間分布和每架飛機在這些組中的目標分配。無人機在三維作戰空間BVR中的可能位置被簡化（離散化），通過立方體的中心位置來表示。每個無人機組都有一組立方體。優化問題被建模為一個零和博弈，并被解決以獲得納什均衡。

Ma等人[12]提出的工作沒有使用高保真模擬來分析無人機空間分布的選擇和分配給它們的目標對BVR作戰的影響。高保真模擬對飛機、雷達、導彈及其導彈的WEZ的動態特性進行建模。這些動態特性也影響到BVR作戰時每架飛機的行動觸發，因此也影響到最終的結果。例如，如果在兩組無人機之間第一次沖突后的時間窗口內考慮高保真BVR作戰模擬，新的沖突可能會發生，直到模擬結束。因此，每個在交戰中幸存的無人機將能夠選擇一個新的目標，這取決于可用目標的優勢值。在[12]中沒有考慮與無人機行為有關的不確定性。有關敵方無人機在戰術編隊中的確切位置及其導彈發射距離的信息是行為不確定性的例子。這兩個信息和上面描述的其他信息在BVR戰斗中是相關的：它們直接影響飛機之間的交戰結果。

在這項研究中，我們試圖解決文獻中發現的一些局限性，如低分辨率模擬、與敵人有關的不確定性的處理以及缺乏對優化解決方案的穩健性的確認，旨在提高兵棋結果的質量。我們的目標是驗證哪些藍色蜂群的戰術編隊可以在BVR戰斗中戰勝紅色蜂群。作為一個案例研究，RED蜂群使用了空軍經常采用的戰術編隊，稱為line abreast[13]。為了評估BLUE蜂群解決方案的穩健性，我們解決了新的問題，改變了RED蜂群每架飛機的位置，目的是估計新的RED蜂群編隊對BLUE蜂群的優化戰術編隊的效率的影響。

我們使用自主智能體和高保真計算機模擬來優化BVR戰斗中的無人機戰術編隊，考慮與敵人相關的不確定性，如戰術編隊中的位置誤差和導彈發射距離。統一行為框架（UBF）被采納為創建自主智能體的基礎。飛機和導彈在三維環境中用六個自由度（DoFs）建模。

該程序將在接下來的章節中進一步討論。

摘要

在航空航天和機器人手術等領域，復雜的高精度人機系統的效率和安全性與操作員的認知準備、管理工作量的能力和態勢感知密切相關。對心理工作量的準確評估有助于防止操作失誤，并通過預測工作負荷過重或刺激不足可能導致的業績下降，從而進行針對性的干預。基于人體和大腦活動測量的神經工效學方法可以為復雜訓練和工作環境下的人類心理工作量提供敏感和可靠的評估。本文概述了可穿戴腦和身體成像方法通過神經/生理信號評估心理工作量的潛力，并提供了一種利用多模態生物傳感器對多領域認知任務中的工作量進行比較評估的研究設計。這種綜合的神經工效學評估利用神經成像和生理監測，可以為開發下一代神經適應接口和更有效的人機交互和操作技能獲取的訓練方法提供信息。

關鍵詞:認知工作量，fNIRS，腦電圖，眼動跟蹤，神經工效學，移動腦/體成像

引言

人類在任何類型的目標或任務上的表現都與熟練完成這些目標或任務所需的認知工作量有關。每個人都有自己獨特的認知模式，在執行某些類型的任務時更有效率。通過有針對性的培訓，可以在更短的時間內提高操作人員的能力，提高工作效率。

心理負荷在許多復雜的指揮控制系統中起著至關重要的作用。在航空航天和機器人手術等領域，復雜的高精度人機系統的效率和安全性與操作員的認知準備、管理工作量的能力和態勢感知密切相關。主觀操作員報告、生理和行為測量不足以可靠地監測可能導致不良結果的認知負荷。心理負荷這個概念反映了大腦為滿足任務需求而努力工作的程度，它的一個關鍵特征是，它可以與行為表現數據分離。經驗豐富的操作員可以通過增加努力、激勵或改變策略，在較長一段時間內保持所需的性能水平，即使面臨更多的任務挑戰。然而，持續的任務需求最終會導致績效下降，除非心理工作量的上升趨勢可以用來預測隨后的績效崩潰。因此，重要的是在訓練和行動任務期間評估獨立于業績衡量的精神工作量。基于人體和大腦活動測量的神經工效學方法可以為復雜訓練和工作環境下的人類心理工作量[2]提供敏感和可靠的評估。

在軍事行動的背景下，評估和衡量操作員的認知工作量尤其重要，因為在軍事行動中，性能故障可能會導致災難性的損失。對心理工作量的準確評估有助于防止操作失誤，并通過預測工作負荷過重或刺激不足可能導致的業績下降，從而進行針對性的干預。