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

由于成本、能力、政策和法規等因素，美國海軍（USN）和美國海岸警衛隊（USCG）艦艇上無人機系統（UAS）的使用目前受到限制。本分析報告的主要目的是研究 1-3 類 UAS 在執行情報、監視和偵察 (ISR)、搜索和救援 (SAR) 以及后勤任務時對水面艦艇性能的影響，并考慮小型 UAS 系統的哪些性能參數可能對執行這些任務最有意義。本研究使用的數據包括公開的無人機系統規格、艦船規格和指標，以及以前進行的成本/預算分析。這些信息被用來為潛在任務的各種模型提供信息，這一工具有助于根據用戶需求和成本分析選擇無人機系統。這些分析結果表明，無人機系統有利于其可能執行的任務--即相對于其他機載資產而言，能夠支持其較短的作戰時間和航程的任務。對于 ISR/SAR 場景，分析表明，與沒有航空資產的艦船相比，無人機系統可增加識別目標的數量，并縮短完全搜索作戰區域的總體時間。在后勤運送場景中，無人機系統被用于從港口取回貨物，與完全轉向港口的船只相比，無人機系統減少了運送貨物所需的成本和時間。

盡管目前美國海岸警衛隊（USCG）和美國海軍（USN）艦隊在較小的水面艦艇上使用的有機（即從艦艇上發射和回收）無人機系統（UAS）有限，但海軍作戰部長（CNO）的 2021 NAVPLAN [1] 包括了到 2045 年實現混合艦隊的目標。許多無人機系統資產能夠執行情報、監視和偵察 (ISR)、搜索和救援 (SAR) 以及輕型補給任務。在合適的行動中利用這些系統替代有人駕駛系統，可以節省實現任務目標所需的關鍵時間和精力。本研究旨在確定可提高美國海軍和美國海岸警衛隊艦艇執行關鍵任務性能的無人機系統參數，建立無人機系統行為和影響模型，與目前采用的替代方案進行對比，并提出一種方法，用于對考慮集成到水面艦隊的無人機系統替代方案進行早期評估。

本研究總結了無人機系統在一般情況下和海上環境中使用的相關文獻。研究還總結了所收集的有關無人機系統和船只類型的信息，以及它們的相關參數、規格和能力。然后，將收集到的信息綜合成 "無人機選擇工具"，分析無人機系統要求與船舶制約因素之間的相互作用。這個基于 Excel 的工具考慮了

• 哪些通用無人機系統參數在作戰場景中最有價值。
• 特定的無人機系統在這些參數上能達到什么能力。
• 哪些艦艇可以支持特定的無人機系統。

然后，該工具會計算出每種艦船類型可運行的無人機系統，以及每種無人機系統的相對價值。該工具可根據無人機系統、艦船類型和利益相關者偏好的實際數據輕松更新。利益相關者可利用該工具指導對特定無人機系統解決方案的進一步研究。

無人機選擇工具開發完成后，將考慮無人機系統對作戰方案的影響。這是通過場景開發和建模來實現的。首先，為 ISR、SAR 和后勤任務制定了名義上的作戰方案。然后，描述每種情景的相關指標（例如，搜索一個區域的平均時間）。最后，介紹包絡計算以及通過 ExtendSim [2] 進行的高保真模擬建模。ExtendSim 由 Imagine That Incorporated 公司開發，是一套功能強大的仿真軟件，可以進行連續、離散事件和其他形式的仿真建模[2]。然后使用這些模型來考慮各種艦船和無人機系統參數（例如無人機系統速度）的變化如何影響通過相關指標評估的任務性能。

對于所考慮的 ISR 場景，分析表明，加入無人機系統能力可顯著縮短搜索區域的平均時間。由于無人機系統的航拍時間是有限的，而搜索時間會隨著搜索范圍的擴大而增加，因此對較小區域的影響更大。隨著場景中目標數量的增加，無人機系統對縮短時間的影響也會增加。關于執行 ISR 任務的無人機系統參數，無人機系統的速度是關鍵--如果無人機系統的速度接近艦船的速度，無人機系統的影響就會減小。

在搜索和救援分析中，當使用無人機系統增加傳感器寬度時，無人機系統的能力可顯著縮短搜索箱的時間。在此，分析表明，無人機系統的總飛行時間是一個關鍵因素，無論是通過增加無人機系統還是延長續航時間來實現。無人機系統的傳感器寬度也是一個關鍵因素，傳感器范圍越寬，搜索箱所需的時間就越少。不過，雖然無人機系統可用來縮短搜索時間，但無人機系統的假定探測概率也很重要。如果探測概率較低，這種使用模式可能會導致總體探測次數減少。

還考慮了一種情況，即使用無人機系統提高總體探測概率，而不是增加傳感器寬度。在這種情況下，無人機系統實際上對場景時間沒有影響。與之前的合成孔徑雷達方案一樣，探測概率非常重要，在考慮的無人機系統探測概率較低的情況下，無人機系統對方案未探測到的影響可以忽略不計或為負值。在所考慮的無人機系統探測概率的高端（與假定的艦船探測概率相似），無人機系統對情景下未探測到的平均次數產生積極影響（即減少未探測到的次數）。最后，在需要發現的目標總數較少的情況下，無人機系統對未探測到目標的影響可以忽略不計，但隨著目標的增加，其影響也會增加。

此外，在水面艦隊中增加無人機系統執行 ISR 和 SAR 任務的影響方面，出現了以下趨勢：

• 在 ISR 情況下，無人機系統的速度是關鍵參數。
• 一般來說，在探測概率高的情況下，搜索次數越多，未探測次數就越少，而在探測概率低的情況下，搜索次數越多，未探測次數就越多。這意味著在獲取新系統時必須仔細考慮無人機系統傳感器。
• 與直覺相反，在搜索較小區域時，擁有無人機系統能力對 ISR 和 SAR 任務指標的影響更大。這是因為更大范圍的搜索需要更長的時間，而無人機系統的飛行時間有一個硬性上限。

當 ISR 和 SAR 環境中有更多目標需要尋找或確認時，無人機系統就更有可能產生影響。此外，還考慮了在水面艦隊中增加無人機系統的成本影響。分析表明，即使將無人機系統的采購成本計算在內，較小的現成商用無人機系統（COTS）解決方案的每小時成本也可能大大低于傳統的載人資產。隨著商用現貨無人機系統解決方案成本的增加，其每小時成本將接近載人資產成本的低端。這一分析取決于無人機系統的飛行小時數，因為其中包括固定采購成本。無人機系統資產的飛行時數越多，其比較單位成本就越低。本研究還考慮了無人機系統成本收支平衡的飛行小時數，或者說單個無人機系統的采購投資已經通過降低支持地面機隊的邊際成本而收回。這項分析假定無人機系統的飛行時數取代了載人資產的飛行時數。在此，如果假定所有無人機系統的飛行時數都能替代有人值守資產的飛行時數，那么成本較低和較高的 COTS 無人機系統都能迅速達到運行時數的盈虧平衡點。然而，對于成本較高的系統而言，運行小時盈虧平衡點在很大程度上取決于假定的替代率。對于假設的高端 COTS 無人機系統，如果單個無人機系統的 50%飛行小時可替代載人資產飛行小時，則達到運營小時盈虧平衡點的飛行小時數將比 100%替代率情況下增加約 680%。

歸根結底，在其他條件相同的情況下，將無人機系統納入水面艦艇編隊很可能會提高孤艦在 ISR 和 SAR 任務中的性能。將無人機系統集成到較小的水面艦艇中還將為指揮官提供更大的靈活性，以適應作戰挑戰。然而，并非所有的無人機系統都具備適當的速度、任務續航時間和航空電子設備組合，以提供有意義的能力。那些能夠提供有意義能力的無人機系統可能更大、更昂貴。這表明，必須謹慎選擇要集成的無人機系統。

1.1 報告的目的

本報告的目的是描述位于加利福尼亞州洛杉磯的美國陸軍作戰能力發展司令部（CCDC）西部陸軍研究實驗室（ARL-West）用于人類與機器人群互動研究的物理測試平臺，并介紹未來利用該測試平臺進行能力和實驗的機會。這是因為19財年ARL的集群項目，這是美國防部資助的研究人類與群體互動工作的一部分。

1.2 ARL集群項目

這里描述的ARL集群項目是ARL的車輛技術局（VTD）、傳感器和電子設備局（SEDD，現在的CCDC數據和分析中心[DAC]）以及人類研究和工程局（HRED）的一項聯合工作。我們將集群定義為一組完全或基本自主的智能體，以集體的方式進行互動，以完成一項任務。在我們的工作定義中，我們也會偶爾提到一些場景，在這些場景中，智能體是合作運作的，但不一定是一個集體的整體（例如，當機器人被分配單獨的任務，形成合作目標的組成部分）。這些通常被稱為多智能體或多機器人系統。智能體群體可能是同質的或異質的。

結合團隊成員在車輛技術、傳感器/機器視覺、處理器芯片和功耗、人類因素和感知/認知心理學方面的經驗，我們對人與群的互動有了深入的了解，并推動了建立人與群互動測試平臺。我們合作的一個主要見解是，電源需求、芯片限制和傳感器能力可能會大大影響人類的表現或人類對機器人群或其他多Agent系統的反應，但在人類-自主-群體互動的模型中很少充分考慮這些因素。為了推動研究，并為在這些領域和相關領域的繼續探索奠定基礎，ARL集群團隊在ARL-West創建了一個實體集群測試平臺：集群與人互動性能室內研究平臺（AIRSHIP）。這個測試平臺將允許研究界面、物理限制、人類因素及其相互作用如何影響人類-集群的任務表現和人類心理/生理反應。為了適應廣泛的實驗可能性，該試驗臺可以高度定制一系列的任務場景、自主資產的數量和多樣性，以及固有的和強加的物理約束。

從我們的討論和文獻回顧中，從創意技術研究所（ICT）開發的虛擬試驗臺中，以及從建模工作（例如Humann和Pollard 2019）中得到的啟示，強調了開發一個物理試驗臺以解決人與機器人群的互動研究問題的必要性。在我們設計的測試平臺中，我們旨在實現以下特點：室內、小型、便攜、高度可定制、靈活，以適應廣泛的實驗。

在此，我們描述了AIRSHIP測試平臺的現有能力，并闡明了在目前可用的硬件和軟件條件下，可以在這樣一個物理測試平臺上進行的各類實驗，以及未來可能對測試平臺進行的改進。

1.2.1 相關的ICT項目

一個關于人與機器人群互動的聯盟項目正在由ICT進行，ICT是由南加州大學管理的陸軍大學附屬研究中心（UARC）。該項目正在研究使用帶有虛擬人類發言人的自然語言對話界面，該發言人作為人類操作員和機器人群之間的中間人。在ARL的投入和指導下，ICT創建了一個基于模擬的測試平臺，在用戶與虛擬發言人和機器人群互動時，收集他們的自然語言數據。

基于模擬的測試平臺運行一個虛擬的搜索和救援場景，其中人類用戶指揮一個由無人機和地面車輛（分別為UAV和UGV）組成的異質團隊。在模擬中，一個小鎮受到野火侵襲的威脅，鎮上的居民必須通過利用無人機和UGV的不同方式來拯救。例如，一些居民迷路了，必須被指示跟隨無人機到安全地帶。必須調遣一輛UGV來清除道路堵塞物。除非人類指揮官通過附近的無人機拍下他或她的聲音，并親自與這對夫婦交談，否則無法拯救一對 "頑固的夫婦"。一個虛擬的人類發言人可以作為人類指揮官和自主車輛之間的中介，但人類也可以單獨指示這些資產。野火隨著時間的推移而蔓延，目標是盡可能多地救援城鎮居民。不同的居民和其他挑戰可以隨機分布在城鎮地圖上，并且可以進行修改，以改變可用資產的數量、野火侵襲的速度和方向，并增加進一步的挑戰（如無人機的損失）。人類指揮官使用一個語音麥克風和兩個電腦屏幕與系統互動。一個屏幕顯示虛擬的人類代言人，另一個屏幕顯示城鎮的地圖。(見圖1指揮官的工作區。)如果參與者指定他們的一些無人機提供監視，那么火力的進展在地圖上是可見的。無人機的行為和虛擬人類發言人的行為是由兩個奧茲國的巫師在幕后控制的。該測試平臺的早期版本在Chaffey等人（2019）中有所描述。

圖1 ICT的人-機器人群互動虛擬試驗臺，顯示了野火地圖、模擬無人機和通過自然語言與用戶互動的虛擬人類報告員

1.2.2 機器人群測試平臺的需求和概念

虛擬測試平臺有很多優點，包括可移植性、快速修改，在某些情況下成本較低。然而，人類對模擬機器人群的反應與人類對物理機器人群的反應不同。Podevijn等人（2016a，2016b）表明了這一點，與模擬機器人相比，與物理機器人互動時，壓力的心理生理學標志物升高。與較大的群組和較小的群組互動，也產生了類似的模式（Podevijn等人，2016a；Podevijn等人，2016b）。

一個虛擬的機器人群可能看起來與真實的機器人群的虛擬表現相同，只要指揮官不與實際的代理人在一起就可以了。然而，在許多情況下，人類指揮官和其他互動的人將處于戰術邊緣，與機器人代理一起在現場。從這些場景的虛擬模擬機器人群中得出的結論可能不完全代表實際物理機器人群的結論，在物理機器人群測試平臺中復制之前，也許最好將其視為初步結論。

使用物理機器人群測試平臺的另一個原因是為了更好地包括與機器人代理一起工作的現實世界的挑戰--即他們的物理需求和限制。異質組隊模擬很容易對飛行時間、電力使用、機械堅固性、有效載荷能力、相機分辨率等做出不現實的假設。當這些不切實際的假設在模擬中實現時，其結果是無法復制人類與多人合作的許多重大挑戰的情景。我們承認，仔細考慮這些參數可以使它們在模擬中得到更忠實的實現，我們也承認，我們的物理測試平臺不能完全復制所有這些問題。例如，使用微小的、低成本的、可移動的無人機有一個警告，即它們不能在室外飛行。因此，實際的天氣影響不能包括在我們的測試平臺中。然而，我們的測試平臺天生提供了關于飛行時間、電力使用、有效載荷能力、機械堅固性等方面的現實物理約束。

為了不同的實驗目的，已經開發了各種虛擬和物理的異質組隊測試平臺。我們將在下面的章節中強調幾個關鍵的例子。

1.3 相關工作

在本節中，我們提供了一個不全面的概述，介紹了具有多機器人/蜂群測試平臺的研究項目，這些項目可以檢驗人與機器人群的交互性能。全面的回顧超出了本報告的范圍，因此在這里我們只提供與ARL研究密切相關或合作的項目的細節。

用于人與多Agent交互的多功能虛擬現實（VR）測試平臺是加速用戶推理操作、研究和分析（AURORA）-XR界面，該界面正在由ARL為戰場物聯網開發（Dennison等人，2019）。AURORA-XR目前有一個虛擬的城市街區，有一系列的傳感器和代理，可以虛擬地檢測虛擬友軍和敵軍的運動。人類指揮官可以通過虛擬攝像機畫面和虛擬傳感器數據，從視覺空間角度調出不同傳感器和無人駕駛車輛的視圖。這個設置可以在圖2中看到。該模擬可被修改以執行不同的模擬任務，并被建議由HRED用于研究訓練人類在人-代理團隊合作中的相關技能（例如，不確定性量化和視覺空間透視）。

AURORA-XR的一個主要目標是作為一個可視化工具和異地協作工具（通過AURORA-NET），其中不同地點的多個人類可以同時與VR中的沙盤表示進行互動，以參與多領域行動的協作決策。

混合倡議實驗（MIX）測試平臺（Barber等人，2008年）將無人車和攝像機的模擬與操作員控制單元（OCU）界面相結合，如圖3所示，允許用戶控制無人系統。OCU是可定制的，底層的自主性模擬器軟件（無人系統模擬器[USSIM]）可用于模擬各種自動化程度不同的任務類型，包括偵察、目標識別和路線規劃等場景。MIX已經被用于各種研究中，用于智能代理的修改的OCU也是擴展研究的主題（Chen和Barnes 2014；Barnes等人2015）。

圖2 AURORA-XR的界面與實例的進給和攝像機角度

圖3 MIX測試平臺的OCU界面

在我們正在進行的工作中（Humann和Spero 2018；Humann和Pollard 2019），我們使用一個虛擬測試平臺來設計人類與無人機互動的適當算法并選擇適當的團隊規模。該工具可以模擬任何數量的人類、四旋翼無人機和固定翼無人機。人類被模擬為具有疲勞和工作負荷的現實效果。人類和自主資產執行監視任務，必須用相機掃過一個場地，以發現可能的危險，如車輛和火災（由固定翼無人機執行），然后對感興趣的點進行拍照（四旋翼無人機），最后分析以評估威脅程度（人類）。從這個分析中，可以從評估現場的整體準確性和速度方面分析向系統添加資產的回報。圖4顯示了模擬的一個例子截圖。

圖4 模擬截圖（Humann和Pollard 2019），顯示三個固定翼無人機、四個四旋翼無人機和兩個操作員合作執行監視任務

在ARL有兩項正在進行的工作，涉及多個分布式智能資產，正在為未來的工作開發測試平臺。第一個是分布式協作智能系統和技術（DCIST）的合作研究聯盟。這個項目將 "創建自主的、有彈性的、認知的、異質的群組，使人類能夠在動態變化的、惡劣的和有爭議的環境中參與廣泛的任務"（www.dcist.org）。DCIST的執行者已經討論了建立一個測試平臺（虛擬和/或物理）來測試智能系統的算法。雖然許多參與的學術機構都有自己的測試平臺供個人研究使用（例如，Pickem等人，2017年），但DCIST測試平臺的一個目標是使來自各合作機構的研究產品得到綜合實驗。

ARL正在進行的第二項工作是一個潛在的測試平臺，用于探索人類與智能系統的互動，將不同的人類互動模式與強化學習相結合，稱為自主系統的學習周期框架（Waytowich等人，2018；Goecks等人，2019）。他們實施了一個模擬，以探索使用人類示范來提高智能系統的能力（在引用的案例中，一個小型四旋翼無人機）。他們計劃繼續研究使用Crazyflie無人機在物理測試平臺上進行聯合互動的強化學習。

隸屬于南加州大學和ICT的研究人員在正在進行的研究中展示了多個機器人的協調行為（Tran等人，2018），同時自主飛行多達49架微型無人機（Preiss等人，2017）。他們還展示了最多三個人和六個無人機之間的用戶互動，這些無人機在房間里相互靠近導航（Phan等人，2018）。

目標檢測是用于軍事應用的計算機視覺的最流行領域之一。在這種情況下，目標檢測模型的使用方式之一是用于戰場上的實時目標識別。許多這些模型開始被納入士兵使用的技術中（即無人駕駛地面車輛和平視顯示器），以幫助他們識別周圍可能代表對其安全的潛在威脅的目標。通過正確檢測和分類戰場上的危險目標，這些模型能夠為士兵提供關于他們周圍環境的有用信息，以便他們能夠就如何進行任務做出決定。

目前的目標檢測模型出現的一個主要問題是，它們難以檢測到只有部分可見或被遮擋的目標。在這些情況下，目標探測模型往往根本無法探測到這些目標。它們也可能檢測到部分被遮擋的目標，但卻用錯誤的目標類別對它們進行分類。遮擋是許多研究人員在開發和訓練他們的目標檢測模型時沒有考慮的一個條件，盡管它在現實世界中很常見。為了確保士兵的安全，以及改善未來目標檢測模型的狀況，有必要確定當前的目標檢測模型在面對這種情況時的工作情況。

這項工作的主要目的是對三種最先進的目標檢測模型進行基線評估，這些模型是在一個包含許多部分遮擋目標的流行目標識別數據集上進行的。這樣做之后，對每個模型的結果進行了比較。本實驗中使用的模型是Gonzalez-Garcia模型、Detectron的Faster R-CNN和YOLOv5。它們被訓練和測試的數據集是流行的模式分析、統計建模和計算學習視覺對象類（PASCAL VOC）挑戰數據集之一，特別是VOC 2010。本報告首先介紹了每個目標檢測模型和VOC數據集的概況。然后給出了關于實驗的更多細節，以及結果和結論。

本文描述了一個自主制導和飛行控制系統，該系統在一架部分授權的黑鷹直升機上進行了整合和飛行測試。這項工作是退化視覺環境緩解計劃的一部分，該計劃的目標是為美國陸軍旋翼機的操作提供全天候的能力。制導和飛控系統軟件以前曾在一架完全授權的直升機上進行過飛行測試，在這項工作中，被調整為在一架部分授權的直升機上飛行。該系統的主要自主組件包括風險最小化障礙物場導航算法、安全著陸區確定算法和綜合提示環境。這些組件提供了反應性規避指導、著陸點選擇和飛行員對退化視覺環境的情況了解。為了測試該系統，一個LADAR被用作替代設備，以代替同時為該計劃開發的全深L傳感器系統。自主的部分授權飛行控制系統提供了一個完全穩定的路徑跟蹤能力，它由一系列的航點或飛行路徑矢量指令指導。本文描述了該控制系統，其性能，以及如何使其適應目前美國陸軍艦隊直升機的典型的部分授權系統。還介紹了自主軟件和人機界面組件。介紹了完全集成的系統在地形中導航、選擇降落點和自主降落的飛行測試結果。提出了將部分授權結果與以前收集的完全授權結果進行比較的分析。

任務自適應自主(MAA)部分授權系統

圖2中的任務自適應自主性（MAA）系統由三個主要部分組成：任務軟件、自主部分授權的FCS（APAFCS）和飛機硬件。任務軟件提供控制法的指導，而APAFCS提供穩定性和控制，以遵循命令的路徑。飛機硬件是飛行員的操縱桿輸入，調整和SAS伺服，飛機傳感器，LADAR傳感器，以及飛行員顯示器。俯仰、滾轉和偏航方面的固有機械控制和驅動保持不變，因此該飛機是標準的UH-60L，具有美國陸軍機隊典型的部分授權飛行控制系統。然而，在垂直軸上增加了額外的驅動裝置，這些都是機隊可用的部件。本文的后續章節將討論MAA系統的每個部分。

任務軟件包括任務管理器/操作員界面、路徑生成、矢量指令、障礙物場導航（OFN）、安全著陸區確定（SLAD）、MAA地圖/控制以及綜合提示環境（ICE）。

圖2:任務自適應自主(MAA)系統由任務軟件、自主部分授權飛行控制系統和改裝后的UH-60L飛機的硬件組成。

A. 任務管理器/操作員界面

MAA的一項關鍵技術是飛行員能夠以不同程度的自主性進行操作。圖2中的任務管理器/操作者界面代表了所有允許飛行員在執行層面進行互動和監控系統的軟件。例如，任務管理器允許飛行員或系統操作員通過從地圖顯示中選擇一個目標點來控制任務方案。當這樣做時，任務管理器查找目的地信息并命令OFN算法，這反過來又引導自主FCS到達最終目的地。

B. 路徑生成和矢量指令

當OFN到達最終目的地附近時需要精確放置飛行器時，路徑生成算法被任務管理器/操作者界面以及SLAD算法所使用。路徑生成和矢量指令都是開環的、非反應性的引導方法，用于移動飛行器，在系統的集成測試過程中非常有用，因為飛行路徑已知是沒有障礙的。

路徑生成器允許用戶通過輸入一些航點以及宏觀層面的參數，如最大速度、爬升率和加速度限制，來指定一個預定的路徑。當路徑生成器接受原始航點列表時，它將生成一個擴展的、平滑的航點列表，并將其與相關的速度曲線一起發送給航點控制，從而啟動飛行軌跡。

矢量指令過程是指導飛機運動的另一種指導方法。矢量指令過程接收對所需指令速度的離散變化。例如，用戶可以輸入一個速度、滑行坡和航向率的變化，矢量指令產生一個速度、航向和傾斜率形式的連續指令流，發送到APAFCS的航點控制塊。矢量命令使用與接下來描述的OFN算法相同的接口到航點控制塊。

C. 風險最小化障礙物場導航 (RiskMinOFN)

RiskMinOFN算法建立了一個空間變化的風險因素的3維地圖，并找到一條通往目標的最小風險的路徑。該規劃器的主要組成部分如圖3所示，它們由地形模型、風險地圖、導航功能和速度指令控制器組成。

飛行員或自主系統操作員可以在引導飛機的同時修改RiskMinOFN算法的操作參數。威脅地點和受限空域也可以動態更新。有四個參數文件可供飛行員訪問，分別代表OFN模式、巡航、地形、TerrainPlus和進場。新的目的地點可以在任何時候被發送到算法中，允許飛行員通過任務管理器界面改變任務目的地。除了飛往一個特定的目的地點，RiskMinOFN還可以飛行一個一般的目的地航向，它試圖保持該航向，同時仍然尋求與OFN模式相關的理想AGL高度，并同時避開危險物。RiskMinOFN算法可以在任何時候被命令取消并進入懸停狀態。速度限制也可以調整，允許更慢或更高的速度。飛行員還可以對航向和地面跟蹤的積極性進行調整。該算法仍然把避免碰撞作為最高優先級，所以這些飛行員的輸入只影響長期的飛行路徑，不會造成與地形的任何碰撞。

D. 安全著陸區確定 (SLAD)

SLAD算法掃描一個著陸區（LZ），根據表面坡度、粗糙度和與障礙物的接近程度找到合適的著陸點[14]。該算法從點頭的LADAR中獲取線掃描數據，并通過收集高度圖中每個網格單元的統計數據來創建一個高度圖。相鄰單元的高度變化被分為絕對變化和差異變化。絕對高度變化是基于兩個相鄰單元的平均高度之間的差異。差異變化是基于設備的掃描線上的高度變化，這允許感應高度的微小變化。此外，該算法在這些網格單元上使用滑動窗口來確定著陸區的表面粗糙度、坡度和其他窗口統計數據。

用于尋找解決方案和呈現結果的步驟如圖4所示，一架飛機接近圖4a所示的潛在著陸區。當點頭線掃描LADAR進入范圍時，該區域被掃描，點云數據被算法收集（圖4b）。當高度圖中積累了足夠多的點陣掃描通道時，就可以通過使用滑動窗口統計和其他指標找到一個解決方案。然后，該解決方案被顯示為帶有藍色字母編碼標記的彩色編碼疊加圖（圖4c）。藍色字母編碼的標記是解決方案推薦的著陸點A、B、C和L。解決方案的彩色編碼著陸掩碼有綠色區域，代表安全著陸點，其周圍的窗口區域符合坡度、粗糙度和數據空缺的要求，并且沒有任何絕對或差異邊緣的高度變化。黃色區域代表可能的安全著陸點，其窗口區域符合所有的安全著陸要求，但有超過特定閾值的邊緣高度差變化。邊緣高度變化用青色標記，通常是由小石塊、未割的草和灌木叢等物體引起的，這些物體可能是危險的，也可能不是，但還是要按照算法的建議避開。深藍色的絕對邊緣高度變化通常與大型固體物體有關，如樹木或大型結構，必須加以避免。紅色區域是不安全的著陸點，未能達到安全標準。

E. MAA/ICE飛行顯示器和接口

無論是在測試中還是在部署的系統中，飛行員或操作員的態勢感知對安全的自主操作至關重要。對于這個系統，使用了兩個顯示器，即MAA OFN/SLAD地圖和ICE顯示器，它們都顯示在圖5中。這些顯示為飛行員在DVE中飛行任務提供足夠的態勢感知。

MAA OFN/SLAD地圖（圖5a）顯示了一個頂視圖，可以顯示衛星、地形或剖面信息。在地圖中嵌入了當前飛機高度的RiskMinOFN風險量的彩色編碼片，風險范圍從低（淺藍色）到高（紅色）。所需路徑的指示顯示為飛機前方的面包屑圖案。OFN的預期目的地顯示為一個洋紅色的點，預期的目的地航向顯示為羅盤玫瑰上的洋紅色箭頭。當接近目的地時，SLAD著陸掩碼與推薦著陸點一起嵌入OFN風險地圖（圖5b）。如前所述，SLAD的插圖顯示安全區域為綠色，不安全區域為紅色，推薦的著陸點是飛行員可以選擇的。

MAA引導的意圖也用紅色符號顯示在ICE顯示器上，它有兩頁（模式）。這包括在途（圖5c）頁和懸停/接近/起飛（HAT）符號頁（圖5d）。這兩個頁面都疊加在由LADAR傳感器生成的圖像上。白色的符號是飛機的測量狀態，而紅色的符號代表來自導航的指令值。

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）。

機器人是一個具有挑戰性的領域，需要軟件和硬件的融合來完成所需的自主任務。任何工作流程的關鍵是在部署到生產環境之前對軟件進行自動構建和測試。本報告討論了美國陸軍作戰能力發展司令部陸軍研究實驗室（ARL）的無人自主車輛軟件研究平臺MAVericks的軟件開發過程中使用的持續集成/持續交付工具的重要性和創建情況。這個工具在ARL進行的快速研究和開發中起著至關重要的作用--包括模擬和嵌入式硬件目標的自動構建測試，以及驗證軟件在環模擬中的預期行為。

持續集成/持續交付（CI/CD）是軟件開發中常用的工具，用于自動構建、測試和部署代碼。這個工具對于提高研究的速度和效率至關重要，同時確保在增加或改變新功能時功能不受阻礙。在CI/CD之前，軟件開發過程是具有挑戰性的，隨著越來越多的合作者修改代碼庫，任何新的開發都有可能破壞現有的功能--比如代碼不再構建，自主行為和故障保護裝置不再按預期工作。

本報告重點關注美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）的MAVericks無人自主飛行器（UAV）軟件平臺的CI/CD集成，該平臺建立在開源平臺ROS2和PX4之上。ROS2是一套用于構建機器人應用的軟件庫和工具，而PX4是一個強大的無人機飛行控制軟件。利用這兩個平臺，MAVericks是一個專注于敏捷飛行的大型合作項目，在模擬和機器人平臺上都能發揮作用。MAVericks的目標是在ModalAI的VOXL和RB5硬件平臺上運行，因為它提供了尺寸、重量和功率，同時也是藍色無人機項目的合作伙伴，這意味著他們得到了國防創新部門的資助，以符合2020年國防授權法第848條的規定。

合作者包括美國軍事學院的西點軍校，作為分布式和協作式智能系統和技術項目的一部分；加州大學伯克利分校，作為規模化和穩健的自治項目的一部分；以及馬里蘭大學的人工智能和多代理系統的自治項目--而且這個名單一直在增加。此外，ARL一直在尋求提高其算法的穩健性和成熟的能力，以過渡到DEVCOM和國防部的其他組織。隨著許多合作者加入MAVericks，重要的是要確保每次修改后有最低限度的可用功能，以鼓勵快速加入和貢獻。MAVericks是一個由一百多個軟件包組成的大型研究平臺，重要的是每個軟件包都能可靠地構建和運行。通常情況下，合作者只關心幾個軟件包，他們可以很容易地進行修改和添加，而不需要對不相關的問題進行排查，這一點至關重要。由于這種不斷增長的社區，很容易偶然地引入錯誤或破壞不相關的功能。因此，CI/CD是一個很好的解決方案，它將為不同的用戶群體提高平臺的可靠性和可用性。

CI/CD管道實現了許多簡化開發的功能。它可以完全構建整個平臺，確保新用戶的依賴性安裝成功，在模擬環境中運行和測試平臺，以確保自主行為正常工作，并快速構建壓縮的工作空間，以防止在無人機上構建。

在自主系統的軟件開發中，一個有問題的情況是，用戶修改了幾個包，但只構建和測試了一個特定包。這樣，代碼就被合并到了生產中，而沒有驗證它對其他人是否有效。如果未經測試的修改被合并，依賴這些修改的包可能不再構建或通過所有的測試案例。

從用戶的角度來看，CI/CD是由用戶創建代碼合并請求（MR）來觸發的，將他們的修改添加到主分支。這就啟動了CI/CD，建立了一個管道。該管道包括四個階段：構建-依賴、構建-完整、測試和部署。對于每個階段，可以并行地運行多個作業來完成該階段。在每個作業中，流水線首先將合并后的變化復制到一個新的環境中，并完成一個特定的任務。在流水線的最后，一個完全構建的版本被上傳，并準備在無人機上閃現。如果任何步驟失敗，其余的管道階段將被中止，并通知用戶到底是什么地方出了問題，以便他們能夠解決任何問題。管線的概述見圖1。

在本報告中，描述了MAVericks CI/CD的基礎，然后詳細介紹了管道中的每個階段，以及所克服的幾個挑戰。

無人機系統和下一代戰車（NGCV）集成的重點是由美國國防部航空航天教育、研究和創新中心團隊推動的，以支持美國陸軍士兵的項目合作。通過與克里斯-克羅寧格和巴勃羅-古茲曼的雙周互動，與美國陸軍作戰能力發展中心陸軍研究實驗室合作，提出了創造一個盒子的想法，這個盒子可以作為無人機的存儲和平臺，讓無人機降落、起飛，并在航行中得到保護。這項工作的最初目標是開發一個高效和有效的移動無人機平臺原型，供士兵們在戰場上最終使用。計劃是對無人機停留在盒子的蓋子（平臺）上的方法進行多次測試，在盒子里時提供額外保護。

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。