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

日益進化的隱形潛艇正推動海洋國家投資戰略無人反潛作戰（ASW）技術。傳感器技術、數字化、數據分析及機器學習的進步——通過整合多無人自主系統數據——正催生人工智能驅動的數字孿生體。這些孿生體基于陸海空天網多域數據，可為集中式指揮控制情報（CCCI）網絡提供增強型戰場態勢感知與認知智能，實現"精確探測能力"與"可靠威懾能力"的同步提升。

本文闡述數字孿生技術在細分領域發展現狀，重點探索認知數字孿生（CDTs）在戰略反潛作戰中的應用范疇，該領域涉及具備增強自主性、干預能力及集群協同的無人水面/水下生態系統。部署CDTs技術可通過彌補人類認知局限，在海軍作戰中發揮"戰力倍增器"效應，從而提升CCCI賦能的反潛作戰效能。

潛艇作為海軍戰役核心力量，憑借日益增強的巡航導彈與彈道導彈能力，在威懾行動、水下作戰及對陸攻擊任務中發揮關鍵作用。作為核三位一體體系中最具生存力的組成部分，海基核威懾力量促使全球大國將多數核彈頭部署于彈道導彈潛艇，確保可靠安全的二次打擊能力。即便在沖突爆發前，潛艇實施隱蔽力量投送的能力已構成戰略優勢。戰術潛艇還為常規遠程打擊行動提供防區外作戰能力，可運用于對陸攻擊任務。雖然潛艇在航速、續航力、靜音性及隱身性方面持續提升，但發展能瓦解敵方水下戰力的反潛武器與系統仍是必要前提。早期第一代反潛戰術嚴重依賴靜態防御手段（如水雷與鏈式防護網），第二代隨水聽器發明演進。1980年代后第三代反潛系統出現，典型代表為"拖曳式陣列監視系統"（SURTASS）——該系統通過艦船拖曳長距水聽器陣列，將聲學情報經衛星傳至地面站。當代反潛系統的情報監視偵察（ISR）能力由水面艦艇、飛機與潛艇組成的互聯網絡支撐。戰略無人反潛作戰預計將從平臺中心控制模式，轉向具備協同控制與認知能力的自主系統，實現持續海上監視、潛艇動向情報搜集、非對稱威脅應對及敵對潛艇壓制等效能。

盡管對敵潛艇的可靠探測、追蹤與情報收集仍是水下作戰核心任務，但六大挑戰制約著反潛行動效能：潛艇操作國激增（42個國家現役潛艇，主要受安全目標、威脅認知、區域態勢及大國戰略關系驅動），其中朝鮮、美國、中國、俄羅斯、日本、韓國與伊朗潛艇數量分別為71、67、59、49、22、19及17艘；此外還面臨靜音性能持續優化的潛艇、"不依賴空氣推進系統"（AIP）降低暴露率、具備終端毀傷力與防區外射程的先進潛射武器、以及溫躍層/環境噪聲等"海水復雜物理特性"遮蔽探測的難題。這些發展在增強潛艇進攻能力的同時，使反潛計劃制定與執行更趨復雜。因此現代反潛系統需具備探測隱形潛艇、隱蔽追蹤（不暴露己方位置）、安全通信及實施精準可靠打擊的能力。隨著傳感器技術、數字化、數據分析、無人系統、自主控制及機器學習的進步，本文探討認知數字孿生（CDTs）作為戰略CCCI網絡實時決策支持工具的適用范疇，以實現精確探測與戰略威懾效能。

圖1：潛艇和反潛戰技術的演變

i

美陸軍要求陸軍科學委員會開展一項研究，探討如何應用物聯網（IoT）技術提高陸軍設施的戰備狀態。具體而言，這項研究應促進陸軍了解利用物聯網創建智能和彈性設施的潛在優勢和風險。

智能軍事設施使用多種類型的電子數據收集傳感器來提供可操作的信息，用于有效管理資產和資源，從而提高戰備狀態、支持現代化建設并降低運營成本。商業行業已投入巨資開發和實施物聯網，以提高流程效率，同時降低成本。近年來，由于傳感器成本的降低以及云計算和數據分析技術的進步，物聯網的部署速度呈指數級增長。陸軍可以利用行業在這一領域的進步，用于創建智能設施。

研究小組與涉及物聯網技術的民用企業、開設物聯網或城市規劃相關課程的學術機構以及陸軍設施進行了電話會議和訪問。此外，研究小組還與網絡企業技術司令部 (NETCOM)、設施管理司令部 (IMCOM) 和陸軍工程兵工程研發中心 (ERDC) 等與這一發展有利害關系的國防部和陸軍部組織進行了交流。

根據在這些訪問和會議中收集的信息，以及相關文件和討論，研究小組得出了以下結論：

1.當有顯著的投資回報率和足夠的相關分析數據時，行業和城市才會在城區部署物聯網。中歐的公用事業公司最近投資并采用了物聯網，第一年就節省了 12 億美元。應用于陸軍目前在全球各地的物聯網和強化維護技術領域的設施，陸軍有可能節省 2 億美元。

2.行業的早期成功案例

? 能源管理

? 預測性維護

? 提高安全性

? 交通管理

? 企業園區服務

3.所需的技術如今已經成熟并投入使用。現在已有許多物聯網技術 可隨時在陸軍設施中采用。

4.軍隊人口（軍人和平民）不局限于設施內，而是融入周邊社區。

5.陸軍尚未采用業界的可控實驗方法在其設施上部署物聯網。缺乏利用某種形式的物聯網使設施運營受益的試驗項目。

6.ERDC 數據管理研究--智能和彈性設施（SaRI）--架構初探，以及設施管理有效性虛擬試驗臺（VTIME）。

7.研究小組無法找到任何聲稱負責物聯網企業架構或數據的陸軍活動。設施可被視為邊緣計算，但陸軍沒有為其在邊緣運作提供資源。

8.技術更新與合同簽訂不同步。

基于這些發現，研究小組提出了以下建議：

1.ASA (IE&E)建立一個智能安裝演示計劃（每年 5000 萬美元），由靈活的合同工具（如 OTA）提供支持，合同上限應足夠大，以便推廣。

2.ASA (IE&E)指派一名項目經理，負責確定試點技術項目，將其與安裝項目相匹配，制定資源配置和采購戰略，并對各項工作進行管理。

3.項目經理在以下領域開展初步試點試驗：

• 能源效率

• 預測性維護

• 其他待定（如安全、社區服務）

4.ASA (IE&E) 邀請其他安裝組織（陸軍和其他租戶）使用該平臺在其他領域開展試點：

• 士兵監控
• 培訓、醫療保健服務......

5.ASA（IE&E）與 ACSIM 和 IMCOM 一起利用最初試點實驗的結果來確定智能設施的推廣。

從 2020 年的納戈爾諾-卡拉巴赫戰爭到 2022 年俄羅斯烏克蘭戰爭，無人機系統（UAS）對陸地作戰的影響一直是人們廣泛討論的話題。陸軍部署無人機系統的重要性的必然結果是，有效、分層和高效的反無人機系統（C-UAS）能力既不是奢侈品，也不是作為抽象的 “未來部隊 ”的一部分來探討的概念。它們是陸地部隊適應現代戰場作戰的基本要求。如果沒有 C-UAS 能力，一支部隊將首先被看到，更準確地與之交戰，并最終被成功大規模部署無人機系統和 C-UAS 能力的敵對部隊擊敗。對于北約成員來說，北約高層領導設定的目標是在 2028 年之前做好威懾俄羅斯的準備。因此，部署 C-UAS 能力是一項緊迫的作戰要求，而英國陸軍和北約其他大多數陸軍部隊都沒有任何結構化的 C-UAS 能力。

北約成員在試圖填補這一關鍵空白時，有可能會購買一系列 C-UAS 能力，但這些能力在應對特定威脅系統時過于專業化，無法有效整合整個部隊，也無法跟上無人機系統持續快速發展所帶來的威脅。本文概述了提供連貫、分層的 C-UAS 防護所需的核心任務和能力。然后，本文探討了如何將分層 C-UAS 防護整合到各陸軍部隊中，同時又不給部隊造成過重負擔，從而使其無法執行主要任務。

本文的結論是

• 軟件解決方案與硬件同樣重要，可實現對無人機系統的精確探測、分類和識別，并分配適當的效果以有效擊敗無人機系統。軟件還能降低傳感器聯網的帶寬要求。在大多數情況下，烏克蘭已經具備了進行基于機器的強力過濾所需的數據，因此在獲取特征數據庫方面應該沒有什么困難。
• 目前有多種主動和被動傳感器技術，以及多種軟殺傷和硬殺傷技術，可用于執行任務或摧毀無人機系統，但它們都不是放之四海而皆準的解決方案，必須在整個部隊共同使用，以提供有效和高效的覆蓋范圍。
• 所有排都必須具備探測無人機系統存在的能力，并采取電子對抗措施保護自己不受其攻擊。
• 在整個部隊中，遠程武器站和其他現有平臺應進行更新，以便能夠與無人機系統直接交火。
• 在連一級，有必要配備能夠探測、分類和識別無人機系統的專用被動傳感器陣列。
• 營級部隊應具備專門的反偵察能力，配備硬殺傷 C-UAS 系統，同時部署自行高射炮和 UAS 攔截器。還需要一個電子戰部門，負責更新和協調下級的電子防護套件，提供軟殺傷層，攻擊無人機系統的指揮鏈路和導航系統。
• 旅應擁有獨立的 C-UAS 排，可以推動其支持連隊的工作，或關閉敵方 UAS 的關鍵軸線。
• 旅應裝備定向能系統，以有效擊敗飛越其責任區的中型 ISTAR 無人機系統。
• 旅應負責電磁頻譜指揮與控制 (C2) 和消除沖突。
• 師應將較低級別的 C-UAS 能力與共同防空圖融合在一起，并協調空域縱深的分布式防御，以避免關鍵地點的 C-UAS 系統出現局部飽和。
• 為發揮對空軍基地等關鍵地點的點防御作用，應將 C-UAS 能力納入國家、戰區和聯盟各級更廣泛的綜合防空和導彈防御系統。
• 至關重要的是，訓練區域的許可應允許這些能力（軟殺傷和硬殺傷）與部隊的其他通信和 C2 系統結合使用。這是為了讓指揮官熟悉 C-UAS 能力的使用和必要的消除沖突程序，并確保系統不會自相殘殺。如果無法在實戰演習中使用這些能力進行訓練，則應在合成訓練環境中提供這些能力。

未來戰場上的傳感器和射手可能會帶來新的無人區。鑒于全域能力發展的趨勢，未來戰場上美國陸軍部隊應如何跨越 25 千米的致命距離？現在和未來十年內傳感器和射手能力的發展可能意味著超越局部戰術作戰空間的拒止空間。了解這種致命區域的性質對于塑造美國陸軍的未來發展至關重要。同時，通過應用相關軍事理論來闡明作戰概念和能力的意圖也同樣重要。綜合上述分析，有助于確定不對稱領域以及部隊現代化是否走在正確的軌道上。

羅伯特-萊昂哈德上校在其《機動的藝術：機動戰理論與空地作戰》一書中，將錯位作戰的失敗機制描述為："友軍不必按照敵軍的條件與敵軍作戰或對抗，而是避免敵軍可以發揮其威力的任何戰斗"。此外，"錯位 "的應用是通過技術、戰術或兩者的結合來實現的。這項工作提出的假設是，陸軍部隊跨越未來致命距離的最佳方式是設計和協調全域能力，在功能上使任何對手的系統優勢變得無關緊要。

由于未來武裝沖突的地點和性質尚不可知，本專著描述了美國近鄰對手的作戰概念和能力發展。美國各軍種的全域概念和相關物資能力提供了一個比較點。利用約翰-博伊德（John Boyd）和羅伯特-萊昂哈德（Robert Leonhard）的軍事理論觀點，本著作得出了到 2030 年 25 公里致命距離內作戰性質的影響。針對這些影響，專著提出了領導者培養與教育、條令和物資領域的解決方案。

本文旨在為圍繞美陸軍如何打好下一場大規模作戰行動的討論補充背景資料。"伊拉克自由行動"、"模塊化部隊 "和 "未來作戰系統"（FCS）相互關聯的經驗教訓為未來部隊的設計提供了啟示。在參與全球反恐戰爭的同時對陸軍進行轉型，在沒有明確未來作戰概念的情況下，陸軍采用了技術驅動的組織解決方案--FCS。模塊化帶來了以旅為中心的概念，這與 20 世紀以師為中心的陸軍大相徑庭。FCS技術旨在創建像師一樣作戰的旅，可能會帶來一種新的作戰概念。陸軍接受了這種組織模式的風險，假設其旅將通過未來戰斗系統的實戰化進行重組。由于這一假設是錯誤的，陸軍在制定未來作戰概念時必須重新審視旅為中心的思想。

技術變革幾乎被一致視為當今國防面臨的最大壓力。隨著無人機、比人類反應更快的自主武器以及由低地球軌道衛星集群驅動的智能等尖端技術的引入，技術變革正在對戰爭產生重大影響。96% 的受訪者認為，人工智能和量子計算技術對未來作戰空間具有變革性意義，我們目前還無法想象其全部潛力。

數字創新正在擴大信息戰場的規模，同時也增加了灰色地帶攻擊的數量。這些因素的結合會帶來巨大的挑戰：

更多的網絡攻擊，可能造成更大的破壞： 46%的受訪者表示，網絡武器化正在給本國國防技術戰略的發展增加壓力。然而，網絡戰術仍處于灰色地帶，國防部表示，國家可以通過網絡空間造成現實世界的破壞，同時可能不會受到歸因或報復。61%的國防專業人士認為，網絡活動的歸屬困難是灰色地帶最令人擔憂的因素。

數據過剩阻礙情報工作：54%的受訪者表示，改善戰備和決策的數據是有效利用國防技術的最重要因素。

然而，大量數據的產生意味著，一個領域產生的關鍵情報可能對另一個領域至關重要，但可能無法識別或共享數據。

數字柏林墻：94%的受訪者認為，行業、合作伙伴和盟友之間的合作與信息共享對未來戰場的成功至關重要，但信息戰場卻缺乏凝聚力。聯合國秘書長警告說，各國將在各自的金融、地緣政治和軍事觀點指導下，制定各自獨特的互聯網和人工智能戰略，從而形成 "鴻溝 "或 "數字柏林墻"。

本報告主要啟示

1、快速的技術變革正在重塑戰爭，包括擴大信息戰場的規模和灰色地帶的活動規模。這些變化正在模糊傳統領域之間的界限，要求通過協作來取得對抗對手的優勢。

2、多域集成鼓勵數據共享，并在各領域之間編織數字線程，使各國在與對手作戰時更具決策優勢。然而，盡管航空航天和國防領域的受訪者都認識到了多域集成的好處，但即使是最先進的國家，在多域集成方面也還處于起步階段。

3、采用多域集成的國家需要重點關注的領域很多。這些領域包括：實現跨領域協作、為多域集成計劃制定監管標準；以及支持技術集成。

4、人員、流程和技術解決方案需要安全開放，以促進協作。國防文化必須安全開放，以鼓勵各領域之間的合作；國防文化必須與工業界合作，以創建開放標準；國防部門必須建立促進多領域集成的技術。

參考來源：BAE Systems Digital Intelligence

研究要求：

由于傳感器數量不斷增加，人工智能（AI）的應用也日益廣泛，未來作戰環境的特點將是信息量大、決策速度快。因此，陸軍指揮官及其參謀人員將需要更快地做出決策和篩選大量信息的能力。商用人工智能系統具有提供這種能力的潛力，但陸軍不能假設 "開箱即用 "的商用人工智能系統具有全部能力，因為這些系統需要針對美國陸軍的具體情況進行充分的訓練。此外，還需要開展研究，以了解目前人工智能在陸軍中的應用情況。總的來說，人工智能往往擅長于主要通過模式識別來解決的任務，以及可以通過任務數據進行預測的任務，如圖像識別、醫療診斷和轉錄。然而，人工智能能否用于提高美國陸軍的信息收集效率，目前還不得而知。因此，在當前的研究中，探討了以下問題： 人工智能能否用于提高美國陸軍任務式指揮流程中的信息收集效率？

方法：

為了回答研究問題，使用了一個商業人工智能應用系統，它反映了陸軍任務式指揮人工智能應用原型的首次開發工作。在這項研究工作中，比較了這一適合陸軍的人工智能系統和其他兩種信息收集方法在信息收集任務中的表現：一種是傳統的信息收集方法（搜索計算機文件夾中的 PDF 文件），另一種是非適合陸軍的人工智能系統。針對軍隊的系統使用軍隊相關知識來幫助搜索（例如，它知道 "MDMP "等同于 "軍事決策過程"），而非針對軍隊的系統則沒有。在以下方面對三種搜索方法進行了比較 1) 參與者找到準確搜索結果所需的時間；2) 參與者搜索結果的準確性；3) 參與者對搜索結果的信心程度；4) 參與者使用系統的工作量感知；5) 參與者對系統可用性的感知。

研究結果：

與使用傳統搜索方法相比，學員在使用人工智能系統進行搜索時既沒有更快，也沒有更準確。在使用人工智能系統時，參與者對搜索結果的信心也沒有傳統方法高。不過，在使用軍隊定制的人工智能系統而不是非軍隊定制的系統時，參與者的搜索速度更快，但準確性也更低。最后，不同搜索方法的參與者對工作量和可用性的感知沒有明顯差異。

利用和傳播研究結果：

這項研究是確定人工智能系統對信息收集效率影響的第一步。總體而言，研究結果表明，人工智能系統可能不會大幅提高美國陸軍任務式指揮流程的信息收集效率，至少不會立即提高。雖然這項研究的重點是在受控實驗室中執行一項無害的任務（即針對戰術情況尋找條令解決方案），但未來計劃中的用途不會像現在這樣無害，這表明未來的研究需要對假設進行檢驗。在對人工智能進行投資的同時，還應在培訓和研究方面進行投資，以充分發揮人工智能的優勢并降低風險。假定人工智能系統是靈丹妙藥并非明智之舉，事實上，這項研究表明，人工智能系統需要經過全面審查。

無人駕駛航空系統（UAS）能力在商業領域的擴散對民用和軍用設施的傳統周邊防御構成了潛在的重大威脅。特別是現成的商用無人機系統，體積小、價格低、功能多，引起了愛好者越來越大的興趣，也增加了設施面臨的風險。因此，設施指揮官現在需要一種方法，對設施面臨的直接威脅進行快速評估和分析，以確定設施反無人機系統（CUAS）的有效性。按照系統工程方法，本研究提出了一種方法，提供了對設施進行評估和分析的逐步過程，并采用基于模型的系統工程（MBSE）工具來評估 CUAS 的有效性和局限性。該方法分析了 CUAS 的作戰環境以及 CUAS 可能對作戰區域內其他利益相關者（如相鄰的盟軍兵力、平民等）產生影響的方式。然后，我們確定優化 CUAS 性能的候選配置，以滿足利益相關者的要求。我們將對一個擁有現有 CUAS 的假設機場進行案例研究，以展示該方法的可用性，探索候選配置，并證明實施符合設施和利益相關者要求的候選配置是合理的。

近年來，無人機系統（UAS）技術突飛猛進，激發了業余愛好者對無人機系統的興趣，并促使他們將無人機系統用于娛樂用途。此外，每個國家或軍事組織都能負擔得起和使用無人機系統。雖然目前正在實施飛行法規，要求無人機系統運營商提供所有正在運行的無人機系統的歸屬信息，但許多業余愛好者仍然不提供此類信息，而且可以預計邪惡的行為者也不會提供無人機系統的來源標識。因此，僅僅要求識別無人機系統還不足以保護機場等大多數設施免受無人機系統的入侵。此外，如果設施無人看守，無人機系統入侵的后果可能是災難性的。例如，如果無人機系統在起飛過程中進入飛機發動機或撞上油箱，這種事件可能會造成人員傷亡，對運營造成巨大干擾，并對基礎設施或資產造成昂貴的維修費用。

無人機系統旨在執行對人類來說 "枯燥、骯臟或危險 "的各種任務[1]。無人機系統技術發展的主要能力驅動因素是，在執行情報、監視和偵察（ISR）、人道主義援助和救災（HADR）以及精確打擊等危險任務時，人們對軍事力量保存工作的興趣與日俱增。隨著無人機系統技術在過去幾十年的成熟，商業部門看到了將無人機系統應用于基礎設施檢查、交通監控、投遞和氣象等商業活動的機會。對軍事和商業部門都有利的是，在無人機系統領域實施開放式架構獲得了重大創新，從而不斷加快無人機系統的技術進步，使其具有革命性的潛力。商用現成（COTS）無人機系統或小型無人機系統通常提供攝影、攝像和自我組裝套件等功能，吸引著各個領域的愛好者將無人機系統用于娛樂目的[2]。然而，隨著無人機系統的技術發展和廣泛采用，軍事和商業部門都面臨著巨大的風險[3]，[4]。

對設施、基地、機場、關鍵基礎設施和類似設施而言，非惡意無人機系統的主要風險是失控和碰撞。失控可能會對關鍵資產造成重大損壞或對人造成傷害，并可能產生高昂的成本來修復基礎設施損壞和治療嚴重傷害。例如，業余無人機系統操作員可能會嘗試拍攝停靠的客機視頻作為其業余愛好的一部分，但由于信號超出范圍問題而無意中失去控制，這可能會導致與即將起飛的客機相撞。由于大多數無人機系統的所有者都是業余愛好者，他們中的許多人在控制無人機系統方面沒有受過訓練或缺乏經驗。現有的法規和政策無法在允許業余愛好者駕駛較小的無人機系統之前跟蹤他們的操作熟練程度。雖然敏感區域周圍設有禁飛區，但由于業余愛好者可能不了解他們可能造成的損害，每年仍會發生少數事件。機場、軍營和基地、政府大樓和監獄等設施在應對無人機系統時已經遇到了上述安全困境[5]。此外，邪惡的無人機系統活動構成了更大的威脅，盡管迄今為止，在全球范圍內，除戰爭活躍地區外，此類事件相對較少。

各設施迫切需要采用反無人機系統（CUAS）來主動保護其資產和安全。為有效對抗無人機系統，CUAS 需要多個傳感器來探測、識別和分類無人機系統，然后再使用攔截器擊落無人機系統。然而，CUAS 系統的內部和外部存在多種因素，可能會削弱 CUAS 的有效性，設施指揮官必須采取相應的緩解措施[6]-[8]。設施指揮官面臨的一大挑戰是如何在與無人機系統的技術競賽中保持領先。

現有研究主要關注 CUAS 和 UAS 系統的技術能力，而沒有從更廣泛的系統工程角度進行研究。本論文的研究采用了系統工程視角，以支持設施指揮官了解設施在應對當前和新出現的無人機系統威脅時可能存在的薄弱環節，并平衡 CUAS 的能力與鄰近利益相關者的需求[9]。第 2 章中提出的方法允許設施指揮官通過評估和分析探索可能的 CUAS 空間，以確保 CUAS 針對快速出現的無人機系統威脅進行優化并具有相關性。

圖 擬議方法概述。該方法可用于設施指揮官分析現有 CUAS 系統的有效性，找出 CUAS 系統能力差距，提出 CUAS 系統升級建議，并提供 CUAS 系統設計審查。

在未來的空戰中，無人協同系統的整合將是一個潛在的巨大力量倍增器。其成功的關鍵因素將是編隊情報、協調任務規劃和跨平臺任務管理。因此，構思下一代機載武器系統的任務需要一個整體的系統方法，考慮不同的航空飛行器、其航空電子任務系統和針對未來威脅的整體作戰概念。為了盡早驗證可能的解決方案概念并評估其作戰性能，在過去幾年中，在空中客車防務與航天公司未來項目中開發了一個動態多智能體戰斗仿真。除了比實時更快的工程功能外，該仿真還可以進行實時人機對話實驗，以促進工程師、操作員和客戶之間的合作。本文介紹了動態任務仿真方法，以及在未來戰斗航空系統（FCAS）研究中應用此工具所得到的啟示，在此期間，我們清楚地認識到什么是未來應用的一個關鍵挑戰。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

1 引言

每一代新的戰斗機都可以通過一個或多個技術飛躍來定義，這些技術飛躍使其與上一代的設計有很大區別。毫無疑問，自從大約15年前第一架第五代戰斗機投入使用以來，幾乎所有的設計學科都有了顯著的進步。不同的飛機制造商，包括空客，已經宣布他們目前正在構思或研究第六代戰斗機[1] [3]。與目前最先進的飛機相比，這些項目很可能在各個領域都有改進，如飛行性能、全方面和全模式隱身、低概率攔截雷達和通信或武器裝備。但問題仍然存在：什么將是這一代的決定性因素，一個真正改變未來戰斗空間的因素？

一個常見的假設是，未來的戰斗空間將是 "高度網絡化 "的，即所有參與的實體都可以交換他們的態勢視圖，并以近乎實時的方式創建一個共享的戰術畫面。一方面，這使得多個平臺在空間和時間上可靠同步達到了以前不可能達到的程度。許多算法，特別是發射器定位或目標測距的算法，如果能從多個位置產生測量結果，會產生明顯更好的效果。另一方面，高質量數據的可靠交換通過分配以前由單一平臺執行的任務，使戰術更加靈活。對作戰飛機的主要應用可能是所謂的合作交戰概念（CEC），這已經是美國海軍針對反介入/區域拒止（A2/AD）環境的海軍綜合火控-反空（NIFC-CA）理論的一部分[4]，但其他應用也是可能的，例如合作電子攻擊。所提到的概念主要適用于任務期間單一情況的短期范圍，例如偵察或攻擊薩母基地、空對空（A2A）作戰等。然而，就整個任務而言，還有一個方面需要提及。鑒于所有參與實體之間的可靠通信，規劃算法可以交換任務計劃變更的建議，并根據其目標和當前的戰術情況自動接受或拒絕。這在一個或多個不可預見的事件使原來的任務計劃無效的情況下特別有用，盡管所有預先計算的余量。與其估計一個替代計劃是否可行，并通過語音通信與所有其他實體保持一致（考慮到船員在某些任務階段的高工作負荷和參與實體的數量，這是一項具有挑戰性和耗時的任務），一個跨平臺的任務管理系統可以快速計算出當前任務計劃的替代方案，并評估是否仍然可以滿足諸如開放走廊等時間限制。然后，一組替代方案被提交給機組人員，以支持他們決定是否以及如何繼續執行任務。

將上述想法與現在可用的機載計算能力結合起來，由于最近在硬件和軟件方面的進步，可以得出結論，未來一代戰斗機將很有可能在強大的航空電子系統和快速可靠數據交換的基礎上，采用卓越的戰術概念進行作戰。然而，這還不是我們正在尋找的明確游戲改變者--甚至現有的第五代戰斗機已經應用了一些提到的概念，例如，在NIFC-CA背景下的F-35[4]。因此，下一步不僅要改進飛機的航電系統，而且要在完全網絡化環境的前提下連貫地優化航電、戰術和平臺設計。這種方法允許思考這樣的概念：如果得到網絡內互補實體的支持，并非每個平臺都需要擁有完整的傳感器套件和完整的決策能力。因此，不同的平臺可以針對其特殊任務進行高度優化，從而與 "單一平臺做所有事情 "的方法相比，減少了設計過程中需要的權衡數量。很明顯，一個專門的傳感器平臺不需要或只需要非常有限的武器裝備，因此現在可用的空間可以用來建造更好的傳感器或更大的燃料箱。這已經可以使該平臺專門從事的任務性能得到顯著提高，但有一樣東西可以去掉，它的影響最大：飛行員。在這一點上，必須明確指出，目前沒有任何算法或人工智能能夠接近受過訓練的機組人員態勢感知和決策能力。這就是為什么在不久的將來，人類飛行員在執行戰斗任務時將始終是必要的。然而，如果飛行員（或更準確地說，決策者）被提供了指揮無人駕駛同伴的所有必要信息，那么就不需要在同一個平臺上了。因此，我們提出了一個概念，即一個或多個載人平臺由多個無人駕駛和專門的戰斗飛行器（UAV）支持。在下文中，我們將把至少一個載人平臺和一個或多個由載人平臺指揮的專用無人機組成的小組稱為包。我們聲稱，由于以下原因，無人平臺將作為有人平臺的力量倍增器發揮作用：

• 無人機是可擴展的，而空勤人員是不可擴展的。因此，無人機可以執行高風險的任務，并允許采用只用載人平臺無法接受的戰術。

• 無人機更便宜（即使不考慮機組人員的價值），因為它們可以在性能相同的情況下比載人平臺建造得更小。這意味著，在相同的成本下，更多的平臺可以執行任務，更多的平臺會導致更高的任務成功率。首先，因為有更多的冗余，其次，如果有更多的資產參與其中，一些任務可以更好地完成，例如發射器的定位。

• 不同的無人機和載人平臺可以任意組合。在任務開始前，可以根據需要組成包。在任務期間，在某些限制條件下，也可以重新組合軟件包，例如，如果交戰規則禁止不受控制的飛行，則指揮平臺之間的最大距離。這使得任務規劃和執行有了更大的靈活性，預計也能保持較低的運行成本和材料損耗（"只使用你需要的東西"）。

像往常一樣，沒有免費的午餐這回事。在我們的案例中，所有上述優勢對飛機設計師來說都是有代價的。不是按照一組技術要求優化單一設計的性能，而是必須設計多個平臺及其子系統，使其在各種任務和組合配置中最大限度地提高整個系統的性能。在本文的其余部分，我們將介紹FCAS原型實驗室（FPL），這是一個在FCAS背景下開發的模擬環境，用于解決這一高度復雜的問題。在第2章中概述了它在概念設計和跨學科技術原型開發中的作用后，我們將在第3章中介紹底層動態多智能體任務仿真的概念和架構。在第4章中，我們將介紹選定項目的結果，以概述該工具的多功能性。本文最后將介紹可能是未來最大的挑戰之一，不僅對模擬，而且對一般的無人系統的引進。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

FCAS原型實驗室（FPL）：動態多智能體任務仿真

FPL的核心是一個動態多智能體任務仿真，可以在一臺計算機上運行，也可以分布在多臺機器上，并使用不同的附加硬件組件。為了方便兵棋推演的進行，對人機界面技術進行原型測試，或用于一般的演示目的，模擬中的所有載人機載資產都可以選擇由硬件駕駛艙控制。如果沒有人類操作員參與，模擬必須能夠比實時運行更快。這對于在可能需要數小時的大規模任務中進行有效的開發和權衡分析尤為必要。為了以客觀和公正的方式評估概念和技術，每個模擬任務的過程都是由預先定義的系統屬性、物理效應的模擬和可配置的智能體行為和合作演變而來。不存在任何腳本事件，每一次新的模擬運行的結果都是完全開放的。藍軍和紅軍是在相同的假設下，以可比的抽象水平進行模擬。以下各章概述了如何在FPL中動態地模擬當前和未來機載系統的任務。介紹了我們的仿真結構，在對這類系統進行建模時最重要的設計權衡，以及行為建模的高層次規劃/低層次控制方法。

架構

FPL的仿真架構由三個邏輯部分組成：應用、仿真控制和通信中間件。該架構的一個核心特征是，模擬被分割成幾個應用程序。每個應用程序運行不同的模型，例如，有一個應用程序用于模擬自己的（藍色）航空器、敵方（紅色）航空器、綜合防空系統（IADS）以及更多的模型，如下所示。所有的應用程序共享相同的標準化接口，并且可以任意組合。這種模塊化允許只運行某個任務或項目所需的部分模型。所有的應用程序都是獨立的可執行文件，可以在同一臺計算機上以并行進程運行，也可以分布在幾臺機器上。通過交換編譯后的二進制文件，來自不同公司的模型的整合是可能的，而不會暴露詳細的基本功能。一般來說，不同公司之間的快速和容易的合作是FPL架構的一個主要驅動力。為此，提供了一個基礎應用類，它提供了所有與仿真有關的功能，如仿真控制狀態機、通信中間件接口和通用庫，例如用于不同坐標系的地理空間計算。通過簡單地實現一個新的基礎應用實例，新的模型可以被添加到仿真框架中。所有應用程序的執行都由一個中央仿真控制實例控制。它提供了一個圖形化的用戶界面，可以根據需要啟動、停止和加速模擬。在執行過程中，所有應用程序的運行時間被監控，仿真時間被動態地調整到最慢的模型。這使得分布式的比實時更快的模擬具有自適應的模擬時間加速。應用程序之間的通信是通過數據分配服務（DDS）標準[2]實現的。它使用發布-訂閱模式在網絡中實現了可靠和可擴展的數據交換。兩個不同的分區用于廣播仿真數據（如實體狀態、仿真控制命令等）和多播命令和控制數據（如通過BUS系統或數據鏈路實際發送的數據）。DDS標準的開放源碼實施被用來進一步方便與外部伙伴的合作。

圖1提供了我們的模擬架構的概況，包括大多數任務所需的應用程序。如前所述，這個架構并不固定，幾乎任何應用都可以根據需要刪除或交換。如黑色虛線箭頭所示，通過DDS中間件在仿真控制處注冊一個基本的應用實現，可以集成新的模型。藍色/紅色背景的方框描述了己方/敵方系統，混合顏色的方框可供雙方使用。仿真基礎設施組件的顏色為灰色，用戶界面的顏色為橙色。黑色箭頭表示模擬過程中的通信，灰色箭頭代表模擬運行前后的數據交換。

對于兵棋推演環節，不同的應用程序分布在FPL的多個房間內運行，以模仿真實的空中作業程序。在設置好一個場景后，藍方和紅方的操作人員使用任務配置工具，在不同的房間里計劃他們的任務。空中行動指揮官留在這些房間里，而飛行員則分成兩個房間，每個房間有兩個駕駛艙來執行任務。藍方和紅方空軍應用的任何飛機都可以從駕駛艙中控制，因此飛行員可以接管不同的角色，并相互對抗或作為一個團隊對抗計算機控制的部隊。所有房間都配備了語音通信模擬。任務結束后，各小組在簡報室一起評估任務，可以從記錄的模擬數據中回放。一個額外的房間配備了多個連接到模擬網絡的PC，可以選擇用于特定項目的任務，例如硬件在環實驗。

建模

為FPL選擇正確的建模范式事實上并不簡單，因為它涵蓋了操作分析工具（通常是隨機的）以及工程模擬（通常是確定性的或混合的）的各個方面。這個決定的影響可以用一個例子來說明，即如何確定一架飛機是否被導彈擊中。在隨機模型中，這個決定是基于可配置的概率，例如，被擊中的概率（導彈）和回避動作成功的概率（飛機）以及一個隨機數。為了使最終的任務結果對單一的隨機數不那么敏感，在實踐中經常用不同的隨機種子進行多次模擬運行。按照確定性的方法，導彈的飛出是根據導彈的發射方向、制導規律和固定的性能參數如推力、最大加速度等來模擬的。飛機在規避機動過程中的軌跡也是基于其初始狀態、空氣動力學、反應時間等。例如，當彈頭引爆時，如果導彈和飛機之間的距離低于某個閾值，那么飛機就會被認為被殺死。在一個確定性的模型中，在導彈發射時已經知道飛機是否會被擊中。確定性模型中必要的簡化通常是通過引入固定參數來完成的，比如導彈例子中的距離閾值。混合模型允許使用隨機數進行這種簡化，例如，作為失誤距離的函數的殺傷概率。

為了有效地測試和分析大規模的空中作業，在單臺機器上有幾十種藍色和紅色資產運行的情況下，模擬運行的速度至少要比實時快10倍（平均）。這對所用算法的時間離散性和運行時的復雜性提出了重大限制。為了保持快速原型設計能力，為新項目設置仿真或開發/集成新組件所需的時間應保持在較低水平。太過復雜的模型會帶來更多的限制，而不是顯著提高結果的質量。在這些方面，（更多的）隨機模型在運行時間和開發時間上都有優勢，更快。然而，在我們的案例中，有兩個主要因素限制了隨機模型的使用，使之達到最低限度。首先，模擬只有在給出他們的戰術和演習成功與否的確切原因時才會被操作者接受。此外，隨機模型是由數據驅動的，但對于未來自己和/或敵人的系統來說，所需的數據往往無法獲得。對于已經服役多年并在測試或實際作戰中多次射中的導彈，有可能估計其殺傷概率。然而，僅僅為未來的導彈增加這一概率是非常危險的，特別是因為隨機模型對這些參數非常敏感。從我們的觀點來看，通過將所有系統建模為基于技術系統參數的通用物理模型，可以實現對未來系統更健全的推斷。第一步，通過模擬已知技術和性能參數的現有系統，對模型本身進行驗證。對于未來的系統，技術參數會根據預期的技術進步、領域專家知識和他們的工具進行推斷。堅持最初的例子，未來戰斗機的回避機動性能的推斷，例如，基于從CAD和流體動力學模型計算出的更高的升力系數，或基于更高的導彈接近警告器的分辨率和靈敏度。

客觀評價未來概念在模擬中的表現的一個關鍵方面是環境和威脅的建模。必須考慮到，系統的方法在紅方和藍方都是有優勢的。現代國際防空系統的危險來自于結合不同的系統，從非常短的距離到遠距離。所有這些系統都有它們的長處和短處，但它們被組織起來，使個別的短處被其他系統所補償，并使整個系統的性能最大化。因此，第一個困難是必須對大量的系統進行模擬，并且必須確定這些系統的個別優勢和劣勢。通用物理模型的方法可用于這兩個方面。在通用防空系統模型被開發和驗證后，它可以迅速將新的系統整合到模擬中。根據模擬的物理效果，可以估計敵方系統的作戰優勢和弱點或未來可能的威脅概念。另一方面，使用通用模型的困難在于，必須將真實系統的功能映射到通用模型中，以便保留所有重要的單個系統屬性。這不可避免地導致了相當復雜和詳細的通用模型。我們將以地基雷達組件為例，概述我們平衡復雜性和保真度的方法。如圖2所示，IADS模擬中的一個實體由不同的組件組成。這些組件可以任意組合，以快速配置新系統。從功能角度看，地面雷達組件由控制器、探測模型和目標跟蹤器組成。根據實體的當前任務，控制器選擇所需的雷達模式，例如，360°搜索的監視或戰斗搜索，如果一個特定的部門必須優先考慮。為了對付干擾或地面雜波，可以使用不同的波形。根據雷達的類型，如機械或電子轉向的一維或二維，控制器有不同的可能性來適應搜索模式。在為一個波束位置選擇了波形的類型和數量后，探測模型根據目標、地面雜波、地形陰影、大氣衰減和電子對抗措施等方面的雷達截面模型，產生測量結果。測量誤差是由取決于隨機模型的信噪比引起的。由此產生的測量結果然后由目標跟蹤器處理，它執行測量-跟蹤關聯和跟蹤過濾。

這種詳細模型產生的另一個困難是必須估計的參數總數。在這一點上也要注意，模擬中的所有數據都是不受限制的。這一方面是由于大多數項目的限制，但另一方面，它在日常工作中也有實際優勢。我們必須牢記，模擬是用于概念驗證，而不是用于詳細的系統設計，所以在這個早期階段使用機密的威脅數據會對基礎設施和開發過程造成重大限制，而不會給結果帶來重大價值。基于此，所有的威脅數據都必須根據公開的來源或來自內部項目和外部合作伙伴的非限制性數據進行估算。這再次導致了大量的數據，而這些數據的詳細程度往往是非常不同的，或者是不一致的，例如，由于對限制性數據的去分類。隨著我們模型的不斷發展和多年來獲得的工程專業知識，我們有可能為不同的當前和推斷的未來威脅系統估計出一致的參數。這主要是在一個自下而上的迭代過程中完成的。根據現有的技術和性能參數，對缺失的模型參數進行估計以適應組件的性能。然后對單一系統的不同組件之間的行為和相互作用進行調整，以達到理想的系統性能。最后，在不同的情況下測試IADS內這些系統的協調，以使整個系統的性能最大化。

自主系統將塑造戰爭的未來。因此，土耳其的國防人工智能（AI）發展主要側重于提高自主系統、傳感器和決策支持系統的能力。提高自主系統的情報收集和作戰能力，以及實現蜂群作戰，是發展國防人工智能的優先事項。雖然土耳其加強了自主系統的能力，但在可預見的未來，人類仍將是決策的關鍵。

人類參與決策過程提出了一個重要問題：如何有效確保人機互動？目前，自主系統的快速發展和部署使人機互動的問題更加惡化。正如土耳其國防工業代表所爭論的那樣，讓機器相互交談比較容易，但將人類加入其中卻非常困難，因為現有的結構并不適合有效的人機互動。此外，人們認為，人工智能對決策系統的增強將有助于人類做出更快的決定，并緩解人機互動。

土耳其發展人工智能的意圖和計劃可以從官方戰略文件以及研發焦點小組報告中找到。突出的文件包括以下內容：

• 第11個發展計劃，其中規定了土耳其的經濟發展目標和關鍵技術投資。

• 《2021-2025年國家人工智能戰略》，它為土耳其的人工智能發展制定了框架。

• 焦點技術網絡（Odak Teknoloji A??，OTA?）報告，為特定的國防技術制定了技術路線圖。這些文件提供了關于土耳其如何對待人工智能、國防人工智能和相關技術的見解。

土耳其特別關注人工智能相關技術，如機器學習、計算機視覺和自然語言處理，其應用重點是自主車輛和機器人技術。自2011年以來，自主系統，主要是無人駕駛飛行器（UAV），仍然是土耳其人工智能發展的重點。此后，這已擴大到包括所有類型的無機組人員的車輛。同時，用人工智能來增強這些車輛的能力也越來越受到重視。人工智能和相關技術的交織發展構成了土耳其人工智能生態系統的核心。

土耳其的人工智能生態系統剛剛起步，但正在成長。截至2022年10月，有254家人工智能初創企業被列入土耳其人工智能倡議（TRAI）數據庫。土耳其旨在通過各種生態系統倡議在其國防和民用產業、學術機構和政府之間創造協同效應。由于許多組織都參與其中，這些倡議導致了重復和冗余。冗余也來自于人工智能技術本身的性質。由于人工智能是一種通用技術，可以應用于不同的環境，各種公司都有用于民用和國防部門的產品；因此相同的公司參與了不同的生態系統倡議。此外，民用公司與國防公司合作，在國防人工智能研究中合作，并提供產品，這是司空見慣的。

土耳其鼓勵國際人工智能在民用領域的合作，但不鼓勵在國防領域的合作。然而，由于技能是可轉移的，國防人工智能間接地從這種合作中受益。

土耳其非常關注自主系統發展中的互操作性問題，特別是那些具有群集能力的系統。除了蜂群，北約盟國的互操作性也是一個重要問題。因此，土耳其認為北約標準在發展自主系統和基礎技術方面至關重要。

土耳其目前對人工智能采取了分布式的組織方式。每個政府機構都設立了自己的人工智能組織，職責重疊。目前，盡管國防工業局（Savunma Sanayi Ba?kanl???，SSB）還沒有建立專門的人工智能組織，但SSB的研發部管理一些人工智能項目，而SSB的無人駕駛和智能系統部管理平臺級項目。目前，根據現有信息，還不清楚這些組織結構如何實現國防創新或組織改革。

土耳其尋求增加其在人工智能方面的研發支出，旨在增加就業和發展生態系統。SSB將在未來授予更多基于人工智能的項目，并愿意購買更多的自主系統，鼓勵研發支出的上升趨勢。然而，盡管土耳其希望增加支出，但金融危機可能會阻礙目前的努力。

培訓和管理一支熟練的勞動力對于建立土耳其正在尋找的本土人工智能開發能力至關重要。這包括兩個部分。首先是培養能夠開發和生產國防人工智能的人力資源。因此，土耳其正在投資于新的大學課程、研究人員培訓、開源平臺和就業，同時支持技術競賽。第二是培訓將使用國防人工智能的軍事人員。國防人工智能也正在慢慢成為土耳其武裝部隊（Türk Silahl? Kuvvetleri，TSK）培訓活動的一部分。目前，關于土耳其打算如何培訓軍事人員使用國防人工智能的公開信息非常少。