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

本論文旨在研究飛行員在不同模擬環境中的表現與認知、情緒、疲勞和生理的關系。本論文拓寬了對飛行員在作戰環境中非技術技能發展的理解并擴大了其可能性。論文在低保真和高保真兩種環境下對這些現象進行了研究。在研究 I 中，使用低保真模擬對商業飛行員的動態決策進行了調查。接下來，在研究二、三和四中，使用高仿真環境，重點調查了軍事背景下長時間飛行任務中的認知、情緒及其生理關聯。

研究 I 表明，低保真模擬有助于了解商業飛行員動態決策中的認知過程。使用此類模擬可幫助飛行員識別可用于不明確問題的有用信息，這對成功的決策過程至關重要。飛行員決策能力的培養可以通過使用低保真模擬來補充。這可能有利于整個決策過程，包括診斷、判斷、選擇、反饋提示和執行。

研究二、研究三和研究四表明，在評估個人心理方面的情況時，需要高保真環境，這就要求對自然環境有較高的再現水平。長時間單人駕駛飛機執行任務時，應考慮到飛行員在執行任務約 7 小時后可能會出現持續注意力下降、積極情緒減少和消極情緒增加的情況。然而，在 11 小時的飛行任務中，更復雜的認知任務的表現可能不會下降。心率變異性與情緒評級之間的關聯可能表明生理喚醒水平。這可能有助于評估飛行員在這種情況下的整體心理狀態。對飛行員在這種環境下的心理狀態進行全面評估，可能有助于飛行員做好準備，并有助于制定長時間飛行任務的計劃。

綜上所述，本論文的結論表明，適當使用低保真和高保真模擬可促進飛行員認識到適應環境變化的必要性。這促進了作為安全基本要素的應變能力。

目前，美國政府內部并不存在同步收集情報和調查的能力，而從整體上減輕無人駕駛航空器系統帶來的新威脅需要這種能力。此外，擁有應對權力、知識和經驗的實體基本上都在獨立的環境中工作。本論文試圖找出最佳方法，匯集各個機構的力量，將情報和調查能力統一到應對無人機系統威脅的巨型行動中。為了解決這個問題，我們選擇了工作組、特遣部隊和單一機構指定作為可能的選擇，特別是考慮到它們的歷史先例和成功的可能性。每種方案都根據其接受兩個決定性特征的能力進行了比較：協作和承諾。分析結果表明，工作隊模式最終是全面應對無人機系統威脅的最有效手段。它通過利用情報和調查行動能力來妥善解決無人機系統殺傷鏈中六個步驟中的每一個步驟，在高度協作和承諾的環境中減輕了與當前技術和法律限制相關的挑戰。本論文概述的結論和相應建議提供了明確的方向和合理的實施計劃。

目前，美國政府內部并不存在同步收集情報和調查的能力，而這種能力是全面緩解無人駕駛航空器系統帶來的新威脅所必需的。此外，擁有應對權力、知識和經驗的實體基本上都在獨立的環境中工作。這其中有一些是現行法律限制所規定的，但也有一股潛在的自私自利的政治潮流在其中彌漫。

本論文試圖找出最佳方法，將各個機構的優勢集合起來，將情報和調查能力統一到一個巨無霸級別的響應中，以應對無人機系統的威脅。本研究揭示的三個主要問題包括：當前技術的局限性、法律障礙，以及對無人機系統 "殺傷鏈 "中一個方面的短視。工作組、特別工作組和單一機構指定是根據其歷史先例和成功可能性而特別選擇的方案。每種方案都根據其是否具備兩個決定性特征進行了比較：協作和承諾。

首先對工作組進行了審查，并最終將其排除在外。雖然工作組具有較高的協作水平，但在無人機系統威脅環境下，有效的承諾水平要求極低。此外，工作組在聯邦、州和地方政府中已經非常普遍，這使它們看起來更像是現狀而非創新選擇。

特遣部隊是第二個被審查的對象，不容忽視。與工作組不同，特遣部隊具有高度的協作性和承諾性。特遣部隊模式在整合情報和調查行動以應對恐怖主義、有組織犯罪和毒品等其他重大威脅方面也有成功的歷史。

最后分析的方案是指定單一機構。就承諾而言，這一選擇的評分極高，因為它要對其行動的成敗負全部責任。遺憾的是，單一機構指定在協作方面的排名相應很低。

分析結果表明，特遣部隊模式最終是全面應對無人機系統威脅的最有效手段。它通過利用情報和調查行動能力來妥善解決無人機系統 "殺傷鏈 "中六個步驟中的每一個步驟，在高度協作和承諾的環境中減輕了與當前技術和法律限制相關的挑戰。

本論文中概述的建議提供了實施的方向和合理計劃。該計劃首先由國家行政工作組制定政策，并在州一級進行復制，以確保連續性。在考慮了行政和政策要求后，將建立一個與行政部門平等合作的國家行動工作組，通過制定包含任務導向目標和可實現的里程碑的戰略來履行這些政策義務。這也將在州一級得到體現。

2015年8月27日，美國海軍研究生院（NPS）先進機器人系統工程實驗室同時試飛了50架自主無人機。這次演示證明，自主無人機群技術正在以令人生畏的速度發展，無人機的部署和控制現在已經可以大規模完成。隨著學術界、工業界和國防部門不斷將傳感器微型化并增強蜂群操作系統，從演示到戰術應用的過渡將很快實現。要有效地實現這一目標，就必須致力于確定蜂群傳感器的要求以及使用戰術、技術和程序。本論文使用基于智能體的模擬、尖端的實驗設計和并行計算來深入探討無人機群的使用，以支持海軍陸戰隊步兵連。該場景是一個基于真實事件的蓄意清除任務，其中步兵連在受限地形中與同級敵人作戰。對 30,000 次模擬任務所獲數據的分析表明，與目前連級可用的 ISR 無人機相比，無人機群平均可使火力支援小組瞄準并打擊兩倍數量的敵方戰斗人員。對于分級無人機群來說，這使美軍傷亡人數最多可減少 50%。對新出現的蜂群進行的數據分析和視覺研究還表明，蜂群的體積加上固有的傳感器重疊，最大程度地減少了對傳感器的需求。

圖 ES-1. 將現實世界轉化為模型。論文場景的初始啟動條件

在過去三十年里，美國軍隊作為世界上技術最先進的戰斗力量，享有無可撼動的霸主地位。在伊拉克和阿富汗沖突期間，美軍采用了以網絡為中心的戰爭，取得了毀滅性的效果和效率（Scharre，2014 年）。然而，經過十六年的持續作戰行動，地緣政治競爭對手和好戰的非國家行為體正在挑戰美軍在全球公域內保持 "全域準入 "的能力（特朗普，2017）。

隨著國際社會從單極模式向多極體系轉變，未來的作戰環境將更加復雜和混亂。2016 年海軍陸戰隊作戰概念（MOC）警告說，美國的對手正在利用技術擴散、部署混合部隊以及強大的反介入和區域拒止（A2/AD）能力，在各級戰爭中挑戰美軍。簡易爆炸裝置 (IED)、商用無人機系統和網絡工具不斷變得更加經濟實惠，并以驚人的速度得到改進，這使問題變得更加復雜。隨著美國的敵人越來越熟練地掌握這些技術，他們將尋求獲得對當地居民的影響力，并參與城市沖突，以削弱美國在騎兵機動和火力方面的優勢（美國海軍陸戰隊 [MOC]，2016 年）。

為了為未來的作戰環境做好準備，并確保在整個軍事行動范圍內的準入，美國需要尋求新的創新方法來重新獲得戰術優勢（特朗普，2017 年）。盡管美國國防部（DoD）將需要許多技術來應對這些新興威脅，但自主蜂群技術正在快速成熟，并為進入軍事人員無法到達或過于危險的地區提供了可行的解決方案（Scharre，2014）。在過去十年中，機器人研究界做出了巨大努力，使自主蜂群技術從概念走向現實。

目前，美國海軍研究生院（NPS）正走在自主無人機群技術的前沿。2015 年 8 月 27 日，NPS 的先進機器人系統工程實驗室（ARSENL）創下了同時飛行 50 架商用現成（COTS）自主無人機的紀錄（Chung 等人，2016 年）。自這一開創性事件以來，其他國家實驗室在此技術的基礎上，部署了近兩倍于這一數字的無人機。因此，隨著 ARSENL 和其他同行項目繼續增強無人機硬件和蜂群操作系統，從實驗到應用的過渡可能會很快發生。毫無疑問，模擬和實驗將決定 21 世紀部隊如何在未來戰場上使用蜂群。

本論文使用基于智能體的模擬（ABS）、尖端的實驗設計（DOE）和并行計算來深入探討無人機群的使用，以支持海軍陸戰隊步兵連。通過執行 30,000 次模擬戰斗，論文對戰斗條件下的蜂群系統性能進行了量化。論文的主要問題集中在指揮與控制（C2）配置、系統運行閾值和蜂群規模如何影響單元的整體性能。總之，研究旨在讓決策者了解不同的控制策略如何影響蜂群性能和傳感器需求。

作者使用 ABS 建模環境 MANA-V 創建了一個逼真的戰場，并恰當地捕捉到了蜂群的復雜性和自主性。論文中的場景是作者在支持 "持久自由行動 "時經歷的實際任務設置。模擬逼真地描述了一個具有挑戰性的混合威脅，其目的是阻止美軍進入敵方據點。此外，無人機群是以 ARSENL C2 架構為模型的。本研究以 ARSENL 架構和作者的作戰經驗為基礎。

MANA-V 是一種基于智能體的時間步進隨機建模環境，旨在進行 "快速轉向 "的任務級分析（Lucas，2015 年）。對于決策者或首席分析師而言，MANA-V 可提供任務可視化、對不斷變化的戰斗的寶貴洞察力以及對傳感器使用的直覺（McIntosh, Galligan, Anderson, & Lauren, 2007）。作為一種分析工具，MANA-V 提供了一個直觀的界面來高效地構建場景，并具有數據耕作能力，使研究團隊能夠運行多個場景。

本論文的結論基于一個現實的模型、高效的實驗設計以及對三個實驗組的嚴格分析，這三個實驗組在 30,000 次模擬戰斗中得出了獨特的結果。論文研究結果表明，不同的無人機（UAV）控制策略對傳感器覆蓋范圍、間接火力使用和單元傷亡有深遠影響。六項主要發現包括

• 分層蜂群在減少傷亡方面具有最大的潛力，而且與新興蜂群相比，可以用更少的無人機來實現這一目標。在采用首選蜂群配置時，藍軍傷亡人數有可能減少 50%。

• 平均而言，兩種無人機群都能使 FiST 瞄準和攻擊的敵方目標數量是單個 ISR 無人機的 2 到 3 倍。

• 對新出現的無人機群進行的數據分析和視覺研究表明，無人機群的體積加上固有的傳感器重疊，最大程度地減少了對傳感器的需求。

• 分層蜂群的首選使用策略是由六架無人機組成兩個子蜂群。每個子群由兩架驗證無人機和四架尋的無人機組成。在假設條件下，需要 48 架無人機才能在 2.5 小時的戰斗中為連隊提供 ISR。

• 應急蜂群的首選部署策略建議部署一個由 15 架無人機組成的蜂群，其中包括 3 架驗證型無人機和 12 架搜索型無人機。在假設條件下，需要 60 架無人機才能在 2.5 小時的戰斗中為連隊提供 ISR。

• ISR 規劃人員必須了解蜂群規模及其對戰斗服務支持的影響。雖然蜂群的首選使用配置僅相差 3 架無人機，但總體任務需求卻相差 12 架無人機。在開發蜂群投送/發射平臺時，這一基本概念非常重要。

本論文研究如何將無人水面航行器整合到分布式海上作戰的戰斗序列中。目的是設計一種成本效益高、作戰效率高的無人系統，能夠在 2030-2035 年期間為 DMO 概念做出貢獻。本論文確定了在常規航母打擊群、遠征打擊群和/或水面行動群中既具有作戰影響力又具有成本效益的 USV 任務集和組合，以及無人系統是否有可能取代或補充當前有人系統的一些任務集。主要發現是，在以下兩個任務領域，無人潛航器可以極大地補充有人資產：（1）情報、監視和偵察任務集，以及（2）反導彈防御任務集。次要發現是，要達到本論文中描述的效果衡量標準，必須投資 5 億美元建造約 10 個 USV 平臺，并執行上述任務集。作者對美國海軍的建議是采用標準化的 USV 設計，重點關注 AMD 和 ISR 任務包。其次，投資約 5 億美元建造 10 艘這樣的平臺，并將其集成到目前的 CSG、ESG 或 SAG 之一，這將是過渡到在未來艦隊中實施 USV 的墊腳石。

論文總結

本論文通過開發系統架構和相關離散事件模擬，研究如何將無人水面航行器（USV）融入分布式海上作戰（DMO）概念。目的是研究 DMO 概念中無人水面兵力的潛在任務領域，然后構建標準化 USV 的功能和物理架構。作者采用了與瀕海戰斗艦（LCS）類似的概念，為已確定的任務領域提供可安裝在標準化 USV 上的外部任務模塊包。結構定義完成后，使用離散事件仿真軟件開發了一個模型。該模型的場景被定義為在 2030-2035 年期間與近鄰對手的艦隊對艦隊交戰。在整個模擬過程中，使用了有效性衡量標準來分析擬議 USV 提供的作戰影響。在完成模型分析后，作者最后分析了擬議 USV 平臺的成本與其對艦隊對艦隊交戰結果的總體作戰影響。

A. DMO 和 USV 概述

2017 年，海軍作戰發展司令部創造了 "分布式海上作戰 "一詞，該詞源自 ADM Rowden（2017 年）的 "分布式致命性"（DL）。DMO 更多地以全方位的艦隊為中心的戰斗力來看待分布式兵力，而不是 DL 定義中描述的小兵力組合。DMO 概念的最高目標是讓指揮官有更多的選擇或傳感器/平臺/武器組合，并有足夠的時間超越對手。DMO 考慮到了資源、信息和技術與組織各級關鍵決策者的融合。當美國海軍將一個系統視為一個分布式網絡時，這就很好地概括了 DMO 的概念。分布式網絡具有跨所有作戰領域的所有可用平臺的集成能力，將增強美國海軍的進攻和防御能力。本論文的重點是設計和采購這種分布式網絡中的無人水面飛行器，這不僅將為載人資產提供一種具有成本效益的替代方案，而且由于人工干預有限，還將提供一種更低的風險管理場景。

無人系統有可能成為美國海軍未來兵力結構中的關鍵兵力倍增器。海軍作戰部長理查德森（ADM Richardson，2016 年）在其海軍戰略愿景中列出了四條關鍵的 "努力方向"。其中一條是 "加強海上海軍力量"，鼓勵探索 "替代艦隊設計，包括動能和非動能有效載荷以及有人和無人系統"（6）。本論文介紹了無人水面運載工具的基本原理，包括目前可用的等級、類別和任務類型。論文還論述了無人水面飛行器在未來艦隊兵力建設中對 DMO 概念的潛在貢獻，以及對無人水面飛行器未來研發至關重要的關鍵使能技術。

為撰寫本論文，通過建模和仿真分析了三種可供選擇的 USV 及其三種適用的任務包。所選擇的調查平臺是 USV ISR 任務平臺、USV 水面戰任務平臺和 USV 反導彈防御任務平臺，因為它們被認為與 DMO 最為相關。作者指出，按照本論文的規定，這三種備選方案在當前市場上并不容易獲得，但提出功能和物理架構的目的是使未來工作的發展具有可行性，并符合美國海軍有關無人系統的愿景和目標。

表 1 總結了作者利用建模和仿真分析的三種備選 USV，并注釋了其適用的級別類型和有效載荷。

B. 模型定義

為便于分析備選 USV，作者開發了一個模擬模型。為確保在現實場景和作戰環境中分析 DMO 概念，重點放在了南海沿岸沖突上。該模型分為四個主要階段：威脅產生階段、發現階段、目標定位階段和交戰階段。模型中采用了表 1 所示的三種備選 USV。USV AMD 分成兩個獨特的平臺： 這些配置分別用于防御空中平臺和來襲導彈。所有可供選擇的 USV 都為友軍戰斗序列帶來了額外的反制措施，包括箔條、主動和被動誘餌、照明彈以及紅外和可視煙霧。如表 1 所示，攜帶導彈的 USV 還攜帶了特定的有效載荷，為友軍的分布式資源庫提供了額外的軍械。USV ISR 具有其他 USV 備選方案所不具備的能力。該平臺的能力是在對方目標定位和交戰階段增加的，使每一枚潛在的友軍導彈都能在更大范圍內擊中來襲的對方平臺或導彈。

C. 作戰效能分析

數據分析顯示，就多種不同的效能衡量標準（MOEs）而言，一些概念化 USV 不僅在統計上有意義，而且在作戰上也有意義。在分析 USV 如何為 DMO 概念做出貢獻時，有三項效果衡量指標值得關注，它們是 (1) MOE #2：幸存的兵力；(2) MOE #4：10 海里內對方導彈的百分比；(3) MOE #6：防御措施成功率（注意，編號慣例與論文全文一致）。在整個分析過程中，對作戰影響最大的備選 USV 是 USV ISR 平臺、USV AMD AIR 平臺和 USV AMD MISSILE 平臺，而 USV SUW 平臺被證明對作戰沒有影響。分析結果并無定論：在 DMO 概念的范圍內，無人水面航行器在兩個主要任務集中補充有人海軍資產最為有效：(1) 情報、監視和偵察任務集，以及 (2) 反導彈防御任務集（防空和反導彈防御）。這就為 USV 的實施設想了更多的防御態勢方法，即在縱深防御分層戰略中反擊對方平臺或導彈。

D. 成本分析

為了加強作戰效能分析，作者選擇使用參數方法來推導成本模型，預測本論文中描述的備選 USV 的成本。作者確定了 40 個具有歷史采購成本的平臺，并研究了它們的設計規格，以便采用參數方法。生成了等值線圖，以便于對多種投資場景下的運行效果和成本進行權衡分析。分析表明，至少需要投資 5 億美元，才能購置約 10 艘有能力的 USV，從而實現顯著的作戰效能。追加投資 1.000 億美元（總計 1.5 億美元）后，USV 總數有可能增加到 35 艘，與基線投資場景相比，友軍 10 海里范圍內對方導彈的比例提高了 31.2%（MOE #4），成功反制的比例提高了 9.9%（MOE #6）。

E. 結論

與美國海軍 CSG、ESG 和 SAG 的常規兵力結構相比，將 USV 納入 DMO 提供了一種既經濟又有效的作戰命令。事實證明，情報、監視和偵察任務以及反導彈防御任務在本摘要 C 部分所注釋的規定有效性措施方面具有最大的統計意義和作戰影響。以下要點解釋了 USV 在作戰影響方面最值得關注的三項指標：

• MOE2：對方兵力存活率。USV ISR 平臺的存在與否對這一 MOE 有重大影響。如果 USV ISR 平臺存在，預計對方兵力存活率最多可降低約 5.9%。

• MOE 4：10 NM 范圍內對方導彈的百分比。模型中 USV AMD MISSILE 和 USV AMD AIR 平臺的數量對該 MOE 有很大影響。如果 USV AMD 平臺的組成正確，預計到達 10 海里的對方導彈數量最多可減少約 8.5%。

• MOE6：防御措施成功。模型中 USV AMD MISSILE 和 USV AMD AIR 平臺的數量對該 MOE 有重大影響。如果 USV AMD 平臺的構成正確，預計防御措施成功率最多可提高約 4%。

就本摘要 D 部分所述的成本效益而言，值得投資的 USV 只有 USV ISR、USV AMD AIR 和 USV AMD MISSILE 平臺。對于具體的作戰概念和固定的戰斗序列，筆者認為，在戰斗序列中實施 USV 的特定組合是一種具有成本效益的方法，可實現所需的有效性措施。

探測無人機系統（UAS）非常復雜。在多個領域（空中、陸地和海洋）整合和共享雷達信息是一個難題。目前有關無人機系統探測的研究主要集中在探測地面兵力和國家關鍵基礎設施上空的無人機系統，但當無人機系統開始挑戰港口或公海上的軍艦時會發生什么？在多機構危機事件中，如何通過無線方式收集和共享信息？探測到的無人機傳感器數據能否通過無線網格網絡（WMN）與其他機構共享？研究表明，在一次小規模的多機構危機響應演習中，可以將 SAAB 的 G1X 雷達系統的模擬數據與戰術突擊套件（TAK）態勢感知應用程序集成在一起。該技術運行完美；但是，注意到，必須進一步檢查和改進反無人機系統戰術技術和程序（TTP）、國際無人機系統法律法規以及提示和自動化，以適應當今的戰斗和機構間響應。此外，發現在演習期間，手機信號無法有效覆蓋舊金山灣。為了縮小這一差距，使用 Persistent Systems 公司的 MPU-5 無線電設備成功擴展了 WMN，從而在非網絡環境中創造了更廣泛的維護網絡功能的能力。

計算機視覺與現有艦載飛機傳感器的集成為利用通常被忽視或丟棄的數據提供了機會。每天，旨在幫助機組人員導航或瞄準目標的傳感器都會收集數千小時的圖像，這些圖像可用于情報收集。在不影響飛機任務和機組人員程序的情況下，計算機視覺可作為附加功能安裝。

本論文提出了將計算機視覺集成到海軍戰術飛機上的基本概念（CONOPS）。論文探討了樣本飛機的能力，以檢驗基于航空計算機視覺的可行性。監視、持續觀察和目標識別（SPOTR）系統的程序和演示能力被用作 CONOPS 的起點。征求了主題專家對 CONOPS 草案的初步意見和反饋。基本工程流程被用作制定 CONOPS 的框架。

在飛機上增加計算機視覺功能的時間相對較短，而且成本較低，這使得 SPOTR 等系統成為為作戰人員提供新能力的可行選擇。

當前用于自動規劃的戰斗模擬軟件開發在其方法中沒有考慮到戰爭迷霧。這使得他們的輸出不太現實，因為在現實世界的規劃中不可能有精確的敵人位置。人工智能控制的部隊應該能夠在沒有信息的情況下運作，而這些信息在相同的情況下是人類無法獲得的。本文提出了一種AI智能體在給定典型情報的情況下預測和評估敵方兵力位置的方法。我們還提出了一種方法來匯總這些位置的風險影響。我們在一個戰斗模擬環境中展示了這些技術，并評估了它們在多個戰斗場景中的表現。結果顯示了戰斗模擬中不確定性的重要性，并說明我們的風險匯總方法是有效的。

在將人工智能（AI）技術與作戰模擬相結合時，重要的是要將戰爭迷霧的考慮因素包括在內并加以考慮。目前的自動規劃方法依賴于對敵方部隊位置的完美了解，使得人工智能控制的智能體行動不太現實。為了使智能體的行為更加自然，人工智能兵力應該接受與人類指揮官在類似情況下可用的相同類型和數量的信息并采取行動。這將要求人工智能依賴對其對手和環境條件的理解，就像人類一樣。

這篇論文著重討論了人工智能在模擬環境中處理戰爭迷霧的能力的兩個方面。第一個方面是人類對提交給人工智能的關于敵人和環境的知識的表述。這包括敵人的優先級和程序，以及環境因素，如能見度和視線。第二方面是當給定這些知識時，人工智能可以預測戰霧中可能的敵人位置，并評估可能的敵人編隊的風險影響。

關于第一個方面，我們審查了人工智能在模擬環境中跟蹤對手和戰術注釋的方法。我們發現有必要將戰斗地形離散為一個導航圖。這個導航圖將有支持實體運動的邊和可以被注釋的節點，為人工智能代理提供戰略信息。我們還確定了在戰斗模擬環境中對單位幾何的戰術評估技術。

然后，我們發現適用于檢查軍事決策過程（MDMP）中進行的分析，特別是由戰斗空間情報準備（IPB）產生的產品。IPB的輸出包括將已知的對手戰術分層到當前的作戰環境中，以產生一個預期的敵人行動路線（ECOA），如圖1所示的態勢模板。

節點的戰術注釋可以看作是圖1中所示的頂層敵人威脅模型。當這些注釋被應用于地形的導航圖（環境層）時，其結果是將ECOA編碼到模擬中。然后，我們可以評估潛在的敵人位置與編碼的ECOA有多大的一致性。

我們把這種評估稱為編隊評分函數。這個評分函數是讓人工智能預測和評估戰爭迷霧中風險的起點。該函數產生一個數字分數，它取決于一個給定的敵方編隊在保持理想的單位幾何形狀和火力掩護的同時瞄準目標優先事項的能力。分數越高，表明越符合編碼的ECOA的要求。我們把一個能使給定評分函數最大化的編隊稱為預測。

不幸的是，識別一個最大化的編隊并不是一項微不足道的任務，因為它涉及到多個實體平衡幾個競爭性因素以產生一個分數。我們采用的方法是將未被發現的實體隨機放置在地形上的可能位置，讓它們爬到對陣型得分貢獻最大化的位置。通過幾輪的隨機放置和爬坡，產生了候選陣型集，每個陣型都是評分函數的局部最大值。每個編隊由一組不同的敵人實體位置和導航圖中節點的相關威脅值組成。

然后，我們使用吉布的典型集合方程，將候選集合中的每個編隊視為實際敵方編隊可能處于的一種 "狀態"。這使我們能夠為候選集合中的每個編隊計算出一個概率值。然后，我們可以根據每個編隊的計算概率來匯總其節點威脅值。這使我們能夠將可能的敵方陣地的估計風險表示為一個單獨的圖，我們稱之為不確定性威脅圖。由于該圖僅由現有的情報產品和觀察結果產生，它不依賴于人類指揮官無法獲得的無關信息。

本論文介紹了我們在WOMBAT XXI（WXXI）中對這些方法的實施和評估，WXXI是一個用Unity 3D游戲引擎構建的輕型戰斗模擬環境（圖2）。

使用WXXI的單位模板和真實世界的地形表現，我們進行了60次模擬戰斗，跨越三個不同層次的敵軍陣地信息。這些戰斗模擬了攻擊一個藍軍排，對抗一個靜態的紅軍小隊。在第一種情況下，我們將藍方的知識限制在一組探測到的紅方防御者。在第二種情況下，我們使用檢測到的紅色防御者和一個陣型評分函數來產生一個不確定性威脅圖，以估計實際的紅色陣型。在最后一個場景中，藍色被賦予了關于紅色陣地的全部信息。在每場戰斗中，我們都收集了關于藍方和紅方的傷亡、零散交換率（FER）和任務完成情況的數據。我們發現，當藍方得到紅方陣地的估計時，他們的表現與得到實際陣地時相當。表1提供了在三個戰斗場景中收集到的定量數據。

論文中預測和不確定性建模的新方法在自動計劃和改善兵棋推演中人工智能控制的兵力方面有很大的應用潛力。論文還提供了運動到交戰行動的進一步測試實例，并提供了一種使用編隊評分功能的計劃識別方法。最后，我們為WXXI作戰模擬環境貢獻了附加功能。

由于固有的設計復雜性、無限的測試空間和缺乏自主性的具體措施，自主和協作無人系統的實施和測試具有挑戰性。這些挑戰限制了美國空軍部署和利用這些系統所提供的戰術和戰略優勢能力。這項研究在廣域搜索（WAS）場景中實例化了一個自主系統參考架構（ASRA），作為自主和協作系統的快速原型設計和評估的測試平臺。該研究旨在提供一個框架，以評估系統實現任務和自主目標的能力，開發可重復使用的自主行為，并開發可重復使用的協作決策算法。對于這項研究和對WAS任務的應用，自主性的衡量標準來自于自主系統的要求：響應性、穩健性和感知的準確性。自主行為，包括結合簡單（原子）行為的更復雜行為被開發出來，各種協作決策規則被定義。隨后的評估在四個場景中實施了立體實驗設計。按照嚴格的測試計劃，測試是在仿真中進行的，實現了自動測試和快速分析。測試結果被用來創建一個響應模型來描述系統，并進行多重響應優化，以確定一個最佳配置，在給定的目標密度下，使搜索面積、檢測百分比和感知精度最大化。

本文提出了一種方法，旨在優化穿越敵人高射炮火力范圍的飛行路徑。這適用于在完全或部分由高射炮控制的空域中移動的各種飛機、導彈和無人機。為此，使用了Q-learning--一種強化（機器）學習--試圖通過反復的半隨機飛行路徑試驗，找到避開高射炮的最佳策略。Q-learning可以在不直接模擬高射炮的情況下產生一條穿過敵人火力的最佳飛行路徑。仍然需要對手的反應，但這可以來自于黑盒模擬、用戶輸入、真實數據或任何其他來源。在這里，使用一個內部工具來生成防空炮火。這個工具模擬了一個由火控雷達和卡爾曼飛行路徑預測濾波器引導的近距離武器系統（CIWS）。Q-learning也可以用神經網絡來補充--所謂的深度Q-learning（DQN）--以處理更復雜的問題。在這項工作中，展示了使用經典Q-learning（無神經網絡）對一個穿越高射炮位置的亞音速飛行路線的優化結果。

這項研究是由本世紀以來自主系統的增加以及測試和評估其性能的挑戰性所驅動。對當前文獻的回顧顯示，提出了驗證自主系統的方法，但很少有實施。它暴露了當前驗證和確認方法中的一些差距，并提出了填補這些差距的目標。通過使用建模、軟件循環（SITL）和飛行測試，這項研究驗證了無人駕駛航空系統（UAS）的自主蜂群算法，并驗證了測試框架的一個典范。

在兩天的飛行測試中產生的13組三飛行器群數據提供了一個基線算法分析。在這些測試中，飛行器分離距離平均偏離理想狀態5.61米，分離距離違規率<6.39%。蜂群在最佳情況下實現了0.27米的平均偏差和0.43%的違規率。在5赫茲的更新率下，飛行器之間的平均數據包損失為4.94%，最佳通信滯后< 0.04秒。

通過定性和定量分析的搭配所創建的多方位經驗分析提供了對飛行器行為的完整理解。該分析還確定了算法和測試框架的各種改進領域。這項研究的結果形成了一個基線測試連續體，可用于對自主系統的正式驗證的各種后續調查。