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

美國陸軍未來司令部（AFC）的未來與概念中心（FCC）在其戰斗能力發展司令部（DEVCOM）和情報與安全局（DOIS）的協調下，開展了其2021財政年度（FY21）未來研究計劃的第一項活動--2035年戰爭特征研討會（CoW35）。

在2020年11月16日至20日期間，來自陸軍現代化事業（AME）、聯合部隊、13個盟國和伙伴國、其他政府機構、工業界、智囊團和學術機構的400多名小組成員和參與者聚集在一個虛擬的在線研討會上，以確定和描述未來對手可能采取的新的和變革的戰爭方式。主題專家就廣泛的主題進行了小組討論，包括地緣政治、未來環境趨勢、未來對手趨勢、新興科技趨勢、生物技術、人工智能/機器學習（AI/ML）、機器人技術、聯合優勢和陸地戰爭。

CoW35研討會的一個關鍵產出是一份問題陳述，它最能說明2035年未來戰爭的一系列相互關聯的問題和特點。在AFC最近發布的2035-2050年未來作戰環境（FOE）的基礎上，CoW35研討會小組提出了關鍵的意見和見解，以確定未來戰爭的特點，并為未來決定性的陸軍力量的應用提供參考。CoW35研討會確定，2035年陸軍面臨的問題是，作為全球部署的聯合部隊和聯合部隊的一部分，陸軍如何在以爭奪領域、快速機器化決策和人機協作為特征的拒絕環境中，在與同行對手的武裝沖突中運用決定性的陸地力量來支持作戰指揮員。

本報告將為問題陳述的發展提供信息的關鍵觀察和見解分為三大領域：威脅趨勢、概念趨勢和科學技術（S&T）趨勢。此外，報告還描述了對陸軍創造轉型變革的能力至關重要的未來考慮，并為AimPoint Force 2035敘述和下一個未來陸軍作戰概念的發展提供信息。

展望戰爭特征的變化

鑒于2035年戰爭特征研討會的見解，并結合過去從未來研究計劃中的學習，本節討論了軍隊的廣泛影響，旨在引發思考和辯論，并協助軍隊發展未來的概念和部隊。

戰爭的歷史反映了達爾文進化論的核心。通過這個視角，對手將他們的戰術、武器和技術集中在摧毀對手的同時確保自己的生存。一個國家如果擁有優越的戰術、武器和技術，或者以創造性和協同性的方式使用它們，就能為在武裝沖突中獲勝創造條件。戰術、武器和技術隨著時間的推移不斷發展，但速度可能正在加快，這將挑戰關于未來如何進行戰爭的規范和假設。例如，在第二次世界大戰之前，人們認為戰艦與艦隊之間的戰斗仍將是海軍思維和規劃的中心。正是在珊瑚海戰役中，新技術--航空母艦、飛機和無線電--將海戰的新時代提前到來。在這場戰役中，戰艦既沒有看到也沒有直接向對方開火；是來自航空母艦的飛機摧毀了敵人的飛機，從而獲得了海上的指揮權。與上面的小插曲類似，陸軍部隊采用機器人和自主系統，利用人工智能和其他新興技術，可能會以新的方式進行陸地作戰。

最近的三場沖突預示著戰爭特征的變化。首先，伊斯蘭國（ISIS）和反伊斯蘭國聯軍在敘利亞的戰斗表明了無人系統作為力量倍增器的價值。ISIS在人員和資金有限的情況下，利用無人系統，通過自制的無人機和商用的四旋翼飛機進行偵察和空中攻擊。第二個事件是2019年的也門危機，伊朗支持的也門胡塞武裝完成了對位于Abqaiq和Khurais的沙特阿拉伯石油加工和儲存設施的復雜、遠程、無人機群攻擊。也門胡塞武裝通過使用新興技術，能夠復制出更能代表民族國家軍隊的能力和行動，而不是叛亂團體。最后，最近亞美尼亞和阿塞拜疆之間的納戈爾諾-卡拉巴赫戰爭表明了機器人系統在大規模作戰行動中的潛在用途。阿塞拜疆部隊廣泛使用無人駕駛系統來偵察、監視和瞄準亞美尼亞部隊。阿塞拜疆部隊利用無人機群和游蕩彈藥打擊亞美尼亞的坦克、火炮、防空系統和維持部隊，以擊敗亞美尼亞部隊。如果非國家行為者、叛軍和軍事力量較弱的民族國家能夠通過使用新興技術來發展戰爭行為，從同行競爭者的新興技術發展軌跡來看，威脅將更加嚴重。

鑒于這種潛在的范式轉變，陸軍現代化事業（AME）在發展利用新興技術的新概念和能力方面是正確的。然而，從想法到現實可能需要陸軍以新的方式審視自己。首先，陸軍應該仔細檢查其編制、組織結構、流程和習慣。例如，在近乎無處不在的傳感器下，編隊將如何集結能力和效果？大多數作戰平臺是否應該配備人員？什么是對戰斗人員的充分保護？在使用無人系統進行動能效應時，人類是否能夠保持 "在環 "內，無論是防御還是進攻行動？各級指揮官是否仍然需要大量的參謀人員，包括親自上陣，進行詳細的分析？是否有替代方法來制定行動方案？人永遠是陸軍的不對稱優勢嗎？以美國大陸為基地的部隊是否能夠在危機和沖突期間安全地將部隊投射到有爭議的地區？這些都是陸軍應該更詳細地探討的問題類型，以確定他們為什么要改變，如何改變，以及在哪里改變，以應對未來的挑戰。

陸軍可能還必須重新審視其定義作戰職能的方式。目前，陸軍的作戰職能有獨立的卓越中心和能力發展與整合局（CDID），負責新能力的獲取、訓練和裝備。然而，新興技術的運用和不斷變化的威脅可能會產生具有多個利益相關者的交叉作戰職能。例如，隨著新興技術的使用，保護作戰功能可能會發生變化，指揮官如何保護他們的部隊，以便他們能夠應用最大的戰斗力。也許，在未來，陸軍部隊需要執行一系列廣泛的保護相關活動，以獲得陣地優勢。陸軍部隊可以同時執行包含欺騙活動的移動防空（火力、防護、任務指揮），指揮無人駕駛拖拉機建立戰斗陣地（機動支援、機動、防護），指派空中無人機提供周邊安全（情報、火力、機動、航空、防護），同時遠程火力掩蓋敵人的雷達系統（火力、網絡、情報、任務指揮）以實現作戰機動，同時為預計補給（維持）發送維持更新。這個小插曲只是代表了未來戰爭的特點是如何演變的，這就需要陸軍審查其發展關鍵需求的過程，并創造更多的合作努力來獲得對可能的敵人的優勢。預測競爭優勢需要跨領域的整合，包括跨作戰功能和技術領域。

美國、其盟友和合作伙伴之間的互操作性可能是在未來武裝沖突中獲勝的必要條件。陸軍將3級互操作性--最高級別的技術互操作性--定義為盟友和伙伴在抵達后進行整合的能力，以及例行建立網絡并與陸軍編隊有效運作的能力。當代海外應急行動揭示了以今天的部隊實現互操作性的局限性，從網絡挑戰到安全考慮。隨著盟友和合作伙伴開發他們自己的人工智能、機器人和自主技術解決方案，這些挑戰可能會增加。支持未來能力的算法和數據也有可能成為專利和機密，挑戰陸軍在沖突期間整合盟友和合作伙伴的能力，而這時作為一個聯合和聯合團隊作戰是至關重要的。這些因素表明，新的能力和概念的開發應該是合作的，并考慮到盟友和合作伙伴。

展望2035年，研討會指出，戰爭的特點正在發生變化。正如在納戈爾諾-卡拉巴赫戰爭中所看到的，大國競爭者和對手正在投資于新興技術，以創造決定性的優勢并在武裝沖突中獲勝。美國陸軍正在明確表示，它也必須改變。三個關鍵的含義抓住了創建一支變革型部隊所需的變革思維類型：質疑長期存在的假設，重新評估作戰功能，以及確定未來的互操作性要求。

隨著戰爭預期特征的變化，新的作戰概念被提出以應對新的需求，培訓也必須進行調整以支持這些概念并確保準備就緒。鑒于概念發展的速度和事后調整訓練可能需要的時間，謹慎的做法是在概念成熟時而不是在概念完全投入使用后評估訓練能力和實踐。

聯合全域指揮與控制（JADC2）正在成為美國國防部最重要的作戰概念。它的目的是提高態勢感知能力，提高跨領域和跨軍種指揮部隊的能力，并促進快速決策。來自所有領域的分布式傳感器、射手和數據與聯合部隊相連，使得協調行使權力，在時間、空間和目的上進行整合規劃和同步匯合。然而，JADC2正在由所有軍種以及聯合參謀部進行開發，因此，其執行計劃還不成熟。這是一個復雜的、網絡化的概念，支持這一概念的訓練將需要預先考慮支持能力，特別是在考慮對空中作業中心（AOC）人員進行繼續訓練時。

實時、虛擬和建設性（LVC）模擬可以幫助支持JADC2所需要的復雜訓練，但適當的開發和部署將需要調整訓練過程、LVC能力和JADC2的訓練需求。作者根據文件審查和對主題專家的采訪，制定了一個利用LVC支持JADC2培訓的路線圖。

研究問題

• 在各AOC對JADC2的預期要求方面，有哪些主要的培訓需求？
• 在AOC中，繼續培訓的程序和課程是什么？
• 哪些現有的或正在開發的LVC能力可以幫助支持與JADC2有關的培訓？

主要結論

• JADC2概念的意圖和支持能力有可能在各梯隊中不明確。
• 平衡集中的協調和分散的需求對于有效的培訓發展至關重要。
• 隨著JADC2的發展，必須考慮對培訓過程進行調整以支持它。
• 初始資格培訓（IQT）是建立必要的JADC2專業知識的一個有用的杠桿，并將繼續提供一個集中協調的機制。
• AOC人員傾向于支持培訓工作，但作為目標培訓對象參與的頻率較低。
• LVC有可能支持JADC2的培訓，集中的LVC資源可能是執行未來培訓的復雜需求的關鍵。
• 鑒于JADC2的操作和技術的復雜性，以及其固有的聯合性質，存在著孤立發展的風險。
• LVC可以通過各種方式來支持JADC2的培訓。

建議

• JADC2跨職能小組（CFT）應該在分配JADC2目標、計劃和能力方面發揮主導作用。
• 在與AF/A3T的合作中，第505戰斗訓練小組應該利用IQT作為集中協調各AOC的指揮與控制（C2）訓練的機制。
• 在AF/A3T的監督下，AOC應該專注于涉及整個AOC工作人員的繼續培訓（CT），而不僅僅是個別部門或單位。
• 作為IQT的一部分，第505戰斗訓練小組和每個AOC作為CT的一部分，應該將測試文化規范的場景納入訓練課程。
• AF/A3T應該在分布式訓練演習中利用LVC對AOC進行C2訓練。
• 在AF/A3T的監督下，培訓的所有方面（IQT、任務資格培訓和CT）都應該增加對其他領域的任務分配過程和能力的戰術和作戰C2水平的審查時間。
• JADC2的CFT和聯合參謀部的J7應該為JADC2利用現有的和正在開發的分布式訓練系統，并確保高級戰斗管理系統與LVC訓練能力相整合。
• AF/A3T應該與訓練團體分享擬議的信息技術背景圖。
• AF/A3T應該指導增加LVC的使用，按照擬議的大綱，包括對空中任務單程序、AOC結構、分布式訓練演習和分布式訓練架構的潛在價值。
• 在AF/A3T的監督下，一個集中的組織應該專注于在大型訓練演習中持續整合LVC能力。
• AF/A3T應該與作戰指揮部、作戰支援機構、其他部門和主要指揮部合作，加強AOC訓練的空間和網絡效果，以支持多域訓練。

目錄

第一章

簡介

第二章

評估培訓需求

第三章

AOC培訓過程

第四章

支持JADC2培訓的能力：技術現狀

第五章

AOC對支持JADC2培訓的LVC的具體分析和評估

第六章

討論、結論和建議

附錄A

為C2官員提供的教學計劃

附錄B

JADC2的主要利益相關者

附錄C

培訓要求程序和任務清單如何為培訓目標提供信息

附錄D

空中作業中心

附錄E

ATO階段、基本工作職能和審批

附錄F

LVC最先進的技術

本出版物為美國陸軍戰爭學院的學生提供了一份指南，以了解作戰指揮部（CCMD）、聯合特遣部隊（JTF）和聯合職能部門指揮部的網絡空間行動的設計、規劃和執行。它將美國政府的非機密文件和可向公眾發布的文件合并為一個指南。

本戰略指南遵循聯合出版物5-0《聯合規劃》中詳述的作戰設計方法和聯合規劃過程（JPP），并將這些原則應用于聯合出版物3-12《網絡空間作戰》中的網絡空間領域。然而，本出版物不能被引用、復制或用來代替學說或其他官方出版物。美國陸軍戰爭學院戰略網絡空間作戰指南》包含六個章節。

第1章概述了網絡空間作戰、作戰設計方法以及聯合規劃和執行。

第2章包括對作戰設計學說的回顧，并將這些原則應用于網絡空間領域。

第3章回顧了聯合規劃過程并確定了網絡空間行動規劃的關注點。

第4章描述了聯合行動執行過程中的網絡空間行動。

第5章概述了國土內的網絡空間行動。

附錄A提供了網絡空間政策、戰略和指南的概述。

附錄B包括對美國政府、國防部、聯合和服務網絡空間組織的描述。

與上一版本（2021年8月1日）相比，變化包括美國情報界的2022年年度威脅評估、美國網絡司令部指揮官的國會證詞、司法部的全面網絡審查以及國務院網絡空間和數字政策局（CDP）。

ATP 3-12.4為負責計劃、準備、執行和評估電磁戰排行動的領導提供理論指導。該出版物可作為制定條令、物資解決方案、部隊結構、機構和單位培訓以及電磁戰排標準作業程序人員的參考。

本出版物中包含的條令原則和技術旨在作為一種指導，而不是規定性的。ATP 3-12.4概述了電磁戰排為支持其上級單位的行動而計劃、訓練和行動的框架。本出版物并不關注技術任務；讀者還必須熟悉ATP 3-12.3關于電磁戰的技術方面。為了正確應用本理論，讀者必須熟悉ADP 1、ADP 3-0、FM 3-0和FM 3-12。

ATP 3-12.4的主要讀者是電磁戰排長和排長。構成聯合特遣部隊、聯合陸地部分或多國總部核心的陸軍總部的指揮官和參謀人員應參考適用的聯合或多國理論。整個陸軍的培訓師和教育工作者也將使用本出版物。

指揮官、參謀部和下屬確保他們的決定和行動符合適用的美國、國際，以及在某些情況下符合東道國的法律和法規。各級指揮官確保他們的士兵按照戰爭法和交戰規則行事（見FM6-27）。指揮官還遵守ADP6-22中所述的軍隊道德規范。

ATP 3-12.4在適用的情況下使用聯合術語。部分聯合和陸軍術語和定義出現在詞匯表和正文中。本出版物不是任何陸軍術語的倡導者。對于文本中顯示的其他定義，該術語為斜體字，定義后有提議者出版物的編號。

除非另有說明，ATP 3-12.4適用于現役陸軍、陸軍國民警衛隊/美國陸軍國民警衛隊和美國陸軍預備役。

組織結構

ATP 3-12.4為軍團及以下梯隊的電磁戰排提供技術。該出版物提供了條令指導；描述了排內的關系；定義了組織角色、職能、能力和限制；并確定了電磁戰排在軍隊行動中的責任。

以下段落按章節進行了總結。

• 第1章-概述。

  • 第一節--論述了電磁戰的基本原則和核心能力。

  • 第二節--討論電磁戰排的作用、能力和限制。

  • 第三節--討論排長、排長、電磁戰小組和操作員的職責和責任。

  • 第四節--討論旅戰斗隊、師、軍團、特種部隊集團和多域效應營的電磁戰排的問題。

  • 第五節--討論指揮和支持關系以及電磁戰權限。

• 第2章--排內的計劃。

  • 第一節-討論計劃、準備、執行和評估的考慮。

  • 第二節--討論排級的部隊領導程序，重點是電磁戰的具體規劃因素。

  • 第三節--討論演習和戰前檢查與視察的目的、類型和方法。

  • 第四節--討論排內的集體訓練，包括電磁戰排內基本任務和8步訓練模式。

• 第3章--對行動的支持。

  • 第一節--論述了各梯隊對作戰的電磁支持。

  • 第二節--討論在有爭議的環境中預防、識別和應對電磁波譜中的威脅行動。

• 第4章 - 后勤和維持。

  • 第一節--討論排長、排長、電磁戰小組和操作員的后勤責任。

  • 第二節--論述維持職能。

• 附錄A - 戰術技能。

  • 第一節--討論電磁戰小組必須熟練掌握以確保生存的選定戰斗演習。

美陸軍統一網絡計劃正在推動網絡在2028年之前從一個被認為是看不見的資產變成一個支持多域作戰（MDO）方式的部隊武器系統。美陸軍的統一網絡將提供一種可生存的、安全的、端到端的能力，使陸軍在競爭、危機或沖突期間以及在所有作戰領域（海洋、陸地、太空、網絡、空中）作為聯合/聯盟部隊的一部分進行運作。

美陸軍參謀長的《陸軍向多領域作戰轉型白皮書》和到2028年擁有一支具備多域作戰能力部隊的目標，突出了對陸軍統一網絡的關鍵需求。決策主導權和超額配給能力是MDO的核心，而陸軍只有通過彈性、安全的全球網絡能力和容量才能實現這一目標。在此基礎上，美陸軍統一網絡計劃將多種復雜的網絡現代化工作調整為支持MDO所需的單一、一致的方法。

通過跨領域的努力，美陸軍統一網絡計劃為2028年的Way Point部隊提供了一個統一的網絡，然后隨著信息技術的持續快速發展而不斷進行現代化。

美陸軍統一網絡計劃與陸軍戰略的重點相一致，即建立戰備、現代化、改革陸軍以及加強聯盟和伙伴關系。現有的戰術網絡現代化戰略和實施計劃與陸軍統一網絡計劃相銜接，并保持一致。此外，陸軍統一網絡計劃在多個階段和時間范圍內與2019+陸軍戰役計劃并行，并使其得以實施。

第一階段：近期（目前-2024年）--建立統一的網絡

這一階段已經開始，同步進行綜合戰術網絡（ITN）和綜合企業網絡（IEN）的現代化。這一階段的主要工作包括：

• 對這一階段具有決定性意義的是建立一個基于標準的安全架構，該架構建立在零信任原則之上，最初的主要重點是SIPR網絡的現代化，然后是NIPR的關鍵能力，包括工資、后勤、合同等。

• 美陸軍開始實施一個整體的方法，隨著時間的推移發展統一網絡，使多種努力同步進行，并利用新興技術，如軟件定義和5G及以上的無線網絡，也符合零信任原則。

• 美陸軍正在追隨美國防部副部長辦公室，將無線蜂窩網絡作為戰術和企業網絡使用的一項關鍵技術。這將補充網絡整合，減少對非無線網絡的依賴。

• 這一階段開始時，能力加速進入云基礎設施，同時迅速剝離傳統能力和流程。關鍵是建立共同的數據標準，以實現人工智能（AI）和機器學習（ML）等新興能力。

• 任務伙伴環境（MPE）的持續發展將繼續進行，因為企業努力建立一個持久的能力，并消除浪費的偶發努力。

• 美陸軍將繼續調整部隊結構，以實施國防部信息網絡行動（DODIN Ops）的建設，在一個有爭議和擁擠的環境中運營、維護和捍衛統一網絡。

• 美陸軍必須完成整個企業的網絡融合，以調整單一的陸軍服務提供商，提高網絡的準備程度、標準化和互操作性；提高陸軍的網絡安全態勢；并使DCO快速響應。這種融合為統一網絡的建立創造了條件。

這一階段結束時，建立了一個標準化的綜合安全架構，為統一網絡奠定了基礎，并能在世界任何地方快速部署和立即開展行動。

第二階段：中期（2025-2027）--統一網絡的運作

這一階段從25財政年度開始，繼續融合ITN和IEN的能力。這一階段的主要工作包括：

• 完成DODIN行動的構建，支持部隊結構，使統一網絡在競爭和擁擠的環境中得到防御和運作。

• 這一階段完成了混合云能力的建立，包括加速Al/ML能力發展的戰術編隊。

• 美陸軍將建立一個持久的任務伙伴網絡（MPN），包括從企業到戰術邊緣的所有硬件、軟件、基礎設施和人員，包括在所有戰斗訓練中心（CTC）和任務訓練綜合體的就業。

這一階段在統一網絡完全支持2028年的MDO目標部隊時結束。

第三階段：遠期（2028年及以后）--持續實現統一網絡的現代化

這個階段從28財政年度開始，當陸軍統一網絡在操作上、技術上和組織上完全準備好支持2028年的MDO Way Point部隊。

• 這一階段的決定性因素是全面實施統一網絡現代化的整體方法，利用新興技術，同時剝離傳統的、不太安全的能力。
• 隨著陸軍繼續與聯合/聯盟部隊和任務伙伴進行整合，一些飛躍性的技術能力形成了這一階段。這些技術的最初重點領域包括： -動態和多樣化的運輸，強大的計算，以及邊緣傳感器 -從數據到決定性的行動 -機器人和自主操作 -相應的網絡安全和彈性能力

鑒于信息技術和網絡領域快速和持續的變化速度，這個階段是沒有盡頭的--現代化演變為統一網絡的成熟。這是一個持續的過程，統一網絡沒有固定的結束狀態。

美陸軍統一網絡計劃伴隨著陸軍統一網絡的實施，這是一個美國陸軍執行令（EXORD），它將框架分解為與追求框架內的努力方向（LOE）和支持目標有關的近期和中期的關鍵任務。作為網絡整合和管理的領導者，首席信息官（CIO）和副參謀長（DCS），G-6將使用陸軍統一網絡實施計劃來同步和評估整個部隊和所有任務領域的努力，以建立統一網絡，支持2028年具有MDO能力的軍隊。

2022 年 10 月 11 日，美國陸軍發布了一份綜合數據計劃（ADP），這是一種全軍范圍內改進數據管理以確保陸軍成為以數據為中心的組織的方法。

該計劃是一項為期三年的工作，將改善整個陸軍的數據管理、數據治理和數據分析。作戰任務是陸軍數據計劃的當前重點。ADP 在該任務領域的成果是通過進行必要的更改來確保作戰人員的數據得到正確管理和使用，從而為作戰人員提供優勢。陸軍已經開始對數據管理能力、工具和模型進行原型設計，以實現這一目標。

陸軍首席信息官 Raj Iyer 博士說：“數據以及如何在所有梯隊中整合這些數據以實現真正快速、敏捷的決策，才是真正為陸軍提供其在未來戰爭中所需的競爭優勢的關鍵。”

數據和數據分析將為 2030 年的陸軍提供動力。士兵將需要在正確的時間和正確的地點獲得正確的數據，以便在每個梯隊做出更快、更好的決策——以超越任何對手的思維和步伐。

與早期的軍事行動相比，現在的戰爭范圍更大且范圍不斷擴大。作為聯合全域作戰的一部分，多域作戰是陸軍必須準備并贏得下一場戰斗的地方。這是一個數據豐富的環境。

每個領域都有自己的信息和數據流，一些信息來自開源情報，一些來自天基傳感器，還有一些來自網絡空間。今天的士兵和指揮官需要跨領域的綜合來主宰戰場。

ADP 概述了工作的組織并提供了總體戰略目標。它側重于中期努力，未來將被另一個更新所取代。

通過陸軍數據計劃實現這一決策優勢是陸軍的關鍵目標。

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。

• 本研究由美國陸軍研究實驗室贊助，根據合作協議號W911NF-21-2-0227完成。

?在日益復雜的軍事行動環境中，下一代兵棋推演平臺可以減少風險，降低作戰成本，并改善整體結果。基于具有多模態交互和可視化能力軟件平臺的新型人工智能（AI）兵棋推演方法，對于提供滿足當前和新興戰爭現實所需的決策靈活性和適應性至關重要。我們強調了未來作戰人-機器交互的三個發展領域：由人工智能引導的決策指導，高計算力下的決策過程，以及決策空間的真實呈現。這些領域的進展將使有效的人機協作決策得以發展，以滿足當今戰斗空間日益增長的規模和復雜性。

關鍵詞：決策、交互、兵棋推演、人工智能、增強/混合現實、可視化

1 引言

在傳統的兵棋推演中，指揮官利用一個共同的基于地圖的作戰地形，并在軍事決策過程（MDMP，方框1）中模擬各種因素的組合如何產生行動方案（COA）、可能的反擊行動、資源使用估計和預測結果（美國陸軍，1997年，2014年，2015年）。在幾天或幾周的時間里，MDMP過程導致了一套精煉的COAs，它對作戰環境做出了一定的假設，包括地形、天氣以及戰區資產的可用性和能力（即塑造支持主要作戰行動的活動）。

方框1. 軍事決策過程（MDMP）
MDMP是美國陸軍解決問題的理論方法，從接到任務開始，到生成作戰命令結束。MDMP被用作一種工具，幫助指揮人員審查眾多的友軍和敵軍的作戰行動。MDMP的7個步驟在規劃新任務、擴展行動和執行訓練演習所需的決策過程中灌輸徹底、清晰、合理的判斷、邏輯和專業知識（美陸軍，1997年，2015年）。
指揮官在接到任務后啟動了MDMP。在MDMP的第1步中，所有的工作人員和關鍵的任務參與者都被告知任務和待定的規劃要求，包括進行MDMP的可用時間量。確定進行任務分析所需的工具，并收集與任務和作戰區有關的文件。步驟2，執行任務分析，建立對任務的全面理解，包括關鍵的事實和假設，形成擬議的任務說明和任務分析簡報，為制定COA做準備。
MDMP的第3至第6步著重于制定COA以進行分析和比較。這些步驟包括：第3步，制定COA；第4步，COA分析（兵棋推演）；第5步，COA比較；第6步，COA批準。COA是對一個已確定的問題的潛在解決方案。每個COA都要使用篩選標準來檢查其有效性，如在既定的時間框架、空間和資源限制內完成任務。COA的選擇過程通常涉及到兵棋推演，它試圖在考慮到友軍力量和敵人能力的情況下，將行動的順序流程可視化，同時考慮到行動區域內平民的影響和要求（美陸軍，2014）。戰術模擬（兵棋推演）方法的好處是突出了作戰行動的優勢和劣勢。這往往是一個反復的過程，對作戰行動方案進行評估，然后根據需要進行修改，直到出現一個或多個具有最高成功概率的作戰行動方案來完成任務目標。
在一個具體的行動方案得到指揮部的批準后，MDMP的最后一步是制作行動指令，這是一份給下屬和鄰近單位的指令，旨在協調所有參與任務的組織的活動。這一步驟涉及到所有受命令傳播影響的組織之間的積極合作，并建立起對局勢的共同理解。

盡管MDMP幫助指揮官了解作戰環境和考慮作戰方法，但這個過程有很多局限性，如時間密集、假設僵化、跨場景訓練的機會有限，以及將人工智能（AI）指導納入決策過程的機會很少。傳統上，一項任務的成功與指揮部執行MDMP的能力直接相關。然而，鑒于當今多域作戰（MDO）的復雜性增加（Feickert，2021年），有大量的任務指揮系統和流程，與行動相關的所有活動的整合和同步變得越來越困難，甚至到了人為無法完成的地步。由于MDMP的缺陷而導致的規劃專業知識的缺乏，可能會導致不同步和不協調的行動，從而最終導致士兵的生命損失。

MDMP中沒有具體描述戰斗空間的可視化能力，但它顯然在決策過程中發揮著重要作用。最近，集成了先進可視化能力的新系統和新技術已經被開發出來，它們可以提高態勢感知，從而增強決策過程。美陸軍的例子包括Nett Warrior（Gilmore，2015），它使下馬戰士能夠直觀地看到附近的友軍和敵軍，同時根據當地的地形協同規劃戰術任務。盡管這項技術將無線電和數字地圖擴展到了下馬戰士，但它缺乏一個底層的人工智能引擎來提供決策幫助。戰斗空間可視化和交互平臺（BVI，前身為增強現實沙盤，ARES）是陸軍技術的另一個例子，它能夠為任務規劃提供分布式協作，具有從任意視角和廣泛選擇設備的共同作戰畫面的二維和三維可視化能力（Su等人，2021）。BVI架構的制定是為了拉入外部計算服務，如分析管道、模型和人工智能引擎。美陸軍研究實驗室正在努力將這些類型的服務納入BVI，包括用于加強決策支持的人工智能。

目前，MDMP并沒有將人工智能指導納入整體任務規劃方法中。美陸軍的自動規劃框架（APF）（Bailey，2017）開始通過將自主技術插入MDMP工作流程來解決人工智能輔助決策問題。指揮人員可以通過APF的數字規劃呈現、規劃創建和規劃監控工具，在任務規劃和COA開發期間獲得背景援助。任務執行和估計能力通過監測任務的規劃和實際進展，為改進決策跟蹤和支持活動提供自動協助。盡管APF為MDMP引入了基本的自動化水平，但它缺乏Nett Warrior和BVI所提供的先進的可視化和用戶互動能力。

提供地面部隊自動化和用戶可視化能力的是美陸軍最知名的兵棋推演平臺--半自動化部隊（OneSAF），為計算機生成的地面部隊提供建模和模擬能力（PEO_STRI, 2022）。OneSAF提供了半自動和全自動的軍事實體（即士兵、坦克、直升機和綜合單位）的建模，在類似真實世界的戰斗空間中以不同的保真度來支持特定的應用和場景。OneSAF主要用于訓練，并與目前的任務指揮系統具有互操作性。它可以使用多分辨率的地形和詳細的實體相關數據庫來模擬廣泛的作戰環境。然而，OneSAF對地形和實體系統的高保真建模的優勢使得它的設置和運行成本很高。它受到老化系統的限制，而且眾所周知，士兵需要大量的培訓來學習如何操作模擬，使用起來很困難（Ballanco，2019）。OneSAF的復雜功能并不適合開發人工智能能力，以實現快速和敏捷的戰士-機器決策。

除了MDMP和上面提到的陸軍平臺外，最近將人工智能納入決策過程的工作包括一些方法（Goecks等人，2021a），在模擬人類決策過程方面取得了一些成功。一般來說，人工智能在決策變量有限的問題上取得了一些成功，如資源分配（Surdu等人，1999）、飛行模擬器（Drubin，2020）和更簡單的場景。正在進行的挑戰包括需要提高人工智能的能力，以解決有多個行為者、不完整和可能沖突的信息、不斷變化的單位行動和環境屬性的復雜決策，以及需要將這些決策的后果在許多空間和時間尺度和領域內可視化。

以下各節描述了對MDMP的潛在改進。"未來軍事決策過程所需的進步"一節概述了支持MDO決策的三個研究領域，并以圖表形式描述了這些研究領域與軍事理論決策方法之間的關系。"未來軍事決策過程所需的進步 "一節中的小節對每個研究領域進行了更深入的討論。"展望推進人-人工智能團隊決策的交互技術 "一節概述了未來的作戰人員-機器接口（WMI）的發展方向，重點是與決策有關的人-人工智能團隊的跨學科研究。

2 未來軍事決策過程所需的進步

軍事決策過程在支持MDO復雜決策方面的局限性，突出了在三個研究領域的改進需要。首先，有必要將人工智能產生的指導和輔助決策支持納入MDMP。這既包括進一步開發和整合人工智能到戰斗空間決策規劃，也包括進一步改善人工智能決策過程的可解釋性和透明度（Chen等人，2018）。第二，有必要在戰略層面以及戰術邊緣，盡可能地將決策分析與高性能計算（HPC）的力量結合起來。這將能夠利用HPC系統的力量來支持建模、分析和計算時間，同時整合和同步來自所有戰區領域的信息。最后，有必要利用先進的可視化技術，如混合現實技術，對決策空間進行更準確和互動表述。不是簡單地在一個固定的時間尺度上顯示地形的二維渲染，而是需要可視化不同領域的決策是如何相互作用的，并利用混合現實技術來提高理解的吞吐量，并產生平面顯示不可能的洞察力。

除了MDMP之外，其他更廣泛適用的支持戰斗性問題解決的軍事理論包括：DOTMLPF[例如，學說、組織、訓練、物資、領導、人員和設施；（美陸軍，2018年）]，這是一個確定差距并為當前和未來作戰要求提出設計解決方案的框架；以及METT-TC[例如，任務、敵人、地形和天氣、部隊、可用時間和民事考慮；（美陸軍，2019年）]，這是一個結構化框架，用于捕捉任務相關因素的狀態，以便在軍事行動期間進行共享評估。這些理論定義了MDO戰場的信息背景，構成了應用于上述三個研究領域的軍事決策的核心基礎。如圖1所示，在為人類和人工智能指揮開發復雜軍事決策空間的新表述時，研究進展和MDO相關理論相互借鑒、相互啟發、相互加強（美陸軍，2010）。

圖1. 新型作戰人員-機器交互（WMIs）和人工智能輔助決策所需的三個研究發展領域，以支持和加強基本的MDO理論[右下圖來源：Lebsack（2021）]。

2.1 人工智能導向的決策指導

需要新的人工智能支持的WMI，以利用人工智能決策方面正在取得的進展，并為復雜的適應性決策的人工智能學習作出貢獻。在簡化的戰斗空間中測試人工智能決策輔助工具是開發過程中重要的第一步，也是將人工智能納入更成熟的戰斗空間平臺（即BVI、OneSAF）的前奏。開發用于決策輔助實驗的人工智能測試平臺可以在MDO中產生能力越來越強的潛在COA建議。圖2顯示了陸軍開發的兩個人工智能測試平臺的例子。

圖2. 兩個ARL人工智能測試平臺的例子。左邊：ARL Battlespace（Hare等人，2021）（ //github.com/USArmyResearchLab/ARL_Battlespace ）。右邊：ARL的Simple Yeho測試平臺。圖片由C. Hung制作。

人工智能測試平臺能夠開發出匯集所有領域信息的AI，并計算出人類和AI智能體的風險和預期回報。圖2的左側顯示了ARL戰斗空間測試平臺（Hare等人，2021年），它是從頭開始開發復雜決策的新型人工智能的理想場所。它對戰斗空間的抽象強調了軍隊相關場景下的核心推理原則，在這種情況下，用蜜罐進行網絡欺騙。較小的網格空間使人工智能的學習和發展能夠集中在不確定性下的復雜推理，有多個友好和敵對的agent。圖2的右側顯示了ARL的Simple Yeho測試平臺，它提供了將人工智能開發與更多真實世界場景中的默契推理結合起來的能力，有多個基于地形的海拔高度、視線范圍、障礙物、樹葉（隱蔽）、道路和城市區域。紅色陰影和黑色線條表示任務的起點和終點、左右邊界以及人工智能建議的路線。這種額外的真實性使其能夠與MDO理論相結合，包括DOTMLPF和METT-TC，并使人工智能與自然的、機會主義的士兵行為共同發展。這兩個人工智能測試平臺都可以擴展為傳統和沉浸式混合現實WMI開發平臺。

使用漸進式和可擴展的人工智能測試平臺，可以調查現有人工智能的幾個基本限制，特別是對于具有不確定性的復雜和適應性決策，以及人類和AI智能體的協作和對抗。對多智能體的協作和對抗性決策進行建模可能特別復雜，因為其遞歸性質，其他智能體是模型的一部分（Goldman，1973；Grüning和Krueger，2021），需要對決策特征、個性化的價值、風險規避、記憶和注意力進行動態和不斷發展的估計。這些具有高度不確定性、復雜性和動態性的情況是人類擅長的領域，適當設計的交互界面和人工智能測試平臺的人機協作可以提供加速和更有效的決策。對于有效的團隊合作，新穎的WMI應該幫助作戰人員篩選復雜的信息，并幫助人工智能發現決策的隱含規則。下面，我們提供了關于人機協作如何有效的案例。

多域兵棋推演中需要的復雜決策是開發有效人工智能決策輔助工具的直接挑戰。最近人工智能在圍棋、國際象棋、Minecraft和大富翁等游戲中的成功（Silver等人，2017；Goecks等人，2021b；Haliem等人，2021）是基于對世界現有狀態有完整了解的游戲（即 "開放 "游戲），而兵棋推演平臺通常包括關于作戰環境的不完整（如星際爭霸）、不確定或欺騙性信息（Vinyals等人，2019）。不確定性也可能來自變化的物理學或其他環境規則，正如在《憤怒的小鳥》中所探索的那樣（Gamage等人，2021）。由于世界狀態、不同行動者的狀態以及所采取的行動不確定性，知識的缺乏使得人工智能agent難以計算未來行動的風險回報情況（Cassenti和Kaplan，2021）。不確定性也限制了人工智能估計其他行為者的風險回報概況的能力，而這是計算有效的博弈論策略所需要的。人工智能被可能的最優和近似最優選擇的廣度所淹沒（Lavine，2019），即由于信息有限而選擇錯誤的選項，這種情況并不罕見，因為人類在制定有效探索隱藏信息的策略時，采用啟發式方法進行有效的選擇和預測（Gardner，2019）。為了幫助發展人工智能的隱性知識和探索能力，新型的WMI需要有效地解釋和展示決策景觀，以使作戰人員能夠快速和自然地瀏覽可能的選擇，同時使人工智能能夠在不施加認知負擔的情況下從人類的決策中機會主義地學習（Lance等人，2020）。這種機會主義學習可以包括：例如，凝視跟蹤，以捕捉吸引人類興趣和意圖的視覺區域和未標記的目標。它們還可以包括建立在自然的士兵選擇行為基礎上的行動者批評方法，以改善人工智能對人類專家在不確定、不完全信息和欺騙的情況下如何優先考慮某些選擇的學習，這取決于任務相關的背景。

開發人工智能的WMI的另一個基本挑戰是如何有效地整合和顯示MDO中所有五個領域的信息，特別是空間和網絡，因為這些領域的信息具有不同的時空尺度（Gil等人，2018）。對于網絡，決策的規模和速度可能比人類處理和理解的能力更快，需要人類的輸入來指導半自動化的決策，以及實施進攻和防御性欺騙策略的人工智能。WMI需要能夠以這樣的方式顯示決策圖景，即可以解釋一小部分最優和接近最優的決策策略（例如，圖3中的決策樹）。這應該包括對關鍵agent在不確定情況下的未來狀態和風險回報情況的估計（Hare等人，2020），以使有效的博弈論決策能夠被共同開發和相互理解。

圖3. 在頂部，是BVI網絡戰術規劃器應用程序中友軍與敵軍戰爭場景的三維視圖。三維視圖提供了一個比二維視圖更真實的決策視角，例如，顯示友軍（藍色）和敵軍（紅色）機載預警系統（AEWs）和周圍地形的海拔。這使得快速審查可能的視線和相對于周圍地形的感應。下面是人工智能的導航決策樹，為人工智能計算的幾個關鍵選擇的風險/回報概況以及它們如何映射到地形上提供透明度。這種抽象的決策空間還可以整合非空間決策，例如網絡欺騙。虛線表示與友方AEW的通信聯系和對敵方AEW的可能干擾。圖片由C. Hung制作。

這些挑戰為有效的WMIs設計提供了參考。也就是說，我們需要有能力從不同的來源（包括從其他國家的決策輔助工具）提取信息，以及一個能夠承載整合這些信息的計算能力的架構，同時還要處理基礎的人工智能計算（用于學習和部署）。我們還需要共同開發一個界面和算法設計，以適時地利用人類和人工智能agent的優勢并減少其局限性。

2.2 高計算能力下的決策過程

在復雜的決策過程中，需要大量的計算能力來處理和記錄所有組件、實體和狀態空間。從積累的動態狀態空間的數據集中建立過去、現在和預測模型，需要利用HPC資源來產生分析性的見解，并在決策背景下創建有用的表述。

實施HPC分析工作流程的一種方法是使用持久性服務框架（PSF）。PSF是一個最近可用的分布式虛擬化解決方案，它可以通過一個基于網絡的前端實現對HPC服務的非傳統訪問，而不像傳統的HPC環境，計算節點在特定的時間段內以批處理模式分配給用戶。此外，PSF提供對數據、數據庫、容器化工具集和其他托管平臺的分布式連續訪問（Su等人，2021）。

在一個PSF方法的例子中，一個模擬引擎連接到PSF，用于記錄人類和人工智能做出的所有決定。這允許分析在任務規劃和COA開發過程中發生的決策行為，以及識別決策模式和戰略，以開發競爭性和現實的兵棋推演場景。一個戰斗空間可視化平臺可以托管在PSF上，并使用消息傳遞協議來更新所有連接的設備接口。來自模擬引擎的狀態信息可用于生成戰斗空間和參與作戰單位的圖形表示。

使用PSF方法并利用HPC資源，可以實施人工智能輔助決策機制，利用大數據攝取和分析，同時可供地理分布的用戶用于協作決策工作和 "永遠在線 "的個性化培訓和紅色團隊。連接到PSF托管服務器的各種混合現實顯示模式可以支持一系列作戰場景，從戰略層面的指揮和控制到作戰邊緣的更多移動戰術使用。

2.3 決策空間的真實呈現

用圖形表示各級行動的軍事決策戰略需要新的可視化方法，這些方法可以應用于以規則變化、認知狀態、不確定性以及個人偏見和啟發式方法為特征的動態環境（Dennison等人，2020；Hung等人，2020；Raglin等人，2020）。戰斗空間的視覺表現應該在技術上盡可能準確和逼真，但又保持在人類可以理解和解釋的認知水平（Kase等人，2020；Larkin等人，2020；Hung等人，2021）。融合了混合現實技術的先進可視化方法有可能更好地表現多領域戰爭的變化特征及其不斷變化的威脅和動態環境。隨著最近混合現實可視化設備的技術進步，成本降低，硬件的可靠性和實用性顯著提高，混合二維和三維可視化方法現在已經成為可能。

由多個二維顯示器組成的混合現實方法增強了更先進的三維可視化能力，可以為指揮人員提供理解復雜的兵棋推演狀態空間所需的洞察力（Su等人，2021）。當需要一個共享的戰斗空間表示時，可以通過在不同的可視化模式上實現多個協調的視圖來實現協作的戰略規劃模式，以根據分布式指揮人員的輸入進行互動更新。

BVI（Garneau等人，2018）平臺表示地理空間地形信息和地圖圖像，允許指揮人員建立和修改戰術任務規劃和COA。作為一個數據服務器，BVI將地形和作戰數據分發給支持多種可視化模式的客戶端應用程序，包括頭戴式顯示器設備、基于網絡的界面、移動安卓平板設備和混合現實設備（例如，HoloLens 2、Oculus Quest）。

例如，圖3（頂部）顯示了位于加利福尼亞州圣貝納迪諾縣歐文堡國家訓練中心的高分辨率地形上的友軍與敵軍的兵棋推演場景（Wikipedia, 2021）。與MDMP期間經常使用的傳統2D地圖顯示相比，戰斗空間的3D視圖可以從多個觀察角度提供更豐富的用戶體驗。三維視圖，在BVI的網絡戰術計劃器（WTP）中，將地形和人工特征的空間信息以及由MIL-STD 2525C符號描繪的單位位置可視化（美國防部，2014）。可以想象，地理空間視角，如BVI提供的視角，支持決策者對動態戰斗空間環境的理解。與可導航的人工智能增強的決策空間（圖3，底部）搭配，組合的視角可以使人們更好地理解視覺空間依賴性、影響和因果關系、估計的風險和價值、不確定性以及復雜決策的欺騙性。將這種以地理空間和決策為中心的視角與人工智能相結合，可以提供必要的廣度，以協調物理行動與網絡和其他非空間領域的行動，跨越多個時間尺度，并具有快速適應變化的任務目標的靈活性。

3 人-人工智能團隊決策的交互技術展望

人工智能和人-人工智能團隊的快速發展需要WMI同步發展。隨著新型人工智能對有價值的COA產生更好的預測，并能更好地處理復雜的決策，它們也必須利用人類的專業知識，學習如何處理具有高度不確定性、欺騙、隱性知識和博弈論的決策。相反，人工智能的推理必須既抽象又能與兵棋推演環境相聯系，以實現透明和信任，同時又不造成過度的認知負擔。基于三維混合現實的WMI可以利用和增強人類固有的三維認知和預測能力（Welchman等人，2005；Kamitani和Tong，2006；Kim等人，2014；Boyce等人，2019；Krokos等人，2019），如果設計得當，其交互將感覺自然，同時擴大顯示多個領域的信息的能力，同時使AI能夠適時地從用戶的決策中學習。

我們強調了三個關鍵的發展領域，即人工智能引導的決策指導，支持這種指導的計算基礎設施，以及決策透明度的混合現實表現的發展。這些領域的進步需要跨越許多不同學科的專業知識。新的人工智能發展需要融合神經科學、心理學和數學的思想，以克服復雜決策中長期存在的問題的瓶頸。這包括跨時間尺度的學習和變化環境下的災難性遺忘，以及更具體的兵棋推演問題，如具有不確定性、欺騙和博弈論的多Agent決策。計算基礎設施也需要發展，因為計算能力和數據框架對于在戰術邊緣產生人-人工智能團隊的共同操作圖來說都是必不可少的。為了有效地開發，應該通過一個共同的框架來抽象出專有的限制和軟件的依賴性，并為使用和故障排除提供清晰的文檔，以使學術界、政府和工業界更好地專注于解決人與人工智能的合作問題。這個通用框架應該包括有效的信息傳遞，同時提供靈活性和適應性，以滿足人工智能開發和人類用戶在訓練和實際使用環境中的需求。最后，交互技術的開發本身需要跨學科的協同專業技術。一個基礎性的問題是如何壓縮信息使之被用戶有效地理解，以及如何最好地利用用戶的互動來進行機會主義學習。人類的大腦并不處理所有的感官信息，而是對世界進行預測和假設，以便在信息不完整的環境下節約計算。一個有效的WMI應該同時預測潛在的決策結果以及個人用戶的期望和假設。此外，人工智能決策輔助工具必須估計用戶的默契，使其能夠提供最相關的信息和最有希望的選擇，這些信息來自整個作戰領域。

結論

信息作戰和指揮與控制（C2）是美國陸軍可以向盟友和伙伴提供的兩種能力。在未來的作戰環境中，不僅要為動能作戰做準備，而且要為混合作戰和以信息為重點的戰爭做準備。這需要在復雜和默契推理的人工智能能力方面取得進展，在能夠提供持續訓練、分布式混合決策和大數據分析系統方面取得進展，以及在人與人工智能協作決策和機會主義學習方面取得進展，以實現人工智能的持續進步和人與人工智能的共同適應。這些進展中的每一項都需要跨學科的計劃性努力，以克服復雜的技術挑戰，創造新的決策原則、理論和理論方法，包括持續開發綜合測試平臺和技術，以實現政府、學術界和工業界的合作和協同發展。