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

在現代戰斗中引入機器人與自主系統（RAS）似乎是不可避免的，其優勢顯而易見，如降低風險和擴展人員。本研究選擇了異構無人飛行器（UAVs）的持久偵察作為研究范圍，這也是比較突出的應用之一。盡管在開發先進硬件和算法方面做出了不懈努力，但在現實世界中仍缺乏實際應用。根本原因似乎是最先進的算法不足以應對軍事環境中的高動態性和不確定性。

目前，軍方使用基于意圖的指揮與控制（C2）來應對這些挑戰，因為它們與作戰有著內在的聯系。因此，將 C2 的通信原理轉換為適用于 RAS 的數學方法似乎大有可為，而基于意圖的協調就是這種轉換的結果。為了能夠應對高動態性和不確定性，提出了三項要求。首先，需要有靈活性，以便就地修改解決方案。其次，需要對不可靠的通信具有魯棒性；第三，需要可擴展性，以確保在更大的感興趣區（AOI）和更大的無人機團隊中也能保持性能。

單智能體偵察問題（SARP）和多智能體偵察問題（MARP）是訪問頻率和覆蓋水平方法的緊湊組合，用于持久偵察。根據多機器人系統（MRS）團隊合作和組織方面取得的進展，提出了一種協調方法。這種協調方法將 MARP 的 AOI 劃分為更小的不相交子集，這樣每個無人機就可以獨立解決不同的 SARP。這項研究的主要貢獻在于，這種協調方法基于意圖發揮作用，實現了所需的靈活性、魯棒性和可擴展性。為此，它構建了一個監督員層次結構，在重疊子集上執行分布式合作。該分布式問題使用新穎的復雜并發約束（CCB）來解決，CCB 是并發前向約束（ConcFB）的調整版本，適用于具有復雜局部問題的分布式約束優化問題（DCOP）。此外，在分支與價格的定價步驟基礎上，通過將列生成應用于重新制定的 MARP 版本，生成了一個下限來對所獲得的解決方案進行基準測試。

基于意圖的協調在面對 AOI 的擾動時表現出了靈活性。特別是當變化比較分散時，無需立即修改整個解決方案。此外，如果由于通信失敗而先發制人地終止合作，則可觀察到針對由此產生的次優子集的魯棒性。特別是對于層次結構中的較高層次，次優解決方案可以由較低層次的解決方案進行部分修正。最后，對于越來越大的問題實例，該方法的計算時間呈亞線性增長。因此，基于意圖的協調提供了一種令人興奮的方法，即使在更具挑戰性的環境中也能保持 RAS 的性能。

圖 1.1： 將多智能體偵察問題（MARP）的 “感興趣區域”（AOI）分割成更小的、互不關聯的單智能體偵察問題（SARP）的示例

從根本上說，假定持久偵察可以通過求解多智能體偵察問題（MARP）來實現最優化，但考慮到軍事環境的挑戰，這并非易事。盡管如此，為了獲得良好的解決方案，本論文嘗試將基于意圖的 C2 原則轉換為一種數學方法，命名為基于意圖的協調。這種協調方法旨在將 MARP 分割成更小的單智能體偵察問題（SARP），并分別求解。圖 1.1 顯示了無人機在不相交的 AOI 子集中聯合優化路徑和單獨優化路徑之間的差異。

圖 1.2：求解方法的總體描述。不是求解 MARP 達到最優，而是將 AOI 劃分為更小的子集，以便單獨求解更小的 SARP。使用基準方法對結果進行比較。

圖 1.2 顯示了總體結構。在給出 AOI 的情況下，基于意圖的協調為多個 SARP 創建子集。合并后的結果應類似于 MARP 的最優解，這可以使用特定的基準方法進行評估。因此，本論文的主要貢獻可以列舉如下：

• 強調在現實作戰環境中使用傳統求解方法執行各類偵察任務的基本問題（第 2 章）。

• 將 SARP 和 MARP 表述為緊湊模型，結合頻率和覆蓋水平方法用于持續偵察（第 3 章）。

• 為了生成嚴格的下限，使用列生成法對 MARP 進行了松弛的重構求解，其中包括頻繁求解初等最短路徑問題（ESPP）。由于 MARP 的結構，必須包括循環距離，以及其他一些針對具體問題的調整，以改進前向標注[3]（第 4 章）。

• 通過描述基于意圖協調的分布式分層框架，解釋基于意圖的 C2 的轉換（第 5-2 節）。

• 實施模糊 C-Means（FCM）[4]，并增加后處理插值方法，對相關扇區特征進行權衡聚類，以降低問題的復雜性并適應傳感器的異質性（第 5-3 節）。

• 制定一個任務分配問題，在智能體之間細分聚類，作為自上而下的啟發式來創建子集。任務分配包括任務效用度量和新穎的二次任務依賴性約束，以適應有限的能力（第 5-4 節）。該方案被擴展為適用于分布式分層框架的合作方案（第 5-5-2 節）。

• 為了解決分布式合作公式，對并發前向邊界（ConcFB）[5] 算法進行了調整，以適應復雜的局部問題，從而形成復雜并發邊界（CCB）（第 5-5-5 節）。

• 全面分析，包括參數和組件性能，以及針對軍事環境的具體定量評估。(第 6 章）。

盡管電動垂直起降飛機在商業領域的重要性與日俱增，但現有資料顯示，只有美國武裝部隊發現了新型電動垂直起降飛機在軍事應用中的效用。因此，本文研究了其他較小的北約國家，特別是匈牙利，為何應考慮采用 eVTOL 技術。本研究考察了早期采用直升機的歷史案例，以確定 eVTOL 軍事構想的一般模式。研究分析了該技術全球商業擴張的動態，該技術已成為先進空中機動生態系統的靈魂，并帶來了 “飛行擴散化”的希望。盡管目前 eVTOL 在有效載荷和航程方面受到限制，但其相對優勢，如簡易性、高可靠性、低可探測性以及無人駕駛或自動飛行能力，可使其符合特定的軍事用例，包括最后和中間運輸、傷員后送、救援任務，甚至實施精確打擊。然而，研究發現，電子垂直起降戰斗機如果與其他新型和傳統航空技術相結合，就能發揮出最大的能力，而不是在不同的領域取得進展。擬議的綜合戰術航空能力框架為創新機構（如匈牙利 VIKI）啟動構思過程提供了一個起點。

建議

(1) 制定 eVTOL 開發計劃 確定和指定一個負責在軍事上采用 eVTOL 的組織是推進這一進程的重中之重。VIKI 具有履行這一職責和在匈牙利國防創新體系內啟動開發計劃所需的所有屬性。它可以與軍方內外的利益相關者溝通想法，了解快速采用過程的要求，知道關鍵的籌資機制，并對國內從事軍民兩用技術的公司有一個全面的了解。

(2) 加強對 eVTOL 技術的研究 現有關于 eVTOL 技術軍事用途的研究很少，而且主要適用于美國國防系統。建議較小的北約國家從不同的角度來看待 eVTOL 的采用，這就要求研究重點放在本國的可能性上。學術界和研究機構可以探索該技術的潛力，在學術期刊和專業出版物上發表更多的文獻有助于提高 eVTOL 的可觀察性。

(3) 啟動并保持與國內制造商和 eVTOL 公司的討論 需要對國內制造商的實際能力以及他們如何為 eVTOL 的采用做出貢獻有一個基本的了解。早期的討論可以啟動目前缺乏的公司內部構想。與可能的合作伙伴接洽，可以舉辦專業研討會，一方面展示公司的能力，另一方面為未來用戶提供技術探索的機會。這很可能會將國防部門納入 eVTOL 的版圖，并可能吸引更多來自政府和制造商方面的參與者。

技術發展的步伐催生了對可容納各種技術組合的開放式系統的需求。現有的研究主要集中在集成成熟技術的模塊化系統的開發上，很少有關于可容納實驗技術的開放式系統的研究。本研究解決的問題是如何評估系統的模塊化和開放性，特別是導彈組件試驗臺的模塊化和開放性。本研究的目的是提出一種評估測試系統架構的方法，以確定其模塊化和開放程度。本研究包括文獻綜述、方法建議、方法實施和結果分析。文獻綜述包括與模塊化和開放性評估相關的著作。提出的方法結合了基于模型的系統工程（MBSE）和評估模塊性和開放性的算法。建議的方法在兩個理論系統和一個測試平臺的四種情況下實施。結果表明，所提出的方法是有效的。所提出的測量方法可以捕捉模塊性和開放性。MBSE 框架為實施評估和生成計算模塊性和開放性指標所需的輸入提供了有效的工具集。應進一步探索利用 MBSE 應用程序的現有功能納入更多指標。還應考慮對 MBSE 應用程序的潛在改進。

模塊化系統引起了工程師、建筑師和設計公司的極大興趣，涉及多個學科。雖然研究主要集中在模塊化系統的開發上，其中包含了廣為人知且相對成熟的技術，但有關可容納實驗技術的開放式系統的研究卻寥寥無幾。與傳統測試相比，模塊化測試系統具有多種優勢，雖然模塊化開放系統的優勢已被充分理解和接受，但很難確定系統的模塊化程度。本研究提出了一種評估導彈實驗組件測試平臺模塊化程度的方法。同時還考慮了接口的標準化和開放性，因為開放式標準接口可以實現更多的模塊化設計并降低集成成本。關于本研究目的的一個重要說明是，它不是模塊化架構設計的規范；相反，它提出了一種評估現有或擬議系統架構的方法，以確定其模塊化和開放程度。

本研究包括文獻綜述、方法建議、方法實施和結果分析。文獻綜述包括與模塊化和開放性評估相關的幾部著作。建議的方法結合了基于模型的系統工程（MBSE）工具和算法來評估模塊性和開放性。建議的方法在理論系統以及導彈組件測試系統的實例中實施，分為四種情況，尤其關注測試臺子系統。

文獻綜述包括介紹和討論與系統和組件模塊化、模塊化分析和系統架構相關的幾部著作。文中介紹并討論了模塊化的定義、模塊化的測量方法以及可用于輔助測量的工具。雖然本章介紹的方法并未全部納入最終提案，但它們與模塊化評估相關，值得考慮。

評估模塊化程度需要對模塊化一詞進行定義。本研究將模塊化系統定義為那些其組件顯示出高度功能隔離和可分離性的系統。評估導彈組件試驗臺的模塊化程度需要對其組件進行建模。本研究采用基于模型的系統工程（MBSE）工具來表示系統，更好地理解系統的交互和接口，并生成用于分析評估系統模塊化程度的數據。建議的方法首先應用于兩個理論系統模型--一個在設計上基本是整體的，另一個在設計上基本是模塊化的。整體式系統的特點是連接度高，各組成部分之間缺乏功能獨立性，而模塊式系統的連接度較低，各組成部分之間的功能配對明顯。將所提出的方法應用于這些系統，可以解決有關模塊化測量有效性的問題。

然后，將該方法應用于導彈組件測試系統，重點關注四個不同環境下的導彈組件測試臺子系統。首先討論頂層系統模型，即 “導彈組件測試系統”。它有助于了解試驗臺在整個系統中的作用。然后對試驗臺本身進行建模，并在飛行試驗、帶有前端試驗的彈體試驗部分以及彈體和前端試驗部分中進行討論。此外，還對地面試驗進行了建模和討論。

結果表明，所提出的評估導彈部件測試系統模塊性和開放性的方法是有效的。在 MBSE 應用程序中創建的系統模型的數據可以導出和處理，以推斷組件和系統級模塊化。通過對不同系統配置的指標進行比較，可以確定潛在的設計改進措施，以及實現合理接口標準化的機會。未來的工作還有很多機會。應探索利用 MBSE 應用程序的現有功能納入更多指標的進一步工作。通過開發與本建議中使用的模型信息相同的算法，有可能獲得有關系統和組件級模塊化的更多見解。此外，還有機會改進分析中使用的 SysML 應用程序以及類似的應用程序。

由于全球定位系統在室內容易受到干擾和失去覆蓋范圍，因此在全球定位系統缺失的環境中進行可靠導航仍然是自主無人系統面臨的一項挑戰。本研究通過將卷積神經網絡（CNN）與視覺傳感器集成，研究如何在不依賴 GPS 的情況下實現實時姿態估計，從而解決無人地面車輛（UGV）面臨的這一挑戰。針對位置和航向估算實施了雙 CNN 架構，并在具有相應姿態的大量圖像數據集上進行了訓練。通過與改進的勢場算法集成，實現了周期性漂移估計和校正。其中一個主要貢獻是用于漂移校正的世界表示調整方法，該方法可根據 CNN 估計值動態調整航點位置。利用這種方法，在受控環境中實現了連續多圈的成功導航，大大提高了沒有漂移校正的基線性能。這項研究的結果表明，通過這種方法可以大大降低自主導航系統對全球定位系統的依賴性，從而有可能提高無人系統對電子戰戰術的應變能力，使其能夠在有爭議的環境中持續運行。

美海軍部（DON）無人作戰框架強調了海軍部 “投資于先進自主和無人系統 ”的承諾。隨著這些技術的進步和實施，無人系統對可靠定位能力的依賴程度也在增加。然而，在干擾和欺騙等電子攻擊成為普遍威脅的有爭議環境中，期望全球定位系統（GPS）成為可靠的定位手段變得不那么可行。此外，在室內環境或衛星能見度有限的區域工作時，GPS 的可靠性也會降低。隨著無人駕駛系統的使用日益增多，在 GPS 無法使用或不可靠的情況下，有必要提供替代解決方案。

隨著無人駕駛系統的分布越來越廣，相互連接越來越緊密，GPS 拒絕或欺騙所造成的脆弱性也隨之加劇。定位中的單點故障會產生連鎖效應，降低整個系統的能力并增加風險。因此，為自主輪式無人飛行器探索可靠、精確的導航技術至關重要，這種技術可在 GPS 信號被屏蔽的環境中有效運行，確保無人駕駛行動在有爭議的復雜場景中繼續取得成功。

這項研究旨在為在室內環境或 GPS 信號不可靠或不可用的地區運行的無人潛航器開發一種穩健的導航解決方案。該方法將利用兩個主要來源的數據：車輪編碼器和視覺傳感器。車輪編碼器數據將使用死算模型進行處理，而 CNN 將用于分析視覺傳感器數據。通過將這些技術相結合，該系統將實現無需 GPS 的同步自主導航。這種方法的一個關鍵方面是實時激活 CNN，CNN 可以解釋環境的獨特特征，并相應地引導 UGV。

這項研究的范圍包括利用深度學習技術為 UGV 開發無 GPS 定位和導航解決方案。將通過 P3-DX Pioneer 機器人系統在室內實驗室環境中使用模擬 UGV 進行廣泛的驗證和測試。不過，某些領域被認為不屬于本研究的范圍。其中包括路徑規劃算法的開發，因為車輛將使用現有的反應式自主方法。此外，除視覺數據外，也不會考慮探索其他傳感器模式。研究重點將不是在有移動障礙物的高動態環境中進行導航。預計面臨的主要技術挑戰是優化計算時間以實現實時性能、減少長時間漂移以及在激烈機動過程中保持定位精度。在項目限制條件下，將盡可能利用和調整現有技術和算法，以最大限度地提高魯棒性。

本論文共分五章，每一章都側重于研究的一個特定方面。第 2 章：“背景 ”通過介紹和解釋與論文工作相關的基本概念，為研究奠定了基礎。本章包括對該領域現有文獻的全面回顧，重點介紹了當前的技術，并指出了本研究要解決的差距。

第 3 章：“方法與實驗設計 ”介紹了論文工作中采用的方法和手段。它詳細描述了實驗中使用的硬件組件和實施的具體算法。本章還討論了實驗設置、數據收集過程以及用于評估所提解決方案性能的評價指標。

第 4 章：“結果與分析 ”主要評估本研究中開發的 CNN 的性能。本章介紹了獲得的實驗結果，并對結果進行了深入分析。本章還包括圖表等可視化內容，以支持對結果的解釋。本章討論了所提方法的優勢和局限性，并將結果與文獻中的現有方法進行了比較。

第 5 章：“結論與未來工作 ”總結了論文研究的主要發現和貢獻。本章強調了這項工作的意義及其對自主導航和定位領域的潛在影響。此外，本章還確定了未來的研究領域，并為進一步改進和擴展所提出的方法提供了建議。

最后，為簡潔起見，“UGV ”和 “機器人 ”這兩個術語在本論文中交替使用。

圖 3.8. 增強型數據存儲過程的可視化表示，這是 CNN 訓練的準備階段。這既減少了圖像所需的存儲空間，又為 CNN 訓練過程保持了適當的預期輸出響應。

無人水面艦艇（USV）通常依靠全球定位系統（GPS）和射頻（RF）通信進行導航和多車協調。在戰時環境中，全球定位系統和無線電信號屏蔽對 USV 的有效導航和控制提出了挑戰。本論文研究了使用低成本人工智能（AI）立體相機作為傳感器，實現 USV 的無 GPS 和 RF 導航與協調。這些相機還可用于對水面船只進行分類和定位。我們使用安裝在多艘 Mokai USV 上的 OAK-D AI 攝像機進行了實驗。對神經網絡 (NN) 模型進行了訓練，以識別兩個對象類別：Mokai USV 和其他船只。利用開源 Python 庫，該模型被直接加載到攝像頭上，并集成到機器人操作系統 (ROS) 軟件中，以提取檢測到的物體的相對姿態信息。為了分析該模型的有效性，我們在未見過的視頻上以及使用 Mokai USV 和其他水面艦艇進行的現場實驗中對 NN 進行了測試。將攝像機估計的物體定位與在實驗室環境中通過物理驗證收集的物體地面實況位置進行了比較。最后，還探討了特定相機硬件和立體視覺在此應用中的局限性，以評估其進一步開發的可行性。

自主系統的最新進展對學術界和工業界都產生了重大影響，開辟了新的研究途徑。其中之一就是多個系統為實現共同目標而進行的協作，這就是所謂的合作系統。在缺乏人類智能、決策和感知能力的情況下，無人自主系統在一起部署和使用時，可以從彼此的能力中相互受益。本研究探討了無人駕駛航空系統（UAS）群的協作問題，在這種情況下，由于單個飛行器受到限制，需要進行不同程度的協調與合作。這種合作的形式可以是物理支持，即任務要求超出單個系統的物理能力；也可以是情報級支持，即總體上需要更好的感知、處理或決策能力。本研究的目標是為一組選定的無人機系統和受限任務場景開發和集成協同制導與控制算法，這些場景包括通過帶懸掛纜繩的多旋翼飛行器協同操縱空中有效載荷的任務，以及利用飛艇和多旋翼飛行器團隊協同編隊的任務。此外，本研究還旨在將所開發的個體和合作模型算法集成到高保真模擬中，以便在現實飛行任務中研究多智能體協作的有效性。

研究的第一部分側重于單個航空系統的建模和仿真。案例研究中考慮的系統包括帶有柔性電纜懸掛有效載荷的多旋翼飛行器和飛艇。在這一部分中，分別采用歐拉-拉格朗日法和牛頓-歐拉法推導出這些系統的數學模型。分析了柔性纜索模型的動力學特性，并將其與分析性貓尾式解法進行了比較。此外，為了提高仿真精度，還針對帶柔性纜繩懸掛有效載荷系統的多旋翼飛行器實施了動量和幾何結構保全變分積分器。

第二部分是為每個系統設計制導和控制法則，以提供姿態穩定和軌跡跟蹤。首先，研究了一種基于線性化系統模型的游戲理論方法，用于減弱懸掛有效載荷的擺動。這種方法考慮了多旋翼飛行器與懸掛載荷系統的各種狀態反饋情況。基于從這些線性分析中獲得的啟示，我們開發了一種以導管形狀為依據的幾何控制方法，用于該系統的姿態和軌跡跟蹤控制。對于飛艇，則開發了線性和非線性控制方法。這些方法分別包括基于增益調度的線性二次控制和非線性動態反演（NDI）方法。然后對這兩種方法進行了比較，重點關注它們的優勢和實施的難易程度。

最后，針對任務目標受限的現實場景，開發了合作制導和控制法，要求一組無人機在物理或智能層面上進行合作。借鑒對柔性電纜的延展性分析，構建了一個合作控制場景。該場景展示了飛行器之間的合作，利用多旋翼飛行器對懸掛的剛性有效載荷進行空中操縱，其中的限制因素來自單個飛行器的有效載荷能力和飛行器之間通過柔性纜線的物理連接。其次，在涉及多旋翼飛行器團隊的編隊控制場景中采用了領導者-跟隨者通信圖拓撲結構，突出了基于擴展狀態觀測器（ESO）的總干擾估計模型的集成。該模型大大增強了系統對外部干擾和未建模動態的魯棒性。最后，我們在一個示例場景中展示了這些研究的實際應用，在搜救任務中需要通過無人機系統提供合作編隊支持。在這個場景中，我們還利用飛艇將多旋翼飛行器運送和部署到任務目的地，在那里執行編隊任務，以適應各種編隊形狀和圖形拓撲。這一場景需要物理和信息層面的協作，以增強區域覆蓋、改善感知和態勢感知。這里的限制來自單個飛行器的物理限制（如尺寸、續航時間、有效載荷能力和運行環境）和信息級限制（如處理能力、傳感和通信能力）。這種情況形成了在現實生活中具有實際應用價值的基線。

圖 1.1： 多旋翼協同飛行器攜帶通過纜繩懸掛的應急包執行空中有效載荷操縱任務的示意圖

圖 1.2：空中有效載荷操縱任務工作項目

圖 1.3：合作編隊飛行任務示意圖，多旋翼飛行器小組在飛艇的協助下作為領隊節點引導編隊飛行

無人駕駛飛機將繼續成為美國國防的關鍵。《美國國防戰略》優先考慮對人工智能（AI）、機器學習和自主功能進行投資，以保持軍事競爭優勢。本研究基于大規模作戰行動（LSCO）的嚴酷性，以及在開發利用人工智能的技術時采取果斷行動和遵守道德規范的必要性。研究采用定性研究的方法，分析了技術發展和作戰概念中存在的四種類型的自主無人駕駛飛機。研究采用了一項關于美國和大國軍事能力的非機密案例研究，并應用了包括專業定性訪談在內的多種分析形式。雖然分析發現所有四種類型的自主無人駕駛飛機都很有用，但它建議優先考慮完全自主的彈藥和半自主的環形載人技術，以滿足以 2035 年為中心的聯合部隊規劃時間表。研究結果還表明，需要改進數據收集和處理、云和網狀網絡以及數據和網絡系統的安全性。研究還發現，人工智能和自主功能具有提高人類性能和決策的潛力，保持有人駕駛飛機和無人駕駛飛機的組合可使美國管理作戰風險。

根據美國《國家安全戰略》和《國防戰略》，戰略和作戰環境已經發生了變化。具體地說，與大國競爭重新抬頭，導致軍事戰略和規劃考慮因素發生變化。《國防戰略》（NDS）指出，"國家間的戰略競爭，而不是恐怖主義，現在是美國國家安全的首要問題"。由于這種競爭，聯合軍種已將重點轉移到大規模作戰行動的準備狀態和未來能力上。這種類型的沖突是致命的、激烈的和殘酷的，歷史表明，這種規模的作戰行動更加混亂、激烈和具有破壞性。所有這一切都使得未來戰斗的作戰環境更加復雜，多個作戰領域（如空中、太空、網絡空間、陸地和海上）隨時都會影響戰斗空間。這種環境導致美國的大國競爭對手投資于各領域的能力，以縮小美國軍事優勢的差距。

這些投資帶來了能力上的進步，創造了強大而具有挑戰性的場景，需要更好的態勢感知和更快的人工決策。此外，在這種環境下可用的數據量對于當前的系統和決策者來說是難以承受的，而人工智能（AI）、機器學習（ML）和自主系統功能方面的進步則有望跟上行動的步伐并保持競爭優勢。

特別是，為了有效利用剩余能力并達到預期效果，需要在作戰空間內加快數據處理速度，以提高對態勢的感知能力，并加快各級決策的制定。空軍歷來使用 OODA（觀察、定向、決策、行動）循環的條令概念來加速作戰行動中的決策制定。OODA 循環被視為一種決策戰略，可在競爭激烈的環境中創造優勢。它最初由美國空軍上校約翰-博伊德（John Boyd）提出，是一個實用的概念，目的是在混亂和令人困惑的情況下創造理性思維。觀察步驟的重點是盡可能準確地全面了解情況。東方階段包括兩個子階段：破壞和創造。破壞包括將情況分析為更小的組成部分或問題，以便更好地了解情況。決策者會對問題進行分解，直到熟悉或接近可以制定計劃的情況為止。熟悉是通過教育、培訓、經驗和指導獲得的。然后，將問題和計劃的組成部分 "創造 "成一個整體行動計劃。決定 "階段只是合乎邏輯的下一步，是收集足夠數據以做出明智決定的結果。行動是 OODA 循環過程的執行階段。

人工智能有可能加速每個戰術、戰役和戰略層面的 OODA 循環。例如，可以利用更多可用數據構建態勢圖，從而進行更準確的觀察。然后，通過人工智能和機器學習對局勢數據進行提煉，為決策者指明方向，以便更快更好地制定行動計劃。我們需要人工智能來協助處理和分析現有的大量數據。這將導致更快、更明智的決策和行動，在戰場上創造巨大優勢。

隨著美國的大國競爭對手利用全球范圍內取得的進展，商業部門也越來越迫切地實施這些新興技術。這導致對手發現了通過將人工智能的使用整合到自己的軍事力量中來對抗美國軍事力量的方法。例如，對手的綜合防空系統通過集成更多使用人工智能的自主功能，在目標探測和交戰方面變得更加高效。

除人工智能外，全域聯合作戰（JADO）也是一種技術和概念，聯合軍種職能部門和作戰領域正在利用這種技術和概念來同步開展工作并產生協同效應。這一概念通過提高各領域的效力來減少脆弱性。我們的對手也在推進和使用全域作戰，這給我們的部隊帶來了挑戰和機遇。全域作戰的推進創造了一個競爭日益激烈的環境，這將使 LSCO 的指揮和控制更具挑戰性。因此，國防部創建了聯合全域指揮與控制（JADC2），以空軍為牽頭機構，將各軍種的傳感器連接起來。

美國空軍還在開發 "下一代空中優勢"（NGAD），這是一種有人、無人和可選有人平臺的混合能力，在概念上依賴于人工智能、機器學習和人機協同技術與無人平臺。這些技術使無人平臺具有不同類型的自主能力，并與人類進行不同程度的互動（例如，人在環中、環上和環下）。一種理論認為，具有致命能力的資產在執行致命行動時應 "環內有人"。一個更常見的擔憂是，有爭議的作戰條件會對人與機器之間的衛星鏈路造成干擾，在這種情況下，人工智能系統將如何行動尚不清楚。空軍認識到這是一個需要解決的重要問題，并已開始研究防止人工智能失靈的方法。具體而言，正在為使用人工智能的系統開發一個子項目，稱為 "復雜環境下的自主測試"（TACE），該項目正在調查、測試和推進人工智能保障措施。

問題陳述

現代戰爭越來越傾向于全領域作戰，需要同時進行交戰，以便在多個或所有領域產生效果。在過去幾十年中，美軍在每個作戰領域都享有無可爭議的優勢。在未來與大國競爭者的沖突中，情況將不會是這樣。此外，在以反叛亂為中心的環境中，我國持續時間最長的武裝沖突影響了大規模作戰行動的軍事準備。這一問題加上快速的技術變革，以及我們的對手在各個作戰領域日益增加的挑戰，創造了一個新的戰略安全環境，而美國目前尚未做好作戰準備。此外，重新崛起的大國競爭者正在利用技術的快速傳播，產生新的戰爭概念和技術，如數據分析、人工智能、自主化和機器人技術。鑒于戰略環境和快速的技術進步，《國防戰略》已將投資列為優先事項，以進一步發現人工智能、ML 和自主性的軍事應用。美軍的優勢是削弱還是加強，取決于這些新技術的整合方式，以及我們是否比對手更有效地實施這些技術。聯合部隊領導層已明確表示，將致力于利用和發揮最佳形式的人工智能，以更快的速度和更高的精度完成所有任務集。我們必須利用人工智能、自主功能和人機協作來滿足這一需求，以更快的速度、更高的精度和更強的殺傷力應對更復雜、節奏更快的 LSCO 環境。考慮到所有這些因素，聯合部隊現在應確定無人平臺所需的人工智能自主功能類型，以滿足 2035 年聯合規劃時限內大規模作戰行動的需求和要求。

研究問題

本研究試圖回答的首要問題是，在非許可的大規模作戰環境中，利用人工智能和人類協同技術的致命無人駕駛飛機應該能夠在指揮和控制方面應對哪些挑戰，實現哪些類型的自主功能？

次要問題

1.無人駕駛飛機是否應具備致命的自主功能？

2.哪些關鍵任務需要人工智能（AI）和人類協同能力？

3.聯合部隊應投資哪些類型的有人和無人資產？

4.什么是有人駕駛飛機和無人駕駛飛機的正確組合，以實現所需的未來能力，從而超越我們的對手？

5.在高致命性的大規模作戰環境中，以無人機為主的部隊有何優勢？

6.為保障指揮與控制通信鏈路，需要進一步開發哪些類型的技術？

目前的文獻認為，恐怖組織未來的無人機系統（UAS）行動威脅有限。本研究的論點恰恰相反。恐怖組織使用無人機系統技術目前只是一種小眾威脅。然而，有證據表明，這種威脅將在未來五年內成為主流。本研究采用案例研究法進行定量研究，以證明研究問題。因變量是恐怖分子使用復雜的無人機系統行動。自變量是簡單性、供應和規模。研究評估了三個恐怖組織：庫爾德工人黨、Hayat Tahrir al-Sham 和博科圣地。研究結果表明，獲取無人機系統技術很容易，但由于技術限制，擴大行動范圍卻很困難。此外，報告還指出了當前文獻和研究中亟待解決的問題，如組織如何獲取上述技術并籌集資金來開發項目。報告還強調了美國和國際社會在應對無人機系統威脅方面取得的進展，同時暴露了立法和法規方面的明顯差距。研究的意義表明，美國及其盟國在抵御威脅方面已經落后。

遙控飛機執行的軍事任務類型不斷擴展到包括空對空作戰在內的各個方面。雖然未來的視距內空對空作戰將由人工智能駕駛，但遙控飛機很可能將首先投入實戰。本研究旨在量化延遲對高速和低速交戰中一對一視距內空對空作戰成功率的影響。研究采用了重復測量實驗設計，以檢驗與指揮和控制延遲相關的各種假設。有空對空作戰經驗的參與者在使用虛擬現實模擬器進行的一對一模擬作戰中受到各種延遲輸入的影響，并對每次交戰的作戰成功率進行評分。這項研究是與美國空軍研究實驗室和美國空軍作戰中心合作進行的。

因變量 "戰斗得分 "是通過模擬后分析得出的，并對每次交戰進行評分。自變量包括輸入控制延遲（時間）和交戰起始速度（高速和低速）。輸入延遲包括飛行員輸入和模擬器響應之間的六種不同延遲（0.0、0.25、0.50、0.75、1.0 和 1.25 秒）。每種延遲在高速和低速交戰中重復進行。采用雙向重復測量方差分析來確定不同處理方法對戰斗成功率的影響是否存在顯著的統計學差異，并確定延遲與戰斗速度之間是否存在交互作用。

結果表明，在不同的潛伏期水平和交戰速度下，戰斗成功率之間存在顯著的統計學差異。潛伏期和交戰速度之間存在明顯的交互效應，表明結果取決于這兩個變量。隨著潛伏期的增加，戰斗成功率出現了顯著下降，從無潛伏期時的 0.539 降至高速戰斗中 1.250 秒潛伏期時的 0.133。在低速戰斗中，戰斗成功率從無延遲時的 0.659 降至 1.250 秒延遲時的 0.189。最大的遞增下降發生在高速潛伏期 1.00 至 1.25 秒之間，低速潛伏期 0.75 至 1.00 之間。高速交戰期間戰斗成功率的總體下降幅度小于低速交戰期間。

這項研究的結果量化了視距內空對空作戰中戰斗成功率的下降，并得出結論：當遇到延遲時，希望采用高速（雙圈）交戰，以盡量減少延遲的不利影響。這項研究為飛機和通信設計人員提供了信息，使他們認識到延遲會降低預期作戰成功率。這種模擬配置可用于未來的研究，從而找到減少延遲影響的方法和戰術。

美國海軍正在重組其艦隊結構。美海軍正在探索使用無人潛航器 (UUV) 平臺來補充艦隊的可行性。目前的 UUV 只能提供最低限度的監視和水雷探測能力；一種解決方案是在 UUV 平臺上增加攻擊性和增強型探測能力。本研究采用基于模型的系統工程（MBSE）方法，在聯合戰區模擬級全球作戰環境中探索具有增強能力的 UUV 的效果。該方法包括概念原型開發過程、作戰概念、效果衡量標準、不同的 UUV 因素（速度、組成和聲納類型）以及實驗設計。在對 540 次模擬運行的輸出結果進行分析后，結果證明所有三個因素對 UUV 的作戰性能都有重要影響，并表明使用先進的 UUV 可以提高特遣部隊的能力。此外，實驗還揭示了 UUV 的組成與探測和交戰速度之間的強相關性，并證實了使用主動聲納在作戰中的優勢，從而形成了 UUV 功能的交換空間。這項研究證明了 MBSE 在為未來艦隊進行可行性評估方面的實用性。

2016 財年，美國參議院軍事委員會下令海軍將艦隊規模擴大到 355 艘。然而，建造設施的缺乏阻礙了這一工作。負責預算的海軍副助理部長布萊恩-盧瑟少將估計，355 艘艦艇的目標要到 2050 年代才能實現（Larter 2018）。因此，美國海軍正在探索潛在的艦隊重組方案。海軍對用無人系統來補充傳統的有人海軍資產非常感興趣。無人潛航器 (UUV) 就是這樣一種系統。由于高層對艦隊和無人系統都很感興趣，海軍研究辦公室（N9）要求提供測試 UUV 未來能力的方法和流程，以及開展此類研究的實驗環境或工具。此外，目前的無人潛航器主要用于支持水雷戰和小型監視任務（美國防部，2007 年），因此還不了解其對其他角色的影響。

本研究的目的是在計算機輔助兵棋推演中使用基于模型的系統工程（MBSE）方法，特別是聯合戰區級模擬全球行動（JTLS-GO），以探索先進的 UUV 能力作為未來美國海軍艦隊資產的影響，以及作為日益減少的潛艇部隊的替代品的影響。

MBSE 方法是一個多步驟過程，從頭至尾探索整個項目。通過這種方法，我們開發出了一種先進的 UUV 概念和 "眼鏡蛇黃金 2018"（CG18）小插圖或作戰概念（CONOP），這是一種六國（太平洋司令部主辦）指揮所演習（CPX）。小插圖的創建允許對 CG18 進行反復檢查，以確定 UUV 可以解決的能力不足問題。在這種情況下，虛擬演習的重點是敵方（索諾拉）特遣部隊與盟軍特遣部隊（包括 USS Benfold (DDG-65) 和 RSS Endurance (LS-207)）之間的互動。實際演習的結果包括上述艦艇的傷亡。造成這些傷亡的原因是缺乏態勢感知和進攻火力。這些問題為在模擬中注入 UUV 以增強傳感器和火力提供了機會和動力。隨后，確定和建立新能力的作戰要求和限制的過程隨之展開。新的模擬 UUV 設計必須能夠提供額外的進攻和偵察能力。衡量無人潛航器的性能如何以及哪些屬性需要改變，從而制定了效能衡量標準（MOE）和性能衡量標準（MOPs）。這些衡量標準有助于指導實驗設計（DOE）的制定，從而指導名義 UUV 的實驗和評估。

性能指標包括探測效果和敵方減員。關注的性能因素（屬性）包括 UUV 速度、UUV 數量（UUV 艦隊組成）和聲納類型（主動或被動）。DOE 包括對這些因素在三個不同值（水平）下的測試。不同水平的因素組合產生了 18 個設計點。

JTLS-GO 模型是由 Rolands and Associates 設計的事件驅動兵棋推演模擬，用于測試多方聯合戰役和行動（Rolands and Associates 2018）。該項目測試戰爭的多個層面，包括政治、戰略、作戰和戰術層面。

雖然 JTLS-GO 在模擬交戰方面很有用，但根據 Cayirci 和 Marincic（2009 年）的說法，其功能是培訓總部人員更有效地指揮和控制單元。因此，僅使用 JTLS-GO 測試未來概念是不可行的，因為這需要大量資源。為了充分利用 CG18 的人的反應和結果，作者在 NPS 仿真實驗和高效設計（SEED）中心的幫助下，將原始 JTLS-GO 仿真程序轉換為自動化計算機輔助兵棋推演（CAW）仿真。這種轉換允許對未來能力進行多次重復模擬，以便進行統計分析。

這項工作涉及 540 次模擬運行，耗費了 810 個小時的計算機時間。通過回歸分析、趨勢分析和分區樹分析，得出了以下結論：

1.通過在 JTLS-GO 中的 CG18 自動版本中建立建模和實驗環境，MBSE 方法為評估未來 UUV 能力對作戰的影響提供了途徑。

JTLS-GO 中的 CG18 提供了一個框架，利用 MBSE 方法來定義操作差距、創建 UUV 原型、定義測量方式和內容（MOE 和因素）并快速進行實驗。MBSE 所要求的有條不紊和一絲不茍的努力表明，應用這一過程有利于探索 UUV 的未來能力，同時也表明它如何為考察未來艦隊的一系列能力提供機會。

2.UUV 的存在為提供態勢感知和攻擊火力提供了額外的能力，減少了水面的脆弱性。

即使增加了效果最差的因子組合的 UUV，也產生了積極的結果：3 個 "索諾蘭 "單元被擊斃，60% 的單元被發現。采用首選探測因子值的 UUV 使 RSS Endurance (LS-207) 在 30 次模擬中擊沉了 12 次。與此同時，USS Benfold (DDG-65) 在使用這些 UUV 的 30 次模擬演習中只擊沉了 2 次。當環境中存在具有優先損耗因子值的 UUV 時，RSS Endurance (LS-207) 在 30 次模擬中擊沉了 10 次，USS Benfold (DDG-65) 在 30 次模擬中擊沉了 2 次。因此，UUV 的性能導致模擬環境中盟軍傷亡人數減少。

3.主動聲納提高了殺傷力和探測能力，但在速度和 UUV 艦隊組成方面，并不是越多越好。

表 ES-1 列出了實驗中最佳和最差的 UUV 配置。根據該表，推薦的最佳組合是一支中等規模的 UUV 艦隊，以 8 節的速度航行并配備主動聲納。這種配置平均可摧毀近 88% 的敵方目標。

采用自動 JTLS-GO 仿真軟件包的 MBSE 方法所得出的結果可為先進的 UUV 性能提供深入見解，而無需投入大量人力和物力。海軍在規劃其未來架構的過程中，應考慮使用此類工具對平臺進行評估。此外，海軍還應考慮增加先進的 UUV 平臺以補充艦隊。