中國的軍事現代化，包括其海軍現代化，是美國國防規劃和預算的首要焦點。中國的海軍現代化自20世紀90年代初至中期以來已進行了25年多，并已將中國的海軍轉變為一支更加現代化和有能力的部隊。中國海軍在中國的近海地區是一支強大的軍事力量，它在西太平洋、印度洋和歐洲周邊水域等更廣泛的水域開展了越來越多的行動。

到目前為止，中國的海軍是東亞任何國家中最大的，在2015年和2020年之間，它在戰斗力艦艇（指算作美國海軍報價的艦艇類型）的數量上超過了美國海軍。美國防部指出，中國海軍 "是世界上最大的海軍，擁有約340個平臺的戰斗力，包括主要的水面戰斗艦、潛艇、遠洋兩棲艦、水雷戰艦、航空母艦和艦隊輔助艦....。這個數字不包括大約85艘巡邏戰斗艦和攜帶反艦巡航導彈（ASCM）的飛船。到2025年，[中國海軍]的總體戰斗力預計將增長到400艘，到2030年將增長到440艘。" 相比之下，美國海軍在2021財政年度末包括294艘戰斗力艦艇，而海軍2023財政年度預算報告預計，到2030財政年度末，海軍將包括290或291艘戰斗力艦艇。美國軍事官員和其他觀察家對中國海軍造船的速度以及由此產生的關于中國海軍和美國海軍的相對規模和能力的趨勢線表示關切。

中國海軍的現代化包括一系列廣泛的船舶、飛機、武器和C4ISR（指揮和控制、通信、計算機、情報、監視和偵察）采購項目，以及后勤、條令、人員素質、教育和培訓以及演習方面的改進。中國海軍目前有一些限制和弱點，它正在努力克服。

中國的軍事現代化，包括其海軍現代化，被評估為旨在發展能力，除其他外，在必要時以軍事手段解決臺灣局勢；實現對中國近海地區，特別是南中國海的更大程度的控制或支配；捍衛中國的商業海上交通線（SLOCs），特別是那些連接中國和波斯灣的交通線；取代美國在西太平洋的影響；以及宣稱中國作為區域領導力量和世界大國的地位。觀察家們認為，中國希望其海軍有能力作為反介入/區域封鎖（A2/AD）力量的一部分--這支力量可以阻止美國在中國近海地區因臺灣或其他問題而發生的沖突中進行干預，如果不能，則可以延遲美國軍隊的到來或降低其干預的效果。

美國海軍已經采取了一些行動來對付中國的海軍現代化。除其他事項外，美國海軍已將更大比例的艦艇轉移到中國。美國海軍已將其艦隊的更大比例轉移到太平洋地區；將其能力最強的新艦艇和飛機分配到太平洋地區；維持或增加一般存在行動、訓練和發展演習，以及與盟國和其他國家海軍在印度-太平洋地區的接觸和合作；增加海軍的未來計劃規模。啟動、增加或加快了許多開發新軍事技術和獲取新艦艇、飛機、無人駕駛車輛和武器的計劃；為對抗中國海上A2/AD力量制定了新的作戰概念；并表明海軍在未來幾年將轉向一個更加分散的艦隊結構，將大大增加對無人駕駛車輛的使用。國會面臨的問題是，是否批準、拒絕或修改拜登政府為應對中國海軍現代化努力而提出的美國海軍計劃、預算和方案。

指揮與控制（C2）是指指揮官對指定的部隊行使權力和指揮，以完成任務；它是戰區內最重要的活動。有效的指揮控制取決于是否有良好的態勢感知。目前的軍事能力允許收集大量的各種類型的數據（如視頻、語音、地理位置、熱成像和非結構化的現場報告），以便了解情況和作出決策。然而，由于信息量太大，處理、理解和融合數據以支持C2，對人來說可能是一件很痛苦的事情。加拿大武裝部隊（CAF）正在尋求建立一個聯合作戰融合實驗室（JOpsFL），目的是通過開發自動融合數據和傳播情報產品的技術解決方案來改善和改造CAF的C2和聯合情報、監視和偵察（JISR）能力。本文討論了CAF JOpsFL的目標、愿景、范圍和技術要求，并概述了最先進的數據融合技術，包括人工智能。

聯合作戰融合實驗室（JOpsFL）

目標、愿景和范圍

加拿大國防部/加拿大空軍將JOpsFL設想為聯合情報、監視和偵察（JISR）、C2和目標定位企業的創新中心，以提供有效的作戰解決方案[6]。該實驗室將包括來自加拿大空軍不同部門的JISR和情報計劃，包括加拿大皇家海軍、加拿大陸軍、加拿大皇家空軍、特種作戰部隊司令部和加拿大部隊情報司令部。

JISR收集是一個復雜的過程，需要各級指揮部有明確的理論和資源管理。這個過程可以分解為五個步驟。1）任務；2）收集；3）處理；4）利用；和5）傳播[6]。圖1展示了JISR過程以及它與動態目標周期中的情報周期的關系。JISR提供了 "什么"、"什么時候 "和 "哪里"，而情報則融合了JISR的信息，提供了 "如何 "和 "為什么"。JOpsFL的一個重點是 "如何 "和 "為什么"；然而，該實驗室也將作為新的JISR資源的測試平臺，以評估其在目標定位周期中的功效。該實驗室將評估現有的信息融合技術，并開發新的技術以支持中央情報局的JISR、情報和目標定位周期。

圖1 目標定位周期[6]背景下JISR過程及其與情報周期的關系

隨著網絡和空間領域的引入，C2變得越來越復雜，并在不斷演變，以便在所有領域發揮作用。聯合全域指揮與控制（JADC2），也被CAF稱為泛域C2，在空間、空中、海上、陸地和網絡中運行，最近由美國（US）提出[7] 。JADC2/泛域C2的目標是在一個網絡上連接所有領域的所有信息源[7]。CAF正在探索泛域C2，并將成為JOpsFL的一個方面[6]。除了關注JISR、情報和目標定位周期外，JOpsFL還將關注開發和測試新的泛域C2戰術、技術和程序（TTP），包括[6]：

• 支持泛域C2功能的數字工具，如任務分配、報告和監測。

• JISR和泛域C2之間的互操作性解決方案。

• JISR-to-fires架構；以及

• 直接行動近距離空中支援TTPs

泛域C2需要開發新的技術解決方案，以支持所有領域的運作。JOpsFL將作為這些技術解決方案的創新中心運作，并將專注于以下方面[6]：

• 人工智能（AI）；
• 人在環形互動AI系統。
• 多頻譜混合基礎設施和分析。
• 綜合戰術網絡/統一的網絡。
• 傳感器、JISR和泛域C2之間的靈活數據鏈接。
• 信息融合。
• 采集點的融合。
• 云計算。
• 霧計算。
• 量子計算。
• 虛擬化。
• 跨域安全和共享

技術要求

作為一個創新中心，JOpsFL將配備最先進的設備，以支持開發和測試最新的泛域C2 TTPs和支持技術解決方案。該實驗室將容納高性能的計算節點，能夠訓練和測試最新的人工智能和融合算法，并將與CAF各分支機構的各種ISR能力所在的網絡相連。可靠和快速的網絡連接可以通過安全的光纖來實現。此外，該實驗室將容納五眼（FVEY）和北大西洋公約組織（NATO）系統的密碼輸入裝置（PED），如美國統一視頻分配系統（UVDS）和北約聯盟地面監視部隊（NAGSF）全球鷹。

A. 項目說明

在軍事行動中可能會出現復雜的情況，需要在有限的戰爭資源下進行跨域和多任務行動。這些情況給戰術決策者帶來了挑戰，他們需要在當下使用戰爭資源，而這些資源可能還需要用于其他同時進行的任務需要，并在以后完成一系列的任務。這些情況需要在行動中進行動態的重新規劃，以確保計劃中的任務是可以實現的，并且任務的修改支持戰略目標。該項目探索了人工智能和先進的數據分析方法，以開發未來的自動決策輔助工具，用于任務規劃和戰術決策，可以支持復雜的跨領域和多任務行動。

B. 研究目標

主要研究目標是探索新興的創新數據分析技術（包括博弈論、機器學習和兵棋推演），以優化海軍資源分配和跨任務領域的重新規劃。

其他研究目標是

• 探索新興的技術和數據分析工具，以解決不確定性和優化各任務領域的成功。

• 研究在特定領域的戰斗管理輔助工具之間進行平衡所需的選擇和能力，并優化跨領域的資源分配。

• 研究如何將這些技術結合起來，以優化跨領域的多戰爭規劃、執行支持和重新規劃。

C. 研究方法

由NPS研究人員和NPS研究生組成的NPS研究團隊對該項目采用了系統分析方法。研究小組首先對以下方面進行了文獻回顧：（1）自動化高級數據分析方法；（2）跨領域和多任務行動；（3）戰術決策和任務規劃。研究小組確定并描述了復雜的戰術情況，在這種情況下，需要對多任務進行優先排序，并需要進行動態重新規劃。研究小組開發了一種概念性方法，利用先進的數據分析、博弈論、戰爭游戲、人工智能和機器學習來支持和促成這些復雜戰術情況下的決策（以最佳方式使用和分配戰爭資源和部隊）。該團隊為概念設計開發了基于模型的系統工程表述，并對涉及復雜戰術、作戰和戰略情況的用例情景進行了建模。該團隊設想并模擬了一種創新的戰爭游戲決策輔助工具，以支持可能遇到類似復雜情況的作戰級別的任務規劃人員，這些情況需要在更高的級別上采用動態的跨域多任務方法。

D. 報告組織

本報告分為六章。第1章介紹了該研究。第2章包含了跨域多任務問題領域的特征。第3章包含了對使用自動化高級數據分析方法進行任務規劃的討論。第4章介紹了多任務資源分配（MMRA）決策輔助概念的系統分析。第5章包含了在三個不同的多任務場景中對MMRA能力的使用案例研究。第6章是技術報告的結論。

計算思維和數據科學的進步導致了人工智能系統的新時代，這些系統被設計來適應復雜的情況并開發可操作的知識。這些學習系統旨在可靠地理解情況的本質，并構建關鍵的決策建議，以支持自主和人機團隊的運作。

同時，數據的數量、速度、種類、真實性、價值和變異性的不斷增加，使這些新系統的復雜性受到影響--在其開發和實施方面造成了挑戰。對于支持具有較高后果的關鍵決策的人工系統來說，安全已經成為一個重要的問題。需要有方法來避免故障模式，并確保只允許期望的行為。

元認知是一種解決策略，它能促進人工智能系統內部的自我意識，以了解其外部和內部的運行環境，并利用這些知識來識別潛在的故障，實現自我修復和自我管理，以實現安全和理想的行為。

人工智能戰爭決策輔助工具通過增強戰斗空間知識、解決不確定性、推薦戰術行動方案、制定交戰戰略來支持作戰人員決策。

摘要

現代戰場比以往任何時候都要復雜，武器的技術進步也在不斷加快。為了贏得下一場戰斗，對對手的行動作出更快的反應時間是至關重要的。人工智能（AI）有可能使作戰人員超過敵人的決策周期，減少信息過載，從而克服 "戰爭迷霧"。在開發作戰系統時，可靠性可能是生與死的區別。因此，最重要的是，這些武器系統（尤其是像人工智能這樣的新型系統）在被引入戰斗空間并被委托保護作戰人員之前，就已經以最高標準的可靠性和安全性進行開發。該項目利用系統工程方法來確定與人工智能及其在戰斗空間中的作用有關的潛在危險和風險。使用一個既定的風險管理框架（RMF），該團隊提供了一些緩解策略，開發人員在培養這項技術以用于未來的美國武器系統和程序時必須考慮。

執行摘要

現代戰場比以往任何時候都更加復雜，武器的技術進步也在加速。為了贏得下一場戰斗，對對手的行動有更快的反應時間至關重要。人工智能（AI）有可能使作戰人員超越敵人的決策周期，減少信息過載，從而克服 "戰爭迷霧"。人工智能可能的用途的一些例子包括幫助操作者決策的綜合戰斗管理輔助工具（BMAs），預測未來交戰結果的算法，以及識別朋友或敵人。

為了有效地運用人工智能，開發者必須了解與創造能夠像人類一樣 "思考 "的戰爭機器相關的好處和風險。這種風險并不局限于技術，還可能包括人類層面，例如當作戰人員不信任計算機為他們做決定時。另一個潛在風險的例子是，"訓練 "人工智能的數據可能是錯誤的，陳舊的，或沒有意義的，使其無效。此外，人工智能可能會 "失敗"，在面臨另一個人工智能實體或BMA不同意的情況下，錯誤地選擇行動，導致威脅影響到友好目標。

在開發作戰系統時，可靠性可能是生與死的區別。因此，最重要的是，這些武器系統（特別是像人工智能這樣的新型系統）在被引入戰斗空間并被委托保護作戰人員之前，就已經以最高標準的可靠性和安全性進行開發。該項目利用系統工程方法來確定與人工智能及其在戰斗空間中的作用有關的潛在危險和風險。使用一個既定的風險管理框架（RMF），該團隊提供了一些緩解策略，開發人員在培育這項技術以用于未來的美國武器系統和流程時必須考慮。

該團隊還采用了系統工程來進行項目分析。首先，他們以問題為導向，確定需求。為了實現這一目標，團隊通過對該主題的前期工作進行廣泛的文獻回顧，了解了人工智能和機器學習（ML）到底是什么。這使該團隊能夠開發系統架構圖，以了解潛在的系統結構和層次。然后，該小組利用其成員的個人知識（如兩名在導彈防御局工作的成員和一名現役海軍陸戰隊軍官），為人工智能在戰斗空間的潛在應用開發用例場景。使用Innoslate開發人工制品，該團隊然后從這些用例中進行安全分析，以確定危險和故障模式。使用美國國家標準和技術研究所特別出版物800-37修訂版中的RMF對這些危險和失效模式進行了分析。這使團隊能夠為確定的危險制定緩解策略。

如上所述，團隊開發了三個用例：（1）彈道導彈防御場景；（2）一艘受到無人駕駛飛行器群攻擊的船只；（3）戰區級和戰略級人工智能系統產生相互矛盾的建議的場景。該團隊選擇這些情景的依據是它們可能對國家造成的影響程度（如配備核彈頭的彈道導彈）、它們的可能性（如大型海軍艦艇這樣的高回報目標），以及未來戰爭轉向遠征性質（如前沿作戰基地（FOB）和遠征先進基地）。每種情況下都有廣泛的故障模式和緩解策略（以及計算機資產的常見系統危險）。通過確定這些故障模式和緩解策略，該小組為未來針對其他可能性和情景的規劃提供了一個基線。

情景1的彈道導彈防御情況突出了作戰人員的不信任。在這種情況下，作戰人員根據自己的作戰概念，而不是人工智能的建議，對來襲的彈道導彈作出反應。與這種不信任相關的危害包括無效的反應時間、無效的反制措施、不正確的致命物體選擇以及反制措施將影響的不正確位置/時間。情景2的艦艇自衛情況側重于人工智能發展的訓練數據。該小組確定了諸如錯誤識別和無效反應等危險，以及與之相關的故障模式。情景3的主要危害來自于敵方成功攻擊友方FOB的主要事故。導致這種意外發生的危險是敵方的威脅沒有被解除，以及是否根本沒有參與。

該小組為每一種情況制定了緩解策略。情景1的首要策略是建立人工智能在決策過程中要遵守的時間標準，以及用戶的行動概念（CONOPS）要定期更新，并在部署前階段進行。對于情景2，在部署前采用適當的編程技術，定期（每月）更新訓練數據，并利用備份數據，可以防止誤認和無效的反應。情景3的危險可以通過在部署前階段的適當編程和聯合部隊的投入來減輕。

最后，小組建議進一步研究如何在戰術和行動層面實施AI/ML，AI/ML被用來收集新的或現有威脅的性能數據，國防部指導如何管理將使用AI/ML的系統的驗證和確認，并對AI/ML BMA進行服務水平和國防部水平的可靠性研究。在本報告結束時，讀者應該更好地了解AI/ML如何使作戰人員受益，以及必須采取哪些預防措施以確保其盡可能安全地發展。

I. 簡介

A. 背景

自動化和人工智能的概念已經存在很多年了。Gregory Allen (2020)說，"盡管許多人工智能技術是舊的，但在過去的十年里，有一些合法的技術突破，大大增加了人工智能實用、強大和有用的應用的多樣性。" 機器學習（ML）是人工智能領域的一個子集，是最近許多研究工作的重點。圖3說明了自動化、人工智能和ML之間的聯系。

圖3. 自動化、AI和ML的維恩圖。

人工智能/機器學習有可能提高作戰人員對戰斗空間的態勢感知，改善時間緊迫和復雜威脅情況下的戰術決策過程和速度。在實施人工智能和ML的過程中，這些好處不會沒有潛在的安全風險。圖4描述了與在戰斗管理輔助工具中使用人工智能和ML有關的一些安全風險。自動系統容易受到網絡攻擊，操作人員可能會遇到信任或互動問題，特別是ML系統，很容易提供歪曲或有偏見的結果。

圖4. AI/ML系統的失敗模式實例。

人工智能作為一種具有廣泛用途的能力，對美國防部的吸引力越來越大。根據2018年國防部關于人工智能的戰略，"不實施這一戰略的代價是明確的。不采用人工智能將導致與我們的人民的防御無關的遺留系統，侵蝕盟友和合作伙伴之間的凝聚力，減少進入市場的機會，這將導致我們的繁榮和生活水平下降，以及對建立在個人自由基礎上的社會的日益挑戰"（國防部2018年）。特別是，鑒于彈道導彈防御、巡航導彈防御、高超音速導彈防御和防空的復雜性，空中和導彈防御（AAMD）任務領域特別值得關注。存在多種防御系統，以擊敗由人類作戰人員控制的各個飛行階段的威脅。在某些情況下，當決策空間因時間限制、信息挑戰（太多、太少或太差）或威脅挑戰（多種和/或不同的AAMD威脅）而變得復雜時，這些人類作戰人員變得不知所措。包括一個自動決策輔助工具來協助作戰人員，甚至承擔決策者的角色，是國防部許多地方正在探索的領域空間（國防部2018）。

以下兩個作戰視圖（OVs）描述了在戰略層面（圖5）和區域層面（圖6）使用帶有AI/ML的作戰管理輔助工具，以及嵌入的風險圖表，確定一些需要調查的安全風險。

圖5. 戰略層面OV-1-自動作戰管理輔助工具的安全性

圖6. 區域級OV-1-自動作戰管理輔助工具的安全性

鑒于人工智能和ML很有可能被整合到指揮和控制、作戰管理輔助工具和武器系統本身，這個頂點項目探討了為AAMD任務引入人工智能和ML能力作為自動戰斗管理輔助工具（BMA）的潛在危險。

B. 問題陳述

技術的進步提高了戰爭的速度，需要更快的反應時間和人類決策。美國防部（2017）已經承認有必要獲得戰術決策輔助工具，以減輕指揮官和作戰人員的戰場決策壓力。在BMAs中使用自動化方法，包括AI和ML，可以幫助滿足多樣化的任務需求，以及協助從計劃到執行的過渡（美國防部2017）。然而，由于人工智能系統的非確定性和不斷發展的性質、復雜的人機互動以及與學習系統的開發和運行有關的挑戰，在未來的BMA中使用人工智能和ML會引入安全風險和新的故障模式。

C. 項目目標

該頂點項目的目標是研究與未來利用人工智能和ML為AAMD任務開發和實施BMAs有關的安全風險。具體來說，這項研究涉及以下問題。

• 與支持未來自動戰術決策和任務規劃輔助工具的人工智能系統的部署有關的安全風險是什么？

• 在戰術決策中使用的人工智能系統的安全相關問題可能會產生什么后果？

D. 利益相關者

該小組確定了關鍵的利益相關者，并評估了他們的需求，如表1所示。利益相關者包括將從這項研究中受益的組織和終端用戶。特別是終端用戶（作戰人員），將從利用人工智能和ML能力的成功和安全的BMA的實施中受益。項目經理和工程師可以將本研究的結果納入為AAMD任務提供的安全AI/ML BMA的系統要求和設計中。

表1. 關鍵利益相關者

E. 團隊組織

頂點團隊由以下NPS系統工程學生組成。Angela Hoopes, Luis Cruz, Ryane Pappa, Savanna Shilt, 和Samuel Wuornos。表2介紹了該團隊的角色和他們各自的組織。

表2. 項目團隊成員

團隊成員	角色	組織機構
安吉拉-胡普	團隊負責人	系統評估小組首席工程師NH-04 0801，導彈防御局-宙斯盾BMD項目辦公室-工程局
路易斯-克魯茲	開發和集成負責人	導彈防御局以色列合作項目辦公室測試主任
瑞恩-帕帕	工程負責人	美國陸軍作戰能力和發展指揮部軍備中心（DEVCOM-AC）系統工程局DB-03 0801總工程師團隊負責人
薩瓦娜-希爾特	首席分析師	美國陸軍信息系統工程指揮部（USAISEC），計算機科學家NH-03 1550
塞繆爾-烏爾諾斯少校	首席編輯	美國海軍陸戰隊第3航空聯隊海軍陸戰隊重型直升機466中隊飛機維修員和飛行員

圖7中的團隊組織結構圖描述了A.ctual I.ntelligence團隊的高層組織結構，包括頂點顧問、團隊領導、第二讀者、建模領導、工程領導、首席編輯和首席分析師等角色。

圖7. 團隊組織

組織結構圖中每個角色的職責是根據整個頂點項目過程中要完成的關鍵研究和活動來確定的。表3列出了每個團隊成員以及他們的角色和責任。

表3. 項目團隊成員

F. 項目方法

該團隊利用系統工程的方法來進行本項目的分析。首先，他們以問題為導向，確定需求。為了實現這一目標，團隊專注于學習人工智能和ML到底是什么，對該主題的先前工作進行廣泛的文獻回顧。這使團隊能夠開發系統架構圖，以幫助他們了解潛在的系統結構和層次。然后，該團隊利用其成員的個人知識（如兩名在導彈防御局工作的成員和一名現役海軍陸戰隊軍官），為人工智能在戰斗空間的潛在應用開發用例場景。使用Innoslate開發人工制品，該團隊然后從這些用例中進行安全分析，以確定危險和故障模式。然后使用國家標準和技術研究所特別出版物800-37修訂版中的風險管理框架（RMF）對這些危險和失敗模式進行分析。這使該小組能夠為所確定的危險制定緩解策略。

G. 頂點報告概述

第一章提供了項目的介紹和背景。它介紹了問題陳述、項目目標、利益相關者描述、團隊組織和項目方法。

第二章提供了團隊研究的以往作品的回顧。這些作品提供了關于機器學習、人工智能和作戰人員決策的關鍵背景信息。本章介紹了為什么這些作品與本項目有關。

第三章涵蓋了對導彈防御中涉及人工智能/ML的三個用例場景的關鍵分析。這些用例包括彈道導彈防御、海軍軍艦自我防御和戰略與戰區偏見。該章詳細討論了已確定的故障模式和危害，為風險評估提供了一個基線。

第四章以第三章的分析為基礎，對每個用例已確定的故障模式和危害進行了深入的風險分析。團隊利用這一風險分析，提供緩解策略，供未來的開發者考慮。

第五章討論了前幾章得出的結論，并討論了在導彈防御和未來作戰系統和進程方面，人工智能/ML的發展/采購的潛在途徑。

摘要

美海軍陸戰隊的遠征戰車（EFV）項目從開始到取消花費了超過30億美元。兩棲作戰車（ACV）試圖取代兩棲突擊車（AAV）并接替EFV的位置。一個項目的比較可以用來從以前的管理錯誤中學習并防止這種規模的失敗。通過分析這兩個兩棲車輛項目，對照現有的項目管理工具，包括決策科學原則，評估了相關的成功和失敗。本報告比較了兩個項目生命周期中的關鍵節點，并為未來兩棲作戰車輛的采購提供建議。結論顯示，不平衡的成本和進度的增加壓倒了EFV的性能目標，導致了取消。結果，ACV顯示出較低的性能，但相比之下，成本較低。通過研究，采購專業人員可以更好地理解監督的重要性，找到解決方案，并有效地裝備自己來管理主要的國防武器系統。

I. 簡介

A. 海軍陸戰隊的兩棲任務

美海軍陸戰隊旨在維持護美國遠征軍。雖然遠征任務隨著每個沖突的發生而變化，但海軍陸戰隊仍然保持靈活，并努力保持較高的戰備水平，以便在沖突發生時迅速作出反應。兩棲作戰是圍繞海軍陸戰隊遠征性質的基本能力之一。海軍陸戰隊理論出版物（MCDP）《遠征作戰》指出，"海軍陸戰隊遠征作戰的頂點作戰概念是海上作戰機動"（海軍部[DON]，2018年，第89頁）。自成立以來，進行艦艇到岸上行動的能力已經定義了海軍陸戰隊。通過1947年《國家安全法》的通過，國會將兩棲任務編入法典，并賦予海軍陸戰隊如何完成這些任務的自由裁量權：

• “美國海軍陸戰隊隸屬于海軍部，應包括陸上作戰和服務部隊以及其中可能包含的航空部隊。海軍陸戰隊應進行組織、訓練和裝備，以提供聯合武器的海軍陸戰隊，以及支持性的航空部門，與艦隊一起奪取或保衛先進的海軍基地[強調是后加的]，并進行對開展海軍戰役可能至關重要的陸地行動。海軍陸戰隊的職責是與陸軍和空軍協調，發展與登陸部隊所使用的戰術、技術和設備有關的兩棲作戰階段[強調是后加的]。此外，海軍陸戰隊應提供在海軍武裝船只上服役的分隊和組織，應提供安全分隊以保護海軍駐地和基地的海軍財產，并應履行總統可能指示的其他職責。但這種額外的職責不應減損或干擾海軍陸戰隊主要組織的行動。海軍陸戰隊應根據綜合聯合動員計劃，負責擴大和平時期海軍陸戰隊的組成部分，以滿足戰爭的需要。(海軍陸戰隊大學[MCU], 2021) ”

此外，10 U.S.C. § 5063規定了海軍陸戰隊的組成和職能，合法地要求 "海軍陸戰隊將被組織、訓練和裝備，以提供兩棲和陸地作戰能力，奪取先進的海軍基地并進行海軍陸地作戰"（MCU, 2021）。

B. 解讀

美海軍陸戰隊通過繼續采購和維護兩棲車隊來響應這一號召。海軍陸戰隊在菲律賓、第二次世界大戰、越南和韓國的戰斗中使用這些車輛。自1971年以來，海軍陸戰隊使用了突擊兩棲車（AAV），正式命名為AAV-7A1。這些車輛的兩棲性質造成了昂貴的操作和維修周期。2020年提交給國會的一份報告指出，"AAV已經變得越來越難以操作、維護和維持......[其]兩英里的船岸距離被許多人視為一個重要的生存能力問題，不僅對車輛本身，而且對海軍兩棲部隊"（Feickert，2020，第2頁）。盡管有這些事實，軍團認為這種能力值得冒險。然而，多年來，政治、公共和軍事官員對海軍陸戰隊理論的某些方面表示反對，因此也反對兩棲車輛的相關性。例如，在1957年，克魯拉克準將給海軍陸戰隊司令佩特將軍寫了一封信，指出 "美國不需要海軍陸戰隊。然而，出于完全超越冷酷邏輯的充分理由，美國想要一支海軍陸戰隊"（丹尼，2021）。

盡管有政治壓力和與AAV兩棲能力相關的挑戰，海軍陸戰隊繼續其合法的歷史使命。兩棲需求仍然有效。盡管如此，鑒于圍繞著遠征戰車（EFV）開發的數十億納稅人資助的沉沒成本，海軍陸戰隊繼續其兩棲作戰車（ACV）的追求。然而，這種采購努力與海軍陸戰隊內部激進的部隊設計措施相吻合，強調了有關戰斗空間、設備和力量投射的作戰轉變。這項研究的目的是對未來兩棲作戰車輛的采購工作產生積極的影響。

C. 利益相關者

海軍陸戰隊的兩棲能力包括各種利益相關者，包括美國的納稅人、國會、參謀長聯席會議、海軍和海軍陸戰隊領導人、軍人、工業承包商（通用動力公司和BAE）以及各種研究組織，如政府問責辦公室（GAO）、國會研究服務部（CRS）和監督委員會。每個組織的目標和目的并不總是一致。相互競爭的利益，如工作、作戰準備、成本節約、互操作性和安全，都會影響到采購方案。這項研究并不深入關注每個利益相關者；相反，它將利益相關者的互動與項目結果聯系起來。

D. 范圍和效益

這項研究對于避免因采購計劃取消而導致的實際浪費和不支持的作戰人員的低效率是至關重要的。該報告對兩個項目進行了比較和對比，并觀察了四個方面的優勢和劣勢的項目證據：（1）強制性要求，（2）國防部決策支持系統（DSS）模型，（3）項目管理（PM）工具，以及（4）決策科學原則。通過比較分析，項目管理部門可以更好地了解決策的影響。分析了移位的關鍵性能參數（KPP）、計劃基線以及與工業界的協調。該分析遵循國防部決策支持系統（DSS）的結構，具體到主要能力獲取途徑。最后，試圖通過決策科學原則來分析組織行為。這方面可以使項目經理（PMs）認識到可能對項目產生負面影響的范式和認知障礙。

E. 分析技術

研究主要采用了公開來源的文件，包括美國防部的指導手冊、報告、計劃提交書以及各種書籍和文章。此外，還進行了硬拷貝和互聯網搜索，并通過國防采購管理信息檢索（DAMIR）系統訪問具體的項目數據。在整個文獻審查中使用這些來源，以建立與EFV和ACV比較有關的分析標準。

值得注意的是，在整個報告中，無法證明因果關系。然而，顯示了相關性，然后進行了觀察。這種外部觀察并不包含所有的計劃信息，也不支持完全全面的研究水平的意圖。有太多的變量存在于PM的控制范圍之內和之外，無法分析所有的風險來區分一個絕對正確的前進道路。同樣，項目的可變性也不支持推薦一個具體的規定性過程，只是建議。

F. 研究問題

EFV和ACV項目在以下關鍵國防采購領域的比較：（1）強制性要求，（2）美國防部決策支持系統（DSS）模型，（3）項目管理（PM）工具，和（4）決策科學原則。

這個問題可以用幾種方式來回答，特別是考慮到強制性要求、工具和專業的多樣性。盡管如此，說明了信息的數量和相互聯系性。接下來，第二章闡述了每個項目的歷史背景和時間線，引出第三章的文獻回顧和分析。然后在第四章中，總結了適用于兩個項目的聯系。

美國海軍陸戰隊正在探索使用人機協作來控制前線部署環境中的無人駕駛航空系統（UAS），其任務范圍廣泛，包括情報、監視和偵察（ISR）、電子戰（EW）、通信中繼和動能殺傷。美國海軍陸戰隊設想使用未來的垂直起降平臺（VTOL）來支持混合戰爭任務并實現軍事優勢。對于美國海軍陸戰隊的混合戰爭應用，以實現任務優勢和戰爭主導權，美國海軍陸戰隊需要了解VTOL機組和無人機系統之間錯綜復雜的人機互動和關系，以獲得戰斗空間態勢感知，并有效地計劃和執行針對常規和不對稱威脅的旋轉翼行動。這項研究的重點是美國海軍陸戰隊在海洋環境中的打擊協調和偵察（SCAR）任務，以促進遠征基地先進作戰（EABO）在沿岸地區。有多種復雜的功能必須加以考慮和評估，以支持人機協作互動，提高任務的有效性：任務規劃、移動和滲透、區域偵察、偵察戰斗交接和過渡。

這份頂點報告探討了SCAR任務期間三個系統之間的人機協作：UAS、VTOL和地面控制站（GCS）。該研究從VTOL項目的文獻回顧開始，研究了美國海軍陸戰隊SCAR任務戰術和用于促進EABO的理論概念。此外，它還包括對自主性和自動化、人工智能和機器學習的研究。通過使用合作設計模型來探索這三個系統的人機協作互動和過程，文獻回顧探討了如何使用基于三個因素的相互依賴性分析（IA）框架來確定人類執行者和機器團隊成員之間的相互依賴性：可觀察性、可預測性和可指導性。

通過基于模型的系統工程（MBSE）工具，將SCAR任務的高級功能分解為分層次的任務和子任務，系統分析被用來支持聯合設計方法。根據Johnson（2014）的說法，合作設計方法研究了相互依賴的概念，并使用IA框架作為設計工具。IA框架捕捉了主要執行者和支持團隊成員之間的互動，以發展支持每個主要任務和分層子任務的所需能力，從而產生HMT要求。這份頂點報告分析了兩種選擇。第一個方案認為UAS是主要執行者，VTOL和GCS是輔助團隊成員。第二種方案認為VTOL是主要執行者，UAS和GCS是輔助團隊成員。基于這兩種選擇，IA框架評估了17個主要任務、33個分層子任務和85個執行SCAR任務的所需能力。

此外，研究發現需要一個強大的數字任務規劃系統，如升級后的海軍陸戰隊規劃和行動后系統（MPAAS），通過存儲以前的任務和經驗教訓的數據來促進機器學習。美國海軍陸戰隊將面臨無人機系統的處理能力和信息存儲方面的挑戰。應盡一切努力增加UAS的處理能力。必須實施一個有效的主要、備用、應急和緊急（PACE）通信計劃，以確保UAS、VTOL和GCS之間所有通信平臺的冗余。美國海軍陸戰隊必須實施支持信任、提供快速反饋和簡單操作的接口。

最后，為了準確評估VTOL、UAS和GCS之間的HMT要求，頂點報告促成了一個探索性實驗的發展，該實驗將在海軍研究生院（NPS）建模虛擬環境和模擬（MOVES）實驗室使用，以促進未來的研究。制定了操作要求和測量方法，以確定HMT要求的有效性。

這項頂點研究為在SCAR任務中執行VTOL/UAS混合行動的人機互動復雜性提供了明確的證據。該頂點研究確定了使用系統分析和協同設計作為一種有效的方法，通過IA框架促進人機協作需求的發展。此外，該研究確定了對復雜的自主性和技術準備程度的需求，這可能是目前還沒有的。頂點建議美國海軍陸戰隊繼續研究人機協作，并利用SCAR任務探索性實驗來進一步完善和研究VTOL/UAS的高級系統要求，以支持具有前沿部署的UAS的混合行動，重點是實現4級自主權。

美國防部（DOD）整體態勢感知和決策（HSA-DM）項目辦公室負責確定未來垂直升降機（FVL）的認知工作負荷驅動因素，并開發認知工作負荷管理能力。減少認知工作量的最常見技術之一是將以前由人類飛行員執行的任務自動化。海軍研究生院（NPS）的這項頂點研究通過調查任務難度和自動化的復雜程度如何影響人類在人類自動化團隊（HAT）環境中的行為，為HSA-DM的使命做出了貢獻。研究結果表明，更復雜的自動化水平并不一定像其他因素（如場景難度）那樣降低認知工作量。

研究人員進行了一項 "綠野仙蹤 "類型的研究，有20名參與者和一名同盟者。每個參與者都與同伙一組，被指派在一個名為C3Fire的軟件程序中撲滅一場森林火災。參與者包括陸軍、海軍和海軍陸戰隊的中級軍官（O3-O4）。參與者中沒有人熟悉C3Fire，但他們確實有自動化的經驗。本研究的獨立變量是自動化水平（內部；低、中、高）和排隊（之間；無提示、有提示）。同盟者遵循預先規定的自動化水平，在每次迭代后 "升級"。同盟者遵循指定的自動化水平，對應于Sheridan的自動化水平之一（Sheridan 1978）。因果變量包括傳送的信息數量、移交給同伙的任務數量以及被試報告的主觀認知工作量。被試和同伙在大約70分鐘內完成一個訓練場景和三個（現場）場景。

這項研究的結果表明，自動化水平對認知工作量沒有顯著影響。研究結果確實顯示，參與者通過使用可用的功能向自動化發送更多的任務。參與者通常使用更復雜的自動化水平，將任務捆綁在單一的信息中。在捆綁功能可用之后，參與者將更多的任務交給了自動化。然而，進一步增加捆綁的數量并沒有導致交給自動化的任務數量的顯著增加。雖然參與者將更多的任務交給了自動化代理，但認知工作量在每次迭代中都保持不變。

結果表明，下一代FVL平臺的開發者應該建立自動化功能，允許人類將任務捆綁到一個單一的傳輸中，以使人類能夠向自動化代理發送更多的任務。捆綁是有效的，允許參與者更快地發送更多的任務給自動化。但是，創建允許人類向自動化代理傳送更多任務的功能并不一定能減輕人類操作員的認知工作量。