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

該項目為與使用無人系統支持分布式海戰（DMO）有關的作戰概念和系統設計決策提供信息。研究通過系統地改變仿真模型中的系統設計特征和作戰活動，支持對無人系統（UVC）進行能力級分析。分析結果表明，UVC 可提高各種無人系統的作戰可用性（Ao）和使用時間（TOS），因為它可隨時進入維護、加油和重新武裝設施，而無需長時間前往岸基設施或分布式支援艦艇。在比較使用 UVC 的配置與在自適應兵力包 (AFP) 中分配無人系統支持的配置時，單個無人系統的 Ao 提高了 6% 到 31%。仿真模型分析確定了 UVC 架構，其中包括至少 8 個無人機發射回收站、至少 3 個船舷托架和至少 5 個甲板井托架，以最大限度地提高 Ao。

在支持分布式海上作戰（DMO）時，無人系統有可能發揮兵力倍增器的作用，在提高殺傷力的同時降低有人系統的風險。然而，無人系統到岸基維護、加油和重新武裝設施的轉運時間減少了可用于支持執行 DMO 的自適應兵力包（AFP）的總體駐扎時間（TOS）。本項目研究了無人水面艦艇 (USV)、無人水下航行器 (UUV) 和無人機 (UAV) 在美國海軍現有艦艇上的集成問題，該艦艇已被重新改裝為無人載具 (UVC)。在本報告中，"UxV "一詞用于描述無人系統這一類別。

如 Van Bossuyt 等人（2019 年）所述，項目團隊采用了系統定義、系統建模和系統分析的通用系統工程流程序列。在系統定義過程中，項目團隊重點開發了作戰概念（CONOPS），并定義了 UVC 的系統要求。系統建模活動的重點是構建 UVC 的離散事件仿真模型。在系統分析階段，團隊利用所開發的模型來評估 UVC 的各種設計參數對每種無人系統類型的運行可用性（Ao）的影響。

A. 系統定義

在系統定義階段，從自上而下和自下而上的角度開發和考慮了 UVC 要求。從自上而下的角度來看，團隊分析并確定了滿足總體任務有效性目標所需的能力，而與任何現有的候選平臺無關。從自下而上的角度來看，團隊評估了一艘登陸直升機船塢（LHD）艦，以確定該平臺可實現的最大 UVC 能力。通過查閱文獻和分析利益相關者的需求，項目團隊確定了 UVC 的以下關鍵能力：指揮與控制 (C2)、UxV 發射、UxV 維護和 UxV 回收。根據設想，UVC 將包括著陸甲板無人機發射和回收站、無人機維護/布防/燃料艙、用于大型 USV/UUV 操作的船舷艙或站，以及用于小型 USV/UUV 操作的井甲板艙。

B. 系統建模

項目構想將 UVC 視為針對地面和岸上敵對兵力實施 DMO 的 AFP 的一部分。UVC 的作用是支持 UxV 對敵方岸基導彈基地進行偵察和打擊。在打擊階段之前、期間和之后，UxV 提供全天候的情報、監視和偵察（ISR）、目標定位和戰損評估服務。UVC 的總體目標是通過消除到岸基支持設施的較長運輸時間來增加 UxV 的全時服務時間。為實現這一總體目標，研究小組選擇 "航程 "和 "持續停留時間 "作為性能指標（MOP），并選擇 "UxV 任務時間"、"UxV 停機時間 "和 "維護灣利用率 "作為效果指標（MOE）。

設計并開發了一個離散事件仿真模型，用于分析 UVC 設計參數對 MOP 和 MOE 的影響。該模型是通過 ExtendSim10 建模程序開發的。該模型包括 UxV 發射和回收、UxV 維護活動以及 UxV 重新武裝和加油活動。UxV 的發射時間表和總模擬運行時間是根據擬議的 UVC CONOPS 制定的。目前，該模型并未考慮 UxV 的損失或故障；這是未來可能開展工作的一個領域。模型的主要輸出是每種 UxV 的 Ao。

C. 系統分析

為了廣泛探索實驗空間，同時減少試驗總數和模型運行時間，我們專門設計了一個填充空間的拉丁超立方設計。每次試驗重復模擬 30 次并收集結果。合并所得的 Ao 值，得出每個試驗的統計平均值。

分析結果表明，UVC 可隨時提供維護、加油和重新武裝設施，而無需在岸基設施或分布式支援艦艇之間進行長時間的轉運，從而改善了每種 UxV 的 Ao 值和 TOS 值。對于任何特定的 UxV，通過增加 UVC 發射、回收和維護站的數量，從而消除或減少這些服務的排隊時間，可獲得最大的 Ao。分析表明，UVC 在設計時應至少配備 8 個無人機發射/回收站、至少 3 個船舷托架和至少 5 個焊接甲板托架。這些參數沒有確定上限，這也是未來研究的一個潛在領域。

有趣的是，雖然 UVC 的存在改善了大型無人水面艦艇（LUSV）的航速，但 UVC 的實際設計似乎對 LUSV 的航速沒有影響。這可能是由于 LUSV 的假定任務持續時間長，假定維護間隔長，因此不可能出現任何排隊現象。單個船側停泊區似乎足以為多艘 LUSV 提供服務，但即使是單個船側停泊區，也可通過消除到岸基設施的轉運時間來改善 Ao。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）--大西洋研究中心和通用動力任務系統加拿大公司（GDMS-C）成功向加拿大自然科學與工程研究理事會（NSERC）提出了一項提案申請，從而獲得了名為 "海軍信息空間自動監控（AMNIS）"的為期三年的資助項目。AMNIS 啟動會議于 2020 年 10 月 14 日舉行，眾多教授、國防科學家和 GDMS-C 技術人員參加了會議。會議為三個組織確定了多項行動。與 DRDC 和 GDMS-C 相關的一項行動是需要制定與任務相關的方案，以幫助指導預期的研究。因此，DRDC 率先描述了一個具有代表性的海陸場景，使研究人員能夠更好地了解與 AMNIS 相關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對兵力還試圖竊取這些物資。該場景描述了通過更好的處理技術和決策制定來改進信息流、共享和使用的必要性。該情景旨在引發進一步的討論，并幫助確定 AMNIS 參與者的研究課題。

AMNIS 項目將推動防務界對機器學習、深度學習、人工智能、可視化的諸多方面、不利網絡上的信息共享、基于場景的決策制定以及人類性能建模和團隊合作的了解。此處描述的海陸場景旨在激發支持這些主題的研究途徑。

其余章節將概述現實場景中的游戲、可視化組件、性能建模、決策制定和學習。每一節都包含一系列問題，這些問題旨在為研究工作提供思考點和指導。第 2 節描述了陸地和海上兵力共同支持人道主義任務的聯合行動場景。實現這一目標的方法是通過可能被破壞并存在相關安全風險的節點相互連接和共享信息資源。第 3 節討論了可視化在場景中的作用及其對決策的影響。這既包括物理環境的可視化呈現，也包括附加信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和各種技術合作進行的人類表現建模。第 4 節討論如何利用數據檔案開發和學習對抗性注入檢測方法。第 5 節是本文的結束語。

作為分布式海上作戰（DMO）的一個關鍵原則，盡管有人和無人、水面和空中、作戰人員和傳感器在物理時空上都有分布，但它們需要整合成為一支有凝聚力的網絡化兵力。本研究項目旨在了解如何為 DMO 實現有凝聚力的作戰人員-傳感器集成，并模擬和概述集成實施所需的系統能力和行為類型。作為一個多年期項目，本報告所述的第一項工作重點是建立一個適用于 DMO 建模、模擬和分析的計算環境，尤其側重于有人和無人飛機的情報、監視和偵察 (ISR) 任務。

在半個世紀的建模和仿真研究與實踐（例如，見 Forrester, 1961; Law & Kelton, 1991），特別是四分之一世紀的組織建模和仿真工作（例如，見 Carley & Prietula, 1994）的基礎上，獲得了代表當前技術水平的計算建模和仿真技術（即 VDT [虛擬設計團隊]；見 Levitt 等人, 1999）。這種技術利用了人們熟知的組織微觀理論和通過基于代理的互動而產生的行為（例如，見 Jin & Levitt, 1996）。

通過這種技術開發的基于代理的組織模型在大約三十年的時間里也經過了數十次驗證，能夠忠實地反映對應的真實世界組織的結構、行為和績效（例如，參見 Levitt, 2004）。此外，幾年來，已將同樣的計算建模和仿真技術應用到軍事領域（例如，見 Nissen, 2007），以研究聯合特遣部隊、分布式作戰、計算機網絡行動和其他任務，這些任務反映了日益普遍的聯合和聯盟努力。

本報告中描述的研究項目旨在利用計算建模來了解如何為 DMO 實現有凝聚力的戰斗傳感器集成，并建模和概述集成實施所需的系統能力和行為類型。作為一個多年期項目，本報告所述的第一項工作重點是建立一個適用于 DMO 建模、模擬和分析的計算環境。在這第一項工作中，將對當今的海上行動進行建模、模擬和分析，重點是有人駕駛和無人駕駛飛機的情報、監視和偵察（ISR）任務。這為與執行 ISR 任務的一個或多個 DMO 組織進行比較確立了基線。這也為與其他任務（如打擊、防空、水面戰）進行比較建立了基線。第二階段接著對一個或多個備用 DMO 組織進行建模、模擬和分析。

在本技術報告的其余部分，首先概述了 POWer 計算實驗環境，并列舉了一個實例，以幫助界定 DMO 組織和現象的計算建模。依次總結了研究方法。最后，總結了沿著這些方向繼續開展研究的議程。這些成果將極大地提高理解和能力，使能夠為 DMO 實現戰斗員與傳感器的集成，并為集成實施所需的系統能力和行為建模和概述。

由于成本、能力、政策和法規等因素，美國海軍（USN）和美國海岸警衛隊（USCG）艦艇上無人機系統（UAS）的使用目前受到限制。本分析報告的主要目的是研究 1-3 類 UAS 在執行情報、監視和偵察 (ISR)、搜索和救援 (SAR) 以及后勤任務時對水面艦艇性能的影響，并考慮小型 UAS 系統的哪些性能參數可能對執行這些任務最有意義。本研究使用的數據包括公開的無人機系統規格、艦船規格和指標，以及以前進行的成本/預算分析。這些信息被用來為潛在任務的各種模型提供信息，這一工具有助于根據用戶需求和成本分析選擇無人機系統。這些分析結果表明，無人機系統有利于其可能執行的任務--即相對于其他機載資產而言，能夠支持其較短的作戰時間和航程的任務。對于 ISR/SAR 場景，分析表明，與沒有航空資產的艦船相比，無人機系統可增加識別目標的數量，并縮短完全搜索作戰區域的總體時間。在后勤運送場景中，無人機系統被用于從港口取回貨物，與完全轉向港口的船只相比，無人機系統減少了運送貨物所需的成本和時間。

盡管目前美國海岸警衛隊（USCG）和美國海軍（USN）艦隊在較小的水面艦艇上使用的有機（即從艦艇上發射和回收）無人機系統（UAS）有限，但海軍作戰部長（CNO）的 2021 NAVPLAN [1] 包括了到 2045 年實現混合艦隊的目標。許多無人機系統資產能夠執行情報、監視和偵察 (ISR)、搜索和救援 (SAR) 以及輕型補給任務。在合適的行動中利用這些系統替代有人駕駛系統，可以節省實現任務目標所需的關鍵時間和精力。本研究旨在確定可提高美國海軍和美國海岸警衛隊艦艇執行關鍵任務性能的無人機系統參數，建立無人機系統行為和影響模型，與目前采用的替代方案進行對比，并提出一種方法，用于對考慮集成到水面艦隊的無人機系統替代方案進行早期評估。

本研究總結了無人機系統在一般情況下和海上環境中使用的相關文獻。研究還總結了所收集的有關無人機系統和船只類型的信息，以及它們的相關參數、規格和能力。然后，將收集到的信息綜合成 "無人機選擇工具"，分析無人機系統要求與船舶制約因素之間的相互作用。這個基于 Excel 的工具考慮了

• 哪些通用無人機系統參數在作戰場景中最有價值。
• 特定的無人機系統在這些參數上能達到什么能力。
• 哪些艦艇可以支持特定的無人機系統。

然后，該工具會計算出每種艦船類型可運行的無人機系統，以及每種無人機系統的相對價值。該工具可根據無人機系統、艦船類型和利益相關者偏好的實際數據輕松更新。利益相關者可利用該工具指導對特定無人機系統解決方案的進一步研究。

無人機選擇工具開發完成后，將考慮無人機系統對作戰方案的影響。這是通過場景開發和建模來實現的。首先，為 ISR、SAR 和后勤任務制定了名義上的作戰方案。然后，描述每種情景的相關指標（例如，搜索一個區域的平均時間）。最后，介紹包絡計算以及通過 ExtendSim [2] 進行的高保真模擬建模。ExtendSim 由 Imagine That Incorporated 公司開發，是一套功能強大的仿真軟件，可以進行連續、離散事件和其他形式的仿真建模[2]。然后使用這些模型來考慮各種艦船和無人機系統參數（例如無人機系統速度）的變化如何影響通過相關指標評估的任務性能。

對于所考慮的 ISR 場景，分析表明，加入無人機系統能力可顯著縮短搜索區域的平均時間。由于無人機系統的航拍時間是有限的，而搜索時間會隨著搜索范圍的擴大而增加，因此對較小區域的影響更大。隨著場景中目標數量的增加，無人機系統對縮短時間的影響也會增加。關于執行 ISR 任務的無人機系統參數，無人機系統的速度是關鍵--如果無人機系統的速度接近艦船的速度，無人機系統的影響就會減小。

在搜索和救援分析中，當使用無人機系統增加傳感器寬度時，無人機系統的能力可顯著縮短搜索箱的時間。在此，分析表明，無人機系統的總飛行時間是一個關鍵因素，無論是通過增加無人機系統還是延長續航時間來實現。無人機系統的傳感器寬度也是一個關鍵因素，傳感器范圍越寬，搜索箱所需的時間就越少。不過，雖然無人機系統可用來縮短搜索時間，但無人機系統的假定探測概率也很重要。如果探測概率較低，這種使用模式可能會導致總體探測次數減少。

還考慮了一種情況，即使用無人機系統提高總體探測概率，而不是增加傳感器寬度。在這種情況下，無人機系統實際上對場景時間沒有影響。與之前的合成孔徑雷達方案一樣，探測概率非常重要，在考慮的無人機系統探測概率較低的情況下，無人機系統對方案未探測到的影響可以忽略不計或為負值。在所考慮的無人機系統探測概率的高端（與假定的艦船探測概率相似），無人機系統對情景下未探測到的平均次數產生積極影響（即減少未探測到的次數）。最后，在需要發現的目標總數較少的情況下，無人機系統對未探測到目標的影響可以忽略不計，但隨著目標的增加，其影響也會增加。

此外，在水面艦隊中增加無人機系統執行 ISR 和 SAR 任務的影響方面，出現了以下趨勢：

• 在 ISR 情況下，無人機系統的速度是關鍵參數。
• 一般來說，在探測概率高的情況下，搜索次數越多，未探測次數就越少，而在探測概率低的情況下，搜索次數越多，未探測次數就越多。這意味著在獲取新系統時必須仔細考慮無人機系統傳感器。
• 與直覺相反，在搜索較小區域時，擁有無人機系統能力對 ISR 和 SAR 任務指標的影響更大。這是因為更大范圍的搜索需要更長的時間，而無人機系統的飛行時間有一個硬性上限。

當 ISR 和 SAR 環境中有更多目標需要尋找或確認時，無人機系統就更有可能產生影響。此外，還考慮了在水面艦隊中增加無人機系統的成本影響。分析表明，即使將無人機系統的采購成本計算在內，較小的現成商用無人機系統（COTS）解決方案的每小時成本也可能大大低于傳統的載人資產。隨著商用現貨無人機系統解決方案成本的增加，其每小時成本將接近載人資產成本的低端。這一分析取決于無人機系統的飛行小時數，因為其中包括固定采購成本。無人機系統資產的飛行時數越多，其比較單位成本就越低。本研究還考慮了無人機系統成本收支平衡的飛行小時數，或者說單個無人機系統的采購投資已經通過降低支持地面機隊的邊際成本而收回。這項分析假定無人機系統的飛行時數取代了載人資產的飛行時數。在此，如果假定所有無人機系統的飛行時數都能替代有人值守資產的飛行時數，那么成本較低和較高的 COTS 無人機系統都能迅速達到運行時數的盈虧平衡點。然而，對于成本較高的系統而言，運行小時盈虧平衡點在很大程度上取決于假定的替代率。對于假設的高端 COTS 無人機系統，如果單個無人機系統的 50%飛行小時可替代載人資產飛行小時，則達到運營小時盈虧平衡點的飛行小時數將比 100%替代率情況下增加約 680%。

歸根結底，在其他條件相同的情況下，將無人機系統納入水面艦艇編隊很可能會提高孤艦在 ISR 和 SAR 任務中的性能。將無人機系統集成到較小的水面艦艇中還將為指揮官提供更大的靈活性，以適應作戰挑戰。然而，并非所有的無人機系統都具備適當的速度、任務續航時間和航空電子設備組合，以提供有意義的能力。那些能夠提供有意義能力的無人機系統可能更大、更昂貴。這表明，必須謹慎選擇要集成的無人機系統。

在作出魚雷裝載決定時，規劃者必須考慮不同反潛戰（ASW）單位的能力和實力、有限的預算和不同的對手潛艇艦隊。目前，Mk-54輕型魚雷的裝填決定是人工做出的，而且沒有一個系統的方法來處理威脅的不確定性。這項研究試圖通過使用隨機優化來確定美國水面艦艇、固定翼飛機和直升機上裝載魚雷的類型和數量，從而為這些決策提供參考，以面對不確定的潛艇威脅，達到預期的殺傷概率。開發了兩種魚雷分配隨機優化模型（TASOM）的配方： TASOM-1，最小化錯過的潛艇數量；TASOM-2，最小化殺傷概率閾值以下的偏差。為了顯示隨機編程方法比典型的確定性規劃的價值，提出了一個概念性案例，旨在代表一個行動，即反潛部隊在一個區域內巡邏對手的潛艇。隨機生成100個威脅場景，其中部署在該地區的潛艇的數量和級別各不相同。TASOM-2的裝載量明顯優于確定性的平均裝載量。所提出的模型與可訪問的用戶界面相結合，為規劃者提供了一個決策輔助工具，以進行敏感性分析，指導不確定情況下的魚雷分配和預算決策。

反潛戰（ASW）被定義為 "為了不讓敵人有效使用潛艇而進行的行動"（參謀長聯席會議2021年，第IV-10頁）。這些行動包括定位、跟蹤和消滅敵人的潛艇。這項研究的重點是最后一項任務。隨著對手繼續現代化和增長他們的潛艇艦隊，尋求以最佳方式為美國海軍的反潛平臺配備能夠有效瞄準這些潛艇的武器。

A. 背景情況

ASW主要由海上巡邏機、水面作戰艦艇及其搭載的直升機和潛艇執行。通信限制和水域管理要求通常使潛艇無法與其他類型的平臺協同作戰。假設友好的潛艇將在不與水面和空中資產重疊的區域進行反潛作戰。本報告將不進一步討論潛艇行動。

巡洋艦和驅逐艦都可以從其水面艦艇魚雷發射管（SVTT）和垂直發射反潛火箭（ASROC）系統中發射輕型魚雷。

P-8 "海神 "是一種多任務海上巡邏機。在進行反潛作戰時，它可以配備輕型魚雷，用來對付對手的潛艇。與水面平臺相比，P-8在搜索潛艇時可以覆蓋更大的區域，并且可以在沒有敵人魚雷的威脅下進行交戰。一個P-8中隊由六或七架飛機組成，一個分隊由四或五架飛機組成。中隊和分隊可以在世界各地的美國、盟國和合作伙伴的空軍基地進行部署和行動。

MH-60R海鷹直升機與P-8一樣具有水面平臺的優勢，但可以攜帶較少的魚雷，作戰范圍也短得多。MH-60R分隊可以搭載在Flight IIA阿利-伯克導彈驅逐艦、提康德羅加導彈巡洋艦、獨立和自由級瀕海戰斗艦以及航空母艦上。驅逐艦、巡洋艦和瀕海戰斗艦最多可以搭載兩架MH-60R。

美國海軍必須準備好面對一個非常多樣化的威脅。根據Janes（Janes 2021a）的說法，俄羅斯海軍有27種。

俄羅斯等潛艇艦隊組成的分歧給國防規劃帶來了復雜的挑戰。

Mk-54輕型魚雷可從水面艦艇上的SVTT和ASROC系統發射。在進行反潛作戰時，它也可以被裝載到MH-60R和P-8上。考慮分配由0型、1型和2型變體組成的魚雷庫存。

B. 技術現狀和動機

在這項研究中開發的模型是具有追索性的兩階段隨機模型。具體來說，在第一階段（武器分配）將魚雷分配給反艦導彈部隊，在第二階段（武器目標分配，WTA）將魚雷分配給潛艇。武器分配決定往往是在不完全了解威脅的情況下做出的，這就促使了隨機優化和模擬。

自從Manne（1958）提出WTA問題以來，在武器分配和WTA方面已經做了大量工作。佩奇（1991）開發了一個混合整數編程模型，以獲得火炮系統和彈藥的最佳組合。Jarek(1994)利用模擬得到空戰所需的艦載防空導彈的數量。Tutton（2003）開發了一個使用隨機優化的傳感器分配模型，在不確定的敵方作戰順序下將搜索包分配給目標。Avital（2004）開發了一個兩期的隨機供應鏈模型，以確定在不確定的目標需求下，應該采購多少反艦巡航導彈以及如何分配這些導彈。Uryasev和Pardalos（2004）表明，與隨機對應的決定性武器分配決策相比，缺乏穩健性。Buss和Ahner（2006）開發了一個戰斗模擬，稱為DFAS，用于評估軍隊的未來戰斗系統（Havens 2002）。DFAS是一個離散事件模擬，代表實體運動、探測和武器效果事件。它還包括定期優化，以修訂WTAs。Hattaway（2008）通過考慮雷達和電子傳感器以及海軍軍械，將DFAS調整為海戰應用。Laird（2016）考慮了混合武器，以分配對抗來自空中、地面和地下的蜂群威脅。Cai（2018）使用基于代理的時間階梯式模擬，為城市環境中的進攻行動找到精確和區域火炮彈藥的有效組合。Brown和Kline（2021年）考慮了任務覆蓋范圍而不是目標交戰，以確定VLS艦的最佳武器裝載。不同類型的導彈，每一種都用于不同的任務（打擊、防空或反潛戰），可以被容納在VLS單元中。Adamah等人（2021）建立了一個非線性優化模型，用于確定分配給進行反潛作戰的潛艇的Mk-48重量級魚雷的類型和數量。Templin(2021)考慮了以啟發式方法解決的WTA問題的衍生物，其簡化的假設是只有一個目標要參與。研究的重點是為發射政策提供信息，特別是對威脅使用的導彈的數量和類型。

在上述文獻中的武器分配模型中，與本研究有關的是，注意到Page（1991）和Avital（2004）都使用了指揮官指定的期望成功的閾值；然而，他們在模型中著重于最小化武器成本，并將目標視為總需求。Jarek（1994）和Cai（2018）的模擬為所需的總導彈或彈藥組成提供了一般建議，但沒有提供可作為可操作的裝載計劃的閉合式解決方案。Tutton（2003）的模型將傳感器分配給單位，這與魚雷分配不同，傳感器不在目標上消耗（使用后）。Brown和Kline（2021）考慮的是任務覆蓋范圍，而不是目標，這對問題來說不是一個合適的方法，因為魚雷的使用只是為了與對手的潛艇交戰（或反擊對手的潛艇魚雷）。只有Adamah等人（2021年）涉及魚雷作為武器類型；然而，他們的模型是非線性的，也沒有推薦一個考慮到多個目標的魚雷裝載計劃。

另外，除了DAFS，上面審查的WTA模型只考慮一個射手。雖然希望對不確定的威脅進行計劃，在一個場景中出現不同類型和數量的目標，但Uryasey和Paradalos（2004）對一個場景進行計劃，但對武器的殺傷概率不確定。和其他的模擬工作一樣，DAFS（Havens 2002；Buss和Ahner 2006；Hattaway 2008）并沒有提供一個關于武器應該如何分配給目標或分配給單位的閉合式解決方案。Laird（2016）和Templin（2021）都是為給定的威脅做計劃，并沒有考慮到威脅情況下的任何不確定性。

盡管在武器分配和指派模型方面有大量的文獻，但注意到大多數模型沒有使用隨機優化。此外，目前，魚雷的裝載決定是由人工做出的。這項研究的目標是利用正式的數學優化來幫助魚雷分配決策。具體來說，隨機優化將使決策者能夠對不確定的威脅進行規劃。對威脅構成的不確定性進行規劃是現實的，因為通常情況下，必須在發現敵方潛艇或甚至部署反潛部隊之前作出裝載決定。

NAVAIR任務工程和分析部（MEAD，AIR4.0M）每年進行一次工程、參與和任務級建模和分析，以支持項目和技術投資決策。Minotaur任務系統正在被海軍收購，以整合到P-8A海神號海上巡邏機和MH-60R海鷹海上直升機上。 Minotaur將"海神"和"海鷹"的傳感器整合到一個全面、共享和聯網的畫面中。Minotaur在速度、準確性和內存容量方面比傳統的、主要是手工的數據融合系統有了明顯的提高。然而， Minotaur對任務有效性的影響還不清楚，因為與傳統的動能效應器（即武器）不同，在現有的AIR-4.0M任務級模擬中，使用海軍模擬系統（NSS）和/或模擬、集成和建模高級框架（AFSIM），無法輕易捕捉到 "更好的 "數據融合對機組人員態勢感知（SA）的影響。

基本的假設是，像Minotaur這樣的系統通過提高SA的準確性來增加價值，同時減少分類和識別感興趣的聯系人的時間。這種改進預計將對水面目標定位、自我保護和協調反潛戰（ASW）行動產生重大影響。由于 Minotaur特別是不融合/協調反潛戰傳感器，它在那里的價值較小，但仍可能增加一些價值，有待確定。本研究中開發的建模和分析方法可以應用于這種調查

本研究的首要目標是為AIR-4.0M提供洞察力，使其了解如何在任務級分析中描述 "Minotaur"，包括潛在功能、指標、其當前模型的充分性，以及是否可以或應該使用其他模型或方法的指示。

研究人員使用了一種基于文獻回顧的邏輯方法，與融合、海神和海鷹社區的主題專家進行討論，并對各種建模技術進行調查。由于贊助商使用NSS和AFSIM，所以特別強調了這些建模工具。

從表面上看，研究目標并沒有什么不尋常之處。許多決策者需要分析工具和程序來協助投資決策。不過，研究結果比預期的要更廣泛，范圍更廣：

• 了解融合的價值不僅僅是對海上巡邏和直升機界的挑戰，也是對整個海軍的挑戰。不同的利益相關者對融合系統有不同的期望，而網絡平臺所支持的融合能力的顯著提高往往被認為是容易的，或者完全被忽視。
• 此外，海軍內部和建模界對融合和關聯的定義也不一致。例如，NSS、Minotaur和聯合實驗室主任對融合有三個不同的定義，這些定義并不一致。
• 另一個發現是，贊助商現在對Minotaur得出的聚變效果感興趣。這很好，但Minotaur提供的能力與聚變無關，但仍然非常有用。此外，目前海軍中還有其他現有的融合能力在使用，而這些能力并沒有被認為可以用于這些平臺。

在解決研究目的中指出的建模挑戰時，很明顯，NSS提供了一個 "足夠好 "的解決方案，只需對報告模型做一些補充就可以快速實施。這是通過建立一個新的 "傳感器 "來實現的，它包括檢測、分類和識別的能力，反映了融合系統如何攝取不同的傳感器并創造更大的態勢感知。因為對這個 "傳感器 "的性能進行參數化是一個簡單的問題，基線方案的許多偏離將產生一個查找表，供分析人員與演習/實驗結果進行比較。例如，如果一項實驗表明，Minotaur融合在300納米范圍內將接觸識別率提高到95%（這些數字是名義上的），分析人員可以使用相當于該性能的參數化偏移，將該偏移的操作指標與Minotaur基線進行比較，從而能夠確定潛在的附加值。

不過，NSS的使用并非沒有顧慮。NSS通過相同傳感器的關聯來實現 "融合"，而不是像Minotaur那樣通過兩個或更多獨立和不同傳感器的關聯來進行。因此，假設一個具有上述建模質量的 "傳感器 "代表融合，有時可能是錯誤的，例如，如果某個感興趣的接觸點沒有信號發射，沒有廣播自動識別系統（AIS），或者不在一個主動傳感器的范圍內。所以，NSS的建模方法并非100%完美。同樣，這就是為什么研究人員建議將概率值參數化，這樣分析人員就可以在他們的分析中根據需要進行詳細分析。

研究人員認為，AFSIM提供了替代性的建模方法，但與NSS相比，它的基礎水平更高。NSS在核心軟件中預先開發了一些融合過程的功能表示，而AFSIM有一個更開放的框架，提供了一個創建更多系統表示的機會。然而，這意味著對本研究感興趣的過程進行建模需要更詳細的設計和實施工作，同時還要有必要的驗證和確認程序。這可能是一個更苛刻的（和昂貴的）開發水平，而不是贊助商所能容納的。由于使用AFSIM的組織眾多，如果其他組織已經完成了數據融合業務價值研究所需的一些能力的建模，并愿意分享他們的軟件，那么積極參加AFSIM用戶組可以減輕定制開發的成本。

最后，研究人員指出，隨著關于數據和知識表示的新想法在工業界和最終在政府中的爆發，融合領域即將爆發。僅僅融合兩個傳感器曾經是相當具有挑戰性的。現在，新的攝入和分類程序意味著智能算法可以融合幾十個不同的來源來講述一個故事。一位從事融合工作35年的融合主題專家提醒研究人員，"真正的融合實際上仍然只發生在頭腦中"。

研究人員認為，理解不僅是融合的價值，而且利用由大數據、云計算和機器學習提供的日益增長的數據雪崩（很快可用于所有平臺和戰術邊緣）至關重要。圍繞這些新興能力的炒作是巨大的，所以仔細考慮投資是不為過的。因此，研究小組建議對以下領域的建模和分析進行研究：

• 如果繼續使用NSS等傳統模型，建議進行改進，以考慮到多源融合。
• 像AFSIM這樣的模擬框架，為用戶提供了更大的可操作性（但也需要更長的準備時間），顯示了捕捉新興大數據和融合能力的細微差別的前景。應該在這些技術的建模方面做出更多努力。
• 雖然2019年冠狀病毒病（covid-19）的限制和可用性阻礙了在機密層面上對該主題的深入探索，但研究人員認為，使用現場、虛擬和建設性刺激和模擬的系統內方法，可能仍然是一種可行的分析方法。在這項研究中，主辦方努力爭取讓研究人員接觸到平臺模擬器，但沒有機會。
• 先進的基于模型的系統工程技術，特別是那些即將推出的系統建模語言（SysML）2.0所帶來的技術，將允許分析人員構建或重復使用正式的系統工程模型和相關的參數化分析工具。這有能力將真正的系統工程與建模和分析技術結合起來，深入研究潛在的投資決策。此外，海軍部門的數字/系統工程轉型工作組今天正在研究這種能力。

軍方正在開發自主機器人以執行偵察和監視等任務。其中一些機器人打算以群組形式運作。由于目前還沒有可操作的機器人群，理論開發者最初將使用建設性的實體級戰斗模型來開發和測試機器人群的戰術。實驗設計方法和1991年美軍和伊拉克軍隊之間的東興73號戰役的回顧被用來校準一個半自動兵力系統。然后，校準后的作戰模型被用來估計在該戰役中進行偵察和監視的名義上的伊拉克機器人群的戰術影響。校準確保了模型的參數是準確的，從而能夠可靠地估計機器人群的戰術影響。此外，實驗設計方法對機器人群的效果與戰斗人員的武器系統技術的相互作用進行了估計。模擬試驗和統計分析表明，伊拉克機器人群的戰術優勢被美軍的熱成像儀所提供的優勢掩蓋了。然而，額外的試驗表明，如果雙方都只裝備了光學瞄準器，機器人群向伊拉克部隊提供的早期預警可能對戰斗的結果產生重大影響。

圖1. 示例:VR-Forces的SAF系統操作界面。(圖片由MAK Technologies提供。)

簡介和動機

隨著世界進入另一個大國競爭時期，自主性、人工智能和蜂群等屬性作為軍事技術和理論的未來被大眾媒體越來越多地提及。正在研究的自主性、人工智能和蜂群的一個應用是使用機器人群進行偵察和監視，以提高軍事部隊的態勢感知。2017年3月公布的美國陸軍機器人和自主系統（RAS）戰略是陸軍的公開聲明，說明陸軍打算如何在現有的機器人能力基礎上，"在將地面和空中RAS能力整合到陸軍組織方面實現統一的努力"。利用無人地面系統（UGS）和無人飛機系統（UAS）提高態勢感知是RAS的五個能力目標之一。

在未來的軍事行動中使用機器人群，需要制定與軍事部隊的理論、訓練和裝備的能力和限制相結合的機器人群戰術。戰術是實體層面的行為或行動的學說或程序，旨在實現任務的成功。目前還沒有軍事機器人群的作戰實例，無法在實際環境中制定這種戰術，也沒有軍事機器人群的歷史實例。因此，最初將使用建模和模擬來開發和測試這種戰術。6這樣做就需要模型不僅準確地代表機器人群的能力，而且還代表人類戰斗人員、武器系統和參戰部隊采用的戰術。

在這項研究中，一個半自動兵力（SAF）系統被用來估計機器人群的潛在戰術影響。明確地說，這項研究的目標不是如何設計蜂群機器人以達到某種水平，而是估計在某種水平上執行的機器人蜂群可能對戰斗產生什么影響。因此，模擬的機器人群被假定為具有某些合理的、甚至是適度的能力，而不考慮這些能力可能如何實現。

第一項任務是將SAF系統中的車輛和武器系統的相關參數，如裝甲保護、傳感器能力和武器精度，校準為現實的數值。校準是一個反復的過程，執行模擬模型，將其結果與描述模型系統的數據進行比較，并調整模型以提高其準確性。在這項研究中，SAF系統或模型是通過追溯預測或 "追溯 "來校準的，這種方法包括模擬一場歷史戰役并將模擬結果與戰役的歷史結果進行比較。在1991年海灣戰爭期間，美國和伊拉克的地面部隊之間發生了有據可查的73 Easting戰役，該戰役被用于校準。實際戰斗的結果是出乎意料的，而且是明顯的一邊倒，這就要求校準時考慮到美國和伊拉克軍隊在武器技術、戰術運用和部隊訓練方面的重大差異。

正式的實驗設計（DOE）方法被用來構造模型的校準。六個因素被確定為可能影響模擬戰斗的結果，每個因素被設定為兩個水平。一個全因子實驗設計，每個水平組合有兩個重復，需要128次模擬戰斗的試驗。在這六個因素中，DOE的統計分析確定了其中三個因素，即美國對熱瞄準器的使用、M1A1坦克的裝甲保護以及伊拉克軍隊占領其車輛和準備戰斗的延遲，是對戰斗結果最突出的影響。

如果使用機器人群來提供足夠的早期預警，那么延遲占領伊拉克車輛及其對戰斗結果的影響可能是可以避免的。另外還進行了120次實驗，以估計伊拉克部隊使用機器人群可能對結果產生的影響。在兩個因素的四個組合中，每個組合都進行了30次試驗。美軍采用或不采用熱傳感器，伊拉克軍隊采用或不采用無人機群進行預警。由于戰斗時天氣狀況不佳，使用熱敏瞄準器使美軍能夠在視覺范圍之外800米處觀察伊拉克人，而伊拉克人只有光學瞄準器可用。使用熱成像儀否定了蜂群可能提供的任何預警優勢。然而，在雙方部隊都只有光學傳感器的試驗中，使用蜂群機器人提供預警使美國戰車的損失平均增加了4.8輛。結果表明，使用機器人群的有效性與現有的不同軍事技術有著強烈的互動。

本文的結構如下。在這段介紹之后，第2節提供了關于本研究主要課題的背景信息。第3節解釋了如何應用實驗設計方法來校準一個SAF系統。第4節詳細介紹了校準的輸出和分析。第5節報告了使用校準后的SAF系統來模擬和估計機器人群的戰術效果的結果。第6節陳述了研究的結論，并描述了未來可能的相關工作。

地理定位精度測試報告介紹了當前戰術優勢網絡指揮與控制(TEC3)系統的地理定位精度研究結果。該文件由加拿大萊茵金屬公司提交給加拿大國防研究與發展，任務TA-04。

萊茵金屬加拿大公司于2018年2月至2021年3月為加拿大國防研究與發展部（DRDC）開發了戰術邊緣網絡指揮與控制（TEC3）技術演示器。TEC3展示了網絡和安全態勢感知以及網絡指揮和控制功能在一個示范性的下馬士兵網絡中的應用。根據核心工作成果，TEC3包括本地組中節點之間的移動特設網絡（MANET）通信，以及估算、地理標簽和顯示目標發射器位置的地理定位功能。

本報告詳細介紹了通過任務授權（TA）實施的進展情況，以測量TEC3系統對無人機系統（UAS）進行地理定位的性能，使用本報告的測試計劃中記錄的特定拓撲結構和距離。這些拓撲結構取決于最大距離參數，該參數本身也是一個實驗測量的對象。最大距離參數是軟件定義無線電（SDR）能夠接收UAS傳輸的最長距離。除了掃描頻譜進行地理定位外，SDR還記錄了地理定位過程中的通信頻段，以便將來分析。

實驗被成功執行，在某些情況下，UAS可以通過三個TEC3節點的不同城域網拓撲結構和距離來進行地理定位。例如，在某些情況下，它可以在直徑為420米（平均）的圓形/橢圓形區域內進行一定精度的地理定位。在其他情況下，橢圓覆蓋了TEC3的部署區域；在這些情況下，準確性差是由于SDR和全向天線輻射模式之間對同一發射器/位置的測量功率不一致。

探測發射器的最大距離估計約為600米。 實驗產生了108份60秒的記錄，將用于未來的分析。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）-大西洋研究中心和加拿大通用動力任務系統公司（GDMS-C）向加拿大自然科學與工程研究委員會（NSERC）成功申請了一項名為海軍信息空間自動監測（AMNIS）的三年期資助項目。AMNIS啟動會議于2020年10月14日舉行，許多教授、國防科學家和GDMS-C技術人員參加了會議。會議為這三個組織確定了許多行動。與DRDC和GDMS-C相關的一項行動是需要與任務相關的場景來幫助指導預期的研究。因此，DRDC率先描述了一個有代表性的海陸場景，使研究人員能夠更好地了解與AMNIS有關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。該任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對勢力還試圖偷竊這些物資。該情景描述了通過更好的處理技術和決策來改善信息流、共享和使用的必要性。該方案旨在引起進一步的討論，并幫助鞏固AMNIS參與者的研究課題。

1 引言

2015年，加拿大皇家海軍（RCN）的海上信息戰（MIW）概念[1]發布，概述了信息對RCN的影響。MIW的推出使人們非常需要關注信息，它既是皇家海軍使用的一種資源，也是為了更全面地使用和利用優勢而需要理解的一個概念。

該概念文件概述了信息的影響，包括其廣泛的可用性、皇家海軍對信息的依賴性以及信息的使用，特別是在戰爭中和作為戰爭倍增器的跨梯隊的使用。該概念文件還談到需要更好的處理技術來處理MIW功能領域內的數據量，如指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）、指揮和控制（C2）、情報、監視和偵察（ISR）以及態勢感知（SA）。

在MIW概念文件之后，2016年又發布了RCN信息戰戰略文件[2]。這里的重點是發展海戰MIW能力和能力，以支持國內活動（即加拿大的防御）和國際部署。盡管戰略文件指出了信息的更多傳統用途，如收集、利用和傳播，但它也認識到網絡武器領域是一個機動的地方，可以采取防御和進攻的行動。MIW的概念文件涉及物理、虛擬和認知領域，而戰略文件則談到了信息領域，從而表明了信息對于作戰人員的地位和重要性。

在概念和戰略文件之后，加拿大在2017年發布了新的國防政策[3]。該國防政策并沒有明確提到信息領域。然而，該政策確實催生了兩個最近的文件，繼續表明信息對RCN的重要性：2019年的DND數據戰略[4]，以及2020年的RCN數字海軍[5]。

數字海軍[5]支持加拿大國防政策[3]的創新目標，特別是那些涉及適應和利用新技術的能力。數字海軍 "作為一個指南，將數字技術與人結合起來加以利用，以確保未來海軍的成功和可持續。這份文件提出的前進方向涉及自動化、大數據分析、云計算、人工智能（AI）和機器學習（ML）方面的創新，成功是指通過上述手段做出數據驅動的決策的RCN。

數字海軍的概念促進了企業和運營RCN社區在決策中對數據的使用。在操作方面，這是為了將海軍團隊和水兵從日常工作中更平凡的方面解放出來，通過自動化功能，如基于規則的重復性任務。從更廣泛的操作角度來看，使用這種數字技術和技巧是為了更好地進行操作。

上面提到的所有文件都指出，希望將RCN推向一個信息組織，在這個組織中，信息是用來使用的，但也被用作防御和安全的工具。由于其中一些方面對RCN來說是新的，因此顯然需要一個由信息科學、人工智能、ML以及將這些與認知科學相結合的專家組成的強大而明智的科學團體，以開發更好的人類決策模型來支持RCN的目標。

1.1 發展科學專長

通過政府、學術界和工業界合作伙伴的參與，建立了一個強大而知情的科學界。這個群體完全有能力在與現代軍隊相關的科學和技術問題上取得進展，以幫助滿足國內和國外對加拿大武裝部隊（CAF）不斷增長的需求。

為了發展這個社區，在自然科學與工程研究委員會（NSERC）的聯盟計劃下，成立了一個DRDC（大西洋研究中心）、工業界（加拿大通用動力任務系統公司，GDMS-C）和學術界（達爾豪西大學）的伙伴關系。提交并被NSERC接受的提案名為《海軍信息空間自動監測》（AMNIS）。該提案概述了海上和陸地的信息問題，特別是數據整合、事件和警報的ML、信任和對抗性數據，以及信息的可視化和呈現供用戶使用。

為了給學術研究小組提供背景和指導，下面提供了一個大大簡化的行動的基于場景的描述。該方案包括許多問題，表明與AMNIS相關的可能研究途徑。這里的目的是培養研究人員對與DRDC和GDMS-C有關的問題的理解，使研究人員能夠發展自己的思路，幫助他們追求與他們的研究和AMNIS有關的創新方法、技術和發現。

這項工作的動機是基于兩個愿望，即：

1.描述一個現實但簡化的操作，其中存在與AMNIS相關的信息問題，以及。

2.強調在AMNIS項目下DRDC和GDMS-C感興趣的研究領域。

1.2 概要

其余各節將提供一個現實場景的發揮、可視化部分、性能建模、決策和學習的概述。每一節都包含了一系列的問題，這些問題的提出有助于為研究工作提供思考點和指導。

第2節描述了一個聯合行動的場景，陸地和海洋部隊共同支持人道主義任務。通過可能被破壞并有相關安全風險的節點相互連接和共享信息資源來實現這一目的。第3節討論了可視化在該場景中的作用及其對決策的影響。這包括物理環境的可視化表示，以及額外信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和多樣化技術合作的人類表現模型。第4節討論了如何利用數據檔案來開發和學習對抗性注入檢測方法。第5節以總結性意見完成了本文。

執行摘要

這項工作是在任務9 "關于指揮和控制系統的信息融合、數據分析和決策支持的人為因素問題 "下，由Calian和C3人為因素咨詢公司為加拿大國防研究和發展部（DRDC）進行的，作為更大的人機交互（HAI）任務授權合同（TAC；合同號W/001/TOR）的一部分。HAI TAC的目標是設計、開發、實施和評估人機協作（HAT）概念、方法和技術，以改善加拿大武裝部隊的整體人機系統性能。北美航空航天防御司令部（NORAD）是美國和加拿大的聯合軍事組織，一直在為北美大陸提供航空航天預警、空中主權和保護。自1957年以來，它一直在為整個北美大陸提供航空航天警報、空中主權和保護。現在已經超過60年了，面對新出現的威脅，北美防空司令部及其相關的機場、雷達站和衛星網絡需要進行一次大修。例如，美國和加拿大的對手專門開發了朝鮮彈道導彈、快速發展的巡航導彈技術和高超音速滑翔飛行器，以繞過NORAD主要是冷戰時期的防御系統。

北美防空司令部未來的現代化努力已經確定了 "探路者計劃"，以建立國土防御數據生態系統（HDE）的原型，通過更多地采用自動化、人工智能（Al）和機器學習（ML）技術，提高防御決策的及時性。DRDC是對這一努力做出貢獻的關鍵參與者。如何融合信息，如何通過交互式界面向操作人員展示和解釋人工智能和ML模型所提供的決策，是探路者的關鍵人因（HF）問題。為了確保改進決策，減少操作人員的認知負荷，增加自動化的采用，需要使用HF原則、措施、方法和/或最佳實踐來設計和評估開拓者的技術。

這項工作的目的是審查現有的文獻和資源，并與DRDC中小型企業就指揮和控制（C2）系統的信息融合、數據分析和決策支持方面的高頻問題進行訪談，為NORAD提供初步的高頻建議，并確定可以探索的研究差距，以幫助改善開拓者的整體系統性能和未來行動的有效性。為此，我們對文獻進行了回顧，并與DRDC主題專家（SMEs）進行了訪談，以更好地了解從高頻角度設計、開發和評估信息融合、數據分析和決策支持系統的復雜性、挑戰和最佳實踐。文獻回顧和中小企業訪談集中在以下領域。

1.交互和界面設計。回顧C2系統的信息融合（即原則、措施、方法）的交互和界面設計的最新進展。系統和基于Al和ML的決策支持系統的交互和界面設計的最新進展，特別關注于可解釋的Al決策的設計。

2.人為因素的挑戰。確定信息融合和基于Al/ML的決策支持系統的以人為本的關鍵分析和設計挑戰，這些系統可用于航空航天防御任務的C2系統。

3.培訓系統。回顧在C2系統的信息融合和Al/ML決策輔助的背景下，針對操作者-自主性/操作者-操作者互動的培訓系統（如智能輔導系統）設計的最新進展。

總之，文獻審查包括HF、人機交互和Al領域的總共189篇文章。在這些文章中，134篇文章的子集在本報告的第3節中報告。此外，項目組還采訪了四個DRDC中小企業。

本報告還概述了由多倫多DRDC開發的高頻分析和設計框架--以交互為中心的設計（ICD），該框架已成功應用于智能自適應系統（IASs）的設計。兩個DRDC項目被確定為相關的案例研究，以展示如何將ICD框架應用于支持NORAD的開拓者計劃。具體而言。

1.創新戰斗管理決策支持技術演示項目（INCOMMANDS TDP）由DRDC Valcartier在2006年至2009年期間實施，旨在為加拿大皇家海軍哈利法克斯級護衛艦的指揮團隊開發和演示先進的指揮決策支持能力（CDSC）原型，以提高威脅評估（TE）和戰斗力管理（CPM）的整體決策效率。

2.多倫多DRDC在2014年至2019年期間開發了武器交戰的權威路徑（APWE）決策支持工具，以協助加拿大皇家空軍無人機系統機組人員在使用致命武器攻擊目標時遵循正確的交戰規則和武裝沖突法。

這兩個用例都與開拓者計劃的目標一致，即利用Al/ML技術將人類的參與從處理 "大數據 "轉移到關注高階決策過程。這樣一來，操作人員可以在比對手更清晰的數據基礎上做出更快、更好的決定，從而實現 "決策優勢"。

未來的研究可能會試圖確定INCOMMANDS CDSC和APWE與開拓者計劃的相關性。此外，作為ICD的延伸，人類-自主性信任的意圖、可測量性、可預測性、敏捷性、溝通、透明度和安全性（IMPACTS）模型可用于指導開拓者計劃中IAS設計概念的發展，以幫助運營商和半自主的TE和CPM系統之間建立有效的伙伴關系，實現共同目標。

總之，從文獻綜述和與多倫多DRDC和瓦爾卡蒂爾的中小企業的訪談中收集到的信息，以及本報告中的報告，提供了豐富的信息，DRDC可以在此基礎上為開拓者計劃做出重大貢獻；特別是通過利用他們現有的HAT工作，以及高頻分析和設計框架，如感知控制理論、以交互為中心的設計方法來設計IAS以及HAT信任的IMPACTS模型。