美國空軍越來越關注人工智能（AI）在增強作戰各方面能力方面的潛力。在這個項目中，空軍要求蘭德公司的研究人員考慮人工智能無法做到的事情，以了解人工智能在作戰應用中的局限性。

研究人員沒有試圖確定人工智能的一般限制，而是選擇并調查了四個具體的作戰應用作為潛在用例：網絡安全、預測性維護、兵棋推演和任務規劃。選擇這些應用是為了代表各種可能的用途，同時突出不同的限制因素。在可以獲得足夠數據的三個案例中進行了人工智能實驗；剩下的兵棋推演案例則廣泛探討了如何應用或不能應用人工智能。

本報告是五卷系列中的第一卷，總結了所有應用案例的研究結果和建議。報告面向政策制定者、采購專業人員以及對將人工智能應用于作戰普遍感興趣的人員。

研究問題

• 哪些作戰應用可作為潛在用例？
• 訓練和測試人工智能系統需要哪類數據？
• 人工智能算法有哪些局限性？

主要結論

• 要識別適應性威脅，數據必須是最新的。分布偏移會降低模型性能，這是無法避免的，尤其是對于高維數據。
• 不能依靠人工智能分類算法來學習沒有教過的東西。人工智能無法預測或識別新型網絡攻擊。
• 數據必須可訪問且條件良好。相關的物流數據保存在多個數據庫中，通常條件不佳。如果沒有自動化的數據管道，就無法獲取足夠的數據來實現人工智能。
• 和平時期的數據不能替代戰時數據。人工智能無法彌補適當數據的匱乏。
• 數字化必須先于人工智能的發展。大多數兵棋推演不是在數字化環境中進行的，也不會生成電子數據。數字化是人工智能數據管道的先導。
• 需要新型數據。要實現人工智能，就需要人機交互（HCI）技術來捕捉兵棋推演中目前尚未捕捉到的方面。
• 人工智能遠未達到人類智能水平。因此，它不能代替人類，也不能應用人類的判斷。
• 要應對適應性威脅，數據必須是最新的。必須根據最新情況刷新模型，才能在動態威脅面前生存下來。
• 人工智能在戰術上很聰明，但在戰略上卻很幼稚。它往往通過進入對手的 "觀察、定位、決策、行動 "循環而取勝，而不是通過提出一個巧妙的大戰略。
• 與傳統優化方法相比，人工智能的準確性較低。但它的解決方案可能更穩健，也能更快達成。

建議

• 空軍部（DAF）應進行數據集細分測試，以確定人工智能系統分布偏移的重要性，并確定大致的衰減率和人工智能保質期。
• DAF 應進行人工智能試驗，以改進戰備備件包 (RSP) 的需求預測，并將概念驗證模型擴展到所有飛機。這可能需要在逐個部件、逐個平臺的基礎上進行。
• DAF 應考慮使用人工智能來解決更大的運籌問題，即選擇將哪些部件發送到哪里。
• DAF 應建立一個數據操作管道，以便對多個部件和平臺的飛機維護和 RSP 進行有效的回顧性分析。
• DAF 應將用于開發兵棋推演 AI 應用的資源集中在最有前途的領域：那些調查替代條件或用于評估有明確標準的領域；那些已經納入數字基礎設施（包括人機交互技術）的領域；以及那些定期重復的領域。
• 發展議程應更多地使用數字游戲基礎設施和人機交互技術，特別是在為系統探索和創新而設計的游戲中，以收集數據支持人工智能的發展。
• DAF 應更廣泛地利用人工智能能力來支持未來的兵棋推演工作。
• 國防和安全部隊應考慮如何利用人工智能為面臨突發狀況的無人機制定快速反應政策。
• DAF 應投資開發工具，將強化學習應用于現有的任務規劃模型和模擬中，如仿真、集成和建模高級框架（AFSIM）。

人們普遍認為，將機器學習融入軍事決策對于美國在 21 世紀保持軍事主導地位至關重要。機器學習的進步有可能通過提高整個國家安全企業級決策的速度、精確度和效率，極大地改變戰爭的特點。美國國防部的領導者們認識到了這一點，并正在做出大量努力，以在戰爭的戰術、作戰、戰略和機構層面有效整合機器學習工具。

本報告將探討機器學習的一種應用，其重點是在競爭和沖突的作戰層面實現軍事決策。展示了機器學習如何與人類合作，作為決策系統的一部分，用于提高軍事行動和活動的有效性。展示了這種方法如何通過分析原本無法獲取的數據源，為指揮官提供有關作戰環境的新見解。將重點放在從大量基于文本的數據（如報紙報道和情況報告）中獲得的洞察力上，這些數據無處不在，但卻很少以任何系統的方式整合到決策中。

在本報告中介紹的方法以人機協作系統的概念為基礎，并證明了現有的機器學習能力需要人在各個階段的參與，才能證明對操作層面的決策有用。因此，機器學習能力的發展與雷達自二戰以來的演變密切相關，而雷達是人機協作用于軍事目的的最早范例之一。如今，與不列顛之戰期間使用的預警系統同樣依賴雷達機器和人類觀察員一樣，機器學習仍然需要人類的參與，以指導這種新傳感器使用正確的數據，正確解釋其輸出結果，并評估其結果對作戰決策的影響。

通過一個基于真實世界數據和真實世界危機的示例研究，將讀者（"您"）置身于一名軍事指揮官的視角，就 2022 年俄羅斯全面入侵烏克蘭之前，美國如何支持烏克蘭兵力應對俄羅斯支持的烏克蘭東部叛亂，展示了這一系統方法的實際應用。在撰寫本案例研究時，把讀者您當成了這位指揮官，因為目標是強調您在未來與機器學習工具的合作中可能扮演的關鍵角色--無論是作為分析師、決策者，甚至是在現實世界的類似背景下應用這些工具的軍事指揮官。

值得注意的是，本案例研究是基于 2014-2020 年間的數據于 2020 年 12 月完成的，僅分析了這一時期與俄羅斯支持的烏克蘭東部叛亂有關的實地情況。本研究尚未更新，以反映自 2022 年 2 月俄羅斯入侵烏克蘭以來所獲得的任何見解。然而，從入侵前的視角來看，機器學習在后來發生的現實世界事件中用于作戰決策的優勢和局限性也就不言而喻了。

在整個案例研究中，將看到為本報告目的而進行的基于機器學習的實際評估結果，該評估分析了來自烏克蘭的 18,000 篇歷史新聞報道，內容涉及從 2014 年沖突起源到 2020 年末的沖突。利用機器學習工具從這些數據中提取相關見解，并與分析結果進行互動，就向烏克蘭兵力提供何種類型的支持以及在俄羅斯入侵前實現美國在該地區的目標做出名義上的決策。在此過程中，人機協作學習的優勢將逐漸顯現，將親眼目睹機器學習工具如何快速、系統地利用以前無法獲取的數據，為復雜問題提供新的見解。但這種方法的局限性也會顯現出來，將親眼目睹機器學習的好壞取決于支持它的可用數據，以及訓練機器學習工具和解釋其結果的人類分析師。

人機協作方法適用于軍事決策者在陸軍和美國防部作戰和機構層面面臨的各種問題集。因此，本研究以具體證據清晰地展示了在軍事決策中使用機器學習所涉及的權衡問題，為機器學習在軍事領域的廣泛應用做出了貢獻。本研究為美國陸軍提出了幾項重要發現和建議。

研究問題

• 指揮官如何利用機器學習進行作戰決策？
• 人類分析師應如何與機器學習工具合作以實現作戰決策？

主要發現

首先，分析展示了機器學習在軍事決策方面的巨大潛力，但只有在與對特定問題背后的背景有詳細了解的人類分析師配對時才能實現。在此提出的機器學習方法不會取代人類分析師。相反，它能使人類分析師更高效、更嚴謹，并能更好地從以前未開發的數據源中提取洞察力。在案例研究中，通過使用機器學習獲得的大多數關鍵見解都需要人類分析師的額外干預。在某些情況下，這需要在模型結果的基礎上有選擇性地疊加額外的數據源。在其他情況下，則需要人工分析師手動審查機器學習工具認為相關和有趣的基礎數據。因此，美國陸軍現有的機器學習能力需要人類在各個階段的參與，才能充分發揮其潛力。

其次，分析表明，通過大幅提高執行重復性任務的效率，人機協作方法可以大規模分析人類分析師無法單獨完成的海量數據集，從而產生以前無法實現的有關作戰環境的新見解。案例研究表明，從分析人員處理大量數據的重復性分析任務所花費的時間來看，機器學習能顯著提高效率，使分析人員更高效、更嚴謹，并能更好地從以前未開發的數據源中提取洞察力。這表明，對于需要大量人工審核相關數據的問題，陸軍領導應優先考慮將機器學習作為一種解決方案。

最后，這項研究揭示了機器學習的系統方法能夠對作戰級總部已有的大量數據進行標準化、客觀和長期的分析，從而增強其支持有效決策的潛力。在許多情況下，這些數據是戰爭中作戰和機構層面決策的最佳信息來源，但如果沒有機器學習，這些數據就只能以臨時和主觀的方式進行分析。

建議

首先，這項研究表明，陸軍應為各級指揮人員提供頻繁接觸機器學習的機會，讓他們熟悉人類如何利用這些能力作為軍事決策系統的一部分。

其次，本研究強調，陸軍應建立多樣化的機器學習團隊，以充分釋放這一能力的潛力。這些團隊應整合熟悉機器學習工具細節的作戰研究系統分析員、對特定作戰環境有第一手知識的操作員、了解可用數據以分析特定問題的分析員，以及能將機器分析轉化為對作戰決策有實際影響的指揮官。

正如美國《國防戰略》（NDS）和《國家安全戰略》（NSS）所闡明的，潛在對手一直在發展尖端技術能力。反介入/區域拒止（A2/AD）等能力對美國國防部（DOD）贏得快速、決定性交戰的能力構成了威脅。國防部高級領導層已確定，要在未來作戰環境中開展多域作戰，隨時獲取數據和信息至關重要。此外，目前正在服役的國防部 C2 計劃沒有經過優化，無法滿足未來沖突的速度和復雜性。鑒于已發現的能力差距和潛在弱點，國防部已啟動聯合全域指揮與控制（JADC2）計劃，作為一項跨軍種的倡議。作為 JADC2 概念的一部分，美國海軍啟動了海軍戰術網格項目。本論文中描述的研究探討了美國海軍的通信路徑如何承載知識，以及 JADC2 概念如何改善知識流，并解決海軍和聯合資產之間預期的不連續、延遲或間歇通信問題。

問題陳述

指揮官理解戰斗空間中流動的知識和信息的能力對于有效指揮和控制至關重要。JADC2 的目的之一就是確保為通信和數據提供有效渠道。然而，對海洋領域顯性和隱性信息流效率的評估研究還很少。目前仍需開展研究，通過不同程度的通信可用性來分析這種知識流。

目的陳述

本研究的目的是利用差距和知識流分析以及觀察同步沖突，對海上環境中 C2 知識流的現狀與 JADC2 的既定目標、目的和要求進行比較分析。本研究旨在解決現有 C2 結構中的信息和知識流問題，并將其與 JADC2 的預期能力進行比較，以深入了解未來兵力所面臨的 C2 挑戰，為 JADC2 的開發和進一步的 C2 研究提供信息。

與近在咫尺的對手發生沖突的威脅越來越大，這需要一個強有力的空中路線計劃來有效地運輸人員和貨物。在制定這些計劃時，美國空軍空中機動性司令部（AMC）必須考慮到有爭議環境中戰區間行動的動態性質。目前，AMC的規劃人員主要是手動計算資源分配，這導致了計劃實施的緩慢和潛在的次優解決方案。從一個成熟的AMC模型開始，它提供了飛機、貨物分配和機場的最佳使用，我們增加了模型功能，幫助確定如何攻擊這個空運網絡，最佳地延遲貨物運送到作戰相關地點。結果發現了漏洞，并為AMC規劃者提供了一個機場資源分配的處方，使貨物運輸最大化。這個模型對對手（無論是天氣還是競爭者）延遲任務的能力進行了定量評估，可以用來指導決策者提供強大的空中機動能力。

與近鄰對手發生沖突的風險越來越大，這使得美國防部的思維方式從基本無爭議的后勤環境轉向有爭議的環境。軍事后勤優勢的一個關鍵組成部分是目前由美國空軍（USAF）空中機動司令部（AMC）提供的全球空中機動性。為了支持和維持戰略、戰役和戰術層面的戰爭，AMC已經確定需要快速設計和評估其空運網絡。AMC正在其新開發的空運網絡快速運行設計（RODAN）項目下整合其新興決策工具，該項目由美空軍科學研究辦公室（AFOSR）支持。

開發和評估空運網絡的關鍵考慮因素包括機場停機坪空間、地面服務設備、人員以及人員的限制。地面最大工作飛機（WMOG）是一個常用的機場容量的衡量標準，代表了在一個機場有效和安全地處理一定數量的飛機所需的設備和人員數量。可用的WMOG數量有限，而空運需求又是動態的，這給AMC的規劃者帶來了異常困難的挑戰。在AMC的機場網絡中，WMOG的無效分配會導致交付延遲、安全隱患和任務要求的失敗。雖然在沒有競爭的環境中很困難，但在有競爭的環境中會增加這些挑戰并加劇缺點。

本論文通過將有爭議環境中的WMOG分配問題建模為攻擊者-防御者模型，對RODAN做出了貢獻。該模型是一個雙人零和博弈，可以根據AMC對WMOG的分配指出哪些機場最有價值，并向AMC規定在有可能發生這種攻擊的情況下如何轉移其WMOG。我們把這個模型稱為攻擊方-防御方空運計劃工具（ADAPT）。從攻擊者的角度來看，目標是以最小化通過其機場網絡的貨物流量的方式攻擊AMC的網絡。根據攻擊方的攻擊分配，防守方的目標是在機場網絡內移動WMOG，使貨物的流動最大化。對立的目標向AMC規劃者揭示了空運網絡的脆弱性，同時也為AMC規劃者提供了一個利用其現有網絡內資源的總體計劃。

ADAPT通過提供一種模擬可能的威脅的方法來實現快速的空運網絡脆弱性檢測。在輸入他們對各個機場的WMOG分配和貨物運輸要求后，AMC規劃人員可以討論各種威脅對他們機場的影響，并將這種影響輸入ADAPT。像完全取消機場能力這樣嚴重的攻擊或像天氣延誤這樣常規的攻擊都會影響貨物的流動。ADAPT的另一個好處是，它可以向AMC規劃者展示他們目前的網絡對潛在的最壞情況下的干擾的彈性。ADAPT為AMC的RODAN計劃中的現有工具提供了重要的補充貢獻。

首先用一個有五個機場的簡單網絡來說明這個模型，其中一個機場供應貨物，一個機場需要貨物，其余的轉運機場可能受到攻擊。對于這個網絡，ADAPT可以在Macbook Pro M1（2021）上以不到一秒鐘的時間解決。然后，考慮一個更大的場景，需要運輸2000噸貨物，涉及55個WMOG單位，分配在美國印太司令部責任區內的24個機場。用這種情況來說明如何解釋ADAPT的輸出。這包括最壞情況下的攻擊機場，以及攻擊后貨物移動的百分比。探討了多達10次攻擊的影響，每次攻擊的平均計算時間不到5秒。對于這種情況，發現WMOG的分配仍然能夠通過網絡移動100%的貨物，最多兩次攻擊。不足為奇的是，隨著攻擊次數的增加，貨物通過網絡移動的百分比下降。

隨著AMC開發決策支持工具，它在規劃空運網絡時必須考慮對手的行動。ADAPT通過檢測其網絡中可被對手利用的漏洞來幫助AMC規劃者。此外，ADAPT為將攻擊的影響納入空運計劃奠定了基礎，并將有爭議的環境納入AMC規劃者的對話中。確定哪些機場對攻擊者來說是最有價值的，并對攻擊的整體影響有一個概念，這將有助于規劃者開發替代的空運網絡以完成任務目標。

隨著海軍特種作戰從過去20年的反恐行動轉向有爭議環境中的同行競爭，他們需要地面部隊指揮官（GFC）為減輕認知過載、運用綜合效應和平衡戰略任務風險做好準備。如果地面部隊指揮官的培訓能夠以合格的理論標準為基礎，那么就可以通過系統化的培訓管道來減少任務的剩余風險和部隊的風險，這可以通過整合目前可用的虛擬現實技術來增加、啟用和加強。GFC崗位傳統上是一個批判性思維、決策和應急管理的角色。隨著戰場的發展，GFC將有比過去更多的資產需要控制，更多的突發事件需要計劃。這項研究評估了當前的GFC培訓和虛擬現實生態系統。海軍特戰界應采用地面部隊指揮官的虛擬現實訓練器，因為它將使GFC在零威脅的環境下進行反復訓練。

由于現行訓練準則的限制，海軍特種作戰社區的地面部隊指揮官沒有充分發揮他們的潛力。初級軍官為成為一名地面部隊指揮官總共接受了八周的正式培訓：六周在初級軍官培訓課程，兩周在地面部隊指揮官課程。初級軍官被期望成功地計劃和執行現實世界的行動，同時只完成極少的現實訓練場景。海軍特戰部隊的士兵至少屬于許多類別中的一種；他們是突破者、聯合終端攻擊控制者、狙擊手、偵察負責人或通信專家。這些專業中的每一個都有正式的訓練和持續演習，可以持續八個星期。訓練也是年復一年地進行，而地面部隊指揮官通常只經過一次正式訓練。想象一下，在未來，海軍特種作戰初級軍官準備在明天的戰爭中帶領各排對抗同行的競爭對手。挑戰將是巨大的，因為地面部隊指揮官沒有足夠的專門訓練時間來完善成為有效的戰斗領導人所需的技能。

本頂點研究主要關注以下內容。海軍特種作戰部如何能更好地準備和訓練其地面部隊指揮官，同時整合不斷進步的虛擬現實技術？通過海軍研究生院國防分析系和計算機科學系的共同努力，這項研究開始在一個合成環境中設計場景，初級軍官最終將能夠使用這些場景作為現有地面部隊指揮官培訓的補充。

虛擬現實在軍隊中并不是一個新概念；不同軍種都在某種程度上使用虛擬現實來加強訓練。海軍特種作戰部甚至有一個虛擬現實系統，是其JTACs的一個記錄項目。該記錄項目證明了特種作戰司令部致力于虛擬現實技術的采用，以確保其操作人員得到最好的培訓質量。這項研究不是為了創造一種新的虛擬現實技術，而是為了了解虛擬現實生態系統，然后為海軍特種作戰找到一種合適的采用方法。虛擬現實生態系統正在成倍增長，正因為如此，倫理和道德正在成為其開發者和使用者中更受歡迎的話題。隨著虛擬現實技術越來越容易被終端用戶使用，在短期內需要進行更多關于虛擬現實技術對個人行為的長期影響的研究。

地面部隊指揮官虛擬現實訓練器并不打算取代現有的培訓或正式課程。它只是作為一種補充。評價是，沒有足夠的專門時間讓初級軍官在成為地面部隊指揮官方面得到有意義的重復訓練。如果虛擬現實訓練器要對海軍特種作戰指揮部產生積極的影響，初級軍官的訓練就需要修改。建議在初級軍官培訓課程中初步實施這項技術，而不是干擾正在準備進行單位級別訓練和部署的海軍特種作戰排。初級軍官在這一階段的訓練中處于學生狀態，還沒有被引入深入的任務規劃或復雜的決策練習。向學生介紹虛擬現實訓練器將提供充足的時間來測試硬件和軟件，然后再將其用于更嚴峻的情況。

在海軍特戰基礎訓練司令部和海軍研究生院的模擬虛擬環境和模擬實驗室之間建立一個反饋回路，將使未來的場景發展和持續的伙伴關系成為可能。對未來研究和發展的建議包括以下內容：海軍研究生院的Bucklew小組和海軍特種作戰基本訓練司令部之間繼續合作，與工業界合作以加快合成環境訓練場景的創建，以及對特種作戰部隊的虛擬現實訓練的有效性進行正式評估。

改進對軍事人員保留的預測可以在多個層面上幫助美國防部（DOD）領導人和部隊管理者。發展一支致命的、高效的和準備就緒的部隊，需要領導人在一個詳細的水平上預測即將發生的軍事人員規模和形態的變化。為了支持負責人事和戰備的美國防部副部長辦公室，IDA開發了持續預測模型（RPM）。RPM使用機器學習算法和廣泛的人事記錄來捕捉服務特征中豐富的互動，并預測個別軍人何時會從軍隊離職。RPM的個人層面的預測可以按任何需要的人口子集進行匯總，包括職業領域、隊列、單位或人口統計學。

目前，RPM納入了2000年至2018年間現役人員的每月記錄。這個群體包括大約450萬獨特的個人和600多個行政領域，涵蓋職業歷史、家庭、工資和部署。為了方便和加快模型訓練，2000年至2018年之間所有服役人員的5%的樣本被分成兩個子樣本。第一個子樣本，包括75%的樣本（約169,000人），被用來訓練RPM。其余25%的樣本則用于測試。根據關于一個軍人的職業和在某一點上可觀察到的特征的信息，RPM估計一個人在未來任何數量的時期內繼續服役的概率。RPM使用了一個專門為分析應用而開發的生存損失函數，在這種情況下，一連串事件中的最終狀態是無法觀察到的或尚未發生。分類變量使用嵌入層進行編碼，以確定對預測模型最有用的映射結構。

RPM產生了個人層面的預測，密切反映了實際的流失模式。在樣本外數據的測試中，給定兩個隨機選擇的軍人，其中一個在一年內離開軍隊，RPM在88%的時間內識別了正確的個人。將時間范圍擴大到4年，該模型80%的時間是正確的；對于18年以內的任何年數，該模型78%以上的時間是正確的。

應用機器學習技術來識別人事數據的模式，可以對影響軍事人員保留和部隊規劃的問題有新的認識。美國防部可以利用RPM來預測特定職業領域的短缺，為異質人口的預期職業長度進行規劃，并制定政策以留住備受歡迎的人員。

未來的戰場是一個將受到近鄰對手快速變化的技術能力嚴重影響的戰場。在這種環境下的成功將需要簡單易用的系統，它能適應各種情況，并能與其他部隊和系統整合。多域作戰指揮、控制、計算機、通信、作戰系統和情報（MDOC5i）旨在為海軍陸戰隊準備未來的戰場。由于傳統的機器學習技術存在某些缺點，MDOC5i使用矢量關系數據建模（VRDM），為海軍陸戰隊提供適合動態部署的系統。MDOC5i使用全球信息網絡架構（GINA）作為其VRDM平臺。這項研究使用GINA創建了一個無處不在的決策模型，可以根據美國海軍陸戰隊的場景進行配置。該研究實現了無處不在的模型，并通過一個網絡分析用例證明了其功能。這個決策模型將作為所有GINA實施的基礎模型。快速構建和調整基于場景的GINA模型并將這些模型整合到一個共同的框架中的能力將為海軍陸戰隊提供對抗未來對手的信息優勢。

圖. 超圖描繪了構成 GINA 決策模型的關鍵實體。這是圖 3.2 中描述的“決策者信息”部分的細分。影響力的三個主要領域是現實世界、網絡和網絡。本論文中的模型將僅包含網絡類別的一部分，特別是 XMPP 流量。這三個領域應被視為為大規模網絡診斷設計的決策模型的起點。

引言

在最近的沖突中，美國能夠承擔對其敵人的技術優勢[1]。然而，由于美國已經將重點從反叛亂（COIN）行動轉移到與近距離對手的沖突上，這是一種不能再假設的奢侈。美國和國防部必須不斷尋求獲得并保持對近距離對手的技術優勢。所有軍種的指揮官都強調了這一點，包括司令部的規劃指南[2]。網絡戰場是一個日益復雜和快速發展的領域，在戰爭中從來沒有出現過像現在這樣的能力。目前的對手既有掌握該空間的愿望，也有掌握該空間的能力[1]。人機交互（HCI）將是在未來沖突中實現信息主導的關鍵。人機交互融合了計算機科學、認知科學和人因工程，以 "專注于技術的設計，特別是用戶和計算機之間的互動"[3]。我們必須掌握人機交互，以協助指揮官并保持對敵人的優勢

美國海軍陸戰隊（USMC）沒有很好的裝備來在網絡領域取得成功。美國海軍陸戰隊訓練和教育司令部（TECOM）已經將這一能力差距確定為一個主要的問題聲明："海軍陸戰隊沒有接受過應對同行威脅的訓練，在這種情況下，我們不再享有數量或技術優勢的歷史優勢。為了在未來的戰場上取勝，我們必須提供一個學習框架，以發展適應性和決定性的海軍陸戰隊，并提供訓練環境，以產生能夠產生決定性效果的互操作單位"［4］。

信息技術的進步產生了一個以網絡為中心的應用框架[5]，可以幫助縮小能力差距，使美國海軍陸戰隊保持對對手的網絡優勢。

1.1 MDOC5i

在為滿足指揮官的指導并使美國海軍陸戰隊為網絡戰場做好準備而采取的舉措中，海軍陸戰隊已經建立了多域作戰指揮、控制、計算機、通信、作戰系統和情報（MDOC5i）。MDOC5i是一個基于陸軍網絡信息管理環境（ANIME）的系統，提供了一個以網絡為中心的因果動態數字孿生環境。利用基于實體的模擬，MDOC5i提供以網絡為中心的互操作性和決策模型，可以增強多域作戰（MDO）[6]。MDOC5i計劃 "提供基層開發的技術，使操作人員能夠'推斷和適應'不斷變化的戰斗空間的需求" [7]。MDOC5i確定了需要改進的三個問題領域：互操作性、信息處理和利用，以及文化轉變[7]。

隨著戰場的不斷發展，聯合解決方案將是獲得優勢的關鍵。這些互操作性的解決方案將依賴于網絡和通信能力。互操作性是指與整個服務的各種通信系統相關的所有設備之間的通信能力。因此，目前在互操作性方面的差距需要被彌補，以進行聯合行動。系統之間的互操作性還沒有通過一個標準化的通用方法來實現[7]。MDOC5i認為這個問題的根源在于，當前系統所使用的所有網絡都被認為是彼此獨立的領域，而不是一個統一的作戰指揮和控制（C2）系統[7]。

MDOC5i解決的下一個問題是信息處理和利用。這個問題指的是目前整個海軍陸戰隊沒有能力處理大量的信息。數據通常很豐富，而且隨著傳感器能力的增長，數據會越來越豐富，但很難分析所有的數據并從噪音中分出有用的數據。鋪天蓋地的數據如果不進行適當的分析，對決策過程是無用的，甚至是有害的。這個問題被具體描述為："當前行動和數據收集的速度超過了我們處理、識別和獲取可操作情報的能力，以快速評估、調整和修改計劃和實時COA，從而優化部隊投射、殺傷力，并實現持久的超額配給"[7]。

為了提高處理越來越多的數據和跟上快速發展的戰場的能力，作戰人員需要關注人機互動。這種關系對于能夠在可操作的時間范圍內將大量的數據轉化為有用的信息，從而做出更好的決定至關重要。更好的人機交互可以幫助確保 "數據處理和決策的速度與行動的速度相稱" [7]。

解決的最后一個問題，即文化轉變，涉及美國防部需要調整其在數據整合和聯合行動方面的重點。雖然國防部致力于為作戰人員提供可操作的情報，但其方法是無效的和低效的[7]。此外，各個軍種制定了自己的就業方法和情報方式，這往往會導致聯合行動的無效性。為了在目前存在的動態戰場上作戰，各軍種必須共同努力，"使能力與任務、標準操作程序、訓練戰術和協議、采購和部署政策以及作戰部隊的整體文化相一致" [7]。

1.2 MDOC5i應用于海軍陸戰隊

5月9日至5月13日，MDOC5i在海軍陸戰隊空地作戰中心（MCAGCC）二十九棕櫚島與第七海軍陸戰隊進行了演示。這次初步測試的目的是展示MDOC5i所帶來的增強的火力能力，并確定MDOC5i通過提供共同情報圖像（CIP）--共同作戰圖像（COP）和決策支持來增強整個海軍陸戰隊空地特遣部隊（MAGTF）的MDO的可行性。

在MCAGCC Twenty-Nine Palms進行的MDOC5i演習成功地描述了該系統的防火能力。MDOC5i系統使用最先進的掃描機制和瞄準系統，將標準裝備的區域射擊武器轉變為精確射擊武器平臺，能夠在幾乎沒有歸零的情況下有效地攻擊目標。雖然這本身就大大增加了海軍陸戰隊的殺傷力，但增強的火力能力僅僅是MDOC5i概念所提供的效用的開始。底層系統使用全球信息網絡架構（GINA），一個矢量關系數據建模（VRDM）平臺，以使所有通過網絡連接的單位都能獲得準確的COP和CIP。這在戰場上提供了一個優勢，因為所有單位都獲得了意識，并將能夠為共享系統提供輸入，從而產生最準確的CIP-COP。

這些投入可以用來幫助決策和影響有利于沖突空間競爭的活動。

這一過程的關鍵使能部分之一是GINA內的決策模型，它能使人采取行動。在二十九棵樹的演示中，海軍陸戰隊員被展示了使用標準武器系統對選定目標進行第一輪射擊的能力。選定的目標出現在通過網絡連接的所有信息顯示器上。為了實現目標定位，GINA模型接受目標的輸入并將信息傳遞給所有用戶。系統首先決定該目標是一個有效的目標還是一個重復的目標。它通過一個專門設計的決策模型來實現這一目標，該模型將確定的目標與其他繪圖的目標進行比較。如果新的目標在指定的距離內，程序會認為它是重復的。這可以防止信息過載，使指揮官對現有的威脅有最準確的描述，以便更好地決定如何使用武器系統來對付敵人的目標。因此，在這個特定的例子中，輸入的是確定的目標位置，決定的是該目標是合法的還是重復的，決定的標準是確定與其他已經繪制的目標的距離，結果是對威脅的準確描述，使海軍陸戰隊能夠最好地與敵人作戰。

在演示中，決策與識別目標有關，而影響的行動與射擊有關。然而，如前所述，增強射擊能力只是MDOC5i通過基于VRDM的GINA平臺所能提供的好處的開始。創建和采用為指揮官提供最新的CIP-COP并幫助決策的模型將對海軍陸戰隊和國防部（DOD）的所有方面都有用。按照目前的情況，每次實施新的模型時，都需要從頭開始創建新的決策模型。

1.3 論文重點和MDOC5i的聯系

海軍研究生院（NPS）論文的目的是在GINA平臺上使用VRDM建立一個不可知的決策模型。重點是該模型的普遍性，以便它可以很容易地被塑造為未來的情景。該決策模型擴展了無處不在的數據表概念，以包含關于數據的信息屬性，并允許通過基于屬性的真值表關系實現來自數據屬性和信息屬性（邏輯類型）的知識屬性。因此，模型將數據轉化為信息，然后從已知的真值（既定協議）中獲取狀態和規定過程的知識，然后模型執行相應的過程。這表明了該方法的普遍性，并使任何數據任務的數據轉化為行動。本論文驗證了使用基于模型的配置方法，該方法由數據、真值表和狀態的概念對象組成，可用于人在/在環的自動數據決定-行動，并可在知識管理圖框架內為任何任務進行管理。

建議的模型在通過分析可擴展消息和存在協議（XMPP）消息來確定網絡健康狀況的情況下進行測試。該模型的輸入是可擴展標記語言（XML）消息，旨在復制大規模戰術網絡的數據包捕獲（PCAP）中捕獲的XMPP消息。雖然網絡診斷分類本身很重要，并證明了功能，但主要的效用將在于決策模型的普遍性。因為該模型是不可知的，它可以很容易地被修改以適應一系列所需的場景。務實地說，它可以作為所有其他GINA實施的基礎模型，使海軍陸戰隊實現信息超配。

1.4 假設和研究問題

本論文的假設是，GINA將被證明是一個高效的平臺，在這個平臺上實現一個可以輕松配置的泛在決策模型，以應對多種情況。在這個假設的核心，主要目標是利用GINA架構成功地設計和實現一個無所不在的決策模型。這項任務已經完成，證明了主要假說的正確性。

本論文的問題包括。

1.無處不在的決策模型能否在GINA的界面中實現？

2.GINA是否為機器學習（ML）提供了一個可行的、可操作的替代方案，該模型是否達到了與傳統機器學習技術相同的效果？

3.該模型是否有切實的方面證明比傳統機器學習技術優越？

4.該模型和GINA平臺能否用于大規模網絡流量分析？

與假設一致，第一個問題是最重要的，并且被證明是正確的。所實施的決策模型應該能夠促進并推動未來的工作。其余的問題涉及模型的可擴展性和與傳統技術相比的性能。雖然這兩個概念都沒有直接解決，但該模型提供了肯定的機會來測試這些概念。

1.5 使用的工具

為了成功地理解決策模型的實施和它可以應用的規模，有必要了解所涉及的工具。其中一些應用在本論文中直接使用。其他的是在MDOC5i中使用的，對于理解這個模型如何推導到多種情況下是很有用的。這些工具也提供了很好的背景，對未來的工作有好處。

1.5.1 全球信息網絡架構

GINA 是一個基于云的、提供可執行建模環境的 VRDM 平臺，該平臺產生的模型能夠進行推理和適應[7], [8]。該架構通過其反思性的、可執行的、基于組件的、與平臺無關的和模型驅動的構造，提供先進的數據、信息和知識的互操作性[9]. 該平臺使用一種語義結構，使應用領域的用戶能夠理解組成的模型組件，并形成具有半知覺行為的系統，這對動態任務需求的適應性和可配置的靈活性至關重要。該創新平臺是松散耦合的，這意味著它可以通過配置創建模型，使用來自遺留系統、現有系統或未來系統的各種輸入[8]，而不會破壞或重新編譯。由于概念性的信息對象構造可以臨時引入，并可能存在于任何領域，GINA提供了誘人的可能性，美國防部正在探索這種可能性[2]。

GINA技術由方法論、開發工具和可執行模型的部署平臺組成，可作為軟件程序使用。這些模型不需要被編譯，而是在元數據中定義并實時編譯。該平臺使用通過配置實現的行為、環境和因果的建模概念，以提供定義、操作和互操作性[10]。GINA可以通過其名稱的組成部分進一步理解。"全球 "指的是該平臺通過多層抽象包含了所有的數字表示。"信息 "指的是可以被建模和管理的靜態和動態數據以及互動關系。"網絡 "指的是可以通過模型和圖表顯示、參考和管理的所有互聯關系的數字表示。"架構 "意味著GINA是被使用的系統，專門用于制作行為、背景和因果關系的可執行模型[10]。

第二章將深入討論GINA的優點和特點。

1.5.2 ANIME Dark Stax

Dark Stax是一個由ANIME開發和使用的工具，能夠以接近實時的速度創建復雜系統的數字孿生體。這些數字孿生體可以用來操作克隆的系統進行數據操作和決策分析。這種聯合有助于數據驅動的決策過程。這個工具能夠創建戰術網絡的克隆，并過濾PCAP數據，為網絡診斷模型創建輸入[10]。Dark Stax工具由Ad Hoc維護和運行。他們對該工具的掌握為首要的人工智能（AI）技術和VRDM技術的結合提供了巨大的效用。

1.5.3 StarUML

StarUML是一個開源的軟件建模平臺，支持統一建模語言（UML）[11]。它被設計為支持簡明和敏捷的建模，并提供系統疊加的可視化描述[12]。本文使用UML圖來描述實現的VRDM模型的靜態和動態方面。UML并沒有捕捉到VRDM模型中包含的所有細節，但它確實捕捉到了最重要的信息，并提供了模型中連接的清晰疊加。

在這個項目中，它只被用于GINA模型的可視化和文檔化。然而，我們的意圖是使GINA能夠接受UML設計作為輸入。因此，一個系統可以用UML建模并輸入到GINA中，以放棄配置。

1.5.4 目標光標仿真器

Cursor On Target（COT）"是一個互聯網協議和一個基于XML的機器對機器模式，可以被任何系統讀取和理解，使專有和開放源碼系統能夠相互通信"[13]。模擬器在GINA模型中被用來模擬XMPP流量。XMPP消息的樣本在一個文本文件中生成。然后，Cursor On Target Simulator（COTS）模擬器將文本文檔的內容作為XML輸入到GINA。這個XML是決策模型的輸入。

美國海軍陸戰隊（USMC）正在進行組織和行動上的變革，以適應當今世界新的作戰要求。《美國海軍陸戰隊部隊設計2030》描述了新的概念，如遠征先進基地作戰（EABO），重點是偵察/反偵察和海上攔截。為了檢查和評估新的作戰概念、部隊結構、武器系統、戰術、技術和程序，以及其他對這些行動的調整，美國海軍陸戰隊需要能夠代表與這些預期變化相關的全部變化的模型和模擬。21世紀聯合武器分析工具（COMBATXXI）是由美國海軍陸戰隊和美國陸軍共同開發的戰斗模擬，用于支持建模和分析。在過去的20年里，COMBATXXI擁有研究這些新概念所需的許多基本能力，但目前在一些關鍵領域缺乏真實的表現，如研究海上攔截的新角色的關鍵方面所需的海上水面作戰人員。這種表現需要平臺的識別、瞄準和評估損害，從而確定其繼續執行作戰任務的能力。本研究的目的是檢查與EABO有關的新作戰概念，并利用COMBATXXI模擬確定相關的建模方法。該研究描述了一種建模方法，該方法在COMBATXXI中的初步實施，以及對該模型在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。研究最后提出了后續工作的建議，以進一步改進或運用所開發的能力。

引言

A. 背景介紹

美海軍陸戰隊作戰發展司令部（MCCDC）作戰分析局（OAD）運行海軍陸戰隊研究系統（MCSS），該系統每季度向整個海軍陸戰隊征求研究提名。每年都有幾項研究需要用高分辨率的戰斗模擬進行建模。21世紀聯合武器分析工具（COMBATXXI）是一個高分辨率的分析性戰斗模擬，自1998年以來，由OAD和美國陸軍白沙導彈發射場研究和分析中心（TRAC-WSMR）共同開發。聯合武器模擬代表了從戰術層面上的單個實體（即車輛、飛機、步兵、艦艇、登陸艇等），直至加強營級單位的行動。

COMBATXXI提供了跨越多個領域的建模能力，包括兩棲作戰、聯合武器作戰和綜合防空。該模擬可用于進行詳細的傳感器到射手的分析，包括直接和間接射擊以及關鍵的指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）的相互作用。對多領域作戰平臺的詳細分析和聯合武器作戰是COMBATXXI的主要功能。這種能力已經由OAD在兩棲戰車（ACV）備選方案分析（AoA）、殺傷人員地雷/集束彈藥（APL/CM）研究、有爭議環境中的兩棲攻擊研究、未來垂直升降能力集3 AoA、ACV中炮能力研究和先進偵察車（ARV）AoA中進行了展示。

目前，OAD正在支持2030年部隊設計（2020年海軍陸戰隊司令部）的幾個方面。帶有概念性戰術、技術和程序（TTPs）的新場景正在被用來進行各種分析。需要包含各種威脅和戰術情況的復雜行為。

海軍研究生院（NPS）建模、虛擬環境和模擬（MOVES）研究所擁有獨特的技術專長，以支持和擴展OAD對COMBATXXI的分析使用。多年來，MOVES開發了創新工具，極大地提高了分析人員使用COMBATXXI模擬的效率和效果。國家核安全局MOVES研究所的任務是通過開發和維護所需的功能，提供技術支持以進行OAD研究和分析技術培訓，提高OAD更充分地運用COMBATXXI的分析能力。MOVES支持OA開發、維護和增強工具和能力，如Behavior Studio、Workbench、Observer/Sensor工具、實體和單位行為，以及Monterey Extensions軟件包。OAD提供COMBATXXI模擬、現有行為、數據、測試方案和文件，作為政府提供的信息（GFI）供NPS使用。分配任務的場景和相關數據庫可以達到營級登陸隊（BLT）或海軍陸戰隊遠征部隊（MEF）的水平，并且可以包括所有海軍陸戰隊空地特遣部隊（MAGTF）的能力（例如，指揮部（CE）、地面戰斗部（GCE）、空中戰斗部（ACE）和后勤戰斗部（LCE））。

B. 范圍和目標

2030年部隊設計包括新的組織，如海上瀕海團（MLR）和新的作戰概念，如遠征先進基地作戰（EABO），重點是偵察/反偵察和海上攔截。本項工作的目的是研究與EABO有關的新概念，并利用COMBATXXI模擬確定相關建模方法。該研究描述了一種建模方法，該方法在COMBATXXI中的初步實施，以及對該方法在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。

C. 問題陳述

美國海軍陸戰隊（USMC）正在進行組織和行動上的變革，以適應當今世界新的作戰要求。美國海軍陸戰隊部隊設計2030描述了新的概念，如遠征先進基地作戰（EABO），需要對部隊結構、任務和作戰能力進行審查。為了檢查和評估新的作戰概念、部隊結構、武器系統、戰術、技術和程序，以及其他適應這種行動的措施，美國海軍陸戰隊需要能夠代表與這些預期變化有關的全部變化的模型和模擬。在過去的20年里，COMBATXXI擁有許多研究這些新概念所需的基本表現，但在一些關鍵領域缺乏現實的表現，例如在研究海上攔截的新作用的關鍵方面所需的海上水面戰斗人員的表現。這種表述需要對這些平臺進行識別、瞄準和評估損害，以確定其繼續執行作戰任務的能力。需要開展工作，審查與EABO有關的新概念，并利用COMBATXXI模擬確定相關的建模方法。

D. 技術方法

為滿足這一需求，本研究對EABO概念進行了研究，并描述了一個能捕捉到這些概念的關鍵方面的名義情景。本研究審查了當前COMBATXXI的能力，以確定需要哪些額外的或修改的能力來解決新概念。該研究描述了一種建模方法（COMBATXXI需要的能力），在COMBATXXI中的初步實施，以及對該模型在支持與美國海軍陸戰隊新作戰概念相關的情景和研究方面的效用的初步評估。研究的結論是對后續工作的建議，以進一步改進或運用所開發的能力。

在贊助商的指導下，如果技術上可行，開發的新功能應在不修改現有Java代碼的情況下實施。NPS MOVES必須提前通知OAD研究主辦方并獲得批準，任何需要新代碼或修改COMBATXXI核心模型現有代碼的開發工作。這種通知使 OAD 有機會與 TRAC-WSMR 和 COMBATXXI 配置咨詢委員會協調潛在的代碼修改。

E. 本文件的組織

第一章是本研究的介紹，提供了關于工作基礎、研究范圍和目標、問題陳述和一般技術方法的背景信息。第二章概述了EABO，作為研究的概念基礎，并描述了一個名義上的情景，目的是確定必須達到的功能能力，以代表感興趣的操作條件，如海上攔截（如船舶代表，瞄準船舶能力，評估船舶能力的損害，并根據所受損害確定持續的任務有效性）。第三章展示了如何在COMBATXXI中實現表示概念場景所需的能力。第四章介紹了在COMBATXXI中執行概念情景的例子，并確定了研究變體的樣本，以檢驗新增能力的應用。第五章提出了研究結論和后續工作的建議。附錄A是報告中使用的術語和縮略語的詞匯表。附錄B提供了用于啟動COMBATXXI中的分層任務網絡（HTN）進程的python腳本清單，以執行概念情景中的實體行為。

美國軍隊繼續在日益復雜的安全環境中作戰，不能再期望在每個領域都有無爭議的或主導性的優勢。由特種作戰部隊（SOF）操作的飛機需要改進防御能力，以支持在非許可環境下的任務。將自動化和人機協作納入現有的防御能力，可以減少威脅的反應時間，提高有人和無人飛機配置的防御機動的有效性。這篇論文研究了作為威脅反應一部分的飛機機動的價值，以確定人類干預對時間和準確性產生負面影響的情況。它還考慮了復制Merlin實驗室的飛行自動化方法和將能夠進行防御性機動的機器訓練系統納入現有飛機的機會。分析表明，飛機的機動性對于有效的威脅反應至關重要，自動選擇操作者的行動可以提高對某些地對空威脅的生存能力。這篇論文建議重新關注特種部隊飛機的防御能力，并贊同將機載自主系統整合到傳統的載人平臺上，以提高防御性威脅反應。它還主張繼續研究在SOF任務中使用可選的載人飛機，以完善其操作效用，并在各種任務平臺上擴大能力。

美國軍隊繼續在日益復雜的安全環境中運作，不能再期望在每個領域都有無爭議的或主導性的優勢。由于地對空威脅已經擴散到在世界各地活動的敵對行為者，未來的作戰環境將以有爭議的空域為特征，這將對有人和無人駕駛飛機的操作構成挑戰。由特種作戰部隊（SOF）操作的飛機需要改進防御能力，以便在這些有爭議的地區進行機動，同時支持傳統SOF任務。這篇論文研究了商業能力的進步，以減少威脅的反應時間，提高有人和無人駕駛飛機配置的防御性機動的有效性。

通過與位于波士頓的飛行自動化初創公司Merlin實驗室合作，本分析探討了防御性機動的潛在自動化。飛機機動是對威脅作出有效反應的一個關鍵方面，自動選擇操作者的行動可以提高對某些地對空威脅的生存能力。通過確定AC-130J威脅反應中人為干預影響飛機操縱時機和準確性的步驟，這項分析揭示了復制梅林實驗室的飛行自動化方法和將能夠執行防御性操縱的機器訓練系統納入現有飛機的機會。

在威脅反應過程中確定的關鍵步驟包括威脅指示、威脅作戰識別和威脅反應配對。目前，機組人員手動執行這些步驟來完成防御性威脅機動。然而，這些步驟中的每一個都可以從自動化和人機協作中受益，通過三種明顯的方式提高整體性能。首先，生成簡化的視覺和聽覺威脅指示，確保及時通知威脅的存在。其次，自動識別過程以準確識別威脅的變體，減少了反應時間和人類識別錯誤的可能性。最后，將威脅識別與適當的飛機反應同步配對，減少了不必要的延誤，并提高了威脅操縱的準確性。

這篇論文建議重新關注SOF飛機的防御能力，并贊同將機載自主系統整合到傳統的載人平臺上，以改善防御性威脅反應。將人機協作和自主能力納入飛機防御系統，可以使防御機動性能優于傳統系統，并允許在更廣泛的環境中作戰。除了改善防御性機動，梅林實驗室的自動飛行甲板在各種不同的飛機和任務中提供了潛在的用途。繼續研究應該調查在SOF任務中使用可選擇的載人飛機，以完善其操作效用，并在各種任務平臺上擴大能力。最后，在整個特種部隊中采用梅林系統將顛覆既定的操作慣例，需要個人和組織行為的改變。為了緩解過渡期并提高采用率，AFSOC應采取步驟，盡量減少利益相關者的行為變化，同時最大限度地提高系統的操作效益。培養對人工智能、機器學習和自動化的理解，將使這些行為者為軍事技術的快速變化和戰爭特征的變化做好準備。

圖 9. AC-130 防御性威脅反應圖。

空中力量已經從一個世紀的技術創新和進步中受益。新技術的出現繼續挑戰著空中力量中經常持有的常識。無人機系統（UAS）就是這樣一種不斷發展的空中力量技術。這項技術為澳大利亞國防軍（ADF）帶來了巨大的機遇。雖然澳大利亞國防軍在特定的角色上取得了一些無人機系統的進展，但澳大利亞皇家空軍（RAAF）還沒有在其所有的空中力量貢獻中采用這種技術來達到軍事效果。

《空中力量手冊》（空天力量中心[ASPC]，2022年）定義了七種空中力量的貢獻：力量生成、空軍基地行動、空中指揮和控制、反空、空中機動、空中情報和ISR（情報、監視和偵察）以及空中打擊。一些先進的盟國已經在空中情報、ISR和空中打擊方面采用了發達的無人系統。這些系統包括美國空軍（USAF）的MQ-1捕食者、MQ-9死神和RQ-4全球鷹。甚至反空--載人空戰--也在發展無人系統的路上；RAAF與波音公司合作開展了 "忠誠的翼人 "項目（戴維斯，2019c），現在正式命名為MQ-28A幽靈蝙蝠（達頓，2022）。

但空中機動性如何？ADF還沒有接受關于未來ADF空中機動性自主性的真正對話。未來自主空中機動性思維停滯不前的一個更可能的原因是，在（到目前為止）有效的空運理論的支持下，載人系統幾十年來取得了高度可靠和經證實的作戰成功。因此，這里有一個克勞塞維茨式的平行關系：戰爭性質的一個持久因素是對機動性的需要，但今天皇家空軍所面臨的是戰爭性質的一個階梯式變化，一個對機動性來說過于重要的技術機會，不容忽視。

本文確定了在澳大利亞國防軍空中機動中采用無人機系統的滯后性，并探討了澳大利亞國防軍在未來使用無人機系統的機會。通過這樣做，本文旨在提高對ADF無人駕駛空中機動性潛力的集體認識，并為ADF部隊結構企業的軍事和商業貢獻者提供一個廣泛的參考來源。本文首先研究了無人機系統適應的驅動因素，或指標。這些驅動因素包括澳大利亞的戰略利益、區域軍事現代化、安全和生存能力、降低成本和技術可用性。然后，本文介紹并分析了三種核心空中機動性活動中每一種的無人機系統發展的具體機會和例子。為此，本文簡要討論了澳大利亞國防軍目前的機隊，然后探討了一些不斷發展的無人駕駛空中機動性技術和概念，澳大利亞國防軍可能會考慮在下一代空中機動性機隊中使用。最后，本文提出了無人機系統空中機動性發展可能面臨的一些挑戰，以幫助未來的研究和探索。

證據表明，需要一個靈活的、跨服務（和跨文化）、跨行業的方法來設計、開發和使用未來的空中機動部隊。傳統的澳大利亞皇家空軍中重載平臺和陸軍輕中載平臺的分叉模式可能會讓位于大型和小型載人和自主系統的混合艦隊。聯合部隊設計者之間的集體方法--跨單一軍種總部的真正合作--對于皇家空軍的固定翼空中機動團體和陸軍的旋轉翼團體之間的合作至關重要。也許更重要的是，在這個領域需要與工業界合作。商業行業在自主車輛領域發揮著相當大的作用，政府和私人研究和開發組織也是如此。現有的和新的伙伴關系的跨服役杠桿對于利用未來自主的ADF空中機動性的機會是至關重要的。