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

巡飛彈藥--能夠整合基于傳感器的分析，在目標上空盤旋、探測并爆炸的消耗性無人駕駛飛機--是現代戰場上一個日益突出的特征。現有研究探討了這些技術是否正在改變當代戰爭的特點，巡飛彈藥的擴散如何影響地區（和全球）安全動態，以及這對世界各國軍隊的兵力結構可能意味著什么。本報告以早先對防空系統的研究為基礎，重點有所不同。它結合有關自主武器系統（AWS）的討論，研究了全球巡飛彈藥的獲取和部署情況。更具體地說，本報告利用現有的公開資料，調查自 20 世紀 80 年代以來，在全球巡飛彈藥的開發、測試和使用過程中使用自主和自動化技術是否影響了人類控制武力使用的新標準。

大多數現有的巡飛彈藥都被宣傳為按照 “人在環內”的原則操作。這些平臺的操作人員被要求授權對系統指定的目標進行打擊，通過雙向數據鏈路和遠程地面控制站監控平臺的運行，并保留 “中止/波斷 ”能力，以便在戰場條件發生變化時停止打擊。由于是人而不是傳感器的輸入負責釋放力量，因此這類系統不能簡單地歸類為自主武器系統。這使許多巡飛彈藥有別于早期的以色列航空航天工業公司（IAI）的 “哈比 ”系統，后者旨在執行壓制敵方防空行動，通常被稱為自主武器系統。

盡管如此，全球獲取和操作巡飛彈藥的實踐清楚地凸顯了武器系統瞄準功能日益自主化的趨勢，以及這如何影響人類對武力使用的控制。自動或自主技術在巡飛彈藥中的集成，對人類對具體目標選擇決策的控制質量和形式提出了實際挑戰，并開創了先例。特別是，這一過程似乎已經降低了智能體在具體目標選擇決策中對某些武器所能行使的控制和態勢判斷的質量。某些類型的巡飛彈藥作為移動平臺，其地理和時間范圍不斷擴大，其所使用的基于傳感器的瞄準似乎已在何時何地對何人使用武力方面造成了更大的不可預測性。這可能會使人類對具體目標選擇決策的控制更有名無實。這也提出了與遵守各種法律和道德規范有關的問題。

本報告通篇強調了三個主要關切領域：

• (1) 在何時何地使用武力以及智能體如何控制具體的目標選擇決策（即人為控制的情境和決策層面）方面存在更大的不確定性；

• (2) 將巡飛彈藥用作殺傷人員武器和在居民區使用；

• (3) 忽視與巡飛彈藥實戰相關的潛在不可預測、濫殺濫傷和大面積影響。

這些研究成果基于兩方面的分析：首先是一份新的開放源碼目錄，詳細介紹了全球范圍內至少有16個國家采購的24種不同巡飛彈藥中自動和自主功能的集成情況。其中包括（歷史上）與這些技術的發展密切相關的國家（如以色列、俄羅斯、美國、土耳其）的公司開發的巡飛彈藥，以及澳大利亞、波蘭、臺灣和英國等國的其他制造商開發的巡飛彈藥。同樣，目錄中還包括在近期沖突中使用的國際知名平臺，其中一些可能已經為讀者所熟悉。其中包括 AeroVironment Switchblade 300、IAI Harpy 和 STM Kargu-2 等。與早先對防空系統的研究一樣，在可能的范圍內，本目錄的目的也是為了擴展國際上關于現有武器系統的自主性如何改變人類控制瞄準決策的社會規范的討論。本目錄通過記錄這些系統中自動和自主技術的使用情況，而不是詳細介紹現有研究中已列出的技術設計特點。

其次，提供了深入的案例研究，詳細介紹了巡飛彈藥在最近三場沖突中的使用情況：利比亞內戰（2014-2020 年）、2020 年納戈爾諾-卡拉巴赫戰爭和烏克蘭戰爭（2022-）。通過這些案例研究，可以探索一系列沖突方使用巡飛彈藥的不同地點和模式。這些研究還使能夠得出對目前使用巡飛彈藥做法的三個主要關切領域：人類控制的態勢和決策方面存在更大的不確定性；將這些系統用作殺傷人員武器和在人口密集地區使用；以及潛在的濫殺濫傷和大面積影響。

作為制定新的保障措施的起點，不僅要保護而且要改進人類對具體目標選擇決策的控制質量和形式，向參與有關自主武器系統國際辯論的各方以及開發和使用巡飛彈藥的國家提出了一系列建議。這些建議的基礎是總體評估，即顯然迫切需要在一項具有法律約束力的國際條約中對武器中的自動和自主瞄準，包括巡飛彈藥中的自動和自主瞄準進行規范。建議與紅十字國際委員會（紅十字委員會）提出的建議有重疊之處。

特別是，對將巡飛彈藥作為一種自主武器使用的做法進行的分析強調了紅十字國際委員會所確定的軍事發展的潛在未來趨勢：隨著時間的推移，巡飛彈藥似乎已被用于瞄準人類和更多種類的軍事目標；這些系統是移動的，而不是固定在原地；而且它們已被 “用于平民面臨風險最大的城市”。

公開資料分析還有力地證明了數據的局限性，這從根本上影響了對操作巡飛彈藥時人為控制的精確質量的理解。除其他外，這凸顯了在這一領域提高透明度的必要性。

根據研究結果，本文敦促各國制定并通過具有法律約束力的武器系統自主性國際規則，將巡飛彈藥作為其中的一個類別。建議各國 - 在使用巡飛彈藥和其他集成了自動化、自主化和人工智能技術的武器時，確認、保留并加強目前由人類對具體目標選擇決定進行實時、直接評估和控制的標準，作為確保遵守法律和道德規范的防火墻。

• 對可使用自動、自主和人工智能技術識別、選擇、跟蹤和使用武力的巡飛彈藥等武器的作戰時間和地理區域進行控制。

• 禁止將機器學習和其他形式的不可預測人工智能算法整合到巡飛彈藥的瞄準功能中，因為這可能從根本上改變具體瞄準決策及其結果的可預測性、可解釋性和問責制。

• 對可使用自動、自主和人工智能技術識別、選擇、跟蹤和對目標施力的基于傳感器的武器（如巡飛彈藥）的運行環境類型進行控制。作為自主武器系統發揮作用的巡飛彈藥不應在人口密集地區使用。

• 禁止對使用自動、自主和人工智能技術進行瞄準的傳感武器使用某些目標配置文件。這應包括禁止在包括巡飛彈藥在內的武器系統中設計、測試和使用自主 “以人為目標”，并將此類武器的使用限制在 “本質上屬于軍事目標的物體”。

• 更積極地公布技術細節，說明在具體瞄準決定中操作巡飛彈藥時人為控制的質量。這應包括酌情分享有關巡飛彈藥操作人員所受訓練的程度和特點的詳細資料。

最近的全球沖突，如烏克蘭戰爭，凸顯了無人機系統（UAS）在軍事場景中的廣泛應用。這些系統不僅在情報、監視和偵察（ISR）任務中舉足輕重，而且還發揮著直接作戰的作用。此外，無人機系統正在徹底改變各種商業行業，如基礎設施、物流、保險、媒體、電信、農業、采礦、石油和天然氣以及零售業。

無人機系統的迅速擴散帶來了新的威脅，如未經授權的監視、隱私泄露、空域受阻以及可能利用無人機攜帶破壞性有效載荷。這些問題在民用空域尤為突出，涉及無人機的事件激增。從 2021 年到 2023 年，美國運輸安全管理局（TSA）報告了 2000 多起在美國機場附近發現無人機的事件，其中包括要求飛行員采取規避行動的事件。僅在 2024 年的前四個月，美國聯邦航空局（FAA）就記錄了 326 起在飛機、直升機和機場附近發生的與無人機有關的事件，凸顯了日益增長的安全風險。

為應對這些挑戰，迫切需要有效的反無人機系統（C-UAS）技術。各國正在越來越多地采購用于探測、識別、跟蹤、警報、干擾、欺騙和消除不法無人機的系統。預計 2021 年至 2031 年，全球 C-UAS 技術市場將翻兩番。值得注意的是，結合各種探測和緩解技術的綜合防御網絡被證明比孤立的系統更有效，美國陸軍的一項評估就是證明。

以下報告將分析當前不斷發展的 C-UAS 市場，研究當前趨勢、技術進步和未來工作，以應對無人機系統擴散帶來的日益嚴峻的挑戰。

未來趨勢

2020 年，亞美尼亞和阿塞拜疆就有爭議的納戈爾諾-卡拉巴赫地區發生沖突，最近，俄羅斯烏克蘭戰爭，這一切都證明了無人機系統（UAS）在沖突場景中的無處不在。這些系統越來越多地被廣泛應用，包括情報、監視和偵察（ISR）任務以及直接作戰任務。此外，無人機系統還越來越多地應用于商業行業，如基礎設施、物流、保險、媒體和娛樂、電信、農業、采礦、石油和天然氣以及零售業。事實上，根據麥肯錫的一項研究，在 2021 年至 2023 年期間，全球由無人機投遞的商業包裹數量將增加 85% 以上。

無人機體積、重量和成本大幅降低，電池壽命延長，自主性提高，這些發展都是推動無人機系統在軍事和商業應用中使用的因素。AgileIntel Research 最近進行的一項研究預計，全球無人機市場將從 2023 年的 280 億美元增至 2033 年的近 1500 億美元，復合年增長率為 18.3%。同期，美國無人機市場預計將從 70 億美元增至 400 億美元，復合年增長率為 19%。此外，根據美國聯邦航空管理局（FAA）的估計，商用無人機機隊（用于商業、研究或教育目的）預計將從 2022 年底的約 727,000 架增長到 2027 年的 955,000 架。同期，美國聯邦航空局預測娛樂機隊（為個人興趣和娛樂而操作的機隊）也將從 169 萬架增加到 182 萬架。商用和軍用無人機使用量的指數級增長導致了來自流氓系統的一系列威脅。這些威脅包括未經授權的監視、隱私泄露、空域阻塞以及無人機系統作為破壞性有效載荷的載體運行。全球機構在低空領域正面臨著新的安全挑戰，這主要是由于商業系統的激增，這些系統越來越多地被用于娛樂和專業目的。

僅就美國而言，民用空域中與無人機相關的安全挑戰的規模和嚴重性在過去幾年中已得到充分證實。2021 年至 2023 年期間，美國運輸安全管理局（TSA）報告了 2000 多起在美國機場附近發現無人機的事件，其中一些事件涉及飛行員采取規避行動，包括四起涉及商用飛機的事件。此外，根據美國聯邦航空管理局（FAA）的最新數據，在2024年前4個月（截至4月），已發生多達326起無人機被發現靠近飛機、直升機和機場的事件，從而造成嚴重的安全隱患。

這些趨勢要求在探測、識別、定位/跟蹤、警報、干擾、欺騙和摧毀等領域開發有效的反無人機技術。各國正在采購反無人機系統（C-UAS），如干擾、欺騙和致盲系統，以及基于激光的定向能武器（DEWs），預計全球市場將在 2021 年至 2031 年間翻兩番。有趣的是，這些采購并不局限于孤立運行的獨立系統，而是將互補的探測和緩解技術編織成一個綜合防御網絡，以提高效率。事實上，美國陸軍聯合反小型無人機系統辦公室最近進行的一項行動評估發現，與部署孤立的系統相比，系統的系統方法更為有效。

各種 C-UAS 技術和系統可大致分為兩類： 各種 C-UAS 技術和系統可大致分為兩類：動能和非動能。

非動能反無人機方案

• 探測系統： 利用各種傳感器技術，如雷達、電子光學/紅外（EO/IR）相機、聲學傳感器和射頻（RF）探測器，探測特定空域內的無人機系統并確定其位置。

• 識別和跟蹤： 一旦被探測到，CUAS 系統可采用先進的算法和軟件來識別和跟蹤無人機系統，根據飛行行為、大小和通信信號等特征來區分授權和未授權的無人機。

• 電子對抗 (ECM)：ECM 技術可破壞或干擾無人機系統的控制和通信系統，使無人機無法接收操作人員的指令，或破壞 GPS 信號以導致導航失靈。

• 干擾： 干擾是指發射電磁信號干擾無人機系統用于通信和導航的無線電頻率，破壞其控制并使其失效。

• 欺騙： 欺騙技術是指產生虛假信號欺騙無人機導航系統，使無人機偏離預定飛行路線或安全著陸，從而解除無人機構成的威脅。

• 網絡安全措施： CUAS 系統可采用網絡安全措施來防范無人機系統帶來的網絡威脅，包括未經授權訪問網絡、數據泄露和針對關鍵基礎設施的惡意軟件攻擊。

• 聲學威懾： 發射高頻聲音或聲學信號，阻止無人機系統進入限制空域或敏感區域，利用鳥類和其他野生動物的厭惡行為阻止無人機入侵。

• 定向能武器（DEW）： 雖然定向能武器通常被認為是動能武器，但有些定向能武器系統提供非致命選擇，如激光眩暈器或非破壞性光束轉向，在不造成物理傷害的情況下使無人機系統的電子設備或傳感器失效。

• 指揮與控制（C2）干擾： 瞄準無人機系統與其操作員之間的通信鏈路，破壞指揮和控制信號，阻止無人機接收指令或傳輸數據。

• 網絡威脅情報： 利用先進的分析和威脅情報來預測和應對無人機系統帶來的網絡威脅，包括惡意軟件、數據外滲和網絡入侵企圖。

動能反無人機方案

• 攔截： 使用配備網炮、捕獲裝置或其他手段的有人或無人飛機攔截無人機系統威脅，以實際捕獲或禁用未經授權的無人機。

• 動能彈射系統： 部署火器、大炮或其他基于彈射的武器，通過瞄準關鍵部件或對無人機造成物理破壞，擊落無人機系統威脅或使其失效。

• 定向能武器（DEW）： 利用高能激光束或微波脈沖損壞或破壞無人機系統的電子設備、傳感器或推進系統，使無人機無法操作或出現故障。

• 爆炸物： 使用爆炸物或爆炸性射彈，通過直接撞擊或在目標附近引爆來摧毀無人機系統威脅。

• 防撞系統： 為飛機或地面平臺配備防撞系統，旨在與無人機系統威脅發生物理碰撞或擾亂其飛行路線，使其墜毀或失去控制。

• 電子戰 (EW)： 利用電子戰技術，通過干擾、欺騙或其他電子干擾手段，破壞或削弱無人機系統的控制和通信系統。

• 機動和撞擊： 使用有人或無人飛行器攔截無人機系統威脅并與之發生物理碰撞，使其墜毀或因撞擊力而失效。

• 專用動能攔截器： 使用專門的動能攔截系統，如導彈防御系統或反無人機彈藥，以精確制導的射彈或導彈瞄準并摧毀無人機系統威脅。

• 地基防空系統： 部署地對空導彈、高射炮或其他地基武器系統，與在防御系統射程內飛行的無人機系統威脅交戰并使其失效。

• 遠程武器站（RWS）： 在遠程操作平臺或車輛上安裝火器、大炮或其他動能武器，以便從遠處攻擊無人機系統威脅并使其失效，同時最大限度地減少操作人員的暴露。

圖：美國國防部：2024-2029 年C-UAS市場，百萬美元

人工智能（AI）是未來聯合部隊充分發揮多域作戰（MDO）潛力的基礎。由人工智能支持的系統有能力在各領域、電磁頻譜和信息環境中戰勝對手。在競爭中使用這些系統可使聯合部隊近乎實時地了解作戰環境，從而更好地利用各種能力擊敗旨在破壞地區穩定的威脅行動，遏制暴力升級，并將被拒絕的空間變為有爭議的空間。在從競爭向武裝沖突過渡的過程中，人工智能支持的機動、火力以及情報、監視和偵察能力為聯合部隊提供了阻止敵人奪取優勢陣地的能力。改進的維持吞吐量與攻擊敵方反介入/空中拒止網絡的能力相結合，為美軍奪取作戰、戰略和戰術優勢陣地提供了能力。通過人工智能支持的聯合多域共同作戰圖（MDCOP）提高理解能力，使美軍有能力協調多域效應，創造優勢窗口。

制定人工智能作戰概念可使陸軍更好地了解這些技術對戰爭性質和特點的潛在影響。描述陸軍如何在未來作戰環境中使用人工智能，有助于說明人工智能對戰爭的暴力性、交互性和根本政治性以及戰爭不斷演變的特點的影響。本文提供了一些小故事（附錄 A），說明了組織對人工智能的運用，為可能制定的美國陸軍 RAS 總體概念、作戰和組織概念、基于編隊的作戰概念以及系統或單個系統的運用概念提供了參考。

人工智能的可操作性影響著未來部隊的作戰方式、針對對手的作戰行動，以及指揮官如何利用軍事藝術和科學運用部隊能力來實現預期效果和目標。在2019年未來研究計劃（FSP19）期間，人工智能工作線（LoE）確定了以下與實施人工智能多領域解決方案相關的問題：

• 數據管理--AI/ML 應用程序的運行依賴于對經過整理的數據的訪問。陸軍必須培養以數據為中心的文化，以標準化的格式和協議來生成、存儲和訪問數據。人才管理工作必須側重于培養、培訓和留住一支精通數據的員工隊伍。這可以通過以下方式實現

  • 在整個部門培養以數據為中心的文化

  • 投資于整個員工隊伍的數據科學培訓

  • 簡化數據訪問

  • 設計和實施協議，確保數據可發現、可訪問、可共享和可互操作

• 功能分解--狹義的人工智能本質上是有限的，構建算法的數據科學家需要精確的問題定義，準確確定聯合部隊的需求。

• 可解釋人工智能--人工智能系統需要有能力解釋決策/建議和行動背后的邏輯。這種解釋 "為什么 "的能力是人類信任人工智能智能體的基礎。

• 邊緣計算/人工智能--未來的作戰環境預計將面臨電磁頻譜的競爭，這就要求能夠向前處理超大數據集的能力，以及能夠自主行動的人工智能平臺。

• 利用商業部門 - 國防部實驗室繼續在人工智能/ML 開發方面取得重大進展，特別是與聯邦資助的研發中心合作。商業部門將繼續探索和拓展可用于軍事應用的工作。

作為FSP19的一部分，人工智能LoE開發了五個小故事和一個概念草圖（見附錄A），以協助人工智能和機器學習的操作化。這些小故事說明了聯合部隊如何利用人工智能/機器學習來應對多域行動所需的關鍵能力。MDCOP 概念將依靠幾個有限內存的人工智能來構建和維護一幅描繪戰場上藍、紅、綠三方活動的圖景。反應型機器人工智能將為特定指揮官和總部量身定制 MDCOP。合作傳感、維持、攻擊和瞄準小節依靠反應式機器人工智能來優化傳感器覆蓋范圍、維持吞吐量、攻擊排序和射手選擇。

未來部隊需要人工智能來充分發揮多域作戰的潛力。人工智能系統使未來部隊能夠進行信息收集和分析，從而在時間緊迫、信息競爭激烈的環境中提高對態勢的了解。這種能力可實現快速、知情和正確的決策。人工智能決策支持體將減輕作戰人員的認知工作量，提高整體效能。人工智能支持的無人系統將探測、識別和穿透高風險區域，以提高開展行動和保護部隊、人口和資源的能力。人工智能可滿足 MDO 在與近似對手的沖突中對作戰速度的要求。

海軍乃至整個軍隊對自主系統的需求日益增長。無論是地面、空中、水面還是水下，無人系統（UxV）在軍事領域的發展正逐步融入并將繼續融入軍事行動。為了保持與對手的競爭力，無人駕駛技術的研發對于保持領先優勢至關重要。

隨著傳感器和處理能力的不斷提高，部署自動駕駛汽車的能力也在不斷增強。網絡的發展使其變得更加強大和安全，電池技術的發展使其能夠行駛得更遠。海軍在討論自主航行器時，最常提及和研究的兩個平臺是無人機（UAV）和無人潛航器（UUV）。無人水面航行器（USV）是研發界日益關注的話題，更具體地說是無人水面航行器群。

USV 是一種在沒有任何船員或工作人員的情況下在水體表面運行的航行器。由于其配備有可定制的有效載荷，因此可提供廣泛的能力和服務。從商業到軍事行動，其應用各不相同。在商業方面，應用包括氣候監測、測深數據收集、近海石油和天然氣管道維護以及水文測量。水文測量從多波束聲納讀數中收集數據，多波束聲納利用聲波和全球定位系統 (GPS) 數據測量海底和其他水道的深度。美國國家海洋和大氣管理局（NOAA）依靠水文測量來繪制和更新海圖。這些航海圖為商業、軍事和休閑航海者提供服務。它們向水手們告知淺海地貌和海岸線等航行危險。

圖 1.1. 佐治亞州國王灣 - 商業拖船為田納西號核動力戰略導彈潛艇（SSBN 734）護航。

在海軍應用方面，USV 可用于高價值資產的護航任務。在潛艇和水面作戰領域，USV 可提供部隊保護或引導船只進出港口。在艦隊中，目前有美國海岸警衛隊人員、水手或商業工人駕駛小型船只執行這項任務（圖 1.1）。在港口附近較淺的水道中，由于受到吃水的限制，船只和潛艇的機動性和速度都受到了限制。如果潛艇在航行途中受到攻擊，那么經過訓練的部隊保護車輛將承受攻擊，以確保潛艇的安全（防止核反應堆受損和暴露）。USV 還可用于執行情報、監視和偵察 (ISR) 以及搜救行動。這些機器人具有機動性和靈活性，可根據手頭的任務輕松更換有效載荷，從而實現廣泛的用途。

圖 1.2. 當美國海軍約翰-斯滕尼斯號航空母艦（CVN 74）駛入華盛頓州埃弗雷特進行預定港口訪問時，拖船為其護航。

使用 USV 船群的優勢在于可以增加所需的搜索區域的廣度。與一艘載人船只相比，多艘小型自動潛航器執行相同的任務集，還能節省時間、成本和能源。使用 USV 的另一個好處是保證船上人員的安全，而不是讓他們冒險執行危險或耗時的任務。大約 80% 的海船事故是由人為錯誤、疲勞和/或分心造成的。通過使用多艘 USV 作為安全保障層，可以降低船只和船員發生碰撞或損壞的風險。與每次只使用一艘船相比，使用多艘 USV 可使操作員擴大范圍、減少錯誤和/或縮短完成任務所需的時間。

為使 USV 能夠執行這些任務，需要有一種程序能夠指揮每艘航行器的速度和方位，同時對環境因素（如水流或風力）保持彈性。此外，與無人機或無人潛航器領域相比，USV 的研究進展并不多。

典型的海軍艦隊由不同的平臺組成：航母、驅逐艦、巡洋艦甚至潛艇。隨著海軍生產更多大型和中型 USV，它們將慢慢融入常規艦隊編隊。隨著中型和大型 USV 等多種型號的采購，對異構 USV 群的需求也將增加。美國國會研究服務部在一份關于海軍大型無人水面和水下航行器的報告中指出：大型 USV 將補充海軍的有人作戰部隊，以較低的采購和維護成本，降低水兵的風險，提高戰備狀態、能力和所需容量。雖然無人水面航行器是艦隊單元的新成員，但 LUSV 將把堅固耐用、久經考驗的商船規格與現有的軍用有效載荷相結合，以快速、經濟的方式擴大水面艦隊的容量和能力。

海軍未來實施的自主平臺增加了與具有不同動態特性的 USV 群協同工作的機會。從一個點到另一個點時，需要一種能保持編隊的穩健算法，各智能體之間的距離要固定。

問題陳述

本研究的目的是評估兩種算法中哪一種能成功引導異構 USV 蜂群（由不同 USV 平臺組成的編隊）并保持理想的分離距離。不同的 USV 采用不同的動態特性和推進/轉向模式。這些不同的特性關系到它們在每種算法下的表現。從本質上講，異質蜂群比同質蜂群具有更低的協調水平。最終目標是修改和評估現有算法，以控制異質蜂群。

圖 1.6. 無人水面航行器控制的分層軟件任務基礎設施。

研究貢獻

目前，有關軍事應用中異構 USV 編隊的工作幾乎沒有。本文包括：

• 未來海軍應用中的異構 USV 群： 隨著海軍不斷生產多種變型 USV，對能夠適應不同智能體動態的編隊需求也在增加。這項研究探索了多種編隊管理算法中的兩種算法在異構蟲群中的性能。

• 并列比較 USV 算法： 目前許多 USV 學術文章都只關注一種算法。本論文對兩種不同類型的算法進行了比較，并將它們置于一個可以相互競爭的場景中。

• 聯合自主工作：列出的算法是美國海軍研究生院和美國海軍學院創建并測試的算法。為了保持在自主研究方面的共同努力，本論文將在這兩所院校之間架起一座橋梁。

雖然戰爭的基本性質保持不變，但軍事戰略仍在根據新技術帶來的能力不斷演變。因此，軍事領導人必須了解新興的顛覆性技術，以保持部隊的相關性。量子技術就是這樣一種技術，由于其在廣泛領域的潛在應用，它在過去幾年里受到了廣泛關注。特別是，量子技術有望通過大幅提升當前的軍事技術，在戰爭的各個領域實現突破。本文基于現實評估，探討了量子技術在國防領域的三大應用--量子計算、量子傳感和量子通信--及其對未來戰爭的影響。

隨著美國國家戰略重點轉向與大國競爭，對美國海軍陸戰隊是否能滿足美國需求提出了質疑。海軍陸戰隊目前的兵力設計是針對大規模兩棲聯合強行進入作戰（JFEO）和岸上持續作戰而優化的。然而，隨著遠程精確導彈、先進預警雷達、無人機（UAV）和網絡能力在全球的擴散，美國前國防部長羅伯特-蓋茨（Robert M. Gates）以及新美國安全中心（Center for a New American Security）和戰略與預算評估中心（Center for Strategic and Budgetary Assessments）的學者們對海軍陸戰隊數十年來的多海軍陸戰隊遠征旅兩棲聯合強行進入作戰（JFEO）組織設計和相關投資提出了質疑。作為回應，海軍陸戰隊第 38 任司令戴維-伯杰（David H. Berger）將軍于 2020 年 3 月宣布了 "兵力設計 2030"（Force Design 2030），概述了海軍陸戰隊當前兵力設計的不足之處以及變革的必要性，以保持海軍陸戰隊在競爭環境中與先進的同級競爭對手的相關性。

《2030 年部隊設計》是適應性的縮影，是一種應對選擇性壓力的生存機制。迫使海軍陸戰隊進行變革的主要選擇性壓力之一是同行競爭對手的技術以前所未有的速度進步。雖然技術本身并不會改變戰爭的根本性質，但它肯定會影響必須采用的制勝戰略。由于技術在國家安全中的重要性，美國政府每年繼續投入數十億美元資助國防實驗室，如國防高級研究計劃局（DARPA）、海軍研究辦公室和陸軍研究實驗室。這些研究機構開發新的國防技術，并隨時向領導人通報這些技術可能對戰爭各個方面產生的影響。不過，海軍陸戰隊的最終責任是采用和調整這些新技術，使其能夠為聯合部隊提供相關的獨特能力。各級領導層對新興技術的進一步了解將加速新技術的采用，這也是快速技術進步的要求。本文是作者試圖提高人們對量子技術這一重大新興技術和潛在顛覆性技術及其對未來戰場潛在影響的認識，從而使海軍陸戰隊能夠共同積極地維持一支適合未來需求的部隊。

結論

量子技術不會取代現有技術，相反，它將增強現有技術。量子密碼分析可以使美軍，特別是海軍陸戰隊在進攻和防御領域的網絡行動多樣化。抗量子算法的發明和實施就是網絡防御的一個例子。量子優化算法可以解決各種優化問題，包括但不限于路線規劃、供應鏈、多無人機部署和導彈防御，在提高作戰效率的同時減少所需資源。量子模擬可以開發出更輕、更堅固、更節能的材料，使海軍陸戰隊能夠在分布式環境中以更輕的足跡維持更長的時間。量子傳感器可以實現擴展導航和寬帶無線電頻率接收，同時占用空間更小，幾乎沒有電磁特征。量子網絡可提供高水平的通信安全，并實現量子信息的分發。

值得注意的是，由于實施方面的工程挑戰，這些應用仍停留在理論層面。第二次量子革命的大多數技術距離實際應用還有幾十年的時間。海軍陸戰隊不應該太有遠見，因為它必須能夠隨時投入戰斗--但同時，它也不應該太近視，以免在未來落伍并失去相關性。美國同行競爭對手的技術突飛猛進，要求海軍陸戰隊迅速采用新技術。及時合理地獲取、發展條令并在戰術上運用新技術的一個先決條件是，各級領導層要保持對新興顛覆性技術的集體認識，以便海軍陸戰隊能夠適當地組織、裝備和訓練海軍陸戰隊員，使其成為國家未來的替補部隊。

近年來，人工智能（AI）和機器學習領域的進步為增強人類能力和提高各種自主系統的功能創造了前所未有的機遇，包括在國際安全領域。然而，在國防領域，訓練日益復雜的人工智能系統所需的高質量、高度多樣化和相關的真實世界數據集卻十分稀缺。因此，合成數據正逐漸成為開發和訓練人工智能系統的數據工具箱中必不可少的工具。合成數據的特點和潛在優勢，以及該技術在各個領域的成熟應用，使其成為圍繞在國際安全背景下使用人工智能的辯論的一個相關話題。

本入門指南簡要概述了合成數據，包括其特點、生成方式、增加的價值、風險以及在國防組織和軍事行動中的潛在用例。此外，本手冊還概述了現有的數據挑戰和限制，這些挑戰和限制促使合成數據成為開發日益復雜的人工智能系統的重要工具。

迄今為止，合成數據在國際安全領域的應用大多停留在實驗和探索階段。不過，合成數據的特點可對訓練人工智能系統產生有益影響。特別是，合成數據可以生成高度多樣化甚至新穎的數據集，對數據屬性進行精細控制，必要時自動注釋或標記數據，而且成本效益高。這本入門書探討了合成數據的主要特點如何使軍隊和國防組織受益，讓他們能夠在防御性和進攻性自主系統中集成能力更強、更可靠的人工智能系統。

雖然合成數據有利于訓練人工智能系統，并有助于緩解軍隊和國防組織面臨的一些數據問題，但它并不是靈丹妙藥，也伴隨著風險和挑戰。使用合成數據所帶來的好處將取決于各組織是否有能力駕馭這些風險，以便以負責任和安全的方式并按照法律要求和道德價值觀使用根據合成數據訓練的人工智能系統。

圖1所示。真實世界與合成數據

物聯網（IoT）和大數據描述了許多行業對數據收集、通信和分析的關注。利用射頻識別（RFID）等工具，可以最大限度地發揮物聯網和大數據的潛在效益，將設備相互連接起來，并為終端用戶提供與技術互動的有意義的方式。醫療保健行業已經徹底改變了其物聯網方法，希望能夠節約成本、提高效率和改善醫療質量。海軍醫學在大數據方面已有一定的歷史，在未來，技術與醫療保健之間可能會有更多的交叉。在采用新技術的過程中，可能會遇到技術變革的阻力。阻力的類型、強度及其調解在很大程度上取決于領導者如何處理最終用戶的阻力和接受程度。引入新的 RFID 技術有可能對手術工具消毒、病人和員工追蹤等流程產生積極影響。展望未來，醫療保健與技術的融合將繼續快速發展，物聯網、大數據和 RFID 技術將在醫療保健行業發揮重要作用。

無人潛航器（UUV）的普及為海洋領域帶來了新的機遇和威脅。與傳統海軍平臺相比，無人潛航器具有商業可用性和低購置成本，為經濟和軍事上處于劣勢的敵國提供了在海底領域競爭的能力。無人潛航器可對港口、航道、石油平臺、海底電纜和管道等海基和沿海基礎設施構成威脅。如果對手有能力收集有關這些基礎設施的情報、對其進行破壞或使其處于危險之中，將使美國經濟及其貿易伙伴付出高昂的代價。除了對關鍵基礎設施的威脅外，UUV 還威脅到美國和盟國水雷作為非對稱海戰工具的有效性。先進的無人潛航器和傳感器包向敵國擴散，使其能夠探測、繪制地圖，并有可能使盟軍水雷失效或避開盟軍水雷，從而使水雷失去獲取和維持制海權的主要作用。Blandin 等人（2013 年）預計有必要開發反 UUV（cUUV）系統，以減輕這些 UUV 威脅。

本畢業設計報告總結了從系統工程角度開發和分析 cUUV 系統概念的研究工作。這項研究的核心目標是識別 UUV 在技術和操作方面的威脅漏洞，然后開發一套 cUUV 架構來展示如何利用這些漏洞。基于模型的系統工程（MBSE）技術用于評估架構的有效性，其總體目標是為開發 cUUV 能力提供一種有組織、有系統的方法。為實現這一目標，開發了一種迭代系統工程流程，用于指導研究工作。

通過對市場上現有的無人潛航器平臺、傳感器有效載荷及其技術規格進行市場調查，確定了需要應對的潛在威脅無人潛航器系統的問題空間。該調查研究了 237 種 UUV 系統的關鍵參數和能力及其任務應用（AUVAC 數據庫 n.d.）。調查發現，大多數 UUV 可用于多種任務類型，雖然 UUV 的物理參數（如尺寸和重量）會影響最大工作深度和續航時間等指標，但物理參數與任務應用之間沒有特定的相關性。因此，我們開發了一種具有普遍威脅的 UUV 結構模型。

Blandin 等人（2013 年）確定了四個潛在的未來軍用 UUV 任務領域： 信息作戰 (IO)；情報、監視和偵察 (ISR)；水雷對抗 (MCM)；以及進攻性攻擊作戰 (OAO)。鑒于美國海軍已有成熟的基于 UUV 的 MCM 條令，并假定對手可能會追求類似的能力，這項工作的重點是開發與 MCM 任務相關的 cUUV 系統概念。隨后進行的詳細研究審查了操作環境限制、受威脅 UUV 的操作概念 (CONOPS) 以及功能和物理架構，以便從完整的系統角度了解受威脅 UUV 可能如何執行 MCM 任務。在這一問題空間定義階段確定的結果被用于制定具有廣泛適用性的 cUUV 分類法，該分類法定義了反威脅 UUV 的使用概念、功能和方法。

為建立 cUUV 系統概念開發框架以應對多式聯運威脅，將 cUUV 分類法應用于多式聯運 UUV 任務，以描述 cUUV 問題空間。然后使用基于智能體的建模（ABM）軟件包 NetLogo（Wilenski，1999 年）對受威脅的多用途無人潛航器進行建模，并使用多種參數值進行模擬，目的是 (1) 評估系統在執行多金屬結核調查任務時的基線性能，以及 (2) 確定表明 cUUV 系統存在漏洞的參數。

評估 UUV 威脅任務時使用了三個性能指標（MOPs）：漏雷百分比、水雷標記位置誤差平均值和水雷標記位置誤差標準偏差。這些 MOP 代表了所繪制雷區地圖的實用性，最佳地圖的漏雷率、標記位置誤差平均值和標記誤差標準偏差都較低。一個有效的反無人潛航器解決方案會增加漏掉的水雷數量，以及發現的水雷的位置誤差和不確定性。模擬結果發現，側掃聲納（SSS）的聲學性能下降對漏失水雷的數量有顯著影響，而受威脅的 UUV 導航航向噪聲增大導致水雷標記誤差測量值增加。通過建模、模擬和統計分析，深入探索了問題空間并確定了威脅 UUV 的薄弱環節，在 cUUV 分類框架內定義了三種潛在的 cUUV 結構，并在 ABM 軟件中進行建模，以評估其防御威脅 MCM UUV 雷場的有效性。

第一個 cUUV 系統概念，即多普勒速度記錄（DVL）欺騙系統（DSS），采用了一種有針對性的攻擊使用概念，利用 cUUV 分類法中的 "混淆導航 "方法擾亂受威脅的 UUV。該系統概念由分布在雷場各處的節點陣列組成，這些節點可被動探測威脅 UUV，并向 UUV 的 DVL 發送虛假導航信號，增加其導航和水雷位置誤差澳門威尼斯人官網作。仿真結果表明，DSS 概念影響了目標 MOP，但與基線威脅 UUV 導航性能相比，影響幅度不大。

第二種 cUUV 系統概念展示了使用 cUUV 分類中的干擾傳感器方法破壞威脅 UUV 的一般區域防御 (GAD) 使用概念。氣泡帷幕系統（BCS）概念包括一個由加壓氣管組成的網格，該氣管沿其長度方向發射氣泡，以衰減受威脅 UUV 的 SSS 信號，增加其未命中水雷的 MOP。BCS 模擬結果表明，該系統的有效性在很大程度上取決于雷場內氣泡管道的布局。對 SSS 產生廣泛聲學影響的 BCS 幾何結構對水雷未命中 MOP 的影響最大。這對 BCS 的部署提出了挑戰，因為受威脅的 UUV 的搜索模式是未知的。

無人潛航器探測跟蹤殺傷（UDTK）系統是一個系統的概念，包括一個探測和跟蹤威脅無人潛航器的聲學收發器陣列，以及一個攔截和摧毀威脅無人潛航器的武器化無人潛航器。該概念展示了一種有針對性的攻擊使用概念，即使用 cUUV 分類中的 "破壞 "方法摧毀受威脅的 UUV。在 83% 的反彈道導彈模擬實驗設計點上，UDTK 系統能夠攔截威脅 UUV。ABM 建模方法是分析系統內不同元素之間、cUUV 系統與威脅 UUV 之間相互作用的關鍵，也是了解復雜系統的突發行為以確定它們如何影響 UDTK 攔截率的關鍵。

本研究對新興的反 UUV 系統領域進行了研究，重點關注 MCM 任務空間，總體目標是為開發 cUUV 能力提供有組織、有系統的方法。已提出的 cUUV 任務結構分類法將任務分解為代表 cUUV 解決方案的操作和技術考慮因素的使用概念、功能和方法。基于智能體的模型提供了一個靈活而強大的工具，用于探索威脅多用途機動UUV、cUUV系統和環境之間復雜的系統相互作用。仿真結果不僅對所提出的 cUUV 系統概念的有效性，而且對更廣泛的反 UUV 任務提供了重要見解。雖然本文介紹的三個 cUUV 系統評估了可進一步開發的可行系統概念，但本研究并不打算針對反潛監測 UUV 問題提出具體的技術解決方案。我們鼓勵讀者考慮結構化 cUUV 能力開發方法的更廣泛影響。

在未來的空戰中，無人協同系統的整合將是一個潛在的巨大力量倍增器。其成功的關鍵因素將是編隊情報、協調任務規劃和跨平臺任務管理。因此，構思下一代機載武器系統的任務需要一個整體的系統方法，考慮不同的航空飛行器、其航空電子任務系統和針對未來威脅的整體作戰概念。為了盡早驗證可能的解決方案概念并評估其作戰性能，在過去幾年中，在空中客車防務與航天公司未來項目中開發了一個動態多智能體戰斗仿真。除了比實時更快的工程功能外，該仿真還可以進行實時人機對話實驗，以促進工程師、操作員和客戶之間的合作。本文介紹了動態任務仿真方法，以及在未來戰斗航空系統（FCAS）研究中應用此工具所得到的啟示，在此期間，我們清楚地認識到什么是未來應用的一個關鍵挑戰。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

1 引言

每一代新的戰斗機都可以通過一個或多個技術飛躍來定義，這些技術飛躍使其與上一代的設計有很大區別。毫無疑問，自從大約15年前第一架第五代戰斗機投入使用以來，幾乎所有的設計學科都有了顯著的進步。不同的飛機制造商，包括空客，已經宣布他們目前正在構思或研究第六代戰斗機[1] [3]。與目前最先進的飛機相比，這些項目很可能在各個領域都有改進，如飛行性能、全方面和全模式隱身、低概率攔截雷達和通信或武器裝備。但問題仍然存在：什么將是這一代的決定性因素，一個真正改變未來戰斗空間的因素？

一個常見的假設是，未來的戰斗空間將是 "高度網絡化 "的，即所有參與的實體都可以交換他們的態勢視圖，并以近乎實時的方式創建一個共享的戰術畫面。一方面，這使得多個平臺在空間和時間上可靠同步達到了以前不可能達到的程度。許多算法，特別是發射器定位或目標測距的算法，如果能從多個位置產生測量結果，會產生明顯更好的效果。另一方面，高質量數據的可靠交換通過分配以前由單一平臺執行的任務，使戰術更加靈活。對作戰飛機的主要應用可能是所謂的合作交戰概念（CEC），這已經是美國海軍針對反介入/區域拒止（A2/AD）環境的海軍綜合火控-反空（NIFC-CA）理論的一部分[4]，但其他應用也是可能的，例如合作電子攻擊。所提到的概念主要適用于任務期間單一情況的短期范圍，例如偵察或攻擊薩母基地、空對空（A2A）作戰等。然而，就整個任務而言，還有一個方面需要提及。鑒于所有參與實體之間的可靠通信，規劃算法可以交換任務計劃變更的建議，并根據其目標和當前的戰術情況自動接受或拒絕。這在一個或多個不可預見的事件使原來的任務計劃無效的情況下特別有用，盡管所有預先計算的余量。與其估計一個替代計劃是否可行，并通過語音通信與所有其他實體保持一致（考慮到船員在某些任務階段的高工作負荷和參與實體的數量，這是一項具有挑戰性和耗時的任務），一個跨平臺的任務管理系統可以快速計算出當前任務計劃的替代方案，并評估是否仍然可以滿足諸如開放走廊等時間限制。然后，一組替代方案被提交給機組人員，以支持他們決定是否以及如何繼續執行任務。

將上述想法與現在可用的機載計算能力結合起來，由于最近在硬件和軟件方面的進步，可以得出結論，未來一代戰斗機將很有可能在強大的航空電子系統和快速可靠數據交換的基礎上，采用卓越的戰術概念進行作戰。然而，這還不是我們正在尋找的明確游戲改變者--甚至現有的第五代戰斗機已經應用了一些提到的概念，例如，在NIFC-CA背景下的F-35[4]。因此，下一步不僅要改進飛機的航電系統，而且要在完全網絡化環境的前提下連貫地優化航電、戰術和平臺設計。這種方法允許思考這樣的概念：如果得到網絡內互補實體的支持，并非每個平臺都需要擁有完整的傳感器套件和完整的決策能力。因此，不同的平臺可以針對其特殊任務進行高度優化，從而與 "單一平臺做所有事情 "的方法相比，減少了設計過程中需要的權衡數量。很明顯，一個專門的傳感器平臺不需要或只需要非常有限的武器裝備，因此現在可用的空間可以用來建造更好的傳感器或更大的燃料箱。這已經可以使該平臺專門從事的任務性能得到顯著提高，但有一樣東西可以去掉，它的影響最大：飛行員。在這一點上，必須明確指出，目前沒有任何算法或人工智能能夠接近受過訓練的機組人員態勢感知和決策能力。這就是為什么在不久的將來，人類飛行員在執行戰斗任務時將始終是必要的。然而，如果飛行員（或更準確地說，決策者）被提供了指揮無人駕駛同伴的所有必要信息，那么就不需要在同一個平臺上了。因此，我們提出了一個概念，即一個或多個載人平臺由多個無人駕駛和專門的戰斗飛行器（UAV）支持。在下文中，我們將把至少一個載人平臺和一個或多個由載人平臺指揮的專用無人機組成的小組稱為包。我們聲稱，由于以下原因，無人平臺將作為有人平臺的力量倍增器發揮作用：

• 無人機是可擴展的，而空勤人員是不可擴展的。因此，無人機可以執行高風險的任務，并允許采用只用載人平臺無法接受的戰術。

• 無人機更便宜（即使不考慮機組人員的價值），因為它們可以在性能相同的情況下比載人平臺建造得更小。這意味著，在相同的成本下，更多的平臺可以執行任務，更多的平臺會導致更高的任務成功率。首先，因為有更多的冗余，其次，如果有更多的資產參與其中，一些任務可以更好地完成，例如發射器的定位。

• 不同的無人機和載人平臺可以任意組合。在任務開始前，可以根據需要組成包。在任務期間，在某些限制條件下，也可以重新組合軟件包，例如，如果交戰規則禁止不受控制的飛行，則指揮平臺之間的最大距離。這使得任務規劃和執行有了更大的靈活性，預計也能保持較低的運行成本和材料損耗（"只使用你需要的東西"）。

像往常一樣，沒有免費的午餐這回事。在我們的案例中，所有上述優勢對飛機設計師來說都是有代價的。不是按照一組技術要求優化單一設計的性能，而是必須設計多個平臺及其子系統，使其在各種任務和組合配置中最大限度地提高整個系統的性能。在本文的其余部分，我們將介紹FCAS原型實驗室（FPL），這是一個在FCAS背景下開發的模擬環境，用于解決這一高度復雜的問題。在第2章中概述了它在概念設計和跨學科技術原型開發中的作用后，我們將在第3章中介紹底層動態多智能體任務仿真的概念和架構。在第4章中，我們將介紹選定項目的結果，以概述該工具的多功能性。本文最后將介紹可能是未來最大的挑戰之一，不僅對模擬，而且對一般的無人系統的引進。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

FCAS原型實驗室（FPL）：動態多智能體任務仿真

FPL的核心是一個動態多智能體任務仿真，可以在一臺計算機上運行，也可以分布在多臺機器上，并使用不同的附加硬件組件。為了方便兵棋推演的進行，對人機界面技術進行原型測試，或用于一般的演示目的，模擬中的所有載人機載資產都可以選擇由硬件駕駛艙控制。如果沒有人類操作員參與，模擬必須能夠比實時運行更快。這對于在可能需要數小時的大規模任務中進行有效的開發和權衡分析尤為必要。為了以客觀和公正的方式評估概念和技術，每個模擬任務的過程都是由預先定義的系統屬性、物理效應的模擬和可配置的智能體行為和合作演變而來。不存在任何腳本事件，每一次新的模擬運行的結果都是完全開放的。藍軍和紅軍是在相同的假設下，以可比的抽象水平進行模擬。以下各章概述了如何在FPL中動態地模擬當前和未來機載系統的任務。介紹了我們的仿真結構，在對這類系統進行建模時最重要的設計權衡，以及行為建模的高層次規劃/低層次控制方法。

架構

FPL的仿真架構由三個邏輯部分組成：應用、仿真控制和通信中間件。該架構的一個核心特征是，模擬被分割成幾個應用程序。每個應用程序運行不同的模型，例如，有一個應用程序用于模擬自己的（藍色）航空器、敵方（紅色）航空器、綜合防空系統（IADS）以及更多的模型，如下所示。所有的應用程序共享相同的標準化接口，并且可以任意組合。這種模塊化允許只運行某個任務或項目所需的部分模型。所有的應用程序都是獨立的可執行文件，可以在同一臺計算機上以并行進程運行，也可以分布在幾臺機器上。通過交換編譯后的二進制文件，來自不同公司的模型的整合是可能的，而不會暴露詳細的基本功能。一般來說，不同公司之間的快速和容易的合作是FPL架構的一個主要驅動力。為此，提供了一個基礎應用類，它提供了所有與仿真有關的功能，如仿真控制狀態機、通信中間件接口和通用庫，例如用于不同坐標系的地理空間計算。通過簡單地實現一個新的基礎應用實例，新的模型可以被添加到仿真框架中。所有應用程序的執行都由一個中央仿真控制實例控制。它提供了一個圖形化的用戶界面，可以根據需要啟動、停止和加速模擬。在執行過程中，所有應用程序的運行時間被監控，仿真時間被動態地調整到最慢的模型。這使得分布式的比實時更快的模擬具有自適應的模擬時間加速。應用程序之間的通信是通過數據分配服務（DDS）標準[2]實現的。它使用發布-訂閱模式在網絡中實現了可靠和可擴展的數據交換。兩個不同的分區用于廣播仿真數據（如實體狀態、仿真控制命令等）和多播命令和控制數據（如通過BUS系統或數據鏈路實際發送的數據）。DDS標準的開放源碼實施被用來進一步方便與外部伙伴的合作。

圖1提供了我們的模擬架構的概況，包括大多數任務所需的應用程序。如前所述，這個架構并不固定，幾乎任何應用都可以根據需要刪除或交換。如黑色虛線箭頭所示，通過DDS中間件在仿真控制處注冊一個基本的應用實現，可以集成新的模型。藍色/紅色背景的方框描述了己方/敵方系統，混合顏色的方框可供雙方使用。仿真基礎設施組件的顏色為灰色，用戶界面的顏色為橙色。黑色箭頭表示模擬過程中的通信，灰色箭頭代表模擬運行前后的數據交換。

對于兵棋推演環節，不同的應用程序分布在FPL的多個房間內運行，以模仿真實的空中作業程序。在設置好一個場景后，藍方和紅方的操作人員使用任務配置工具，在不同的房間里計劃他們的任務。空中行動指揮官留在這些房間里，而飛行員則分成兩個房間，每個房間有兩個駕駛艙來執行任務。藍方和紅方空軍應用的任何飛機都可以從駕駛艙中控制，因此飛行員可以接管不同的角色，并相互對抗或作為一個團隊對抗計算機控制的部隊。所有房間都配備了語音通信模擬。任務結束后，各小組在簡報室一起評估任務，可以從記錄的模擬數據中回放。一個額外的房間配備了多個連接到模擬網絡的PC，可以選擇用于特定項目的任務，例如硬件在環實驗。

建模

為FPL選擇正確的建模范式事實上并不簡單，因為它涵蓋了操作分析工具（通常是隨機的）以及工程模擬（通常是確定性的或混合的）的各個方面。這個決定的影響可以用一個例子來說明，即如何確定一架飛機是否被導彈擊中。在隨機模型中，這個決定是基于可配置的概率，例如，被擊中的概率（導彈）和回避動作成功的概率（飛機）以及一個隨機數。為了使最終的任務結果對單一的隨機數不那么敏感，在實踐中經常用不同的隨機種子進行多次模擬運行。按照確定性的方法，導彈的飛出是根據導彈的發射方向、制導規律和固定的性能參數如推力、最大加速度等來模擬的。飛機在規避機動過程中的軌跡也是基于其初始狀態、空氣動力學、反應時間等。例如，當彈頭引爆時，如果導彈和飛機之間的距離低于某個閾值，那么飛機就會被認為被殺死。在一個確定性的模型中，在導彈發射時已經知道飛機是否會被擊中。確定性模型中必要的簡化通常是通過引入固定參數來完成的，比如導彈例子中的距離閾值。混合模型允許使用隨機數進行這種簡化，例如，作為失誤距離的函數的殺傷概率。

為了有效地測試和分析大規模的空中作業，在單臺機器上有幾十種藍色和紅色資產運行的情況下，模擬運行的速度至少要比實時快10倍（平均）。這對所用算法的時間離散性和運行時的復雜性提出了重大限制。為了保持快速原型設計能力，為新項目設置仿真或開發/集成新組件所需的時間應保持在較低水平。太過復雜的模型會帶來更多的限制，而不是顯著提高結果的質量。在這些方面，（更多的）隨機模型在運行時間和開發時間上都有優勢，更快。然而，在我們的案例中，有兩個主要因素限制了隨機模型的使用，使之達到最低限度。首先，模擬只有在給出他們的戰術和演習成功與否的確切原因時才會被操作者接受。此外，隨機模型是由數據驅動的，但對于未來自己和/或敵人的系統來說，所需的數據往往無法獲得。對于已經服役多年并在測試或實際作戰中多次射中的導彈，有可能估計其殺傷概率。然而，僅僅為未來的導彈增加這一概率是非常危險的，特別是因為隨機模型對這些參數非常敏感。從我們的觀點來看，通過將所有系統建模為基于技術系統參數的通用物理模型，可以實現對未來系統更健全的推斷。第一步，通過模擬已知技術和性能參數的現有系統，對模型本身進行驗證。對于未來的系統，技術參數會根據預期的技術進步、領域專家知識和他們的工具進行推斷。堅持最初的例子，未來戰斗機的回避機動性能的推斷，例如，基于從CAD和流體動力學模型計算出的更高的升力系數，或基于更高的導彈接近警告器的分辨率和靈敏度。

客觀評價未來概念在模擬中的表現的一個關鍵方面是環境和威脅的建模。必須考慮到，系統的方法在紅方和藍方都是有優勢的。現代國際防空系統的危險來自于結合不同的系統，從非常短的距離到遠距離。所有這些系統都有它們的長處和短處，但它們被組織起來，使個別的短處被其他系統所補償，并使整個系統的性能最大化。因此，第一個困難是必須對大量的系統進行模擬，并且必須確定這些系統的個別優勢和劣勢。通用物理模型的方法可用于這兩個方面。在通用防空系統模型被開發和驗證后，它可以迅速將新的系統整合到模擬中。根據模擬的物理效果，可以估計敵方系統的作戰優勢和弱點或未來可能的威脅概念。另一方面，使用通用模型的困難在于，必須將真實系統的功能映射到通用模型中，以便保留所有重要的單個系統屬性。這不可避免地導致了相當復雜和詳細的通用模型。我們將以地基雷達組件為例，概述我們平衡復雜性和保真度的方法。如圖2所示，IADS模擬中的一個實體由不同的組件組成。這些組件可以任意組合，以快速配置新系統。從功能角度看，地面雷達組件由控制器、探測模型和目標跟蹤器組成。根據實體的當前任務，控制器選擇所需的雷達模式，例如，360°搜索的監視或戰斗搜索，如果一個特定的部門必須優先考慮。為了對付干擾或地面雜波，可以使用不同的波形。根據雷達的類型，如機械或電子轉向的一維或二維，控制器有不同的可能性來適應搜索模式。在為一個波束位置選擇了波形的類型和數量后，探測模型根據目標、地面雜波、地形陰影、大氣衰減和電子對抗措施等方面的雷達截面模型，產生測量結果。測量誤差是由取決于隨機模型的信噪比引起的。由此產生的測量結果然后由目標跟蹤器處理，它執行測量-跟蹤關聯和跟蹤過濾。

這種詳細模型產生的另一個困難是必須估計的參數總數。在這一點上也要注意，模擬中的所有數據都是不受限制的。這一方面是由于大多數項目的限制，但另一方面，它在日常工作中也有實際優勢。我們必須牢記，模擬是用于概念驗證，而不是用于詳細的系統設計，所以在這個早期階段使用機密的威脅數據會對基礎設施和開發過程造成重大限制，而不會給結果帶來重大價值。基于此，所有的威脅數據都必須根據公開的來源或來自內部項目和外部合作伙伴的非限制性數據進行估算。這再次導致了大量的數據，而這些數據的詳細程度往往是非常不同的，或者是不一致的，例如，由于對限制性數據的去分類。隨著我們模型的不斷發展和多年來獲得的工程專業知識，我們有可能為不同的當前和推斷的未來威脅系統估計出一致的參數。這主要是在一個自下而上的迭代過程中完成的。根據現有的技術和性能參數，對缺失的模型參數進行估計以適應組件的性能。然后對單一系統的不同組件之間的行為和相互作用進行調整，以達到理想的系統性能。最后，在不同的情況下測試IADS內這些系統的協調，以使整個系統的性能最大化。