本報告總結了美陸軍科學委員會（ASB）"陸軍建模與仿真（M&S）"的研究結果，該項目由陸軍部長（SECARMY）委托支持。根據職權范圍，該研究的目標是 "評估陸軍在支持戰略決策、采購、訓練、測試和評估（T&E）方面的M&S能力"。具體來說，研究小組的任務是確定陸軍M&S能力的需求，目前陸軍M&S能力在滿足這些需求方面的差距，陸軍外部可用于彌補差距的最新能力，以及陸軍如何組織和管理人才以滿足其M&S需求。

研究背景和動機

美陸軍部長委托進行這項研究是因為未來的作戰環境（OE）和陸軍在該環境中競爭和獲勝的作戰概念--多域作戰（MDO），與過去20年的沖突定義有很大不同。在以前的沖突中，聯合部隊在所有領域（陸地、空中、海上、太空和網絡/電子戰（EW））都有優勢，可以對抗非同行的對手。在未來與同行競爭者的沖突中，聯合部隊將在沖突的所有階段，在更復雜和致命的OE中進行競爭。

美陸軍將面對更致命的動能系統和各種越來越有效的非動能武器，包括空間、網絡、電子、自主、AI和信息戰。這些非動能手段中的許多已經被對手在沖突的競爭階段運用得非常有效。此外，全球城市化的趨勢使得陸軍越來越有可能在密集的城市地區復雜地形中作戰，從而帶來影響非戰斗人員的集體行動要求。

這些日益復雜的情況需要強大的M&S能力。在過去的20年里，陸軍高級領導人一直依靠經驗和直覺來做出重要的戰略和戰役決策，但當他們所依據的范式發生巨大變化時，與生俱來的人類因素效力就會減弱。用一位系統分析員的話說，"復雜的系統無法用直覺來解決"。

為了應對這種未來復雜的OE，陸軍已經頒布了MDO作為其作戰概念，要求在異質的聯合系統之間有一個前所未有的系統簇（SoS）水平。為了充分利用MDO概念的潛在價值，將需要非直觀的、創新的作戰概念（CONOPS）和戰術、技術和程序（TTPs）。作為對基于假設的實驗補充，M&S對于定義MDO的SoS架構以及開發創新的CONOPS和TTP至關重要。如果沒有基于模擬的分析和實驗，MDO的SoS架構將以一種零散的方式發展，并且不能實現作戰概念的全部能力。

陸軍有雄心勃勃的現代化計劃，需要幾乎同時開發31個系統。即使在最好的財政環境下，這樣一個計劃的現有資源也很難維持。此外，可預見的未來國防預算將面臨壓力，加劇了國防部未來幾年國防計劃（FYDP）內競爭需求的斗爭。陸軍將需要為其現代化計劃提出一個堅實的理由，包括一個有效的宣傳活動，利用全方位的M&S工具提出可信的戰斗力分析。

陸軍在20-30年前開發了其目前的M&S評估工具，它們反映了冷戰時期的觀點。如果陸軍不重振其M&S能力以模擬未來戰爭的現實，后果將包括：(1)沒有準備好，無法充分定義MDO，并在聯合全域作戰（JADO）中被歸為一個不明確的角色；(2)由于沒有適當的M&S開發，現代化系統可能會失敗；(3)由于缺乏可信、分析性現代化資金要求的理由，國防部和國會領導人對陸軍的評估和能力失去信心。

實現這些后果的可能性促使了這項研究，并有必要采取行動來振興陸軍的M&S能力。

美陸軍M&S的組織、領導和管理

陸軍中的六個群體使用M&S，其應用情況如下。

• 分析--支持各種戰略和采購前的決策，包括替代方案分析（AOA）、基于能力的評估（CBA）、現代化項目的優先級、部隊設計、概念開發和CONOPS/TTP評估。

• 采購--支持需求定義、系統工程和集成、設計開發、以及記錄項目的驗證和確認（V&V）。

• 實驗和測試評估（T&E）--使用M&S進行實驗/測試設計，預測預期結果，對結果進行V&V，并將有限的測試條件推斷到更廣泛的條件下。

• 訓練--使用實時虛擬建設性（LVC）仿真技術訓練部隊并發展任務指揮的熟練程度

• 情報--為M&S提供紅隊評估。

美陸軍建模與仿真辦公室（AMSO）和一般官員指導委員會（GOSC），都在陸軍副參謀長（G-8）的領導下運作，協調這些團體的整合。這些都是嚴格意義上的協調機構。他們沒有權力指導數據和/或模型的橫向整合，也沒有權力為滿足陸軍M&S能力需求而定義一個連貫的、自上而下的愿景和產品改進計劃并提供資源。任何群體間的整合都是通過每個群體內的意愿實現結盟的，這種聯盟是嚴格基于關系的，因此是短暫的。這些群體基本上是作為孤島來運作的，沒有什么動力或強制功能來共同工作和分享數據或工具。

此外，自從20多年前陸軍副部長（作戰研究）辦公室解散后，陸軍一直缺乏一個專門的高級（SES或GO級）領導職位，負責確保陸軍的M&S需求得到滿足，并對M&S產品或分析結果的質量進行驗證。另外，美國空軍和海軍最近都設立了SES級別的領導職位。

陸軍有一批熟練的、專門的M&S從業人員，包括運籌學/系統分析（ORSA）分析師（FA49）、模擬操作官員（SOO）（FA57）和文職對應人員（1515等）。然而，在過去的幾年中，這些從業人員的數量逐漸減少，FA49分析員的數量減少了55%。在總授權的315名人員中，只分配了250名FA57人員。同樣，盡管有229個空缺，但授權的文職（1515）分析員的數量沒有增加。問題的部分原因是與工業界和其他用戶的資源競爭，以及軍事人員缺乏職業發展途徑，無法激勵他們在連隊指揮后擔任FA49/57職位。因此，高級領導人很少接觸到M&S，對M&S和分析在做出明智決策方面的價值缺乏認識。

為了有效地與私營部門和其他政府機構競爭擁有M&S專業知識的人才，陸軍必須主動招募人才，例如，美國空軍就積極招募M&S相關領域的本科生。一旦獲得了人才，陸軍必須建立一個強有力的培訓和發展計劃來提高技能。例如，FA57只要求一個8周的模擬操作課程。對于FA57的軍官來說，沒有對M&S相關領域的高級學位的要求。

美陸軍M&S技術能力需求

美陸軍必須能夠對其部隊在MDO OE中的戰斗力進行可信建模。這樣做將需要以下M&S能力，這些能力在目前的陸軍或聯合建模與仿真中沒有得到很好的體現。

• SoS交互 - MDO的實施將要求陸軍系統和異質聯合系統之間的接口、互動和相互依賴達到前所未有的水平。建立這些交互的模型對于評估陸軍在未來MDO場景下的CE至關重要。陸軍的M&S還必須考慮到由于對手的行動和反擊而導致的系統間連接性下降時，對有效性的影響。SoS架構的定義將規定戰場上聯合實體之間的信息交換要求，以實現MOE和任務目標。陸軍/聯合軍事和安全局必須能夠評估備選的系統架構，以選擇一個基線架構，在多種情況和能力（當前和未來，友軍和敵軍）下提供最佳的效力水平。基準SoS架構對于制定陸軍現代化計劃的接口規范和信息交換要求是必要的。聯合系統將需要在適當的保真度和安全分類水平上進行建模，以進行這些評估，這就需要一個分布式仿真框架/環境，以促進美國陸軍、空軍、海軍和海軍陸戰隊模型在可使用的安全水平上聯合。

• 非動能效應--非動能現象和系統在沖突中變得越來越重要，包括空間、通信、任務指揮、網絡、EW、自主/AI、人機互動和信息戰（IO）。雖然在工程層面上存在許多非動能系統和現象的高保真模型，但將它們直接嵌入到建設性的CE模型中，在技術上具有挑戰性。例如，空間、網絡和電子戰M&S和分析是保密的，將它們嵌入到更高層次的CE模型中，需要在最高的保密級別上運行整個仿真。另外，這些模型需要獨立運行，以便在較低的安全級別上開發算法或參數關系，以代表其效果，并可輸入到部隊上的CE模型。將非動力學現象作為多個獨立變量的函數進行參數化建模，是一個艱巨而耗時的過程，需要在工程模型中嵌入人工智能來協助。

• 人類認知和行為--融合，是MDO的一個關鍵原則，涉及到所有物理領域、電磁波譜和信息環境中能力的快速和持續整合。其目的是通過跨領域的協同作用和多種形式的攻擊來優化效果。未來的MDO融合將需要在所有梯隊、跨領域和跨軍種精確同步的C2。陸軍和國防部需要改進聯合全域指揮與控制（JADC2）的模型，包括人類認知和行為對指揮決策的速度和質量的影響。為了在有和沒有人工智能決策輔助工具的情況下開發人類層面的啟發式模型，陸軍將需要在虛擬人在環和人工智能軟件在環模式下運行的LVC仿真能力。

• 仿真實驗--陸軍必須在聯合結構中對其系統進行實驗，以(a)將MDO從概念推進到條令，以及(b)發展MDO SoS架構。它將使用M&S來補充和增強現場實驗，以緩解現場演習的高成本，并減輕現場實驗的有限能力，這些實驗在所有的場景、條件和紅/藍系統能力中運行。一個分布式的LVC模擬環境將提供用于完善和驗證M&S工具的實驗結果。對于聯合部隊的評估，LVC環境應該有能力用任何聯合系統的 "即插即用 "模型在不同的保真度和分類水平上輕松組成一個實驗。

• 數據管理--每個領域的動能和非動能、藍/紅系統認證數據的可用性和一致性將推動對通用數據標準、更嚴格的非動能效應數據庫以及認證的當前和未來威脅數據的需求。聯合數據標準對于各軍種共享共同數據和可組合模型非常重要。陸軍和其他軍種應該為非動能效應開發像《聯合彈藥效能手冊》（JMEM）那樣嚴格認證的數據庫。目前用于M&S的威脅和反威脅數據受到安全分類的限制。未來戰場的聯合M&S將需要來自DIA的可用分類的認證威脅數據；為未來系統開發權威的、認證的、一致的威脅數據的方法；以及具有有效威脅數據的MDO場景。

滿足美陸軍需求的外部技術能力

陸軍M&S團體正在努力滿足其中一些能力需求。然而，在資源有限的情況下，無法及時取得進展。幸運的是，在陸軍之外，在許多關鍵需求領域已經取得了值得注意的進展，陸軍應該能夠利用這些進展來補充其工作。

• 多域聯合M&S框架--工業界、DARPA和其他軍種都在為多種應用開發和/或使用聯合的、多領域的、多安全的建設性或LVC模擬。這包括概念開發、CONOPS/TTPs評估、模擬實驗和培訓。國防工業主承包商在過去20年里一直在使用LVC SoS集成實驗室（如 "虛擬戰爭中心"），以支持軍事合同客戶的需求或在內部了解未來客戶的需求。美國空軍和美國海軍也一直在開發聯合的M&S工具，如仿真、集成和建模高級框架（AFSIM），據稱它有一個分布式框架，可以實現即插即用的聯合模塊。此外，DARPA的 "突擊破壞者II "計劃正在開發一個先進的M&S環境，以支持跨領域、跨軍種的作戰結構分析。

• 用于非動能現象的高保真工程M&S工具--許多專業公司已經開發了高保真的工程級M&S工具，用于建模和評估非動能現象，包括通信網絡、網絡和EW。這些往往是獨立的工具，用于構造模擬和/或硬件/軟件的循環模擬，或用于產品的T&E或V&V。陸軍在各自的作戰能力發展司令部（CCDC）實驗室和數據分析中心（DAC）有幾個這樣的工具，但在與更高層次的戰斗力模型的垂直整合方面可以做得更好。

• 人類認知和行為的M&S和研究/分析--在學術界、FFRDCs和工業界，人類認知和行為的建模研發經常發生。這些項目中的幾個可以為開發虛擬仿真能力提供一個良好的基礎，以評估JADC2結構中指揮決策的速度和質量方面的人的因素。此外，在人工智能/ML算法方面也有大量的工作，可用于自主目標識別和決策輔助等應用。虛擬仿真能力應允許在循環中插入人工智能/ML決策輔助軟件，結合循環中的操作者，以確定人工智能輔助人類決策性能的有效性。

• 數字工程（DE）/基于模型的系統工程（MBSE）--DE/MBSE的價值已經在幾個項目的記錄中得到了證明，它被國防主承包商和頂級分包商在大型復雜項目中常規使用。它的價值主要在于提供一個單一的、權威的數據庫，用于橫向整合多個分析、設計、開發、生產和維持應用，貫穿整個采購生命周期。

• 突破性的基礎設施能力--在過去的十年中，出現了一些改變游戲規則的技術，使M&S能力得到了顯著的提高。其中包括基于云的環境，指數級的GPU性能增長，大規模的并行計算和量子計算機。

美陸軍M&S組織和人才管理能力需求

美陸軍必須招募、雇用、發展和保留足夠精通M&S的人才，以擁有模擬MDO和JADC2的復雜性所需的專業知識。如果陸軍明天就啟動一項建立人才庫的計劃，它將沒有足夠的STEM專家來滿足其M&S需求。為了開始糾正這種情況，陸軍可以單方面采取以下措施。

• 要求更多的美國軍事學院（USMA）和后備軍官訓練團（ROTC）的學員學習STEM專業。美國軍校沒有為學員規定STEM專業的配額，盡管法律規定授予理學士學位，但美國軍校最普遍的專業是歷史。海軍在其軍官隊伍中高度依賴STEM，規定海軍學院的STEM專業中學生的配額為65%。

• 與學院和大學的STEM部門合作，這些部門以培養目標學科的高能力畢業生而聞名。以前，陸軍會挑選初級軍官（主要是上尉/專業人員）到研究生院學習一到三年，畢業后被派往美國海軍陸戰隊、五角大樓或其他重大采購項目。

• 增加軍事人員獲得STEM研究生學位的職業道路。陸軍可以通過為初級軍官提供在陸軍贊助的關鍵卓越中心獲得研究生教育（碩士和博士水平）的機會來將STEM重新融入陸軍文化。增加具有較高學術背景的專業人員的數量也將有助于使陸軍成為新技術和先進技術的 "聰明買家"，并成為現代化活動決策中更好的戰略伙伴。

• 確保個人擁有（或有資格獲得）適當的安全許可。

• 擴大招募工作，以考慮到國家不斷變化的人口結構。有一些倡議是為了擴大婦女和少數民族在STEM領域的參與，其中一些倡議得到了國家科學基金會（NSF）的支持，這些受資助的項目培養了高技能的人才。例如，計算機和信息科學與工程局（CISE）資助學院和大學培訓STEM的學生。

建議

研究小組的研究結果和建議在報告正文中按主題介紹。綜上所述，研究小組建議軍隊采取以下行動。

M&S發展

• AFC--建立一個跨領域的M&S CFT并為其提供資源，以開發出一套聯合的M&S工具，為未來的聯合MDO戰場建模并評估陸軍系統的作戰效能。

• 八國集團、空軍司令部、美國航空航天局（ALT）：

  • 與DARPA合作，利用聯合MDO仿真技術的新進展。

  • 建立一個資金充足的敏捷采購計劃并為其提供資源，以提供現代分析性M&S能力和SoSIL來模擬聯合MDO作戰環境。

人才管理

• G1:
  • 文職人員：增加平民在M&S相關領域獲得研究生學位的機會，包括計算機編程和系統工程。
  • 軍官：提高FA57軍官的研究生教育率；促進FA49/FA57官員成為與作戰部隊相關的人員。

資源

• SECARMY

  • 開發一種能力，在分布式聯合LVC仿真框架內建立MDO行動模型，并采用適當的陸軍模型，從網絡融合和相當于空軍提供的資源開始，解決非動能方面的缺陷。

  • 建立和管理一個集中的陸軍模型改進計劃（AMIP），以實現陸軍軍事和安全應用和社區的MDO的科技進步。

管理與組織

• SECARMY
  • 在秘書處任命一位專門的高級官員：他是M&S領域的專家；其唯一的職責是領導陸軍的M&S，并成為CSA和SECARMY的M&S高級顧問；定位在目前各部門的頭頂上；有權力和資源來指導和執行推進陸軍能力的優先事項為陸軍的主要分析提供質量控制；誰是整個業務的M&S決策協調者

引言

專門用于下馬士兵系統的國防資金是有限的，而且必須在多個部分之間進行分配。決定正確的組合可能是困難的--一些技術提高了殺傷力和保護力，另一些則提高了安全性能。同時，這些技術可能會增加認知和身體負荷。本報告提出了一種方法來進行跨越這一明顯的鴻溝，并找到技術的最佳組合。提出了一個數學戰斗模型，該模型考慮了態勢感知、殺傷力和保護設備在預期挽救生命方面的聯合效應。因此，該模型可以用來設計一個最佳的下馬士兵系統，一個可以拯救人生命的系統。

模型

本方法依賴于在任何時候都將決策者表現為一個最佳的決策者。然而，該決策者必須在不確定性和時間限制下做出決定。隨著認知負擔的增加，模型中可能會發生幾個變化：決策之間的時間可能會增加，每個決策中考慮的信息量可能會減少，或者規劃范圍可能會縮短，導致更多的短視決策。模型中的每一個杠桿都能靈活地代表決策的退化，以及SA，同時仍然假設指揮官是在做出盡可能好的決策，但在困難的約束下。在技術上，我們的模型是基于兩個支柱。首先，戰斗被建模為連續時間馬爾可夫鏈（CTMC）。其次，指揮官被模擬為部分觀測馬爾可夫決策過程（POMDP）中的決策者。POMDP是通過動態規劃解決的順序決策問題。它們很難解決，因為與完全可觀察的馬爾可夫決策過程（MDPs）相反，一些狀態變量是隱藏的。幸運的是，先進的計算方法已經被開發出來以解決它們。

結果

本文實施了一個概念驗證，基于一個下馬的戰斗場景，其中一個由12名士兵組成的小組必須確保一個隧道的入口。在任何時候，指揮官都可以根據當時的信息改變路線，或放棄行動。在這個場景中，還包括一個區域傳感器，例如，它可以是一個無人駕駛飛行器（UAV）。展示了如何在增加士兵的傳感能力和增加無人機的能力之間找到最佳權衡。還展示了如何在增加士兵的感知能力和增加他們的殺傷力和個人保護設備之間找到最佳的平衡。最后，展示了如何通過增加模型中決策的時間間隔，來模擬認知負擔的增加，從而增加預期的生命風險。

結論

該模型在采購、能力發展、國防科技和學術領域具有開發潛力。這種廣泛的潛力要歸功于POMDPs的靈活性，它可以根據需要做得很抽象，或者很詳細。提出了幾個擴展模型實現的途徑：整合貝葉斯信念網絡（在CTMC和/或觀察模型中），結合情景階段的序列，并探索其他表示認知負擔的方法。

圖 2-1：戰斗中SA的概念概述。

本研究提出了一種方法，用于訓練和驗證數據驅動的、參數化的、多保真的減序模型，能夠預測具有不連續特征的高維空氣熱流場。在設計新概念時，設計者往往缺乏進行傳統概念設計所需的歷史數據，因此必須依賴基于物理學的模型和模擬工具的數據。然而，現實的計算預算往往限制了可用于訓練預測模型的高保真樣本的數量。在這些情況下，多保真方法已被確定為提高模型準確性的關鍵推動力，因為它們能夠利用來自高保真和低保真來源的訓練數據，這使設計者能夠使用大量廉價的低保真樣本來補充訓練數據并提高采樣分辨率。這項研究制定了一種方法，利用Procrustes流形排列，用線性和非線性投影方法進行多保真模型的減序。然后將這些方法應用于陸軍海軍的Finner射彈，以在學科和系統層面上描述這種方法。據觀察，所提出的模型階次還原能夠準確地捕捉表面分布。當部署在一個耦合軌跡模型中時，減序模型能夠在模擬中取代全序CFD，同時與全序解決方案保持密切一致。所提出的方法也優于傳統的空氣動力學數據庫查詢表，同時保持可控的計算成本。

技術途徑

降維

降序建模是一種廣泛的方法，它尋求確定高維數據集的低維表征，盡可能準確地捕捉原始數據中觀察到的相關行為（Maaten, et al., 2009）。降維（DR）算法通常用于減少原始模型的自由度數量，以獲得一些低維表示，被稱為潛空間，它保留了原始數據集的一些質量，如觀察到的協方差或成對距離（Xiao, et al., 2017）。然后，原始的高維訓練數據被投射到這個低維的潛空間中，以便在進行預測時可以識別和利用數據的主導特征。ROM可以分為侵入式和非侵入式，前者意味著它們必須與分析的管理方程對接，并且經常需要修改源代碼（Lucia & Beran，2003），后者意味著它們只使用輸入和輸出數據進行訓練（Chen，2012）。由于現代高超音速系統的高度多學科性，設計者在早期設計階段使用 "黑盒"分析代碼是很常見的。出于這個原因，非侵入式ROM通常是航空航天應用的首選（Rajaram, et al., 2020）（Xiao, et al., 2017）。

文獻中已經開發了許多非侵入式的ROM技術，每個技術都有不同的假設，即如何最好地識別和描述訓練集的基本行為（Maaten, 等，2009）。線性方法，如主成分分析（PCA）（Tropea, et al., 2007），可能是最常用的技術，并已在航空航天應用中成功使用了幾十年（Iuliano & Quagliarella, 2013）（Jolliffe, 1986）（Lumley, 1967）。利用非線性降維（DR）的ROM，如基于歧義學習的ROM（Franz, et al., 2014），最近被使用，因為它們能夠比線性對應技術更有效地捕捉不連續的流動特征，如沖擊（Decker, et al., 2021）。

使用Procrustes分析的流形對齊

為了使前面討論的方法適用于CFD解決方案，必須以相同的網格尺寸、節點連接和基礎物理模型拍攝快照。Manifold Alignment（MA）被認為是增強這些單保真ROM技術的關鍵因素，因此它們可以利用多保真來源的數據（Wang & Mahadevan，2009）（Wang & Mahadevan，2008）。這使得在訓練預測模型時，只要每個數據集的基礎系統是相關的，就可以同時利用來自不一致配方的數據集（Perron, et al., 2020）。特別是，Procrustes MA已被證明在構建多保真ROM方面表現良好，因為它能夠利用來自不一致來源的數據，而不需要修改原始訓練集（Perron, et al., 2020）。(Decker, et al., 2021)開發了MA在CFD ROM中應用的數學公式。

圖2:使用Procrustes分析的流形對齊的概念說明。

降階建模方法

這種方法的結果是遵循圖3所示結構的場代理。在這些模型中，DR被用來識別捕捉每個數據集的基本行為的潛在空間。通過減少每個保真度級別的數據得到的潛空間使用MA進行融合。在實踐中，這個潛空間具有足夠低的維度，多保真插值或回歸技術（如CoKriging（Han等人，2012））可以用來預測未見設計點的潛空間坐標。有了這些預測的潛空間坐標，就可以通過一個叫做Back-mapping（Franz, et al., 2014）（Decker, et al., 2021）的過程構建高維領域的預測。

圖3:多保真ROM結構的說明。

軌跡分析

一旦空氣動力學的ROMs被訓練出來，它們就可以被部署在一個耦合的分析框架中以評估它們的性能。在這項研究中，進行了滑行軌跡分析。高超音速飛行器的軌跡對高水平的性能目標有重大影響，并推動了其他幾個學科的關鍵邊界條件。任務優化是必要的，以確定特定飛行器的最佳性能。由于這些原因，滑行軌跡分析是一個有用的測試案例，以評估所提出的方法的實用性。

文獻中已經開發了許多方法來解決高超音速滑翔軌跡。工程中感興趣的問題往往過于復雜，無法用變分法分析解決，因此需要數值方法（Rao，2009）。已經開發了一系列被稱為直接方法的數值方法，這些方法將軌跡離散化，并使用一個稱為轉錄的過程將最優控制問題轉換為非線性編程（NLP）問題，可以通過直接優化解決（Rao，2009）（Ross & Fahroo，2002）。在直接方法家族中，有兩類主要的解決方法：射擊法和同位法。射擊法通過顯式積分治理方程來傳播軌跡，而配位法通過將治理方程視為離散域內每一點的平等約束來隱式執行治理方程（Von Stryk & Bulirsch，1992）。射擊法對參數化簡單的問題表現良好，并允許使用高階數值積分方案，而配位法由于現代NLP求解器的魯棒性和利用數值稀疏性的能力，被認為對更復雜的問題效果良好（Rao，2009）。出于這個原因，本研究中使用了直接配位來進行軌跡分析。

為了解決這些問題，軌跡分析是用Dymos（Falck, et al., 2021）實現的。Dymos建立在OpenMDAO（Gray, et al., 2010）的基礎上，利用偽光譜配位技術來進行優化。問題使用IPOPT算法（Wachter, 2002）解決，該算法在pyOptSparse框架（Perez, et al., 2012）中實現（Wu, et al., 2020）。

在這項研究中，運動方程是針對球形、非旋轉地球上的二維飛行路徑而實現的：

目前的效應任務分配方法經常考慮到基本的資產-任務分配，假設在有限的資源能力限制下進行同步交戰。然而，故意忽略由時間限制或交戰順序/序列可行性驅動的戰術復雜性可能會導致實踐中的解決方案不可行。在這份科學報告中，提出了一種適應復雜戰術武器-目標分配問題設置的創新效應任務分配方法。它定義了一個新的開環反饋調度決策模型問題表述，旨在異步分配n個效應器為m個任務/目標提供服務，以使預期任務（失敗）值最大化，但要遵守資源能力和邊際約束，時間范圍不斷縮小。因此，我們提出了一個新的近似二次規劃決策模型。它受傳入請求、累積預期目標值、正在進行的資源承諾、剩余資源能力和前一階段的計劃執行反饋的制約。該方法采用了一種新的緊湊的效應圖表示，以方便地捕捉可行的效應器路徑計劃。借用典型的高質量解決方案，近似決策模型特意限制了一個任務的訪問次數，大大減少了搜索空間的探索。所提出的數學公式也有利于自然利用權威的商業優化工具，在運行時提供有價值的優化差距信息，以便有效地指導問題的解決和減少計算。

對國防和安全的意義

本科學報告提出了新的效應任務決策支持技術概念，為支持戰術聯合火力的數字化指揮與控制（C2）解決方案鋪平了道路。這些新概念完全符合加拿大陸軍陸軍需求局（DLR）2的意圖，即實現戰術決策-行動周期的自動化和優化。這項工作旨在及時向DLR2和聯合火力現代化資本采購項目的定義階段通報戰術邊緣新的自動化和優化效應任務技術概念，并確定有希望的研究方向。新的預先規劃概念為敏感瞄準、動態效應任務/再任務、效應器整合以及新的自動化非近視效應任務解決方案的可行性和價值帶來了不同的視角。這種方法構成了對科學和技術的創新貢獻，最終推薦了具有接近最佳傳感器效應任務解決方案的使能者。擬議的核心概念計劃在適當的國家和國際場所，如關鍵的選定的軍事演習和/或技術合作計劃（TTCP），逐步和有機會地展示。這將為其他 "五眼 "國家提供所需的能見度，并為適當的驗證提供機會窗口，同時獲得對加拿大感興趣的有競爭力的最新技術。

裝備有成像傳感器的衛星是情報、監視和偵察（ISR）任務的關鍵資產。然而，從這些資產的任務中可能獲得的巨大數據量很快就會讓人類無法完整地人工考慮。正是由于這個原因，分析衛星圖像的自動化系統對于幫助人類分析員從衛星圖像中提取可操作的信息至關重要。

最有前途的自動化工具之一是機器學習（ML）。在一些收集背景下，如醫學成像[17]和自主車輛的視覺[21]，ML在從圖像中做出準確推斷方面已經顯示出巨大的成功。因此，有理由認為，在其他采集環境中獲得成功的機器學習模型和方法也可以用于從高空拍攝的圖像。事實上，在使用機器學習對衛星圖像進行準確推斷方面，已經有了許多公開的成功案例。從人道主義和救災[57]到農業規劃[13]等問題領域都受益于基于ML的計算機視覺系統。

在衛星圖像上使用機器學習的效用促使了系統的發展，該系統將機器學習模型作為分析員工作流程的核心組成部分。本文的目標是為開發此類模型提供一小部分必要的實踐指導。調查目前關于這個主題的知識并將其提煉成實用的指導是一項艱巨的任務。為了提供一個更有針對性的指導，我們以多種方式確定這項工作的范圍。我們專注于目標檢測--在圖像中定位目標的位置，以及它們屬于哪一類目標的抽象任務。我們選擇這個問題的原因有很多。首先，許多ISR任務可以被設定為目標檢測任務。例如，從衛星圖像中檢測特定的陸地車輛、海船、設備和人都可以被設定為目標檢測任務。即使ISR任務要求對目標進行更復雜的推理，許多目標探測的原則也適用。其次，目標檢測是現代機器學習在圖像領域中比較成熟的領域之一。因此，為了建立準確的目標檢測模型，有大量的前期工作可以借鑒。

我們還將這項工作的重點放在目標檢測模型（或目標檢測器）的評估上。也就是說，我們的重點是：1）評估目標檢測器的重要特征樣本；2）評估目標檢測器的常用指標樣本；3）如何識別和定義重要用例的評估標準；以及4）如何將目標檢測器的特征和用例映射到指標上，以便以具體、可衡量的方式評估目標檢測器。因為評估自然發生在數據收集和探測器學習之后，所以我們也必須觸及與這兩個主題相關的細節。我們的目標不是要對這些主題進行全面的處理。相反，我們的目標是提供基本信息，作為了解設計、學習和評估目標檢測器時的一些獨特考慮因素的手段，并輔以參考文獻，讓讀者有途徑進行更深入的探索。

本指南的其余部分將按以下方式進行。在第2章中，我們定義了目標檢測問題，討論了學習目標檢測模型的現代方法，并提供了一些對衛星圖像的的實際見解。在第3章中，我們討論了評估目標檢測器的做法，包括方法、指標，以及如何將其映射到檢測器性能的有意義的概念。在第4章中，我們通過展示對航空圖像的目標檢測模型的評估結果，展示了這些主題的一些實踐。最后，在第5章中，我們總結了文件中所探討的實際見解，并對目標檢測中的開放課題進行了簡要調查。

圖 2.2：圖像示例，標注有邊界框（圖片來源：RarePlanes Data Set [61]）。例如，右上角的目標被標記為“軍事戰斗機/攔截器/攻擊”類的成員。目標的位置由邊界框的左上角 (x1, y1) 和右下角 (x2, y2) 坐標定義。

圖 4.2：來自 RarePlanes 數據集的示例。頂部圖像 = 標記為邊界框的地面實況。中間圖像 = RetinaNet 的輸出。底部圖像 = Faster R-CNN 的輸出。

無人系統（UMS）在北約軍事行動中發揮著越來越重要的作用，并將是構成未來戰斗力很大的一部分。然而，由于UMS使用的技術發展迅速，在如何衡量UMS的性能方面，很少有標準存在。這在自主性能方面尤其如此。這種缺乏商定的定義和測試方法的情況，極大地阻礙了UMS在北約全面行動中的使用。因此，迫切需要為用戶提供一種工具，不僅可以定義UMS的自主性水平，而且可以定量測量自主性對UMS任務性能的影響。

認識到這一需求，北約成立了AVT-175-RTG：無人系統（UMS）平臺技術和自主運行的性能。這個RTG定義了影響自主性和自主性能的技術，全面介紹了北約國家目前正在使用的潛在軍事應用的UMS系統，并對目前使用的測試方法、標準、自主性定義和自主性能評估工具進行了詳盡的審查。AVT-175的工作范圍在一定程度上受到了限制，因為缺乏與更高自主水平的全面行動有關的數據，因為自主的UMS還沒有被廣泛地用于北約任務。

根據技術、測試方法和自主性能方法的審查，AVT-175開發了一個新的工具，用于預測評估背景自主性能，即任務性能潛力（MPP）。目前的努力，即AVT-255 "無人系統自主運行任務性能潛力"，試圖在軟件中實現MPP，并利用自主UMS運行的現場測試驗證代碼。

然而，AVT-255即使延長了一年，也沒能實現其目標。

AVT-255項目未能成功完成的原因有三個。

1）主要的代碼開發人員不得不退出這項工作。

2）驗證性的現場測試被取消了。

3）AVT-255的研究逐漸過時。

本備忘錄對AVT-255的時間表和有限的結果進行了詳細的解釋，并接著對自主UMS的測試和評估提出了下一步的建議。

現代數字雷達在其波形、雷達參數設置和傳輸方案方面提供了前所未有的靈活性，以支持多種雷達系統目標，包括目標探測、跟蹤、分類和其他功能。這種靈活性為提高系統性能提供了潛力，但需要一個閉環感知和響應方法來實現這種潛力。完全自適應雷達（FAR），也被稱為認知雷達，是模仿認知的感知-行動周期（PAC），以這種閉環方式適應雷達傳感器。在這項工作中，我們將FAR概念應用于雷達資源分配（RRA）問題，以決定如何將有限的雷達資源如時間、帶寬和天線波束寬度分配給多個相互競爭的雷達系統任務，并決定每個任務的傳輸參數，使雷達資源得到有效利用，系統性能得到優化。

已經提出了一些感知-行動的RRA方法。這一領域的最新工作被稱為認知雷達資源管理，而較早的相關工作則被稱為簡單的傳感器管理或資源分配。這些算法依賴于兩個基本步驟。首先，它們以概率方式捕獲（感知）監視區域的狀態。其次，他們使用這種概率描述，通過確定哪些行動有望實現效用最大化來選擇未來的傳感行動。

任何RRA算法的一個關鍵挑戰是平衡目標探測、跟蹤、分類和其他雷達任務的多個競爭性目標。這一點通過優化步驟中用于選擇下一步雷達行動的目標函數來解決。目標函數也被稱為收益、標準、價值或成本函數。因此，以適合優化的數學形式闡明系統目標，對完全自適應雷達資源分配（FARRA）系統的運行至關重要。隨著可用于適應的參數數量和雷達系統任務數量的增加，這變得越來越困難。這種優化有兩種基本方法：任務驅動和信息驅動。

在任務驅動的方法中，為每個任務指定性能服務質量（QoS）要求，如探測目標的預期時間或跟蹤的均方根誤差（RMSE），并通過加權各種任務的效用來構建一個綜合目標函數。這樣做的好處是能夠分別控制任務性能，并確定任務的相對重要性。然而，它需要用戶有大量的領域知識和判斷力，以指定任務要求和傳感器成本，并構建成本/效用函數和加權，以結合不同的任務性能指標。

在信息驅動的方法中，一個全局信息測量被優化。常見的信息測量包括熵、相互信息（MI）、Kullback-Leibler分歧（KLD）和Renyi（alpha）分歧。信息指標隱含地平衡了一個雷達可能獲得的不同類型的信息。這具有為所有任務提供共同的衡量標準（信息流）的理想特性，但沒有明確優化諸如RMSE等任務標準。因此，信息理論的衡量標準可能很難被終端用戶理解并歸結為具體的操作目標。此外，如果沒有額外的特別加權，它們不允許單獨控制任務，并可能產生以犧牲其他任務為代價而過度強調某些任務的解決方案，或者選擇在用戶偏好判斷下只提供邊際收益的傳感器行動。

在這項工作中，我們考慮一個雷達系統對多個目標進行同步跟蹤和分類。基于隨機優化的FAR框架[28]，為我們的PAC提供了結構。我們開發并比較了用于分配系統資源和設置雷達傳輸參數的任務和信息驅動的FARRA算法，并在模擬機載雷達場景和俄亥俄州立大學的認知雷達工程工作區（CREW）實驗室測試平臺上說明其性能。這項工作結合并擴展了我們以前在傳感器管理[8-14]和FAR[18, 21, 27, 29-31]的工作。初步版本發表于[32]。結果表明，任務和信息驅動的算法具有相似的性能，但選擇不同的行動來實現其解決方案。我們表明，任務和信息驅動的算法實際上是基于共同的信息理論量，所以它們之間的區別在于所使用的指標的粒度和指標的加權程度。

本章的組織結構如下。在第10.2節中，我們提供了FAR框架的概述，在第10.3節中，我們通過為這個問題指定FAR框架的組成部分來開發多目標多任務FARRA系統模型。在第10.4節中，我們描述了組成FARRA PAC的感知和執行處理器，包括我們采用的任務和基于信息的目標函數。在第10.5節中，我們提供了比較優化方法的機載雷達仿真結果，在第10.6節中，我們展示了CREW測試平臺的結果。最后，第10.7節介紹了這項工作的結論。

完全自適應雷達框架

單個PAC的FAR框架是在[18, 27]中開發的，在此總結一下。圖10.1是一個系統框圖。PAC由感知處理器和執行處理器組成。PAC通過硬件傳感器與外部環境互動，通過感知處理器和執行處理器與雷達系統互動。感知處理器接收來自硬件傳感器的數據，并將其處理為對環境的感知。該感知被傳遞給雷達系統以完成系統目標，并傳遞給執行處理器以決定下一步行動。執行處理器接收來自感知處理器的感知以及來自雷達系統的要求，并解決一個優化問題以決定下一個傳感器的行動。執行處理器通知硬件傳感器下一次觀察的設置，傳感器收集下一組數據，然后循環往復。

圖10.1: 單一PAC FAR框架

自 2000 年以來，美國一直積極尋求發展高超音速武器——飛行速度至少為 5 馬赫的機動武器——作為其常規快速全球打擊計劃的一部分。近年來，美國將重點放在開發高超音速滑翔飛行器上，這種飛行器在滑翔到目標之前由火箭發射，以及在飛行過程中由高速吸氣發動機提供動力的高超音速巡航導彈。正如前參謀長聯席會議副主席和美國戰略司令部前司令約翰·海頓將軍所說，這些武器可以“針對遠程、防御和時間緊迫的威脅提供響應性、遠程、打擊選擇。”另一方面，批評者認為，高超音速武器缺乏明確的任務要求，對美國的軍事能力貢獻不大，而且對威懾沒有必要。

過去，高超音速武器的預算相對有限；然而，五角大樓和國會都對追求高超音速系統的開發和近期部署表現出越來越大的興趣。這部分歸功于俄羅斯和中國在這些技術方面的進步，這兩個國家都有許多高超音速武器計劃，并且可能已經部署了可操作的高超音速滑翔飛行器——可能配備核彈頭。與俄羅斯和中國的高超音速武器相比，美國的大多數高超音速武器并非設計用于核彈頭。因此，與中國和俄羅斯的核武器系統相比，美國的高超音速武器可能需要更高的精度，并且在技術上更具挑戰性。

五角大樓 2023 財年對高超音速研究的預算要求為 47 億美元，高于 2022 財年要求的 38 億美元。導彈防御局還要求提供 2.255 億美元用于高超音速防御。目前，國防部 (DOD) 尚未建立任何高超音速武器的計劃申明，這表明它可能尚未批準該系統的任務要求或長期資助計劃。事實上，正如高超音速首席主任（負責研究和工程的國防部副部長辦公室）邁克·懷特所說，國防部尚未決定采購高超音速武器，而是正在開發原型以協助評估潛在的武器系統概念和任務集。

在國會審查五角大樓對美國高超音速武器項目的規劃時，它可能會考慮有關高超音速武器的基本原理、預期成本以及它們對戰略穩定和軍備控制的影響等問題。潛在問題包括：

• 高超音速武器將用于什么任務？高超音速武器是執行這些潛在任務的最具成本效益的手段嗎？它們將如何被納入聯合作戰條令和概念？

• 鑒于高超音速武器缺乏明確的任務要求，國會應如何評估高超音速武器計劃的資金申請或高超音速武器計劃、使能技術和支持測試基礎設施的資金申請之間的平衡？加速對高超音速武器、使能技術或高超音速導彈防御方案的研究是否必要且在技術上是否可行？

• 如果有的話，高超音速武器的部署將如何影響戰略穩定？

• 是否需要降低風險的措施，例如擴大New START、談判新的多邊軍備控制協議或開展透明度和建立信任活動？

圖 1. 彈道導彈與高超音速滑翔飛行器的地面探測

引言

本文件是北約 IST-151 研究任務組 (RTG) 活動的最終報告，題為“軍事系統的網絡安全”。該 RTG 專注于研究軍事系統和平臺的網絡安全風險評估方法。 RTG 的目標如下：

? 協作評估軍事系統的網絡安全，并在 RTG 的北約成員國之間共享訪問權限；

? 在 RTG 的北約成員國之間共享風險評估方法和結果；

? 將 RTG 的北約成員國使用的評估方法整合到一個連貫的網絡安全風險評估方法中，以使北約國家受益。

軍事平臺比以往任何時候都更加計算機化、網絡化和受處理器驅動。他們大量使用數據總線，如 MIL-STD-1553A/B、CAN/MilCAN、RS-422/RS-485、AFDX 甚至普通以太網，以及戰術通信的舊標準，如 MIL-STD-188C 和 Link 16。此外，捕獲器、傳感器、執行器和許多嵌入式系統是擴展攻擊面的額外無人保護的潛在輸入。結果是增加了網絡攻擊的風險。然而，這些平臺的持續穩定運行對于軍事任務的成功和公共安全至關重要。

軍事系統和平臺是網絡攻擊的首選目標，不是因為它們像消費電子產品那樣普遍，而是因為它們潛在的戰略影響。一旦受到影響，就可以實現各種短期和長期影響，從拒絕能力到秘密降低其有效性或效率。因此，軍隊必須在各個層面解決網絡安全問題：戰略層面，同時獲取平臺和系統；作戰層面，同時規劃軍事任務和戰術。

北約國家擁有大量可能面臨網絡攻擊的軍事平臺和系統。因此，北約將受益于利用當前的流程和方法來設計更安全的系統并評估當前系統的網絡安全。

本報告介紹了針對軍事系統和平臺量身定制的網絡安全評估方法，該方法由 RTG 團隊成員合作開發，并建立在他們的經驗和專業知識之上。團隊成員已經使用的流程被共享、分析、集成和擴充，以產生本報告中描述的流程。本報告的目標受眾是愿意評估和減輕其軍事系統的網絡安全風險的決策者。

圖一：網絡安全評估過程的五個主要步驟。

報告結構

第 2 節介紹了 RTG 團隊在其存在的三年中用于開發流程的方法。第 3 節列出了可以應用該過程的系統的一些特征。最后，第 4 節描述了評估流程，而第 5 節總結本報告。

執行總結

軍事平臺比以往任何時候都更加計算機化、網絡化和受處理器驅動。這導致增加了網絡攻擊的風險。然而，這些平臺的持續穩定運行對于軍事任務和公共安全的成功至關重要。

絕對的網絡安全是不存在的。必須通過迭代風險評估持續管理網絡安全。傳統 IT 系統存在許多網絡安全風險管理框架和流程。然而，在軍事平臺和系統方面，情況遠非如此。本文檔介紹了針對軍事系統量身定制的網絡安全風險評估流程。該流程由北約 IST-151 研究任務組 (RTG) 活動的團隊成員開發，該活動名為“軍事系統的網絡安全”。該過程可以應用于傳統的 IT 和基于固件的嵌入式系統，這些系統在軍事平臺和系統中無處不在。