最初，多域作戰（MDO）是美國自 2011 年以來提出的一個新概念，由陸軍和空軍主導。對陸軍而言，它是空陸一體戰的延續。從更廣泛的意義上說，這一概念繼承了眾所周知的 "多國與聯合作戰"，涵蓋了太空、網絡和人工智能技術進步等新領域，其目標很明確：保持美國陸軍的優勢。

近年來，關于多域作戰（MDO）的思考迅速發展，"甚至連術語也變得越來越雄心勃勃，從多域作戰到多域作戰，再到全域作戰"。

背景

MDO 的開發始于 2011 年 11 月 17 日，當時美參謀長聯席會議主席馬丁-鄧普西將軍提出了一個預言性的問題："聯合之后是什么？"鄧普西將軍的這一問題"是受到了這樣一個事實的刺激，即在海陸空領域取得優勢的歷史方法可能不再有效。推動這一現象的主要因素是先進信息技術在全球范圍內的擴散"。

這也是美國2018 年發布的新國家安全戰略（NSS）和國防戰略（NDS）的結果。俄羅斯等同行競爭者正在制定戰略，通過開發新武器、戰術以及反介入和區域拒止（A2/AD）系統來擊敗美國的力量。它們還在太空和網絡領域進行投資。

為了保持對這些競爭對手的優勢，四個軍種 "一致認為，他們必須在陸、海、空、天和網絡等所有領域開展行動。他們甚至就聯合部隊在此類沖突中的初始目標達成了普遍共識。這就是通過在所有領域開展快速、協調的攻擊，滲透并瓦解對手分層、聯網的反介入和區域拒止（A2/AD）系統陣列"。

因此，MDO 概念的核心思想是瓦解對手 A2/AD 系統，并利用由此產生的機動自由來實現戰略目標。

從聯合到多域

2020 年 4 月，美國陸軍退役將軍威廉-華萊士宣布："MDO 不是成熟的條令，也不應被視為成熟的條令。相反，它是一個概念，雖然經過了充分的調查和廣泛的研究，但仍在不斷成熟"。

但在某種程度上，MDO 已經跨過了成為概念的門檻。MDO 概念中廣泛描述的新作戰領域，如網絡和空間，多年來已與聯合領域（海/空/陸）并駕齊驅，成為持續行動的關鍵。

• 網絡領域

隨著互聯網和信息系統的不斷發展，網絡戰爭已成為一段時間的現狀。網絡攻擊的爆炸性新聞層出不窮，網絡成為人們關注的焦點。

從 2010 年代針對伊朗核計劃的 Stuxnext 等國家攻擊，到 2017 年的 NotPetya 或 Wannacry 等勒索軟件攻擊，再到 2016 年俄羅斯涉嫌干預美國大選，各種攻擊層出不窮。隨著軍隊對商業網絡的依賴與日俱增，網絡威脅也隨之迅速增加。前陸軍上將馬丁-登普西（Martin E. Dempsey）在 2011 年補充說："美國軍隊依賴于商業網絡，因此最強大的軍事網絡防御仍可能受到其他地方薄弱環節的威脅（......）破壞性和毀滅性的網絡攻擊正在成為國家之間、國家內部和非國家行為者之間沖突的一部分"。

奧巴馬總統將網絡安全視為重中之重，并于 2010 年成立了美國網絡司令部。下一個重要里程碑是，2018 年 5 月，該司令部升格為全面獨立的統一作戰司令部。

到 2010 年代末，隨著歐洲國家網絡司令部的蓬勃發展，許多北約國家紛紛效仿美國的做法。作為這一長期重點的證明，2008 年在塔林成立了北約認可的合作網絡防御英才中心，為北約處理網絡安全問題。

• 太空領域

美國太空司令部并不是一個新概念。從 1985 年 9 月到 2002 年，第一版美國太空司令部專門負責與太空有關的聯合行動。在 "9-11 "襲擊事件后，新的太空司令部在停用 17 年后于 2019 年 8 月 29 日重新成立，并重新強調太空是一個作戰領域。

北約也緊跟這一趨勢。2019 年 6 月，在國防部長會議上，北約成員通過了北約太空政策，承認太空與空中、陸地、海洋和網絡空間一樣，是一個新的作戰領域。此后，北約決定在德國拉姆施泰因的盟軍空軍司令部建立一個新的北約空間中心。北約的一些成員國也在采取同樣的行動。意大利最近宣布成立一個被稱為 "第五領域 "的太空司令部，由國防參謀長指揮。在法國，2010 年成立的聯合太空司令部于 2019 年重獲新生，由空軍和太空部隊參謀長領導。英國和其他國家也計劃很快成立相應的司令部。

對太空的興趣和關注并不新鮮。這里的新進展是，太空現在被視為一個獨立的作戰領域，而不再是一個輔助實體。

• 其他領域

盡管網絡和太空領域已被普遍了解，但其他所有領域，即其他 "交叉領域 "還存在灰色地帶。一些作者提到電磁頻譜（EMS）是另一個關鍵領域（如下圖）。

圖：領域的連續性及其相互依存性

這種說法可能過于局限。我們應該牢記，推動軍事思維轉變的主要因素是先進信息技術在全球范圍內的普及，這對信息戰產生了重大影響。

因此，目前正在考慮第六個領域：認知領域。

• 技術

Jeffrey M. Reilly 博士認為："......盡管美國過去經歷了技術的巨大變革，但我們對這一時代對未來軍事行動的巨大影響的認識仍處于初級階段。功能強大、價格低廉、隨時可用的商業技術充斥全球，這就要求我們在軍事事務中采用更加復雜的方法"。

如下圖所示，技術和信息戰對極其復雜的作戰環境產生了巨大影響。

MDO 概念是由技術驅動的，因為"......未來部隊需要有能力以超出人類認知能力的速度和規模匯聚多個領域的能力"。

顛覆性技術是數字領域巨大技術進步的結果，正在影響整個作戰領域。在顛覆性技術清單中，以下技術已經或即將影響我們開展行動的方式：

• 自主
• 人工智能
• 機器學習
• 大數據
• 量子技術
• 激光和高超音速武器

海事領域的多域作戰

• 新技術在海事領域的影響

在前面提到的顛覆性技術清單中，有兩項技術已經對海事行動產生了重大影響。

• i. 自主性

幾十年來，各國海軍一直在開發無人飛行器 (UV)，以提高自身能力。無人水面飛行器 (USV)、無人機 (UAV) 和無人水下飛行器 (UUV) 在北約海軍中蓬勃發展，執行了大量任務，特別是情報監視和偵察 (ISR) 功能。目前，水雷戰可能是在很大程度上依賴無人機和反水雷無人潛航器的最先進領域。

這一趨勢是多種因素共同作用的結果，但最重要的可能是為了降低國防預算縮減的影響，試圖用無人潛航器取代一些通常由載人平臺執行的任務，以降低成本。

然而，現有的海上無人潛航器的續航時間和能力有限，而且依賴人工干預。下一個趨勢是開發長續航能力的大型無人潛航器，使其能夠與載人平臺一起以完全自主的方式執行任務。它們將能夠執行自主任務，如巡邏海上交通線、建立反潛潛航屏障或作為航母打擊群或其他 HVU 的先頭部隊進行部署，甚至更雄心勃勃地執行投送武器的任務。

• ii. 人工智能

通過人工智能（AI）對數據庫處理的改進，使計算機能夠解決如果由人類解決需要大量時間和智慧的任務。機器學習可以對海量數據進行分析，大多數情況下，機器學習首先用于分析數據，然后從數據處理中提取有價值的信息。這些過程在海事領域大有可為。

• 海洋態勢感知

每天都有大量的海事數據庫被添加進來，但同時卻沒有得到充分利用。例如，自動識別系統（AIS）顯示了重復出現的海上交通模式，也稱為 "生活模式"（PoL），這在海上安全框架中很有意義。將人工智能流程應用于這一大型數據集，可快速提取異常或可疑行為。

歐盟的 MARISA（海上綜合監視意識）項目就是基于這樣的流程，利用創新工具（人工智能、機器學習、基于規則的概率方法、衛星圖像處理），通過分析和合并不同來源的原始海上數據來改進海上監視。

情報、監視與偵察（ISR）和海上態勢感知（MSA）是人工智能以及更廣泛意義上的新技術工具將在兩個層面上增強海軍能力的明確領域：第一，迅速發現異常或可疑行為；第二，通過建議最佳行動方案來支持決策過程。

• 海洋環境

利用顛覆性技術處理大量數據并不局限于海上安全領域。環境是整個海戰的關鍵。從用于海軍航空或精確制導彈藥的天氣預報，到用于反潛戰的水深測量和海洋學，海軍作戰的方方面面都與環境息息相關。人工智能可能有助于更好地理解和預測環境中復雜的相互作用。

例如，巴斯大學為英國國防部的一個部門開發了一個人工智能模型，可以直接根據聲納測量結果自動對水下環境進行分類。該模型是利用高科技聲納改善英國廣闊海洋領土監測項目的一部分。

另一個更廣泛的例子是，美國商務部下屬的國家海洋和大氣管理局（NOAA）于 2020 年 2 月發布了一項人工智能戰略，旨在 "擴大人工智能（AI）在 NOAA 各項任務中的應用"。

除其他外，這些例子都強調了當前的趨勢。

分布式海戰（DMO）：美國海軍 MDO

如前所述，MDO 概念最早由美國陸軍和空軍提出。此后，在美國防部的指導下，各軍種都在各自的軍種中實施了不同的 MDO 集成。

2015 年，美國海軍致力于發展分布式海上作戰（DMO）概念。海軍陸戰隊通過其相關的 "有爭議環境中的瀕海作戰"（LOCE）概念和下屬的 "遠征先遣基地作戰"（EABO）概念支持這一工作。

目標是利用最近新技術發展所提供的所有新工具，在一個共同網絡中將艦隊一級的所有資產聯系起來，而不是嚴重依賴日益稀缺和昂貴的航母打擊群。

分布式水面作戰群擁有更強的攻擊和防御能力，如艦載激光器、超高速射彈和大型紫外線，它們將在同一個戰術網格中連接在一起，實現 "分布式殺傷力 "的理念，以提高海軍戰勝同級競爭對手 A2AD 能力的能力。

多年來，海軍一直在發展一支更加分散的艦隊，這種艦隊依賴于較小的艦艇，維持和運營成本較低。此外，為了降低有人艦艇發展遠程反艦導彈帶來的風險，并執行敏感任務，使用大型無人水面戰斗艦補充現有艦隊是 DMO 架構的關鍵要素。

自 2017 年以來，海軍一直計劃建造一支由大型無人水面戰艦組成的 "幽靈艦隊"，排水量約 2000 噸，長達 300 英尺，配備垂直發射系統，能夠投射各種武器。正如代理海軍作戰部長 Mike Gilday 海軍上將最近提到的那樣： "無人平臺--這就是未來，對嗎？因此，混合艦隊是我們的發展方向，這一點毋庸置疑"。

DMO 很快將在實戰演習中進行首次測試。美國海軍和海軍陸戰隊計劃舉行的 "2021 年大規模演習 "將涉及多個打擊群和多個編號艦隊。演習還將包括小型戰術網絡小組和信息戰小組，特別關注無人系統。

缺失的一環：指揮與控制

太空和網絡等新的作戰領域早已具備全面作戰能力。新技術的成果已在所有領域推廣。但基石仍然缺失。要在一個共同的網絡中將所有領域和傳感器連接起來，需要一個強大的指揮與控制（C2）架構，但這一架構尚未實現。空軍率先提出了多域 C2（MDC2）的概念： "MDO要求無縫、動態和持續地整合所有領域內和來自所有領域的產生效果的能力"。在盟軍空軍司令部和聯合空中力量能力中心的推動下，這一思想已傳播到北約。

美國國防部也致力于將所有軍種--空軍、陸軍、海軍陸戰隊、海軍和太空部隊--按照聯合全域指揮中心（JADC2）的概念連接成一個網絡。其目的是將傳感器和射手連接起來，以提高戰場反應能力。

這一概念推出時各軍種正在開發自己的網絡，并將在第二階段整合到 JADC2 的總體結構中。例如，海軍最近宣布將啟動 "超配項目"，旨在開發一種新的艦隊架構，利用人工智能和有人/無人聯隊實現分布式海上作戰。

這樣一個具有挑戰性的目標即使可行，也會有很高的要求。一些人提出了 JADC2 概念的技術成熟度和可負擔性問題。還有一些人提出疑問："......JADC2 需要多少人力才能實時做出決策，減少人力參與軍事相關決策是否合適"。

結論

MDO 或全域作戰的概念仍在不斷成熟。一些里程碑式的目標已經實現，如在公認的作戰領域建立太空司令部和網絡司令部，或采用人工智能或自主等新技術作為作戰能力。

然而，多重挑戰依然存在。其他領域，如 EMS 或認知領域，必須找到所需的明確界限，以了解跨領域構建網絡的范圍。總體 C2 結構必須將工作重點放在關鍵挑戰上，提供所需的技術、財政和概念資源，以支持決策過程，并確定人類和人工智能決策過程中的適當角色。

關于 MDO 的思考始于空軍和陸軍，海軍仍然落后一步。不過，長期以來，海軍一直在利用信息方面的技術進步。人工智能和機器學習的使用正在改變我們處理海上態勢感知的方式。

就海事領域的 MDO 而言，美國海軍的 DMO 概念可能是走得最遠的。除其他支柱外，發展一支與載人平臺并肩作戰的大型無人潛航器幽靈艦隊將為全球大多數海軍的未來鋪平道路。

近些年來，美軍大力推進發展聯合全域作戰（joint all-domain operation，JADO）和聯合全域指揮控制（joint all-domain command and control，JADC2），以此實現所有作戰域下所有作戰力量的完全融合，在此過程中智能決策又 占據著非常重要的地位。針對聯合全域指揮控制下的智能決策問題，梳理聯合全域作戰、聯合全域指揮控制的發展歷 程，分析解構出實施智能化指揮決策所包含的主要內容，提出一種基于人工智能和博弈論、多目標優化相結合的指揮 輔助決策方法，即智能 - 博弈 - 優化一體化指揮決策方法，并給出了此方法的理論框架和功能設計，為實現聯合全 域作戰智能化指揮決策提供技術支撐。

美軍為應對軍事優勢的不斷削弱，在美參聯會 副主席約翰·海頓提出的“全域戰”的基礎上，提出 了“聯合全域作戰”的概念［1］，其主要目的是對其所 有作戰域的作戰力量進行充分整合、融合，以實現美軍的持續軍事優勢。2020 年 3 月 5 日，美空軍發布 了《空軍條令注解 1-20：美國空軍在聯合全域作戰 中的作用》文件，其中，對 JADO 作出了明確定義： “為了獲取戰爭優勢并能夠保證完成作戰任務，多軍兵種組成的聯合部隊在所有作戰域內，經過作戰 指揮官的全面籌劃，開展的聯合協同作戰行動”［2］。 聯合全域指揮控制是由美軍聯合參謀部指揮、控 制、通信、計算機和網絡部門（J6）于 2019 年提出，關 于其內涵定義或者實現目標，美軍不同部門有著基 本近似的界定，大致定義為：在美軍所有部隊之間， 在美軍所有作戰域之間，將所有作戰要素進行無縫 連接，以實現所有作戰力量的融合，構建智能化作 戰網絡體系［3-5］。作為美軍提出的最新作戰理念愿 景，JADO 具有很強的創新性和操作性，對我國國防 安全提出了不小的挑戰。本文認為，聯合全域作戰 是在多域協同作戰的基礎上，更進一步實現所有作 戰域的跨域融合，真正實現戰爭復雜體系的體系作 戰。一方面，利用復雜體系的適應性、涌現性等優勢 特性，實現己方所有作戰域作戰能力的融合、聚合， 提升并保證作戰效果；另一方面，利用復雜體系的 不確定性、非線性等劣勢特性，對地方作戰 OODA 環形成戰爭迷霧干擾，建立己方的態勢優勢、決策 優勢和行動優勢。 關于智能指揮決策的相關理論和技術問題，胡 曉峰在智能指揮決策的不同層面上，論述了游戲博 弈與作戰對抗在指揮決策上的差別，對目前人工智 能技術運用到作戰中的不足和局限進行了分析總 結，同時也給出了解決問題的思路［6］；張婷婷等從 決策與控制的相互作用關系為視角，設計馬賽克作 戰模式的遞歸拼圖計算體系，實現組合作戰資源自 主執行和自動化控制，減少指揮決策人員在行動層 次的工作負載［7］；金欣等從知識學習和博弈學習兩 條技術路線出發，提出了基于人機混合智能方式， 來對作戰指揮領域智能進行培育的思路，并指出了 其中的關鍵技術［8］；陳曉軒等針對當前基于兵棋研 究的空戰編組對抗方法主要使用規則或運籌等手 段，存在假設不夠合理、建模不準確、應變性差等缺 陷，提出了一種知識數據和強化學習相結合的空戰 編組對抗智能決策方法［9］。本文針對聯合全域指揮控制下的智能指揮決 策問題，從定性定量分析研究的角度出發，提出了 指揮決策所包含的兩大主要內容為任務籌劃和任 務規劃，并在此基礎上從引入人工智能方法技術入 手，提出了一種基于人工智能和博弈論、多目標優 化相結合的指揮輔助決策方法，即智能 - 博弈 - 優化一體化指揮決策方法，并給出了此方法的理論框 架和功能設計。

美國空軍正在探索自適應基地（AB）概念，以減少美軍對日益增長的空中和導彈威脅的脆弱性，并在高度競爭的環境中保持關鍵的作戰能力。這些概念可能會強調美國空軍的全球機動能力。AB概念要求一攬子部隊以機動和響應的方式行動，以提供保護并從優勢位置作戰。盡管這些概念對美國空軍的全球機動能力提出了額外的、不同的要求，但它們對機動性空軍（MAF）的影響還沒有被充分分析過。

在本報告中，作者評估了AB概念對MAF的影響，并建議如何使MAF更好地支持有爭議環境中的行動。該分析考慮了幾個反導概念對太平洋責任區的油輪、空運和基地支援的需求的影響，并審查了目前MAF部隊是否足以支持反導概念。然后考慮了潛在的加強措施。

總的來說，作者發現目前的MAF（加油機、空運和基地支援）可以支持幾個戰斗機聯隊（兩到三個）使用AB型機動方案作戰。必須做出重大改變以支持更大的部隊組合。潛在的改進包括文化；戰術、技術和程序；裝備和新技術。

研究問題

• 現在正在考慮的一系列AB概念將如何影響對MAF資產的需求？
• 目前MAF滿足不同AB概念所要求的空中加油和空運需求的能力是什么？
• 如何加強MAF的能力（在空中加油、空運和基地能力方面）以更好地支持AB概念？

研究發現

• 按目前的配置和資源，MAF部隊可能難以支持大范圍的AB行動

  • 不同的反導概念和不同的實施方法對MAF的影響有很大的不同。
  • 在大多數情況下，MAF可以使用AB概念與油輪從遠處支持戰斗空軍（CAF）戰斗機的小部分人員（大約10個24小時，兩艘船的防御性反空作戰巡邏）--但只有通過參與MAF艦隊的很大一部分。
  • 空運行動似乎不那么具有挑戰性，但高度依賴于所分析的情況。MAF部隊的規模或結構并不適合支持AB概念，沒有能力大規模部署小型包。
  • 在大多數情況下，基地支援人員（如應急反應部隊和基地行動支援）可以支持所分析的情況，但整個戰區的戰役會給資源帶來壓力。
  • 中央空軍和MAF之間的指揮和控制協調，通信和導航的脆弱性，以及MAF的文化提供了額外的挑戰。

• 為了支持整個戰區的以戰斗機為基礎的戰斗力，需要對MAF進行一些加強，以使用AB型戰斗機

  • 油機將可能需要在更接近戰斗的地方運行以滿足大規模的需求。

• 盡量減少加油機的前線地面時間和從多個前線基地進行操作可以提高加油機的生存能力，同時返回對峙基地進行維護。

• 有多種選擇可以減少空運需求，縮短空運的地面時間，提高生存能力，減少部署的足跡，并提高時間和后勤效率。其中包括更多地使用地面運輸，東道國或合同支持，預先部署新的飛機材料處理技術和行動概念（CONOPs），人員交叉培訓，以及增加應急反應能力。

• 事先尋求與潛在合作伙伴的基地協議是非常可取的。

建議

• 空中機動性司令部（AMC）應加強與中央空軍、聯合組織和組成部分的整合，以確保AB計劃的制定符合空中機動性的優勢和限制。
• AMC應該嘗試新的行動方案，使MAF能夠最好地支持AB行動。
• AMC應該與盟國政府進行協調，以提高理想基地的潛力，并更好地減輕因中國使用硬實力、軟實力或銳實力而對行動造成的影響。
• AMC應該對規則和條例（如空軍指令）進行全面審查，以便在承擔審慎風險的同時，在具有挑戰性的環境中實現更有效的行動。
• AMC應該考慮新的設備和技術以及新的CONOPs如何能夠使AB行動更安全、更高效、更有效果。

目錄

第一章

簡介

第二章

分析方法和選定的適應性基礎概念

第三章

坦克對適應性基地的支持。目前的能力和潛在的加強措施

第四章

對適應性駐扎的空運支持。目前的能力和潛在的加強措施

第五章

支持適應性基地建設的基礎能力。目前的能力和潛在的加強措施

第六章

影響機動性空軍的其他問題

第七章

結論和建議

圖 陸軍現代化工作延伸到陸地、空中、海洋、太空和網絡空間，以確保未來的部隊能夠在任何戰場上發揮優勢。

根據"美國陸軍現代化戰略：國會監督考慮"，美國不再對其近鄰對手保持質量和數量上的優勢，而且陸軍的許多領導人和士兵都沒有接受過對抗近鄰威脅的訓練。因此，美國陸軍必須將自己轉變為一支多域的部隊，能夠在競爭、危機和沖突中實現超常發揮并擊敗其近鄰對手。這一挑戰是艱巨的，但卻是必要的。在 "多域作戰：推動變革以贏得未來"一文中，帕金斯將軍寫道，需要改變陸軍的作戰概念。帕金斯（2017）解釋說：

• 多域作戰是一個由主動選擇驅動的概念，并以失敗的威脅為依據。它是陸軍作戰概念的演變，詳細說明了對俄羅斯新一代戰爭以及中東地區持續挑戰的回應。它承認，美國正在到達一個可以通過選擇進行變革的時期的終點，而不至于遭受嚴重損失。陸軍必須發展和改變。(p. 9)

因此，最近和未來的條令尋求將陸軍從一支注重反叛亂的部隊過渡到一支注重多域作戰（MDO）的部隊，體現出多域作戰的原則。陸軍必須以無與倫比的團結努力來接受這些信條，以建立一支靈活的部隊，能夠建立融合和決策主導權，具有鞏固成果的耐力，并有能力在沖突和大規模作戰行動（LSCO）之前保持競爭。為了在多域環境中獲得成功，陸軍需要新的指揮和控制系統，更現實和苛刻的訓練，靈活和適應性強的編隊和能力，以及了解任務指揮和紀律性主動性是在競爭、危機和沖突中取得成功的基本要素的領導人。

競爭、危機和沖突

圖 2022年11月23日，在波蘭Bemowo Piskie舉行的Bull Run實彈演習中，被分配到第1騎兵師第3裝甲旅戰斗隊第8騎兵團混沌連的士兵在一輛布雷德利戰車的火力支援下向目標前進。

美國打了二十年的雙線反叛亂戰爭，沒有鞏固任何實質性的成果，也沒有取得任何道義上或實際上的勝利。然而，在同一時期，近鄰對手卻在重大沖突以下的競爭時期推進、訓練并鞏固了成果。俄羅斯入侵格魯吉亞，并在入侵前花了幾個月在烏克蘭邊境集結。如果美國繼續允許競爭對手保持其主動權，未來的沖突就不可避免。

道格拉斯-麥克阿瑟將軍在西點軍校的告別演說中稱贊柏拉圖說："只有死去的人才看到戰爭的結束"（MacArthur, 1962, 第26段）。競爭和危機導致美國與一個近似的對手發生沖突，這只是時間問題。在不久的將來，以小規模沖突或為爭奪資源而進行的小規模交戰，或在俄羅斯入侵前為保衛烏克蘭等國家而進行的沖突，越來越有可能。這些沖突也可能導致為捍衛國家利益的大規模戰斗。陸軍還沒有準備好。陸軍部長在其年度講話中概述了陸軍的六個目標，前兩個目標專門針對近鄰威脅。第一個目標是 "在不確定性中使陸軍走上可持續發展的戰略道路"（Wormuth, 2022, 第3段）。第二個她說："陸軍必須找到一種方法，在面臨日益增加的財政壓力的同時，將我們所需的尖端編隊投入戰場，以開展MDO"（沃姆斯，2022年，第3段）。因此，陸軍在應對近鄰威脅時的可持續性和成功在于其執行多域行動的能力。現在是準備和訓練的時候了。

在陸軍領導人了解他們需要如何準備和訓練之前，他們必須了解他們需要如何對抗已經使用自己版本的MDO的近距離威脅。每個梯隊的陸軍領導人都必須了解MDO及其基本原則，并對他們自己和他們的組織進行任務指揮培訓，并在最低層行使紀律性的主動權。MDO的基本原則是敏捷、聚合、耐力和深度（陸軍部，2022，第3-2頁）。敏捷、耐力和深度對陸軍在多域作戰中的成功至關重要，但本文試圖討論融合、成功運用任務指揮和決策主導之間的關系，作為多域作戰成功的基礎支柱。

融合

如果美國陸軍要在多域作戰中取得成功，我們必須成功地運用所有的原則。這首先需要對編隊進行重組，并對多域能力進行重組。具有多域能力的編隊必須在需要的戰區內進行部署。融合要求部隊在所有的領域都有姿態和能力取得成功。陸軍部（2022）指出：

• 融合是一種結果，它是通過協調使用來自多個領域和梯隊的能力，對任何領域的決定性點進行組合，對一個系統、編隊、決策者或一個特定的地理區域產生影響。(p. 3-3)

簡單地說，融合是指為實現一個更高的目標而統一使用來自多個梯隊和領域的能力。融合使用多領域的能力，但依賴于在空間的正確時間使用這些能力和效果，同步實現一個更高的目的或目標。融合是多域行動的一個關鍵原則，但其成功需要有效的任務指揮和決策主導。顧名思義，指揮和控制（任務指揮）以及有紀律的主動性能夠實現融合，因此對執行決策主導權至關重要。指揮官必須堅持訓練和演練使用任務指揮的原則，以成功運用他們的多域能力。

任務指揮

圖 2013 年 9 月 1 日，分配給美國陸軍航空日本營的一架 UH-60 黑鷹直升機準備降落在太平洋海上的日本海軍驅逐艦村雨 (DD 101) 。這次歷史性的著陸標志著這是美軍直升機第一次降落在日本艦艇上。

根據陸軍部（2019年）的說法，任務指揮是 "陸軍的指揮和控制方法，賦予下屬決策權和適合情況的分散執行權"（第1-3頁）。指揮官將指揮和控制作為行使其權力和提供組織指導的方法，以完成任務目標。當陸軍編隊有未經訓練和未經證實的下屬時，指揮官必須提供更多的控制和指導，以確保任務的完成，但這并不是首選的方法。當下屬領導在指揮官的意圖或戰區戰役的意圖范圍內執行有紀律的倡議時，就會出現分散執行。沒有有能力和有意愿的領導人，就不可能有有紀律的主動性。為了實現和促進有紀律的主動性，指揮官必須將信息傳播到最基層，以促進組織的共同理解。

共同的理解取決于兩個關鍵的基礎要素，即當前形勢和指揮官的意圖。當前的情況就是現在的作戰環境。作戰環境是復雜的、快速變化的、不斷發展的，因此信息流必須是持續的。指揮官的意圖提供了明確的目的，并詳細說明了指揮官期望的最終狀態。它是任務指揮的一個重要原則。指揮官必須了解公布其意圖的重要性，而不是依靠參謀部為他們做這件事。根據柯林斯（2020）的說法：

• 太多時候，參謀部在沒有指揮官意見的情況下計劃和制定行動。指揮官在計劃過程中沒有發揮積極作用，因此沒有充分提供所需的意圖。沒有指揮官的意圖，下級就不能利用他們的判斷力和主動性來做出促進上級指揮官意圖的決定。其結果是層層遞進的行動與指揮部可能真正想要執行的行動相去甚遠。(第3段)。

一個有效的指揮官意圖提供了什么，為什么，以及如何導致有效的任務指揮和完成。當指揮官提供一個可靠的指揮官意圖時，他們就會建立一個共同的理解，士兵們就能取得無限的成就。喬治-巴頓將軍有句名言："永遠不要告訴人們如何做事情。告訴他們該怎么做，他們會用他們的聰明才智給你帶來驚喜"（庫克，2015年，第2段）。為此，指揮官的意圖有助于下屬形成共同的理解，使他們能夠在沒有命令的情況下迅速行動，并抓住、保持和利用主動權。紀律嚴明的主動性還要求指揮官接受風險，允許下屬在最初的指導下進行，以實現戰役的意圖和期望的最終狀態。

指揮官做出決定并承擔可接受的風險，以奪取主動權并完成任務，但在這種情況下，接受風險的目的是賦予下屬權力。根據陸軍部（2019年）的說法。

灌輸風險接受與創造一個不僅鼓勵下屬承擔風險，而且容忍錯誤的環境是相輔相成的。指揮官認識到，下屬最初可能不會完成所有任務，而且可能會出現錯誤。指揮員訓練下屬在不確定的情況下按照指揮官的意圖行事。指揮員給予下屬犯錯和學習的自由。(p. 2-7)

在艱苦的現實主站部隊訓練中，風險的接受尤為關鍵，在戰斗訓練中心（CTC）的輪換中達到高潮。下級通過指揮官、下級領導和CTC的觀察員教練/訓練員（OCTs）的良好指導學習最佳做法。這些活動促進了整個指揮系統的相互信任。士兵們學會行使良好的判斷力和有紀律的主動性。各級指揮官、領導和士兵都必須明白，有紀律的主動性超出了散兵坑和前線的范圍，這一點至關重要。

成功地執行匯合和實現決策主導權取決于指揮所和戰術行動中心（TOC）的工作人員和人員，以及他們快速處理信息和做出決策的能力，為敵人提供多種困境，保持作戰節奏和陸軍編隊內的重點。

圖 第 3 步兵師第 28 步兵團第 1 營的士兵在日本 Aibano 訓練區的城市地形軍事行動訓練中等待另一個小隊清理一個房間，同時與日本地面自衛隊成員進行雙邊演習-國防軍第 15 快速部署團在 2021 年 6 月 7 日 21 日至 2 日的東方之盾演習中。東方之盾是美國陸軍和 JGSDF 最大的雙邊野戰訓練演習，正在日本各地進行，以增強互操作性并測試和完善多域和跨域作戰。

指揮和控制系統

如果沒有訓練有素的士兵、經過測試和驗證的流程、網絡和指揮所，就不可能實現融合。人才管理對于軍隊組織內指揮和控制系統的成功至關重要。指揮官必須了解人才管理對于融合、實現決策主導權和成功執行MDO所必需的重要性。陸軍部（2021年）指出：

• 創新和變革的加速將增加對我們人員的技術和認知要求，產生新的人員和培訓要求。我們正在改變我們的戰斗方式，我們用什么戰斗，以及我們如何組織，但我們也必須改變我們的訓練方式。(p. 27)

訓練對成功至關重要。指揮官必須明白，人才管理要求他們不要把他們的參謀部變成不合格和不稱職的士兵的垃圾場。士兵和領導都必須保持熟練，并不斷接受新的和新興技術的培訓，這些技術旨在傳輸實時和預測未來作戰環境的變化，以及敵人的組成和行動，這些都是過渡到千年發展目標。參謀人員必須成為訓練有素的信息渠道，使指揮官和下屬領導能夠快速做出明智的決定（陸軍部，2021a）。

決策主導強調指揮官、領導和所有梯隊的士兵在幾秒鐘內而不是幾小時或幾天內處理信息，然后在摩擦點上做出決定，或向指揮官提出知情建議，以便快速決策。快速解讀和傳遞具有時間敏感性的情報有助于指揮官及其編隊行使紀律性的主動權，并在指揮官的意圖范圍內果斷行動。決策主導權的核心是為了鞏固成果，防止敵人獲得主動權和實現自己的目標而進行的知情和迅速的侵略行為。訓練有素、有能力、有紀律的士兵和領導人需要高效、有效、經過驗證的程序、網絡和指揮所來推動決策主導權的成功。

決策主導權

決策主導權是一個與陸軍對MDO和LSCO的關注有關的熱門詞匯，但這個詞并不新鮮。近二十年前，梅里克-克勞斯將 "決策主導權 "作為一個作戰概念，建立在之前的 "基于效果的行動和快速決定性行動 "的概念之上（克勞斯，2003年，第1-2段）。克勞斯的定義側重于通過支配敵人的決策過程來剝奪他們的決策能力，而不僅僅是摧毀軍事資產和平臺。它的中心思想是："當敵人因為沒有可行的選擇而無法有效作戰時，它就會停止戰斗，也許在雙方發生重大傷亡之前"（克勞斯，2003，第5段）。克勞斯和今天的陸軍領導人一樣，相信通過利用技術和取得長期的成功，可以實現決策主導權（克勞斯，2003）。

在 "陸軍多域轉型：準備在競爭和沖突中取勝 "中，陸軍參謀長詹姆斯-麥康威爾將軍討論了技術的重要性和軍隊轉型的需要。在陸軍部（2021年）中，麥康維爾指出："這種大膽的轉型將為聯合部隊提供尖端技術的范圍、速度和融合，這些技術將提供贏得下一場戰斗所需的未來決策主導權和過度匹配"（第i頁）。為了完成決策主導權，陸軍指揮官和領導人必須首先了解它是什么。陸軍部（2020b）指出。"決策主導權是一種理想狀態，在這種狀態下，指揮官的感知、理解、決定、行動和評估比對手更快、更有效"（第8頁）。這個現代定義是對克勞斯最初定義的擴展，他沒有解決融合、指揮和控制（任務指揮）以及決策支配力在深度和廣度上的關系。

結論

如果不培養多域的領導者，陸軍的多域概念就無法在第一次交戰中存活。指揮官、他們的參謀人員、下級領導和整個陸軍的士兵必須接受并理解有效的指揮和控制、多域組織和決策主導權之間的聯系。如果美國要在競爭、危機和與近鄰對手的沖突中取得成功，將進行這種變革。新的指揮和控制系統，靈活和適應性強的編隊，以及新的能力是成功的必要條件，但領導人要推動行動。領導人必須明白，任務指揮和有紀律的倡議是成功實施和執行千年發展目標的基本要素和關鍵。軍隊需要那些接受變革需求的領導人，學習成為主題專家，并使用以任務指揮為基礎的艱苦和現實的訓練，使他們的部隊為現代戰場做好準備。

本報告描述了2020財年在美國陸軍作戰能力發展司令部陸軍研究實驗室的主任戰略倡議（DSI）項目《人工智能（AI）用于多域作戰（MDO）的指揮和控制（C2）》下進行的工作。多域作戰的速度和復雜性要求在高度活躍的環境中對近似對手進行高速決策和執行，這往往可能超出人類的認知能力。最近，新興的人工智能技術，如深度強化學習（DRL），在復雜的、相對非結構化的、部分信息的戰略游戲（如Dota 2和StarCraft II）中的表現超過了人類世界冠軍。這表明這種人工智能有可能對MDO的C2做出貢獻。然而，關于這種新的人工智能技術的行為和限制的許多問題仍未得到解答。作為DSI的一部分，我們正在研究DRL是否可以支持未來多域部隊的敏捷和適應性C2，這將使指揮官和工作人員能夠迅速有效地利用轉瞬即逝的優勢窗口。在第一年，我們開發了兩個新的C2測試平臺，并在這些測試平臺上進行了基于DRL的學習。本報告包括項目的概述，并展示了初步的研究成果，其中一個“人造指揮官”在模擬的旅級戰斗中執行了一個綜合規劃-執行過程。

1. 引言

同行對手多域作戰（MDO）的速度和復雜性可能會超過人類指揮員在傳統的、主要是人工指揮和控制（C2）過程中的認知能力。同時，人工智能（AI）技術的新成果，如深度強化學習（DRL），開始顯示出有可能支持多域作戰的指揮與控制。過去兩年的發現表明，基于DRL的算法可以在復雜的、相對非結構化的、部分信息的戰略游戲（如Dota 2和StarCraft II）中勝過人類世界冠軍。通過這些突破，強化學習（RL）已經證明了人工智能在復雜游戲中開發和實施多層策略后控制多個智能體的潛力。未來MDO作戰指揮的特點是在非結構化的任務領域內具有高度的復雜性，這與復雜的游戲模擬環境有一些相似之處。因此，將基于人工智能的方法擴展到軍事領域，可能為提高戰斗指揮能力提供了重要的可能性。

本報告中描述項目的長期意圖并不新鮮。在過去的幾十年里，有許多想法和相應的研究，旨在開發自動化或半自動化的工具，以支持規劃和執行軍事行動的決策。以下是過去在這一領域的一些工作，本報告的一些作者親自參與了這些工作。

美國國防部高級研究計劃局（DARPA）的聯合部隊空中部分指揮官（JFACC）項目在20世紀90年代末進行，為聯合空戰的敏捷管理開發了一些概念和原型。當時考慮的大多數方法涉及各種航空資產的路線和活動的持續實時優化和再優化（隨著情況的不斷變化）。同樣在20世紀90年代中后期，陸軍資助了行動方案開發和評估工具（CADET）項目，該項目探討了經典的分層規劃的潛在效用，該計劃適用于對抗性環境，可以將高水平的戰斗草圖轉化為詳細的同步矩陣--這是理論上的軍事決策過程（MDMP）的關鍵產品。在21世紀初，DARPA啟動了實時對抗性情報和決策（RAID）項目，該項目探索了一些預測敵方作戰規劃的技術，以及動態地提出友好的戰術行動。在所探索的技術方法中，博弈求解算法是最成功的。

2000年代末，DARPA的沖突建模、規劃和結果實驗（COMPOEX）計劃探討了多個領域的作用及其非常復雜的相互作用--除了傳統的動能戰斗，還有政治、經濟和社會影響。該計劃研究了相互關聯的模擬子模型的使用，主要是系統動力學模型，以協助高級軍事和文職領導人在復雜的作戰環境中規劃和執行大規模戰役。非傳統作戰領域如網絡領域的重要性已經得到認可，2010年，北約的一個研究小組研究了評估網絡攻擊任務影響的模擬方法，并強調了網絡、人類和傳統物理領域之間相互作用的強大非線性效應。

在前面提到的研究工作中所采取的所有方法，以及許多其他類似的方法，都有主要的和一些共同的弱點。它們往往需要對問題領域進行嚴格、精確的表述。一旦這樣的表述被構建出來，它們往往能產生有效的結果。然而，一旦有新的元素需要被納入到表述中（例如，一種新的軍事資產類型或一種新的戰術），就需要進行困難的、昂貴的、手工的和長期的努力來“重新連接”問題的表述和微調解決方案的機制。而現實世界呈現出無窮無盡的新元素，必須加以考慮。

在20世紀80年代的基于規則的系統中，隨著越來越多的規則（它們之間的相互作用往往是不可預測的）必須被添加以代表現實世界中錯綜復雜的領域，一個系統將變得不可維護。在基于優化的方法中，同樣地，重要變量和各種約束條件之間無窮無盡的關系必須不斷地手動添加（維護的噩夢），以代表現實世界中復雜的領域。在基于游戲的方法中，由于越來越多的領域的現實情況不得不被手動設計并添加到游戲的表述中，管理每個棋子的合法移動和移動效果的規則將逐漸變得無可救藥地復雜。

簡而言之，這種方法在建立和維護表征方面是高成本的。理想情況下，我們希望看到一個系統能夠直接從真實或模擬世界的經驗中 "學習"（即自我規劃）其問題的制定和解決算法，而不需要任何（或很少）人工規劃。機器學習，特別是RL，正是提供了這樣的希望。這是我們項目背后的一個主要動機。

1.1 軍隊的相關性和問題領域

美國陸軍目前還沒有一個基于人工智能的、部分自主的任務指揮工具，在戰術或作戰層面上以高作戰節奏（OPTEMPO）運作。通常情況下，生死攸關的決定是由少數人在時間限制下利用不完善的信息作出的。目前可供規劃者使用的工具（如高級野戰炮兵戰術數據系統[AFATDS]、藍色部隊追蹤器等）通常僅限于分析戰場地形的基本決策輔助工具和記錄決策的自動化工具。指揮官在向下級提供快速OPTEMPO指導時，會遇到信息過載。戰斗損傷評估（BDA）很慢，而且不能與單位運動/傳感器與射手的聯系同步，也不允許利用優勢窗口。行動方案（CoA）分析主要集中在對友軍計劃的評估上，很少強調對手的目標和能力的復雜性。

隨著空間、網絡電磁活動（CEMA）和機器人資產的加入，MDO成倍地增加了C2的復雜性，這可能會使OPTEMPO比過去更高。此外，人類指揮官使用目前可用的決策輔助工具來提供高度詳細的指令將是難以解決的。有可靠的報告稱，美國的同行和近鄰競爭對手，特別是中國，正在大力追求人工智能在軍事上的應用，包括指揮決策和軍事推演（即兵棋推演）。因此，在追求人工智能C2系統的過程中，存在著很大的失敗風險，只有不斷地朝著這個目標前進，不斷地努力實現一個能夠在MDO中執行C2的人工智能系統，才能克服這個風險。

1.2 長期目標

到2035年，我們設想需要開發敏捷和適應性強的人工智能C2系統，用于復雜、高OPTEMPO、超活躍的MDO中的作戰規劃和決策支持。這些系統將不斷整合未來戰爭的幾個領域。設想中的系統將能夠分析敵人的活動；不斷地規劃、準備、執行和評估戰役，通過不斷地感知、識別和快速利用新出現的優勢窗口，使軍隊的能力得到快速反應。這些優勢窗口將在不同梯隊的MDO框架內的行動中出現，但識別和利用它們需要較少地依賴刻意的規劃周期，而更多地依賴持續、綜合的規劃能力。啟用人工智能的C2系統有可能在不同的梯隊、領域和多個同時運作的資產之間快速同步采取多種行動，以利用優勢窗口。部隊將主要由機器人資產（地面、空中）組成，人工智能C2系統將收集和處理來自智能傳感器和平臺的數據，評估作戰環境中的新趨勢，并建議采取減少認知負擔的行動，使人類指揮官能夠快速有效地采取行動。啟用人工智能的流程還將提供定量分析、預測分析和其他可供人類有效使用的突出數據。這最終將使美國陸軍有能力在武裝沖突期間，根據對敵人弱點的理解和詳細的友軍估計，重新分配、重組和使用能力，并將產生具體、詳細的指令來控制自主資產。

DEVCOM陸軍研究實驗室在機器人學、自主性、人工智能和機器學習方面有積極的研究計劃。本報告的作者領導了政府、學術界和工業界合作伙伴之間的大型合作機器人研究工作的研究和整合活動，在場景理解、人類與人工智能的合作、RL、多智能體強化學習和多智能體協作系統方面進行了開拓性的研究。此外，ARL還擁有廣泛的基礎設施來進行上述領域的研究。這包括用于機器人研究的地面和空中平臺；用于場景驅動研究的機器人研究合作園區（R2C2），能夠承載實時的、可擴展的、多領域的實驗；旨在支持人工智能和機器學習應用的新興要求的集裝箱式超級計算機；這只是其中的幾個例子。我們相信，這些專業知識和資源可以被用來建立一個成功的計劃，將人工智能納入C2應用。

1.3 DSI的目標

ARL主任戰略倡議（DSI）計劃是一個跨學科基礎和應用研究的機制，成功的提案可以跨越科學和技術學科的界限。該計劃確定了代表戰略研究機會的主題領域，對陸軍任務具有非常高的潛在回報，以擴大現有的計劃或建立新的核心能力，并在這些領域建立內部的專業知識。

作為20財政年度授予的 "用于MDO C2的人工智能 "DSI項目的一部分，我們探索基于DRL的算法在多大程度上可用于估計紅方部隊的狀態，評估紅方和藍方的戰斗損失（損耗），預測紅方的戰略和即將展開的行動，并根據所有這些信息制定藍方計劃。這種方法有可能為藍方部隊產生新的計劃，利用潛在的機會窗口，其速度比專家規劃者快得多。最近，DRL在非結構化戰略游戲中的成功提供了重要的暗示性證據，表明人工智能方法可能能夠基本上 "從零開始 "發現適當的戰術概念，并以高于人類的速度選擇、應用和執行戰略。

在這個DSI中，我們探索使用DRL在戰斗行動前制定詳細的計劃，并在執行正在進行的行動中生成實時計劃和建議。我們計劃在兩個關鍵領域推動技術水平的發展：1）構思、設計和實施基于DRL的智能體，以生成與專家計劃員生成的計劃一樣好或更好的計劃；2）將人類納入指揮和學習回路，并評估這些人工智能-人類（人在回路中）的解決方案。在為這種人工智能支持的C2開發途徑的同時，需要回答幾個研究問題。在這個DSI中，我們試圖回答三個具體問題：

• DRL C2智能體的訓練和數據要求是什么，以便準確和足夠快地學習？

• 我們如何才能使DRL智能體具有通用性，以便根據人類專家的判斷，特別是在以前未曾見過的細節被引入到一個情況中時，它們能夠合理地執行？

• 在人工智能支持的C2系統中，人類的干預有什么影響？

該項目第一年的重點是開發研究的基本構件，包括：1）通過調整和使用基于《星際爭霸II》和OpSim的環境來開發模擬能力和高級界面；2）開發執行C2功能的初始端到端人工智能；3）通過與高性能計算（HPC）環境整合來開發計算能力；4）初步確定數據量和訓練要求。本報告提供了這些任務中每個任務的細節。

2. 實驗能力

作為該項目的一部分，我們開發了C2模擬和實驗能力，包括與基于DRL的人工智能算法和國防部高性能計算系統上的可擴展RL的接口的模擬戰斗空間（圖1）。我們使用兩種模擬環境來生成C2場景：星際爭霸II學習環境（SC2LE）29和OpSim。虎爪，一個由卓越機動中心（Fort Benning，Georgia）開發的場景，在模擬環境中生成了真實的戰斗環境。最后，我們使用RLlib31，一個為RL提供可擴展軟件基元的庫，在HPC系統上擴展學習。

圖1 C2基礎設施概述

2.1 虎爪行動

虎爪行動（Tiger Claw）是一個預定義的戰斗場景，由紅軍和藍軍組成，由喬治亞州本寧堡的上尉職業課程的軍事主題專家（SME）開發。這個假想場景顯示特遣部隊（1-12 CAV）在區域內進攻，以奪取OBJ Lion，以便將師的決定性行動（DO）向東傳遞。特遣部隊的目標是穿越Thar Thar Wadi，摧毀紅色部隊，并奪取OBJ Lion（圖2）。特遣部隊包括使用M1A2艾布拉姆斯的戰斗裝甲，使用布拉德利的步兵戰車，野戰炮和迫擊炮，使用布拉德利的裝甲偵察騎兵，戰斗航空兵，防空兵和無人駕駛飛機。紅軍由裝備BMP-2M的機械化步兵、裝備T-90坦克的戰斗裝甲、野戰榴彈炮、裝備BMP-2M的裝甲偵察騎兵、戰斗航空兵、反裝甲兵和戰斗步兵組成。虎爪方案還包括由中小型軍事專家制定的藍軍和紅軍的可能計劃。這些計劃是根據作戰命令（OPORD）和相應的威脅戰術，使用理論上的力量部署產生的。虎爪方案已被納入OpSim和《星際爭霸II》，并作為一個基準基線，用于比較不同的神經網絡架構和獎勵驅動屬性。

圖2 TF 1-12 CAV在《虎爪》中的作戰區域（AO）。

2.2 《星際爭霸II》模擬環境

星際爭霸II》是一個復雜的實時戰略游戲，玩家要在高水平的經濟決策和低水平的個人控制可能的數百個單位之間取得平衡，以壓倒和擊敗對手的部隊。星際爭霸II》對人工智能有許多困難的挑戰，使它成為MDO中C2的一個合適的模擬環境。例如，游戲有復雜的狀態和行動空間，可以持續數萬個時間步驟，實時選擇數千個行動，并由于游戲的部分可觀察性或 "戰爭迷霧 "而捕捉到不確定性。此外，該游戲具有可用于MDO模擬的異質資產、固有的C2架構、嵌入式軍事（動能）目標，以及與更強大的模擬（例如，One Semi-Automated Force [OneSAF]）相比，實施/修改的學習曲線較淺。DeepMind的SC2LE框架將暴雪娛樂公司的《星際爭霸II》機器學習應用編程接口暴露為RL環境。這個工具提供了對《星際爭霸II》和相關地圖編輯器的訪問，以及RL智能體與《星際爭霸II》互動的接口，獲得觀察和發送行動。

作為DSI的一部分，一個SC2LE地圖是根據Tiger Claw OPORD和支持文件開發的（圖3）。通過重新繪制圖標以納入2525B軍事符號和與虎爪計劃相關的單位參數（武器、范圍、比例），游戲被軍事化。內部評分系統被重新使用，以計算RL的獎勵函數，其中包括任務目標的收斂（穿越瓦迪），藍色損耗的最小化，以及紅色損耗的最大化。

圖3 《星際爭霸II》中的虎爪地圖

2.2.1 《星際爭霸II》編輯器

虎爪劇情是在《星際爭霸II》中使用其編輯器重新創建的。這個編輯器包含在暴雪娛樂公司免費下載的《星際爭霸II》中，它有許多創建自定義內容的功能。掌握這些功能的一個很好的資源是專門用于編輯器的在線社區論壇。在下面的章節中，將詳細討論使用編輯器開發地圖、單位和獎勵的問題。

2.2.1.1 《星際爭霸II》地圖開發

我們使用《星際爭霸II》編輯器為《虎爪》場景創建了一個新的近戰地圖。地圖的大小是編輯器中最大的（256乘256），使用《星際爭霸II》的坐標系統。荒地瓷磚組被用作地圖的默認表面，因為它在視覺上類似于《虎爪》中AO的沙漠地區（圖4）。

圖4 《星際爭霸II》編輯器中的初始虎爪地圖

在最初的設置之后，我們使用地形工具修改地圖，使其大致接近AO的情況。關鍵的地形特征是無法通行的瓦迪，其交叉點有限。

距離縮放是創建場景的一個重要因素。在最初的地圖中，我們使用已知的地標之間的距離，將《星際爭霸II》的距離，使用其內部坐標系統，轉換為公里數。這種轉換對于在單位修改期間調整武器射程非常重要（圖5）。

圖5 修改后的《星際爭霸II》編輯地圖

最初的實驗使用《星際爭霸II》來可視化模擬復制品。這些回放的游戲感成為一個明顯的干擾因素。為了補救這個問題，我們希望采用其他的可視化方法，特別是ARL開發的混合現實環境Aurora。新的可視化方法使用AO的地理地圖。因此，有必要修改《星際爭霸II》的地圖，以便與AO的經緯度相一致。在修改后的地圖中，距離比例是通過將《星際爭霸II》的坐標轉換為經緯度來確定的。

2.2.1.2 《星際爭霸II》單位修改

為了模擬 "虎爪 "場景，我們選擇了與軍事單位能力相近的《星際爭霸II》單位。我們復制了《星際爭霸II》中的單位，并在編輯器中修改了它們的屬性以支持該場景。

首先，我們修改了這些單位的外觀，并用適當的MIL-STD-2525符號代替（表1）。在《星際爭霸II》中，每個單位都與多個角色相關聯，這些角色控制著該單位在游戲中的外觀。我們能夠將演員與他們的默認效果圖解開，有效地使這些單位不可見。接下來，我們將所需的軍事符號的圖像導入編輯器。最后，我們使用了SCMapster.com上發布的 "rr Sprite Engine"（LGPL 2.1許可）庫，將這些單位與它們的軍事符號聯系起來。

表1 虎爪部隊與《星際爭霸II》部隊的映射關系

為該場景修改的其他屬性包括武器射程、武器傷害、單位速度和單位壽命（它能承受多少傷害）。武器射程是從公開資料中發現的，并根據地圖的尺寸進行縮放。單位速度在《虎爪行動指令》中確定，并固定在該值上。傷害和生命的屬性是估算出來的，其指導原則是保持平衡的沖突。每個《星際爭霸II》單位通常只有一種武器，這使得模擬一個連級單位可用的各種武器具有挑戰性。額外的努力來提高單位修改的準確性，需要戰爭游戲的主題專家。

修改后的部隊被放置在地圖上，以接近虎爪的場景（圖6）。在實驗過程中，藍色部隊將由一個使用PySC2（DeepMind的SC2LE的Python組件）開發的智能學習智能體控制。此外，藍軍部隊被修改為沒有天生的攻擊性。換句話說，他們不會參與進攻或防守，除非有智能體的特別命令。為了控制紅色部隊，我們使用了兩種不同的策略。第一種策略是為紅色部隊的行動加入一個腳本化的CoA，在每次模擬中都會執行。該部隊默認的攻擊性屬性控制它如何與藍方交戰。第二種策略是讓《星際爭霸II》的機器人AI控制紅方部隊執行全面攻擊，或在編輯器中稱為自殺。內置的《星際爭霸II》機器人有幾個難度級別（1-10），這決定了機器人的熟練程度，其中1級是一個相當初級的機器人，可以很容易地被擊敗，10級是一個非常復雜的機器人，使用玩家無法獲得的信息（即一個作弊的機器人）。最后，環境因素，如戰爭迷霧，在不同的實驗中被切換，以調查其影響。

圖6 使用MILSTD2525符號的星際爭霸II

2.2.1.3 星際爭霸II的獎勵實現

獎勵功能是RL的一個重要組成部分，它通過對每種情況給予積極或消極的獎勵來控制智能體人對環境變化的反應。我們在SC2LE中加入了虎爪場景的獎勵功能，我們的實現超越了SC2LE內部的評分系統。原來的計分系統根據玩家的單位和結構的資源價值進行獎勵。我們的新計分系統只關注游戲的軍事方面，即獲得和占領新的領土，以及摧毀敵人。

我們的獎勵功能為藍軍越過瓦迪（河流）提供+10分，為撤退提供-10分。此外，我們還對摧毀紅軍部隊給予+10分，如果藍軍部隊被摧毀則給予-10分。

為了實現獎勵功能，首先需要使用SC2LE編輯器來定義地圖的各個區域和目標。區域是由用戶定義的區域，它被觸發器所利用（圖7）。

圖7 《星際爭霸II》中的區域和目標

觸發器是創建一套指令的模板，允許用戶將與特定事件相關的效果編入模擬中（圖8）。一般來說，一個觸發器由以下部分組成。

• 事件。啟動觸發器（例如，一個單位進入一個區域）。

• 變量。存儲信息。(例如，BlueForceScore，藍軍的得分）。

• 條件。對行動的限制，需要在行動發生時為真。(例如，單位是藍色部隊的成員）。

• 行動。事件的結果或成果（例如，單位獲得積分）。

圖8 《星際爭霸II》中虎爪場景的觸發實例

作為未來工作的一部分，我們計劃根據指揮官在虎爪警告令（WARNORD）中的意圖所定義的具體團隊目標來納入額外的獎勵。獎勵功能將試圖訓練智能體維持單位作為團隊，作為團隊一起參與預定目標，并創造對軍事主題專家來說合理的最佳行為。

2.3 OpSim模擬環境

OpSim是由科爾工程服務公司（CESI）開發的決策支持工具，提供計劃支持、任務執行監控、任務演練、嵌入式訓練以及任務執行監控和重新計劃。OpSim與SitaWare指揮、控制、通信、計算機和情報（C4I）集成，后者是由項目執行辦公室指揮控制通信-戰術（PEOC3T）投入使用的指揮所計算環境（CPCE）的重要組成部分，使各級指揮部門能夠共享態勢感知并協調作戰行動，從而使其成為直接與作戰任務指揮相連的嵌入式模擬。它從根本上被構造成一個基于可擴展的面向服務架構（SOA）的模擬，能夠比目前最先進的模擬環境如OneSAF和MAGTF戰術戰爭模擬器（MTWS）運行得更快。傳統的建設性模擬最多運行1-20次墻鐘時間，而OpSim可以運行30次虎爪的復制--如果實時連續運行，需要240小時。OpSim中模擬計劃的輸出包括根據彈藥支出、傷亡、設備損失、燃料使用等標準對藍軍計劃進行綜合排名。然而，OpSim工具并不是為人工智能應用而設計的，必須通過整合接口來運行基于DRL的算法。開發了一個OpenAI Gym接口，以暴露模擬狀態，并向外部智能體提供模擬控制，能夠為模擬中的選定實體提供改變的行動，以及在回應接口之前的模擬時間。

2.4 使用OpenAI Gym和RLlib接口的深度強化學習

強化學習可以被形式化為一個馬爾科夫決策過程，由一組行動、一個過渡概率函數、一個獎勵信號和一個環境狀態組成。32 在RL中，目標是找到一個最佳行動，使預期的、累積的折現獎勵之和最大化。將深度神經網絡與RL結合起來，DRL將深度神經網絡架構與RL框架結合起來，以接近環境中各狀態的最佳行動。DRL的設計包括以下部分：狀態空間（環境狀態表示）、行動空間（行動集）、獎勵信號和一個深度神經網絡。

對于環境狀態的訪問，RL框架使用類似OpenAI Gym的接口與OpSim和StarCraft II模擬器，為RL提供環境的抽象（圖9）。OpenAI Gym是一個開源的軟件包，為RL的開發和測試提供了一個具有通用接口的環境集合。OpenAI Gym專注于RL環境的抽象化，從而保持智能體開發的靈活性。兩種模擬環境中使用的具體行動、狀態空間和獎勵信號將在后續章節中詳細討論。

圖9 使用OpenAI Gym與OpSim和StarCraft II模擬器的RL框架

DRL需要智能體與環境互動的許多情節來收集經驗，一個標準的方法是通過平行數據收集來擴展。在這個項目中，HPC被用來擴展DRL算法，以支持智能體群體從成千上萬的平行實例中學習，以解決C2的行動空間復雜性。ARL的FOB系統最初用于分布式訓練，然后被移植到國防部超級計算資源中心（DSRC）的最新SCOUT系統。FOB系統是一個由64個節點組成的實驗性異構集群，每個節點有一個英特爾8核至強CPU和64GB的內存。SCOUT是位于ARL DSRC的一個非保密的HPC-in-a-container系統，有22個訓練節點和128個推理節點。SCOUT的每個計算節點都配備了IBM Power9 40核處理器，推理節點有256GB內存，訓練節點有700GB內存。

同時，RLlib，一個由加州大學伯克利分校RISELab開發的可擴展RL框架的開源庫，被用于執行分布式學習。RLlib提供了一個與框架無關的機制，以便在OpSim和StarCraft II上有效地擴展DRL神經網絡架構的訓練。該框架部署在HPC系統上，以展示RLlib算法在系統的多個節點上的擴展性，并提供可定制的神經網絡模型和模擬環境的靈活性。

3. 結果和討論

利用第2節所述的基礎設施，我們為《星際爭霸II》和OpSim環境開發了一個端到端的DRL框架，并進行了初步實驗。在這一節中，我們將描述網絡架構、實現和一些初步的實驗結果。

3.1 使用《星際爭霸》的深度強化學習

我們使用第2.2節中描述的戰術版《星際爭霸II》訓練了一個多輸入和多輸出的深度強化神經網絡。我們使用了異步優勢演員批判（A3C）算法，這是一種由多層卷積網組成的狀態輸入處理方法，長短期記憶（LSTM）遞歸層給網絡增加了記憶。

3.1.1 異步優勢演員批判結構

在《星際爭霸II》中，狀態空間由7個大小為64x64的迷你地圖特征層和13個大小為64x64的屏幕特征層地圖組成，總共有20個64x64的二維圖像（圖9的左側面板）。此外，它還包括13個非空間特征，包含玩家資源和建造隊列等信息。這些游戲特征是用輸入處理管道來處理的，如圖10所示。星際爭霸II》中的動作是函數形式的復合動作，需要參數和關于該動作要在屏幕上發生的位置的說明。例如，像 "攻擊 "這樣的動作被表示為一個函數，需要屏幕上的X-Y攻擊位置。行動空間由行動標識符（即運行哪個行動）和兩個空間行動（x和y）組成，這兩個空間行動被表示為兩個長度為64個實值項的向量，在0和1之間。 表2劃分了觀察空間、行動空間和《星際爭霸II》模擬的獎勵。

圖10提供了星際爭霸II任務中相互嵌入模型和A3C智能體的狀態輸入處理管道的概述。星際爭霸II提供了三個主要的狀態信息流：小地圖層、屏幕層和非空間特征（如資源、可用行動和建造隊列）。小地圖和屏幕特征由相同的兩層卷積神經網絡（CNN）處理（頂部兩行），以便分別提取地圖的全局和局部狀態的視覺特征表示。非空間特征通過一個具有非線性激活的全連接層進行處理。然后，這三個輸出被連接起來，形成智能體的完整狀態空間表示，以及基于狀態的相互嵌入模型的部分。

圖10 《星際爭霸II》的狀態輸入處理

表2 《星際爭霸II》模擬的觀察空間、行動空間和獎勵

A3C是優勢行動者-批評算法的分布式版本，其中創建了行動者的多個平行副本，以同時執行行動和收集經驗。讓多個行為體收集經驗可以提高探索效率，從而改善學習。我們使用的A3C智能體的結構類似于Mnih等人的Atari-net智能體，它是一個從Atari改編的A3C智能體，在SC2LE狀態和行動空間上運行。我們對這個智能體做了一點修改，增加了一個LSTM層，因為Mnih等人的研究表明，增加模型的內存可以提高性能。我們的A3C智能體的結構如圖11所示。

圖11 A3C智能體的結構。這里顯示的是一個完整的RL智能體及其與《星際爭霸II》的連接示意圖。作為典型的政策性智能體，這里的A3C智能體（綠色）從任務環境中獲取狀態和獎勵信息，并使用這些信息來計算下一個時間步驟的行動，以及計算梯度來增加獎勵最大化。

3.1.2 實驗和結果

我們用20個并行的演員學習者來訓練A3C模型，使用了8000個模擬的《星際爭霸II》機器人的戰斗，操作由DeepMind開發的手工制作的規則。如果BLUEFOR穿過瓦迪或OPFOR排被摧毀，則提供+10的正強化，如果BLUEFOR被摧毀則提供-10的負強化。

我們在《星際爭霸II》的 "虎爪 "場景中對訓練好的A3C模型進行了100次的測試。這些模型與具有隨機行動的隨機基線以及人類玩家與《星際爭霸II》機器人進行的10場模擬戰斗進行了比較。圖12中提供了收集到的指標的匯總圖，包括總的情節獎勵和藍軍的傷亡人數。我們看到，與人類玩家相比，人工智能指揮官不僅取得了相當的表現，而且在任務中表現得稍好，同時還減少了藍軍的傷亡。

圖12 與人類和隨機智能體基線相比，訓練有素的人工智能指揮官（A3C智能體）的總獎勵和BLUEFOR傷亡情況。人工智能指揮官能夠實現與人類基線相當（略好）的獎勵，同時減少藍軍的傷亡。

3.2 使用OpSim的深度強化學習

為OpSim模擬環境開發了兩種類型的指揮官。第一種是基于專家設計的規則引擎，由喬治亞州本寧堡的軍事主題專家使用理論規則開發。第二種是DRL訓練的神經網絡，采用A2C算法訓練的多輸入多輸出的LSTM神經網絡。A2C與A3C類似，但沒有異步部分。OpSim的RL界面支持多智能體訓練，每個部隊可以是基于規則的，也可以是人工智能指揮官。

政策網絡首先在FOB的15個節點上進行訓練，75個平行工作者收集了482k次模擬戰斗，耗時36小時。此外，在SCOUT系統上應用和訓練了局部切面位置和無目標獎勵更新。有了更新的觀察和獎勵，39個平行工作者收集了175k次戰斗經驗，花了37小時。

觀察空間由17個特征向量組成，其中觀察空間是基于每個實體的設備傳感器的部分觀察。與S2CLE不同，OpSim目前不使用圖像輸入或屏幕圖像的空間特征。行動空間主要包括簡單的運動和交戰攻擊（表3）。

表3 OpSim模擬的觀察空間、行動空間和獎賞

3.2.1 實驗和結果

訓練好的模型用100個推出的模擬結果進行評估，在檢查站使用凍結政策，BLUFOR的平均獎勵最高。在SCOUT上，4510號檢查站的BLUFOR政策平均獎勵達到了200，OPFOR政策平均獎勵達到了-322的滾動平均值。對100次滾動的分析表明，經過DRL訓練的BLUFOR智能體將損失從4左右降至0.5，而增加了OPFOR的損失（圖13）。這一結果是通過采用僅使用戰斗裝甲連和戰斗步兵連進行交戰的策略達到的。它學會了利用BLUFOR最致命的部隊與Abrams和Bradleys的策略，同時保護脆弱的資產不與OPFOR交戰（圖14）。

圖13 主題專家和人工智能指揮員之間的實體損失比較

圖14 一次推廣的開始和結束的快照

4. 結論

作為DSI的一部分，為C2的DRL開發了兩個新型測試平臺。基于StarCraft II和OpSim。使用這些最先進的測試平臺開發了端到端的DRL方法。該基礎設施被移植到國防部的HPC系統中，以擴大訓練的規模，進行平行數據收集。

初步實驗結果顯示，初步觀察到DRL在沒有預編碼知識的情況下實現了有效和合理的C2，基于DRL的 "人工指揮官 "可以在模擬的旅級戰斗中執行綜合規劃-執行過程。一些結果，特別是在《星際爭霸II》的環境中，表明人工智能采取的策略與有能力的人類玩家的策略相當。它還表明，計算資源并不是人工智能在C2中的障礙；我們看到使用HPC系統學習的速度足夠快，在37小時內就能收斂。總之，DSI的第一年提供了充分的證據，表明基于學習的人工智能有可能被用作未來軍事行動C2的關鍵技術。

美國海軍的無人作戰框架和智能自主系統（IAS）戰略解析了美國海軍的愿景，即如何通過迭代實驗來發展無人平臺，重點是發展新的作戰概念和實現這些想法的關鍵技術。美國海軍需要制定一個作戰概念（CONOPS），將無人水面和水下航行器（USV/UUV）納入現有情報、監視和偵察（ISR）流程。無人平臺（UV）面臨著操作和續航方面的挑戰，這將使它們在情報周期的處理和開發功能中成為獨特的難點。本文討論僅限于兩個具有顯著續航能力和收集能力的無人平臺，這兩項能力使無人平臺對作戰具有重大影響。這項工作回顧了關于超大型UUV（XLUUV）和中型USV（MUSV）能力和預期任務的非機密文獻，并與MQ-4C海神偵察機的發展進行了比較。確定了海軍在開發CONOPs時應該考慮的幾個因素和解決方案，如何在戰役層面將XLUUV和MUSV集成到ISR中。

1 簡介

“無人平臺在我們未來的艦隊中發揮著重要作用。成功地整合無人平臺——在海面下、在海面上和海面上空——為我們的指揮官提供了更好的選擇，以便在有爭議的空間里作戰和獲勝。它們將擴大我們的情報、監視和偵察優勢......”--美國海軍作戰司令部，2021年航行計劃

美國海軍目前正在開發一系列無人的空中、水面和水下航行器，以滿足其未來部隊需求。海軍的無人作戰框架和智能自主系統（IAS）戰略解析了海軍的愿景，即如何通過反復實驗來開發這些新平臺，重點是發展新的作戰理念和實現這些理念的關鍵技術。無人平臺將支持海軍的目標，即建立一支更加分散的部隊，能夠在通信退化的環境中作戰，同時在受到反介入和區域拒絕威脅的挑戰時能夠應對。雖然海軍的無人平臺仍處于不同的發展階段，但有足夠的數據表明它們的能力，可以提出新作戰概念，將這些新平臺與海軍長期以來的優先事項相結合。

美國海軍需要制定一個作戰概念（CONOPS），將無人水面和水下航行器（USV/UUV）納入現有情報、監視和偵察（ISR）流程中，無論是在戰斗期間還是在日常的非戰斗行動中。這種CONOPs將支持智能自主系統中至少兩個子類——分布式和持久性傳感器，以及戰斗空間的擴展、清晰化和精確化。無人平臺（UV）雖然有潛在的強大的收集能力，但面臨著操作和續航方面的挑戰，這將使它們在情報周期的處理和開發功能方面成為獨特的麻煩。海軍使用無人平臺作為ISR資產的概念將需要納入這些平臺獨特的適合完成的作戰目標，并且應該在這些平臺能力正在形成和實戰化的時候就開始制定。

為了把重點放在戰爭的戰役層面上，討論將限于兩個具有重要續航能力和收集能力的無人平臺，使它們具有實質性的作戰影響。這項工作回顧了關于超大型UUV（XLUUV）和中型USV（MUSV）能力和預期任務的非機密文獻，并與MQ-4C Triton（一種大型海上無人駕駛飛行器）的發展相比較。它確定了海軍在制定將XLUUV和MUSV整合到作戰層面的ISR的CONOP時，應該考慮的幾個因素和解決方案。分析的重點是在以海洋為中心的戰場上使用這些平臺，對手是在海面下、水面、空中和太空領域使用軍事力量的近鄰或同級對手。提到作戰指揮官時，設想了一個戰區聯合部隊海上分指揮官（JFMCC）和情報人員，在岸上或海上作戰中心（MOC）內運作。

2 背景介紹

美國海軍的分布式海上作戰（DMO）概念是為了在反介入、區域拒止（A2AD）戰場上擊敗競爭對手，它依賴于分布式、網絡化的ISR平臺。ISR資產將定位對手并為武器使用平臺提供目標支持。無人平臺與多域作戰（DMO）概念極其相關，因為DMO設想在對手的對峙或反介入武器的交戰區域內使用海軍資產。海軍23財年的長期海軍建設計劃指出，海軍預計在45財年擁有89-145個無人平臺，并提到更詳細的信息，可在機密的能力發展計劃中獲得。22財年的建設計劃明確指出，海軍正在尋求59-89艘USV和18-51艘UUV。海軍的資金優先級和迭代式無人平臺開發支持CNO將無人平臺作為分布式作戰的一個重要組成部分。

情報、監視和偵察是三個獨立但密切相關的功能，對于軍事行動至關重要。廣義上講，情報是收集和分析與決策有關的信息。監視是使用收集資產來監測一個地點的相關活動，而偵察是將收集資產部署到一個確定的區域，以定位或確認沒有相關活動。當無人平臺用于ISR功能時，將主要作為收集資產來監視或偵察特定區域，尋找相關活動。這些平臺的 "無人"性質，使平臺本身更具有成本效益，不容易被置于危險之中，但卻使其作為ISR資產的有效性變得復雜。采集行動必須以足夠嚴格的方式進行預規劃，以滿足指揮官在不可能重新分配任務的通信環境中繼續生存。此外，收集到的數據必須傳送給有能力將信息開發成情報的分析人員，以便為作戰決策提供依據。

3 MQ-4C "海神"偵察機

MQ-4C "海神"是由RQ-4 "全球鷹 "改裝的大型無人機，用于提供持久的海上ISR。"海神"的開發是為了滿足海軍對持久性ISR的需求，最終被確定為廣域海上監視（BAMS），用于A2AD環境。"海神"在一次任務中可以飛行超過24小時，作戰范圍為8,200海里。為了滿足海軍的要求，對RQ-4進行了具體的修改，最明顯的是要求在惡劣的海上天氣下下降和上升，以便目視識別通過電子信號定位的水面航行器。這一要求需要增加除冰能力、防雷和其他強化措施。

2020年1月，海軍對 "海神 "進行了首次早期作戰能力（EOC）部署，向關島的安徒生機場派出了兩架飛機。該飛機作為CTF-72的一部分，向在INDO-PACOM責任區作戰的聯合部隊提供海上巡邏和偵察，這是ISR的一個方面。在飛行行動中，"海神 "由四名飛行員組成的機組控制，他們在地面控制點進行操作。這些操作員駕駛飛機，不進行情報開發，情報開發由一個單獨的專家小組提供。2020年派往關島的機體并不具備整套預期的收集能力，只有光電/紅外（EO/IR）視頻流和一個海上雷達。海軍目前正在測試 "海神 "的升級版、多智能改進版，它增加了信號情報收集能力，是打算取代有人駕駛的EP-3E Aeries II飛機的平臺。

盡管還沒有完全投入使用，但 "海神 "號的早期使用提供了一些經驗，應該為大型無人水面和水下船只的發展提供參考。首先，"海神"和其他無人平臺所收集的信息將需要傳送給人類分析人員進行開發。雖然存在識別感興趣的信號的自動化程序，但它們還不能將這些信息置于當前友軍和敵軍行動的背景下，并告知決策者。其次，大型無人駕駛系統依賴于岸上的維持和維護。像 "海神 "一樣，任何大型的平臺都需要返回基地或港口進行維修、加油和卸載收集的數據。這些岸上的設施是平臺操作的關鍵要求，可能會受到干擾或攻擊。第三，在建造無人平臺時，應了解任務和有效載荷在未來可能發生變化。為平靜的海況和適度的溫度而建造的無人平臺，在大海里、惡劣的天氣或極端的水溫下，可能不那么有效或無法操作。

4 “虎鯨”超大型無人潛航器（XLUUV）

5個“虎鯨”超大型無人潛航器（XLUUV） 中的第一個，在19財年得到資助。其基于波音公司的Echo Voyager XLUUV進行開發，預計在22財年作為一個測試平臺，用于開發作戰概念和關鍵的使能技術。XLUUV幾乎肯定不會有能力以載人潛艇的保真度來探測、跟蹤和分類聲音。這主要是因為UUV缺乏訓練有素和有經驗的船上潛艇人員的專業知識，而且XLUUV是一個比載人潛艇小得多的平臺，限制了任何船上聲納陣列的能力。然而，XLUUV的模塊化性質擴大了其潛在的收集能力，包括船上攜帶的任何可部署的系統，以及船體安裝或牽引的聲納陣列。下面將討論基于有機傳感器或XLUUV攜帶的有效載荷進行數據收集。

將XLUUV作為ISR資產使用的最重大挑戰是缺乏與地面控制點的頻繁通信。現有的能力并沒有確定XLUUV是否有能力升起一個通信桅桿或浮標來傳輸數據和接收修訂的指令。這樣做會削弱使用水下航行器作為ISR資產的主要優勢，即它的隱蔽性。這為作戰計劃者確定了三種可能的行動方案。第一，XLUUV在其行動期間不能發送或接收任何數據。這將限制XLUUV只執行預先計劃的行動，并剝奪行動指揮官重新分配資產的任何能力。第二，XLUUV可以部署一個僅有接收能力的通信天線。這將允許指揮官重新分配XLUUV的任務，但不允許該資產廣播接收指令，這使得操作人員不確定新的指導是否正在執行。用來傳達這種新指導的廣播有可能揭示UUV或潛艇的行動區域。第三，XLUUV可以采用一個同時具有發射和接收能力的通信浮標。這將使指揮官能夠發布新的指令，并確認XLUUV已經收到并將執行新的任務，但也有可能將UUV的位置暴露給對手。每種方案都是在安全和作戰指揮官的靈活性之間做出的折衷。

繼隱身之后，UUV作為ISR資產的第二個主要優勢是其收集聲學數據的能力。聲學情報，即對這些數據的處理和利用，是一門極富挑戰性的學科。聲學數據需要分析人員花費數年甚至數十年的訓練和經驗來進行分析。由于這門學科的挑戰，海軍應該尋求現有的聲學情報卓越中心來分析XLUUV收集的數據。海軍在弗吉尼亞和華盛頓有兩個海軍海洋處理設施（NOPFs），由聲學和情報專家共同管理。這些設施作為綜合海底監視系統（IUSS）的一部分運作，并對來自海上采集資產的聲學數據進行持續分析使用。對于ISR功能，海軍應考慮將XLUUV作為IUSS資產，并利用NOPFs的常駐聲學情報專家來處理和分析收集的數據。

需記錄的聲學信息通常也會產生大量的數據，覆蓋較長的時間段。可能需要幾周或幾個月的時間來充分開發XLUUV任務的所有記錄數據。當考慮到前面討論的通信挑戰時，使用XLUUV作為ISR資產將需要對XLUUV支持的確切行動目標進行詳細規劃。這種規劃應導致對UUV的反應進行預先規劃，以滿足指揮官意圖的具體檢測。操作員應考慮三種反應，即立即反應、暫時延遲反應，或決定繼續執行任務并在回港后分析數據。

一旦XLUUV檢測到特定的標準，例如特定對手潛艇的聲學特征，它的反應應該由作戰指揮官仔細預先確定。在這種情況下，XLUUV有三種可能的行動。第一，停止其任務，并通過通信桅桿或非系留的單向傳輸浮標，立即向作戰指揮官發出通知，說它已經探測到對手的潛艇。如果敵方潛艇對指揮官的部隊構成危險，并且需要時間敏感的定位信息來使反潛戰（ASW）資產加入戰斗，這種反應可能是適當的。二，XLUUV可以釋放一個單向的通信浮標，在延遲后將探測結果廣播給作戰指揮官。這種折中的反應將為指揮官提供最近的定位數據，并提高他的態勢感知，但也允許UUV離開該地區，繼續執行其任務而不暴露其位置。如果指揮官希望在近乎沖突的時期提高態勢感知，但又不試圖主動瞄準對手的潛艇，這種反應可能是合適的。第三，XLUUV可以簡單地繼續記錄聲學數據，對探測進行日志記錄，并繼續執行其任務。日志記錄將有助于回港后的開發。這種反應在非沖突時期和XLUUV執行一般監視任務或收集作業環境信息時可能是合適的。這些反應選項中的每一個都利用了當今可用的技術，并為作戰指揮官提供了靈活性，以根據作戰需要指揮所需的反應。

波音公司公開的Echo Voyager XLUUV的數據顯示，它的航程為6500海里（NM），最大速度為8.0節，最佳速度為2.5-3.0節。從關島阿普拉港到俄羅斯太平洋艦隊所在地阿瓦查灣約2450海里，到中國南部戰區海軍駐地亞龍灣約2050海里。如果Orca XLUUV的能力與Echo Voyager的能力相近，這將使最有可能收集情報的地點處于部署在關島的XLUUV的行動范圍之內。然而，在離母港很遠的地方使用XLUUV可能會導致在接收和利用收集的數據方面出現重大延誤。根據2.5-8.0節的前進速度，從阿瓦查灣返回關島大約需要13至40天。該平臺漫長的旅行時間，加上分析所收集的數據所需的大量時間，促使XLUUV在ISR中最有可能的用途是對作戰環境的一般性收集，或有可能實施監視任務，將該平臺的長耐久性與前面描述的即時或延遲傳輸通信方法相結合。

作為一個無人平臺，XLUUV在維持和維護方面也將面臨獨特的挑戰，這將影響其作為ISR資產的使用。XLUUV被設想為一種可部署或遠征的能力。對這種能力的討論似乎僅限于單個或少量的船體，然而DMO概念和海軍造船計劃設想了幾十個平臺，所有這些平臺都將需要運輸、地面支持和碼頭空間來運作。任何降低或拒絕完成任務的物質缺陷都需要長時間返回港口或可能返回位于對手威脅范圍之外的水面艦艇。維護和保養的現實需要被納入任何利用無人武器作為ISR資產的作戰計劃中，這可能導致它們主要被用于非戰斗性的情報準備任務，在這些任務中，故障的影響比戰斗行動中要小。

5 中型無人水面艦艇(MUSV)

美國海軍的MUSV目前正在基于最初的原型平臺Sea Hunter（SH1）和Seahawk（SH2）的基礎上進行開發。MUSV的具體目的是發揮ISR的作用，提供一個集成到海軍戰術網格中的無人傳感器和電子戰平臺。MUSV計劃目前在平臺能力方面的定義不如XLUUV，但其發展足以考慮具體的ISR功能和作戰概念。將MUSV作為ISR資產使用的關鍵決定是確定它們是作為獨立的收集器還是作為從屬于有人駕駛的水面艦艇的資產。

無論是哪種使用方式，MUSV都將以類似的方式發揮作用--收集現有的電子數據，進行初步的開發和處理，并將收集的結果轉發給岸上和海上的分析人員和系統。區別在于船上的收集系統在尋找什么信號，以及向誰和如何轉發收集的信息。當MUSV作為載人艦艇的支持力量運行時，它的收集系統應集中于探測和跟蹤來襲的威脅，并為被支持的艦艇提供目標定位的幫助。傳感器包應能同時識別和跟蹤反艦巡航導彈、彈道導彈、高超音速導彈、水面艦艇、有人和小型無人駕駛飛機，并提供潛望鏡探測能力。MUSV應該能夠將其收集的結果直接提供給被支持的艦艇，而不依靠干預的地面站或衛星，然后協助選擇和確定防御措施或反擊的目標。

如果作為一個獨立的收集器運行，MUSV最好配備能夠超越基線追蹤多個空中和地面目標的傳感器，并自動將這些追蹤與已知或可疑的對手平臺聯系起來。這些數據應該被轉發給作戰指揮官，以建立共同作戰圖（COP）。這兩項任務，直接支持載人艦艇或提供COP發展的獨立行動，包含了監視和偵察任務的要素。然而，最佳的傳感器和通信能力在不同的任務之間是不同的，這需要在進一步發展MUSV時予以考慮。

作為主要的電子情報（ELINT）收集器，MUSV將需要依靠現有的ELINT分析員來分析所收集的數據。海軍水面艦艇上一般都有可以進行這種分析的密碼學人員，盡管他們目前的任務是操作和利用其艦艇的有機收集能力。如果MUSV上有足夠的通信能力，那么收集到的數據可以被發送到岸上的分析人員進行利用。在這種情況下，海軍信息戰指揮部（NIOCs）是數據利用的合理地點。將需要開發基礎設施和信息技術，以便將MUSV收集的ELINT納入現有的處理系統。此外，水面艦艇和岸上設施的密碼人員配置將需要反映出增加了一個新的收集平臺，提供多個需要分析的數據流。

6 反論點

像“虎鯨”和MUSV這樣的大型無人平臺被設想為未來技術的一個組成部分，它將實現海軍的DMO概念。這一設想聲稱，從無人平臺收集的數據將通過海軍戰術網格和聯合全域指揮與控制（JADC2）網絡傳達給作戰級指揮官。CNO的NAVPLAN 2021指出，建立一個強大的海軍作戰架構（NOA），這將支持將無人平臺收集的數據納入JADC2，是僅次于調整海上戰略威懾力量的第二大發展重點。目前的ISR平臺開發正在將重點從人力密集型部隊轉向自動化能力，以在有爭議的環境中擊敗同行的對手。AI/ML的使用將導致收集的數據處理和利用的速度呈指數級增長，大大增強作戰指揮官的態勢感知，并減少從檢測到對手到使用武器的時間。對收集到的數據進行網絡化、自動化的利用，將是分布式作戰的一個重要推動因素。

7 辯證

網絡化通信和AI/ML的發展必然會導致無人平臺的有效使用，這有三個原因。第一，作戰藝術取決于對作戰環境、敵方和友方部隊以及作戰目標的深入分析和理解。無論提供何種工具，這種理解和部隊的有效使用將始終取決于一個有能力的作戰指揮官。作為一種ISR資產，無人平臺將依賴于指揮官和情報人員的明確行動任務。第二，目前人工智能/ML工具在情報分析中的狀態是有希望的，但離開始復制人類分析的能力可能還有很長的路要走。人工智能/ML工具只能復制人類思維和行動所形成的模式，而且幾乎可以肯定的是，無論開發何種算法，都會錯過與作戰藝術相關的新趨勢和異常數據。海軍在培訓和保留AI/ML專業知識方面也面臨挑戰。第三，大型UV目前正處于迭代實驗階段，在設計平臺能力的同時，現在就需要制定作戰概念。等到無人平臺達到最終的生產狀態，再為這些新的收集資產制定ISR CONOPs，將使海軍情報專家無法在開發過程中告知滿足作戰意圖所需的傳感器和能力。

8 結論

美國海軍情報界需要充分投資于大型無人平臺的發展，特別是發展將這些平臺用于ISR角色所需的能力和概念。海軍在將無人平臺納入ISR過程中的經驗將為利用無人水面和海底艦艇提供參考，但不能直接轉化為利用無人平臺。在通信惡化或被拒絕的環境中運行的無人平臺可能需要大量的岸邊基礎設施來處理和利用收集的數據，對這種基礎設施和人力的投資應該與平臺的開發同時進行。從無人平臺收集的數據可能需要大量的時間來處理和利用，減少了它們在指示和警告（I&W）任務中的作用，并可能引導最佳傳感器套件來支持作戰環境的收集。由于在處理和利用收集的數據方面的挑戰，無人平臺不會取代現有的載人飛機、水面和水下航行器以及國家高空收集的ISR功能，但如果開發和使用正確的能力和作戰概念組合，無人平臺可能會成為發展指揮官態勢感知的有力工具。

大國競爭中快速變化的技術和近乎同等的對手正在極大地改變未來的戰場，人工智能和自主系統正在成為小單位機動的主要組成部分。超能力作戰員系統（HEO）旨在讓作戰（操作）員與自主系統對接，而不增加用戶的認知負荷，以實現成功的人機互動，提高作戰員的生存能力和殺傷力。然而，為了使HEO獲得成功，所有的技術組件都必須凝聚在一個強大的人機交互（HMI）周圍，并且傳感器、武器、計算和無線電系統的架構是為實際使用情況下的人類作戰員設計的。這個頂點項目的目標是強調以 HMI 為中心的設計作為 HEO 系統關鍵支柱的重要性，并警告不要在未徹底考慮作戰員在實際作戰中如何使用技術的情況下實施技術。過分關注開發HEO技術而不充分注意最終用戶如何采用這種創新技術，會造成技術能力和人的能力的差距，從而導致用戶的認知過載，浪費開發和采購資源。

I. 未來的戰場

作戰員在未來戰場上的角色將與今天有很大的不同。快速變化的、強大的技術意味著更多的無人系統在作戰員的控制下將是第一個突破口，而傳感器將把無線電通訊轉化為三維音頻耳機饋送，以提供精確的位置數據。大國競爭中的近鄰對手也將擁有類似的技術和有效利用它們的訓練。美國的軍事優勢將依賴于其在理論和組織上將人工智能和自動化系統技術整合到更廣泛的常規部隊和盟軍中，并跨越多個領域，以利用龐大的信息收集網絡。為了防止認知過載給最終用戶帶來負擔，軍隊必須確保數據是可理解的，可見的，最重要的是以可靠和直觀的人機交互（HMI）連接。采用與人工智能和自主系統的早期整合，定制用戶界面設計，并進行適當的培訓，將建立操作者對系統提供的信息的顯著性的信任。

A. 超能力的作戰員

超能力作戰員（HEO）系統旨在讓作戰員與自主系統對接，而不增加用戶的認知負荷，以實現成功的人機互動，提高作戰員的生存能力和殺傷力。HEO的目標是確保在正確的時間向正確的人提供正確的信息，以確保他們能更有效地工作。 HEO的概念是從現已停止的戰術突擊輕型作戰套裝（TALOS）項目演變而來的--這是一種動力裝甲外骨骼套裝，它為作戰員提供了增強現實的態勢感知。HEO放棄了外骨骼的概念，而是整合了強大的傳感、處理和增強現實技術，使作戰員在從反恐到機動行動的一系列任務類型中獲得能力。

B. 項目目標

本項目的目標是強調以人機交互為中心的設計的重要性，作為HEO系統的關鍵支柱，并確保組織變革允許作戰員接受適當的培訓，以建立對人工智能（AI）和無人自主系統（UAS）的信任和熟練程度。為了使超能力作戰員的概念獲得成功，所有的技術組件必須凝聚在一個強大的人機交互（HMI）架構上，該架構將所有的傳感器輸入、武器和無線電系統與無縫計算聯系起來，為人類作戰員提供最大的態勢感知，同時減少他們的認知過載。此外，通過性能和神經生理學數據識別認知過載，以提高作戰員的認知優勢，然后單獨調整訓練，是創造組織變化的開始，這將優化個人對戰場的影響。

C. 問題陳述

高空作業系統的設計沒有適當考慮人類的認知局限性和優化人類任務和決策能力的最佳設計特征。這就造成了技術能力和人類能力的差距，會導致用戶的認知過載，浪費開發和采購資源。本報告旨在填補這一空白，重點關注人工智能用于小單位機動（AISUM）的獨特需求和采用創新的挑戰。

D. 研究領域

本報告通過六個關鍵的視角來研究以人機交互為中心的設計的重要性：

• 定義HEO的主要元素

• AISUM的具體需求

• 神經科學中認知負荷的性質

• 良好的用戶體驗和用戶交互（UX/UI）的關鍵因素

• 通過社會技術系統（STS）對人類行為和互動的分析

• 創新采用的挑戰和機遇

圖1. 項目可視化

E. 主要結論

HEO通過整合傳感技術、算法和處理技術、通信技術和系統級技術，利用HMI為作戰員提供可操作的智能和精確的信息。這些技術要求反過來又推動了使能技術--應用創新，促進用戶能力的快速和徹底改變。

隨著AI SUM進行更強大的任務，人類控制機器的能力必須越來越依賴于強大的自主性和人工智能來減少認知負擔和操作機器所需的團隊規模。

通過對人工智能自動化系統進行適當的培訓來管理認知負荷，將有助于作戰員獲得對其系統的信任。此外，在培訓中應使用認知測量工具，以確定并糾正個人認知負荷過重的情況。對每一種特定情況的培訓應根據在這種先進的教學方法中發現的作戰員的優勢和劣勢進行個性化。例如，提供給作戰員的數據的重要性可以通過聽覺、視覺、觸覺和動覺的方法進行調整，以防止個人的認知負擔過重。最后，通過基于個人認知評估的定制系統來改進人機界面設計，將有助于每個人感知和接受符合其先天優勢和劣勢的信息。

用戶體驗/用戶界面設計是人機團隊中的一個重要的關鍵；繁瑣的用戶界面將作戰員從戰場上移開，同時降低了無人機群的效用。為了提高創新的采用率，用戶界面/用戶體驗必須在整個開發過程中得到突出和強調。

社會技術系統思維發現，有效的工作和工作流程是那些通過平衡作戰員的內在需求和操作對技術效率的需求來考慮這種技術和人類需求的互動。

創新的采用涉及到個人和集體層面的獨立變量，包括組織中領導者的特點、內部結構的特點和組織的外部特點。美國防部的任務和系統的規模和復雜性給決策帶來了摩擦和延遲，增加了所需的協調、規則、條例和其他機制的額外層次，這些機制本身就阻礙了創新的步伐。

F. 結論和建議

• USSOCOM的HEO概念和NSW的AISUM必須優化用戶體驗/用戶界面，以減輕認知和信息過載。

• 這不僅需要開發技術來完成，還需要確保SOCOM及其下屬司令部實施正確的創新采用和社會技術方法，以成功實現HEO的概念。

• 在主要武器系統項目中不考慮人類用戶，會導致影響作戰員生存能力的嚴重問題，更不用說不必要的重新設計、延遲和額外的財務成本。

• 特種作戰部隊社區必須優先考慮使用人工智能和自動化系統的早期培訓，以建立作戰員對所提供信息的重要性的信任，這樣作戰員就可以減少監控無人系統所需的認知努力。

• 軍方應投資于神經生理學測量設備，該設備可在動態的全任務簡介（FMP）場景中識別和量化實時認知過載，以減輕認知過載對戰斗中作戰員的不利影響。

• 重新關注保護部隊和家庭（POTFF），強調可穿戴技術對實現個人神經健康--或認知、情感和身體健康的平衡的重要性。隨著軍隊中保護部隊和家庭倡議的繼續，利用新興可穿戴設備收集的數據進行持續的身體和心理健康監測應該被投入，成為個人健康和神經健康的日常組成部分。

《美國陸軍多域作戰2028》（MDO 2028）是陸軍的未來作戰概念。該文件說明了陸軍需要如何適應和發展以在未來作戰中保持競爭性軍事優勢。該概念的關鍵組成部分是多域作戰的原則--校準部隊結構、多域編隊和融合--這使得敵人的反介入和區域拒止系統能夠被瓦解，并使軍隊能夠利用短暫的優勢窗口。這是一個取決于在時間、空間和目的上持續同步能力的概念，以實現跨領域的協同作用，并創造一個可利用的優勢窗口。聯合部隊目前通過"域聯合解決方案的階段性同步"來實施能力融合，這并不支持在針對未來同行威脅的競爭和利用的重復循環中快速和持續地整合多個領域的能力。因此，關鍵是要考慮什么能力可以讓軍事領導人克服這些技術和人類認知的局限性。一個可能的解決方案是將人工智能融入作戰管理過程。

本專著重點說明了將人工智能融入作戰管理過程以促進多域作戰融合的必要性。通過分析多域作戰的融合差距、人工智能的發展以及當前的指揮和控制系統，該研究旨在說明多域作戰中能力持續融合的復雜性迅速超過了人類的認知能力。此外，由于美國的對手正在大量投資于人工智能和自主性，將人工智能融合到作戰管理過程中的問題不是在戰場上取得優勢的問題。相反，問題在于如何擁有競爭性臨時可利用的優勢窗口的能力。

介紹

簡而言之，速度在兩個不同的方面很重要。首先，自主性可以提高決策速度，使美國能夠在對手的行動周期內采取有效措施。其次，如果美國要維持軍事優勢，作戰能力向自主性的持續快速轉變至關重要。— DSB 自主性報告，2016 年

《美國陸軍多域作戰2028》（MDO 2028）是陸軍的未來作戰概念。這份文件說明了陸軍預計它需要如何適應和發展，以在未來的作戰中保持競爭性軍事優勢。該概念的關鍵組成部分是多域作戰的原則——經過校準的部隊結構、多域編隊和融合——這使得敵方反介入和區域拒止 (A2AD) 系統能夠被瓦解，并允許軍隊利用短暫的優勢窗口。這一概念取決于指揮官在時間、空間和目的上不斷同步的能力，以實現跨域協同并創造可利用的優勢處境。

目前，聯合部隊正在通過“域聯合解決方案的階段性同步”來融合能力，這一過程不支持在針對未來對等威脅的競爭和利用的循環中快速和持續地整合多個領域的能力。軍方領導人承認這一缺點和任務的復雜性，因此引入了需要開發新的軍事技術來填補關鍵空白的融合考慮。基于這些差距，未來的指揮和控制系統需要為所有梯隊的指揮官提供戰斗空間內所有聯合單位的完整共同作戰圖，并有能力快速傳輸偵察和目標數據，以通過動能和非動能手段攻擊擬議的目標。

然而，敵人在自主性和人工智能 (AI) 方面的發展極大地壓縮了時間窗口。由于時間窗口短，協調融合工作的任務很快超出了人類的能力。其他因素，例如彈藥優化和能力重置時間的需要，進一步增加了任務的復雜性。因此，至關重要的是要考慮軍事領導人需要具備哪些能力來克服這些技術和人類認知限制。一種可能的解決方案是將人工智能集成到作戰管理過程中。因此，多域作戰融合所帶來的挑戰提出了一個關鍵問題：美國陸軍是否需要一個人工智能引導的作戰管理系統，以便在多域作戰中成功地融合能力，對抗一個有能力使用自主和人工智能引導能力的同行競爭對手？

多域作戰之路

我們尋求獲得優勢的方式是在決定性的空間優化所有領域，以影響滲透。— 美國陸軍能力整合中心主任埃里克-韋斯利中尉

武裝競爭的一種現象是技術創新的武器化。從軍事角度來看，這是一個關鍵的進步，可以讓一個國家的戰斗力量在戰場上保持競爭優勢。為了推動能力發展，軍方領導人引入了未來的作戰概念。這些概念是預測軍隊需要如何訓練、裝備和組織自身以競爭和戰勝新興威脅的文件。目前，美國陸軍正在進行重大改革。此次重組將使軍隊轉向大規模作戰行動，并調整部隊以滿足國家安全戰略 (NSS)、嵌套式國防戰略 (NDS) 和國家軍事戰略 (NMS) 中概述的需求。這種變化代表了軍隊的范式轉變。在將近兩個十年的時間里，這主要集中在平叛上。對于美國陸軍來說，這項工作驗證了歷史不會重演，但卻是會押韻的格言。主要是因為當前未來作戰概念“MDO 2028”的引入促使轉型讓人想起過去的重組周期。一個相關的例子是 20世紀80年代中期引入空地一體戰學說引發的重組。

空地之戰是美國陸軍在冷戰高峰期對俄羅斯威脅的回應。它于 1986 年出版，提出了一個依賴于陸地和空中能力有效同步的作戰框架。在技術進步的推動下，復雜性不斷增加，導致 "事件的節奏加快"，這是基本的前提。該文件的一個關鍵組成部分是引入了反映戰爭不斷發展的新術語。其中一個新術語是綜合戰斗——集中使用所有能力來擊敗敵人——它依賴于獲得和保持態勢感知的能力。基于對新興技術可以在戰場上提供優勢的認識，空地戰指導正在迅速發展的計算機技術集成。1986年美國防部向國會提交的年度報告中提出了所需的創新努力。聯合戰術融合計劃 (JTFP) 和聯合監視和目標獲取系統 (JSTAS) 是隨后出現的系統。這兩個系統都旨在為指揮官提供從各種來源收集信息并指導采用聯合動力努力追擊地面目標的能力。開發這些系統的必要性表明了兩個事實。首先，這些系統顯示了技術和戰爭之間的整體關系。第二，這些系統強調了軍事領導人承認，從現在開始，在戰場上有效同步軍事能力所需的速度和復雜性超過了人類的認知能力。目前的多域作戰概念將這一認識帶到了未來。

認識到美軍的競爭優勢正在減弱，麥克馬斯特中將（退役）和當時的國防部副部長羅伯特-O-沃克呼吁開發空地戰2.0。時任訓練與條令司令部司令的大衛-G-帕金斯將軍（退役）響應號召，推出了多域作戰。然而，在2016年美國陸軍年會和博覽會期間，帕金斯將軍（退役）指出，這個概念不是對空地戰或全譜作戰的改造，而是描述了一種革命性的戰爭方法。多域作戰被稱為革命性的一個關鍵原因是，它要求軍事力量的運作方式發生轉變。新的作戰方式的基本驅動力是科學和技術的快速發展，以及需要在競爭、失敗、利用和再競爭的連續循環中與所有領域的同行威脅進行競爭。

在中國和俄羅斯等大國競爭的推動下，2017 年的美國國家安全戰略 (NSS)指示軍隊需要擁有同時在多個領域與競爭對手競爭的能力。要建立跨域對抗敵人的能力，需要發展“新的作戰概念和能力，以在不保證在空中、海上、陸地、太空和網絡空間領域的主導地位的情況下取得勝利”。來自聯合推動者的可靠和及時的跨領域支持是成功競爭的關鍵要求和隱含任務。由此產生的域相互依賴意味著“一個域中缺乏訪問可能會在一個或多個域中產生級聯效應”。因此，美國空軍多域作戰戰略計劃助理教授賈里德·唐納利博士預測，未來的戰爭將在一個快速而復雜的多域連續體中進行，不依賴于一系列作戰條件的連續設置但需要跨多個域的能力永久同步。因此，了解不同域中存在的能力以及如何利用每種能力來獲得暫時的優勢是多域作戰成功的基礎。

在 NSS 和 NDS 的指導下，美國訓練和條令司令部 (TRADOC) 于 2018 年初推出了 TRADOC 手冊 525-3-1，即“美國陸軍多域作戰2028”。這是一個概念，作為前 TRADOC 總司令Stephen J. Townsend 強調，承認敵人有能力在多層次的對峙中提出挑戰并與美軍抗衡，其目的是“在時間、空間和功能上將美軍和其盟友分開，以擊敗我們。”

該概念提出戰爭演變的一個原因是，它將多個領域的能力互動形象化，這超越了在不同領域內的機動性或擁有實現跨領域效果的能力。相反，這個概念承認，技術進步改變了領域之間的相互關系和跨領域連接的速度。MDO 2028將這些變化納入了該概念的多域作戰原則--校準的部隊結構、多域編隊和融合--這使得敵方的反介入和反侵略系統被瓦解，并使軍事力量能夠創造短暫的優勢窗口。它們結合在一起，為指揮官在時間、空間和目的上匯聚能力創造了條件，以實現跨領域的協同，并創造一個可利用的優勢地位。此外，多域融合是一個可以通過整合人工智能引導系統來優化和加速的過程。

戰場上的人工智能

我們必須習慣這樣一個激進的想法，即我們人類將只是智能生物之一。— Alexander Kott，美國陸軍研究實驗室網絡科學部主管

人工智能是技術系統執行此前需要人類智能才能執行的任務的能力。這些任務包括觀察和識別模式、通過觀察學習、預測事件或采取行動的能力。中國是美國的主要競爭對手之一，認識到人工智能可以使戰場對稱性向他們的優勢傾斜。中國在人工智能引導軍事能力（包括自主武器系統）發展方面的大量投資證明了此觀點。為了在武裝沖突中保持相對優勢地位，美國需要發展將人工智能與決策過程聯系起來的反擊能力。當前的美國人工智能計劃主要集中在模式識別上，由于計算能力的快速增長，模式識別可以分析越來越多的數據以創建信息。

多域作戰是需要收集和分析大量數據以觀察和評估作戰環境發展。目前人工智能在軍事上的應用主要集中在后勤運輸和數據分析的支持上。然而，聯合人工智能中心和白宮人工智能特別委員會的成立，都標志著人工智能將擴展到國防部的其他領域。例如，美國陸軍未來司令部目前正在開展多項計劃，分析人工智能如何提高指揮官獲得態勢感知和做出明智決策的能力。一個重點領域是發展能力，以提高美軍同步效果和減輕日常認知任務的速度。強調開發人員和潛在的最終用戶之間的迭代合作，為該部門開發人工智能指導系統創造了條件，該系統可以 "產生并幫助指揮官探索新的選擇"，并使他們能夠專注于選擇有利的作戰方案，使部隊和任務的風險最小化。

關于將人工智能納入作戰管理過程，關鍵是要區分將人類置于環中或環上的系統。根據機器人和自主系統的聯合概念，自主的定義是 "自動化的范圍，其中獨立決策可以為特定的任務、風險水平和人機合作的程度量身定做"。范圍本身包含了不同程度的自主性。在由TRADOC和佐治亞理工學院主辦的2017年瘋狂科學家會議上，專家們介紹了三種程度的自主性--完全自主、受監督的自主和自主基線。 一個完全自主的系統獨立于人類的實時干預，在人類不參與的情況下運行。在有監督的自主系統中，人類保持著實時干預和影響決策的能力，因此仍然處于循環之中。自主基線是目前各種現有系統中存在的自主性。在軍事應用中，這種自主性存在于人類監督的武器中，如愛國者和宙斯盾導彈系統，或AH-64D阿帕奇攻擊直升機長弓火控雷達，它獨立地 "搜索、探測、定位、分類和優先處理陸地、空中和水中的多個移動和靜止目標。"

Mitre公司的Richard Potember將機器學習視為 "人工智能的基礎"，其重點是系統在無監督下學習的能力，并創建深度神經網絡，以支持決策和機器人應用。自主性和人工智能的整合是一個過程，不經意間將導致 "我們以前電氣化的一切，現在將'認知化'"。 支持將人工智能引導的作戰管理系統納入多域作戰的一個關鍵技術發展趨勢是，自主性和學習逐漸從感知轉向決策。這樣一來，人工智能可以減輕多域作戰中固有的復雜性。一個固有的復雜性是整合能力和做出跨越多個領域的決策能力，不是在幾分鐘或幾小時內，而是幾秒鐘內，如果需要的話。因此，將人工智能整合到決策和同步過程中，平衡有利于美國的觀察-定向-決定-行動周期。

在戰略層面，人工智能引導的系統可以影響推動不同領域的升級和降級的決策。在作戰層面，通用人工智能可以建立態勢感知和同步效果。為了支持多個領域的能力融合，人工智能 "處理來自在多個領域運作的各種平臺的大量信息 "，直接促進了MDO戰爭的兩個基本方面：速度和范圍。人工智能支持比敵人更快、更遠的打擊能力。這種能力能夠實時分析動態戰場，為快速打擊創造條件，將美國“友軍”的風險降到最低。美國國防科學委員會2016年的一項研究，提出人工智能系統能夠在一個動能瞄準周期內整合多種作戰管理、指揮與控制、通信和情報能力的觀點。此外，委員會評估說，這些人工智能引導的系統的累積效應可以在整個多域融合周期內改變戰斗的運行和戰略動態。

多域融合

AI 即將上戰場，這不是是否會出現的問題，而是何時和誰的問題。— 美國陸軍未來司令部司令約翰·默里將軍

在武裝沖突中，美國的競爭對手旨在整合他們的A2AD系統以建立分層對峙區。其目的是剝奪美軍聯合部隊在時間和空間上同步作戰的能力。俄羅斯的S-400 Triumf是美國部隊在大規模戰斗中可能面臨的系統代表。S-400是一種移動式地對空導彈系統，擁有對付從無人機到終端彈道導彈的各種武器系統的能力。該雷達可在600公里范圍內跟蹤目標，并具有100公里的交戰范圍。該系統提供的關鍵技術進步之一是傳感器到操作手的全自動循環，使該系統能夠同時跟蹤和打擊多達80個目標。這是支持MDO 2028假設的一個例子，即美軍在大規模對抗同行威脅的敵對行動開始時，不能假設自己在任何領域擁有優勢。為了在競爭、滲透、分解和利用的連續循環中攻破敵人的防御系統，美國陸軍的多域作戰框架引入了多域作戰的三個原則--校準的部隊態勢、多域編隊和融合。

校準的部隊態勢是指能夠迅速適應和改變作戰環境的部隊和能力組合。其目的是找出潛在的弱點或在戰場上創造不對稱性，以建立一個可利用的局部優勢窗口。前方存在的部隊支持在整個軍事行動范圍內快速升級，以滲透和瓦解敵人的系統。這些部隊被安排具有任務指揮、火力、情報收集、維持、信息活動和特種作戰能力。遠征部隊具有在需要時進行聯合強行進入行動的能力，并為后續部隊創造了條件。這些部隊通過空中和海上部署，可在幾天或幾周內完成。

多域編隊的重點是使較低的梯隊能夠對近距離的威脅進行進攻和防御行動。支持多域編隊的三種能力是進行獨立機動的能力、采用跨域火力的能力和最大限度地發揮人的潛力。為了支持在有爭議的領域內達到軍事目的，MDO 2028認識到軍團、師和旅梯隊的單位需要獨立行動，不受上級總部資源優先級的限制。因此，他們需要擁有有機的后勤、機動、火力、醫療和通信網絡，使部隊能夠在預先確定的時間內獨立作戰。作戰概念目前的框架要求這些梯隊 "在通信線路高度競爭的情況下，仍能維持數天的進攻行動。"維持進攻的能力是由指揮官采用跨域火力的能力來驅動的。

跨域火力是指在暫時脫離上級總部火力支援的情況下，對火力能力進行整合，并具有冗余性。這個過程包括直接和間接火力單位、保護能力和電子戰裝置，以及 "多光譜融合彈藥，以及網絡空間、空間和信息相關能力"。為了加強在復雜和快速發展的多域作戰環境中的決策過程，需要開發 "由人工智能和高速數據處理支持的人機交互"。 校準部隊態勢和創建多域編隊都是為了實現本文所認為的多域作戰的一個關鍵組成部分--融合。

MDO 2028將融合定義為 "在所有領域、電磁頻譜和信息環境中快速和持續地整合能力，通過跨領域的協同作用，優化效果以超越敵人"。盡管它可能看起來像目前聯合能力的整合和同步延伸，但這個概念與目前應用的聯合能力有很大不同。這主要是因為它不是在時間和空間上按順序消除沖突的過程，而是由目標周期和任務分配命令指導和限制。相反，它是在窗口期中對所有領域的效果進行持續的同步化，在空間和時間上都有很大差異。要在一個同行競爭的環境中競爭，需要有能力通過跨域的協同作用創造暫時的領域超越。這種協同作用集中在決定性的空間。決定性空間是時間和空間上的一個物理的、虛擬的和認知的位置，它使美國部隊能夠獲得一個可利用的明顯優勢位置。此外，由于軍事單位期望同時對抗多種威脅，多域融合要求在所有領域的競爭連續體中同時進行系統分解和中立化。

快速指揮和控制為指揮官通過跨域協同和分層選擇，實現融合創造了條件。因此，軍事指揮官在任何特定時間點擁有對戰斗空間內運作的所有聯合力量的整體態勢感知是融合的一個關鍵組成部分。MDO 2028確定了兩項要求，即必須開發技術先進的指揮和控制系統并將其整合到多域編隊中以促進這一進程。第一個是需要 "每個梯隊的指揮官和參謀人員都能得到所有領域的戰斗可視化呈現并且指揮"，并迅速調整能力以實現融合。第二是有能力迅速協調聯合能力的匯合，以對付敵人的特定弱點。

指揮官在目的和時間上實現融合能力的關鍵是五個融合要素的同步化--準備時間、計劃和執行時間、持續時間、重置時間和周期時間。對這些要素的考慮使指揮官能夠計算出從啟動開始達到效果所需的時間，以及為新一輪的重新競爭重置能力所需的時間。在這個框架內收斂多種能力的過程因不同的能力使用率而進一步復雜化。雖然周期率提出了一個無限的使用序列，但使用率代表了一個與 "彈藥和消耗性虛擬武器 "相聯系的不斷減少的單位。 由于后勤是有爭議的，可預測的補給沒有保證，指揮官在多域融合中面臨著額外的挑戰。這個挑戰就是優化現有彈藥的使用，并使彈藥的使用與聯合能力的協調相一致。

目前可用彈藥的數量限制和無法建立庫存可能會導致未來大規模作戰行動中后勤儲備嚴重不足。為了延長軍隊的續航能力，特別是在跨越軍事爭端地區的交通線作戰時，需要對各種系統的武器狀況進行持續評估。在動能范圍內對所有聯合平臺進行 "優化和排序射擊 "變得至關重要。這種優化和排序過程，同樣迅速超過了人類決策者的認知能力，并提出了一個技術作戰管理系統的缺陷，該缺陷會對聯合能力的有效融合產生不利影響。

美國陸軍在多域戰斗空間中實現作戰敏捷性的核心是能夠從不斷增長的綜合數據集中創造理解，同時保持 "卓越的決策速度"。戰場上永遠存在著未知情況和沖突，但減少觀察環境變化和相應調整部隊方向所需的時間，可以提高決策和行動速度。提高對聯合部隊在各個領域內的所處位置的認識，相對于敵人和他們的作戰和戰術計劃，對于加速較低層次的機動是必要的。此外，短暫的機會窗口要求未來的作戰管理系統迅速將傳感器與射手相匹配。

在美國陸軍的現代化框架內，新興技術需要為兩個關鍵的技術和組織上的不足提供一個解決方案。首先是保持對作戰區域內所有聯合軍事單位完全態勢感知的能力。第二是迅速建立從傳感器到射手的冗余回路能力，其中包括所有可用的聯合單位并考慮到能力的不同再生周期。這是一項任務，根據需要處理的數據量，當聯合軍事單位在有爭議的戰場上競爭時，需要持續同步，這很快就會超過人類的認知能力。將人工智能融入作戰管理過程可以減輕這種人類的局限性。

當前的作戰管理系統

我們的投資重點之一是網絡，這并非巧合……因此我們有能力將這種目標快速傳達給另一個領域。— 美國陸軍未來司令部司令約翰·默里將軍

實現多域融合的最關鍵步驟之一是開發聯合指揮和控制（C2）系統，將整個戰斗空間的能力縱向和橫向聯系起來。2017年，SYSTEMATIC公司獲得了設計美國陸軍新型作戰管理系統 SitaWare 的合同。美國陸軍戰術任務指揮部負責人 Shane Taylor 中校稱該系統是“一種開箱即用的解決方案，用于跨梯隊同步任務指揮數據，這為陸軍遷移到通用架構的目標提供了一個跨越式發展的機會。”該系統提供的一些進步包括簡化指揮所 C2、改進與聯合和聯盟伙伴的互操作性以及標準作戰功能融合框架。該系統的另一個關鍵功能是能夠快速擴展大量數據并以提高指揮官態勢感知的方式呈現。

在美國陸軍的作戰環境中，SitaWare 是一個指揮后計算環境組件，有望消除信息和情報孤島，并可集成為通用作戰平臺。 SYSTEMATIC公司承認未來的作戰需要情報、后勤和作戰系統的快速同步。因此，當前系統旨在分析大型數據集并在直觀的用戶界面上顯示相關信息。因此，它可以實時建立指揮官的態勢感知并提高他們的決策速度。此外，系統軟件符合各種民用和軍用互操作性標準，這使得系統更容易與其他聯合和聯盟平臺連接。

為了在各梯隊之間嵌套系統，SitaWare的用戶界面應用程序和顯示器可根據操作環境的要求進行定制。縱向信息共享確保所有梯隊之間共享共同數據。為了提供戰術層面上的態勢理解，該系統具有對輕型、輪式和裝甲編隊的美國“友軍”跟蹤能力。該系統的另一個關鍵特征是綜合指揮層。這一功能使指揮官能夠根據作戰環境的變化，迅速傳播對原始命令的更新和修改。然而，SitaWare的設計并不是為了指導效果。因此，它不能充分加快傳感器到射手的周期，不能提高指揮官在有爭議的環境中有效地匯聚聯合能力，以對抗擁有自主和人工智能支持的武器平臺的同行威脅。

在解決未來多域作戰要求的另一項努力中，美國陸軍啟動了一個內部項目，旨在 "增加物理目標、數據收集、數據分析和自主決策在戰場物聯網中的整合。"該項目專門用于填補美國陸軍領導人評估的商業生產技術沒有充分解決的差距。弗吉尼亞理工大學的專家預測，項目的主要挑戰之一是 "處理許多復雜的變量 "的能力，這影響了結合從博弈論到分布式學習等方面的能力。這些挑戰由于以下事實而被放大：美國陸軍目前的技術開發工作側重于能力的實戰化，很少考慮整合軟件和硬件，使這些系統能夠與各種聯合能力溝通。

該項目的重點是將人工智能引導的系統置于回路中，為指揮官提供在戰斗空間的各種傳感器平臺上收集的大量數據的綜合分析。通過收集相關傳感器系統的數據，分析敵人的能力分布，并將其與可用的美國“友軍”武器系統進行比較，該系統提供關于如何最有效地實現效果的建議。為了使這一過程有效運作，指揮官必須放棄相當程度的控制權，因為他們允許系統 "為如何發動戰爭選擇最合適的戰略"。盡管有這種擔憂，陸軍下一代戰車跨功能小組的副主任凱文-麥凱納里承認，人工智能在多域作戰中是必不可少的，因為它提供了可將目前九十六小時的師級目標定位周期 "減少到九十六秒 "的能力。總的來說，"四分衛項目 "是幫助指揮官 "準確了解戰場上的情況，然后根據可用的和其他因素選擇最合適的戰略。"該倡議是能夠在時間有限的決策空間中有效地融合能力邁出的重要一步，因為它將人工智能的作用提升到數據可視化工具之外，使其成為戰斗戰略工具。

對人工智能在作戰管理過程中的可靠性的擔憂可以通過云架構和深度學習系統的快速發展來緩解。與人類互動類似，在人工智能和自主系統發動的戰爭中建立信任需要時間。中校Wisham，"四分衛"項目的負責人之一，指出這需要一個深思熟慮的策略來證明系統是可靠和有效的，由于很難或不可能追蹤到神經網絡的決策路徑，這就很復雜。 然而，Nvidia公司的機器人研究員Dieter Fox預測，這是一個有解決方案的問題，因為研究人員繼續開發分析神經網絡和機器學習過程的新程序，在未來可以解決這一問題。要分析網絡和學習過程是人工智能的一個關鍵方面，因為它允許開發人員在一個設定的決策框架內約束自主學習系統。另一個認識到發展人工智能啟用能力重要性的部門是美國空軍。

由于確定需要開發多域 C2 系統，美國空軍打算用“衛星、有人機和無人機上不同傳感器的全新網絡”取代其傳統的聯合監視目標攻擊雷達系統。這種新能力的名稱是先進作戰管理系統（ABMS）。盡管項目當前的重點是連接美國空軍單位，但其最終目標是開發“未來作戰的數字神經系統”。美國空軍準將、美國空軍聯合部隊整合總監戴維·熊城（David Kumashiro）表明，他們的方法集中在這樣一種觀念上，即如果“你不遵循開放系統架構的標準，你就會發現自己在場邊，與戰斗無關。” ABMS結構建立在現有的基于云的目標定位助手之上，旨在有效跟蹤目標和飛機。通過擴展這一概念，美國空軍規劃人員希望專注于網絡機器對機器的交互。該項目的指導思想是開發可以“像樂高積木一樣拼在一起”的系統，以快速輕松地連接聯合能力。

總體而言，將人工智能整合到作戰管理過程中的需求是由一種認識驅動的，即在作戰領域將美國軍事部門聯系起來對于保持競爭性軍事優勢是必要的。如果不走人工智能整合的道路，就有可能對美軍在未來的戰斗中擊敗近似競爭對手的能力產生不利影響。以下兩個場景說明了在軍團和師級的多域作戰中，人工智能引導的作戰管理系統如何影響戰場上的動態。

方法

長期規劃使軍方能夠集中研究和開發工作，并指導人員配備、訓練和裝備決策。這個過程的核心是制定評估發展中威脅的概念。 MDO 2028 是一個包含假設和預測以推動軍事戰略的文件示例。聯合出版物 5-0“聯合規劃”，將假設定義為“關于當前態勢或事件未來進程的假設，在缺乏事實的情況下假設被認為是真實”，這對于推進規劃過程至關重要。為了提供一個將軍事能力和需求與預期的未來作戰環境聯系起來的背景框架，軍事規劃人員創建情境以增加理解。這一過程使各級軍事領導人能夠“接觸可能的未知情況，并且吸收理解它”，并提出解決方案。因此，情景模擬是作為創建承認技術發展可行框架的一種方式。然而，重要的是不要將情景與具體預測混為一談，而應將其視為擴展可能性領域并根據預期的技術發展識別未來機會的工具。此外，重要的是要認識到情景構建的一個潛在因素是不確定性。為了展現不確定性和復雜性，同時保持情景“介于預測和推測之間”，需要整合歷史和當前信息，識別行為模式，以及“構建 關于未來的連貫敘事。”其他重要的考慮因素是場景需要與可信的現實生活條件保持一致。

布加勒斯特國防大學國防與安全研究中心的研究員 Marius Potirnich 創建了特定軍事情景分類。他提出的兩個類別是戰略情景和演習情景。戰略情景是出現最廣泛的類別，考慮了在整個軍事行動中可能發生和使用的軍事事件和能力。演習場景嵌套在戰略場景框架內，并進一步細分為真實和虛構。真實場景使用現有軍事能力，在現有作戰環境的約束下，分析現實世界任務集中的情況。虛構環境評估軍事能力的現狀以及預期的未來能力，并將它們置于基于已發布的軍事行動概念和現代化框架的預期威脅環境中進行預測。

本專著介紹了兩個虛構的場景，以說明在未來的多域作戰中集成人工智能引導作戰管理系統的潛在影響。所有場景都基于與對手（如中國）發生沖突的環境。第一個場景以軍梯隊為背景，重點關注空中和海上動能打擊的融合，以及“支持軍區機動計劃或代表下屬梯隊”的網絡空間活動。第二個場景設置在師梯隊，側重于聯合能力的融合和需要分析和傳播的“大量情報的定制”。對手的A2AD和軍事創新努力以及美國陸軍的 MDO 2028 和當前的現代化舉措被用作背景情景。場景是嵌套的，最后評估了美國陸軍是否能將人工智能納入其作戰管理流程，以便在當前的MDO 2028現代化框架下有效地融合多域作戰能力，以及如果該部門不能這樣做的潛在風險。

范圍和限制

這本專著的框架是美國陸軍的多域作戰概念。重點不是討論人工智能在戰場上的法律和道德以及考慮人工智能產生在兩個方面產生的后果。相反，它旨在評估人工智能如何幫助在日益復雜的作戰環境中實現多域元素的融合。由于人工智能領域的快速變化和發展，評估是在概念層面進行的，沒有深入探討人工智能在戰爭戰術和作戰層面的廣闊應用前景。對算法是否可以指導能力融合的評估是基于當前的發展，以及機器學習、量子計算和自主機器對機器組合領域的預期進行的。該專著所介紹的和用作基礎的所有信息都完全來自于已被批準公開發布的渠道。因此，有可能存在與本專著的假設相矛盾的機密文件。

戰略框架（情景一和情景二）

在2035年。根據“一個中國”的政策，中國軍隊已經開始收復臺灣，并開始阻止美國海軍進入中國南海。為了捍衛自己的利益，中國軍隊的導彈防御力量處于高度戒備狀態。綜合性的反介入和反侵略網絡得到了中遠程導彈、各種反飛行器和防空武器以及各種中遠程情報收集和監視能力的支持。中國的《新一代人工智能發展規劃》在過去15年中指導了軍事技術的發展。在 2017 年的介紹中，中國領導層宣稱“人工智能已成為國際競爭的新焦點。人工智能是一項引領未來的戰略技術； ……發展人工智能作為增強國家競爭力和保護國家安全的重大戰略。”因此，中國每年投資超過 150 億美元用于“智能技術”的發展，重點是人工智能引導的自主能力。中國的人工智能整合上付出不僅僅在軍用機器人領域，還包括自主軍事決策。基于人工智能在推理、作戰指揮和決策的潛力，中國領先的國防公司負責人，認為“在未來的智能戰爭中，人工智能系統將就像人類的大腦一樣”。因此，美國軍方面對的是一支具有在機器對機器團隊的前沿運作能力的中國部隊。

自主偵察無人機、攻擊機和導彈發射器整合到一個由人工智能引導的傳感器到射手網絡中。這些發展成倍地加快了戰斗的速度。對手的系統可以同時跟蹤和打擊數百個目標，并在需要時快速重新接觸和重新分配單位。為了競爭和滲透對手多余的防御結構，需要美軍快速、持續地匯聚能力，以“滲透和瓦解”A2AD 保護傘。這些行動能夠建立臨時的優勢窗口，軍和師梯隊可以利用這些優勢機動進入戰術支援區和近距離區域。在這些區域內，軍以下的梯隊可以集中他們的有機能力對抗敵人。這反過來又使軍團能夠在不斷的滲透和整合的循環中重新競爭和整合能力，為下級梯隊部隊的利用創造條件。

為了應對對手的現代化努力，美國陸軍在國家安全戰略、人工智能指令和多域作戰理念指導下，對機器-機器團隊聯動進行了大量投資。因此，美國的軍事能力包括一系列可以感知、協調效果以及指揮和控制的自主學習的作戰網絡系統。單個自主機器人和無人機系統，以及更大的無人駕駛飛機、海軍和導彈投送系統，都在該框架內作為自主節點運行。美國私營公司在量子計算領域的重大進展為美國軍隊提供了處理速度和響應時間方面的競爭優勢。這提供了一個戰機，使美國“友軍”能夠比對手更快地觀察、定位、決定和行動。但是，由于技術的進步，John Boyd 的 OODA 循環不再以分鐘為單位執行，而是以秒或毫秒為單位。這些新出現的威脅導致美國越來越多地將人從循環中移除，這使得聯合部隊能夠“以比對手更快、更有效的節奏作戰”。然而，受到有關在戰爭中使用自主制導系統和人工智能的道德法規的限制，美國軍方仍然將人類置于決策循環中。其結果是在指揮和控制層面有效整合了人機協作，允許指揮官在連續競爭期間從一系列進攻行動中選擇進攻方案，同時依靠自主的人工智能引導行動進行保護。

美國陸軍的關鍵指揮控制系統是由人工智能引導的作戰管理系統。它是美軍戰場網絡的樞紐。該系統從作戰環境中的所有聯合傳感器收集數據，并不斷從戰區和國家收集數據的單位中提取和推送數據，以構建共同的作戰圖景。這使系統能夠分析敵方和美國“友軍”在戰場上的位置。由于該系統是自主學習的，它會不斷評估敵人的行動和能力。同時，它對美國“友軍”能力及其狀態有完整的認識，包括各種系統的再生時間、彈藥消耗率和補給狀態。因此，該系統可以識別敵人的弱點和威脅，并執行一個連續的評估周期，以預測美國“友軍”聯合能力如何融合以在戰場上創造暫時的優勢。此外，作戰管理器還計算彈藥優化、能力調配和能力的使用，以達到預期的效果，同時最大限度地減少附帶損害和對部隊的風險。

在戰場網絡內，該系統與所有領域的聯合能力相聯系。各種作戰管理系統本身是橫向和縱向連接的，這使它們能夠跨多個域快速執行任務和重新分配任務，而不會失去實現各自目標的能力。與所有的傳感器和射手相連，允許系統控制傳感器到射擊者的連接，并分配最好的武器系統來實現動能和非動能效果。在保護作用中，作戰管理系統完全自主運行控制消除敵人對美國“友軍”和指定保護區的威脅。由于連續的進攻性競爭的融合能力必須嵌套在更高的總體目標中，作戰管理系統將人置于進攻行動的循環中。該系統分析了美國“友軍”能力通過在不同梯隊的聯合能力融合所能達到的各種效果。

多域框架將美國陸軍部隊視為遠征部隊。這個梯隊的關鍵作用之一是擊敗和消滅遠程和中程系統。因此，他們是在其控制范圍內各師的輔助力量。為了與同級別的威脅相抗衡，關鍵是要整合能力，以對抗對手的防空、遠程地面火力和反艦導彈。此外，在需要時，軍團總部負責指揮和控制在其作戰區域內運行的多域聯合能力。融合動能聯合火力的主要目標是摧毀敵人的中程武器系統，以促進師和旅單位的自由機動。最后，軍團負責同步國家、戰區和內部單位的情報收集工作。網絡空間能力本質上集成在融合工作中，包括國家和戰區級單位。總體意圖是對融合工作進行分層，以提供多種選擇并創建各種跨域協同能力變化。

在競爭周期內，軍團的重點是對敵方防御系統的滲透和瓦解。對對手A2AD保護傘的滲透，包括瓦解敵人的遠程火力系統。這包括使雷達和關鍵指揮和控制節點失效，這可能比破壞運載系統產生的影響更大。滲透的另一個方面是對手地面部隊機動的較量，以及在暫時優勢窗口期間與美國“友軍”從作戰和戰略距離機動的同步。

在師級，部隊的重點是分解和利用。在沖突開始時，他們可以作為前沿存在或遠征部隊。該師的主要作用是為下級部隊在近距離區域機動和對抗創造條件。該師的主要職責是“航空、火力、電子戰、機動 支援和多旅機動以獲得優勢位置。”關鍵是摧毀或消滅對手的中程火力單位。在這個梯隊，該師有能力將有機單位與上級司令部同步，并整合分配的空軍和海軍能力。與擁有自主和人工智能引導系統的相同競爭者相比，兩個梯隊的成功都受到他們進行多域同步的能力和能力自主水平的影響。

情景 1 – 軍團梯隊

美國陸軍第 18 空降兵團總部位于作戰支援區。該組織的主要作用在戰場上創造條件，使其控制下的各師和增援部隊可以利用這些條件進入近距離機動區域。進攻行動以四個目標為中心--消滅對手的遠程防空單位，瓦解對手的中程火力能力，限制對手的地面部隊速度，以及創造 "通過分配資源、安排師的機動順序并將其與縱深結合起來，在較低層次上實現匯合。" 雖然近距離和縱深機動區的距離超過1500公里，但盟軍一直處于中程彈道導彈的動能目標和網絡及太空領域內的非動能目標的威脅之下。

為了保護，美國第 18 陸軍空降兵團的 AI 作戰管理系統不斷連接到國家和戰區的情報收集單位以收集情報。一旦發現對手的威脅，作戰管理系統就會自動與戰區和國家傳感器協調，以確定威脅，并促進傳感器的交接，確保收集情報的完整性，同時減少不必要的情報冗余。同時，它識別出跨所有領域的多個交付平臺，以構建一個強大的殺傷鏈，盡管可能丟失主要聯系，但該殺傷鏈可在時間受限的環境中執行。

空間傳感器為系統提供有關敵人遠程和中程火力能力的各個組成部分配置信息并且能持續更新。與此同時，作戰管理系統將海軍驅逐艦識別為最有可能成功摧毀來襲導彈的單位。同時，該系統識別出可以對威脅做出反應的其他美國“友軍”單位，并根據其當前對整體作戰環境的評估對其進行優先級排序。系統基于其算法考慮的一些因素是：強制風險、成功概率、彈藥狀態、能力重置時間和附帶損害。

對于保護工作，作戰管理系統以人在環結構中運行。這意味著軍團的作戰中心可以觀察事態發展，并在緊急情況下進行干預，但該過程是為作戰管理系統自主運行而設計的。對手威脅的程度以及他們可以運行的速度推動了對自主運行的需要。一旦檢測到來襲導彈，作戰管理系統就會在幾秒鐘內執行概述的序列以摧毀對手的威脅。這個循環實時并持續運轉，以應對新出現的威脅。三個方面使得智能引導的作戰管理系統在國防領域的自主運行方面變得至關重要。首先，能夠在幾秒鐘內關閉射手到傳感器的鏈接，以應對以高超音速單位的威脅。其次，建立強大和冗余殺傷鏈的能力，可以快速整合備用和應急能力。第三，在優化使用有限且難以再補給的資源的同時指導保護工作的能力。在保護行動的同時，該系統分析作戰環境以檢測進攻行動的機會。

對于進攻行動，作戰管理系統以人在回路中的模式運作。美國政府關于人工智能和自主武器的道德使用政策，以及公眾對使用人工智能引導的自主武器系統的看法，是決定將人類留在決策鏈中的基礎。美國陸軍的“四分衛項目”為構建當前的作戰管理系統提供了框架。與保護工作類似，作戰管理系統不斷從外部和有機傳感器中提取數據。然后，它評估聯合能力如何融合以暫時禁用對手的部分防御傘，并允許下屬單位推進并將其有機單位帶入射程。

由于聯合單位在在時間和空間上的協調需要在幾秒鐘內執行和同步，因此需要作戰管理系統不斷分析作戰環境。在此過程中，它重組了 OODA 循環概念的部分內容，以獲得以秒或毫秒為單位的自主對手決策周期的能力。該系統通過持續觀察戰場空間并同時分析美國“友軍”的行動來應對威脅，而不是觀察后再確定方向來實現這一目的。然后，該系統會產生一系列可用的選項來進行攻擊性打擊。在軍團的行動中心內，選項顯示在交互式顯示器上，允許具有適當釋放權限的個人決定采取何種行動。通過不斷分析和重新配置可能的傳感器到射擊者的回路，該系統創建了一個決策空間，可以減輕將人置于回路中對抗嚴重依賴自主能力的對手缺點。在作戰中心的相關權力機構確認以對手單位為目標后，作戰管理系統通過在時間和空間上同步依賴的效果，將來自各種選定的聯合推動者的能力融合起來。

在這種情況下，在發射美國“友軍”導彈之前，作戰管理系統會協調進攻性網絡行動，威脅信號淹沒對手雷達，這增加了導彈成功穿透敵人的反介入和區域封鎖傘的機會。一旦產生網絡效應，作戰管理系統就會指揮導彈的發射并觀察對手的反應，以在必要時重新發射另一枚導彈，并檢測更多額外的目標。導彈找到目標并摧毀它。一旦傳感器確認影響，作戰管理系統就會向與現有信息作戰工作線相一致的媒體傳播消息。同時，作戰管理系統會重新計算美國“友軍”運載平臺的彈藥可用性和回收率。這些數據用于優化未來打擊的彈藥使用，并為保障部隊建立補給優先順序清單。

隨著美國“友軍”的推進和軍團塑造縱深機動區和作戰縱深火力區，這一過程不斷重復。美國陸軍師利用暫時的優勢窗口和機動自由來推進并將對手帶入其有機武器系統的有效射程內。這為近距離和縱深機動區域的對抗創造了條件，從而改變了戰場邊界并重新啟動了競爭循環。

場景 2 – 師梯隊

在美國陸軍第18空降團創造條件后，第3步兵師陣地機動進入附近區域，擊敗對手地面部隊。該地區是第一次軍事編隊爭奪“控制物理空間以支持戰役” 目標，在與對手近距離作戰。由于美國“友軍”地面部隊預計將在這個爭端空間進行獨立機動，因此擁有比對手更快的能力匯合對于推動節奏并保持主動權至關重要。地面機動部隊的目標是在臨時優勢窗口期間協調機動，以“擊敗敵軍、破壞敵方能力、物理控制空間以及保護民眾”。附近地區的對手依賴于由自主情報、監視和偵察 (ISR) 打擊系統、綜合防空系統和地面聯合兵種編隊組成的互聯網絡。將人工智能整合到決策周期中，大大加快了對手的行動節奏。為了獲得優勢地位，需要不斷中斷對手的能力，最好是在他們的指揮、控制和傳感器節點。

隨著第 3 步兵師部隊的機動，作戰管理系統不斷收集和比較數據，以構建一個共同的作戰圖，說明美國“友軍”和敵軍的組成和部署。根據數據，系統開始分析對手的防御網絡，以識別對手的傳感器、ISR 平臺和信息流。在此階段，地面部隊分散作戰，作戰管理系統側重于迫使對手暴露其能力的欺騙措施。一旦對手暴露了他們的系統，作戰管理系統就會將國家和戰區單位收集的偵察數據與鄰近單位情報和偵察能力收集的數據同步。然后它與相鄰單位和上級司令部的作戰管理系統協調，以消除交戰沖突。此操作可確保多個跨梯隊單位不繼續攻擊同一目標。

一旦上級司令部的作戰管理系統將權力下達給第 3 步兵師，該師的作戰管理系統就會掃描整個組織的能力，以建立一個成功可能性最大的傳感器與射手的連接。如果系統無法建立連接，或成功概率低于預定閾值，系統會將目標推回上級總部系統，以擴大可繼續攻克目標的可用聯合單位陣列并提高成功概率成功。當威脅單位可以用有機單位追擊時，師作戰管理系統會確認美國“友軍”的部署以清理地面，分析各種武器系統的彈藥狀態，并分配給確定的投送平臺。一旦傳感器周期完成，作戰管理系統就會向選定的武器系統發出信號以進行交戰。

釋放彈藥后，作戰系統會立即更新彈藥供應狀態，重置再生周期，向后勤作戰支援部隊發送補給請求，并跟蹤威脅直至其銷毀。這是一個需要幾秒鐘的循環，并且在滲透和分解過程中反復發生。隨著師部隊的推進，作戰管理系統在支持美國的各種媒體平臺上推送信息作戰信息。每一次積極的參與都伴隨著針對該地區人口統計的信息傳遞工作。隨著行動的進展，該系統不斷評估對手的信息活動并提出建議的反信息，使美國“友軍”在信息頻譜中保持主動權。

當美國“友軍”繼續在對手的反介入和區域拒止保護傘內展開對抗時，作戰管理系統會反復識別對手傳感器并建立冗余殺傷鏈來擊敗對手地面部隊。每次消滅對手ISR 傳感器時，系統都會評估破壞對敵方與美國“友軍”編隊交戰能力的影響。機動部隊利用隨后建立的臨時非覆蓋區域來推進其建制單位。同時，作戰管理系統重新啟動網絡、空間和無人機傳感器的融合以檢測新目標，并融合能力以建立一個新的臨時窗口期，可用于推進機動師地面部隊。

這些活動在幾秒鐘內發生，并且事件發生的速度遠遠超過人類的認知周期。隨著行動的進展，作戰管理系統的自主學習算法繼續分析和識別對手行為中的模式。因此，該系統可以實現與對手地面部隊及其防御努力的持續競爭循環。

影響

美國對手整合和融合自主性和人工智能的意愿推動了美軍發展和使用對抗能力的需求。這些進展提出了在面臨對等威脅時快速連續執行多域融合的需求。由于跨多個領域融合能力需要分析大量信息，因此該過程將人為主導的同步過程推到了敵人的決策周期之外。此外，多域融合涉及建立冗余殺傷鏈。通過消除沖突建立一個單一的傳感器到射手銜接鏈是不夠的。相反，融合需要在必要時識別和使用可以繼續攻擊目標或提供保護工作的冗余能力。由于存在優勢窗口的時間框架不斷縮短，建立快速同步聯合能力的冗余殺傷鏈是一項關鍵且需要同步完成的工作。

總體而言，未來的作戰管理系統必須在聯合平臺上進行橫向和縱向鏈接，以滿足多域作戰需求，并具備秒級或毫秒級的協同作戰能力。此外，為了融合能力，人工智能引導的作戰管理系統可以在爭端地區補給環境縮小對抗中彈藥優化的能力差距。該系統通過持續評估最佳目標-彈藥組合并避免不必要地消耗彈藥以及過度殺傷來實現這一目標。不幸的是，目前開發指揮和控制平臺的方法主要是沿著服務的孤島進行的，這將減緩建立在未來作戰中融合能力所需技術框架的能力。

結論

人工智能和自主性對作戰節奏的影響支持羅伯特·萊昂哈德的說法，即“時間越來越成為戰爭的關鍵維度。”人工智能與自主能力的結合使軍隊能夠大幅增加活動發生的頻率，進而推動序列的節奏并縮短機會之窗。當人工智能在沒有人的情況下在觀察決策-行動循環中引導自主系統時，這種關系會進一步加速。時間，以及比對手更快地觀察和行動的能力，成為執行匯合的關鍵因素，使美國“友軍”能夠獲得暫時的優勢位置。

自從計算機網絡、戰術數據鏈和衛星通信的普及以來，美國還沒有遇到過對手。目前在量子技術、人工智能和自主性領域的努力對美國各軍種在其各自的統治范圍內獨立運作的能力提出了挑戰。因此，正如美國陸軍的多域作戰 2028 概念所預期的那樣，在戰場上創造臨時可利用優勢的能力依賴于跨多個域融合聯合能力。目前，這一過程主要由協調小組執行，其主要任務是通過 "域聯合解決方案的階段性同步"來匯聚能力。然而，與同行競爭者進行融合的復雜性，其人工智能引導和自主武器系統將決策和同步循環縮短到幾分鐘或幾秒鐘，這需要開發新技術。 MDO 2028的設計師承認這一缺陷，以及任務的復雜性，并列出了融合的考慮，要求開發新的軍事技術來填補這一關鍵的空白。

因此，未來的 C2 系統需要為所有梯隊的指揮官提供盡可能接近完整的戰場空間內所有聯合單位的通用作戰圖。此外，這些系統需要快速傳輸偵察和目標數據，以使用動能和非動能手段繼續攻擊目標。然而，即使未來的C2系統能夠為指揮官和他們的參謀人員提供數據，使他們能夠在多個領域融合能力，但與在快速轉瞬即逝的機會窗口內任務相關的大量信息融合很快就超過了人類的認知能力。此外，其他因素，如彈藥優化要求和不同的能力再生窗口，進一步增加了在多域作戰中融合能力的復雜性。

目前為應對新出現的威脅所做的努力表明，美國各軍種在開發和部署國防部范圍內的能力方面仍然進展緩慢。美國軍隊正處于重組過程中，這為創建專注于打仗的系統提供了機會，而打仗需要嵌套和連接的C2系統，以促進快速交接和整合聯合使能器。如果現在不建立這些能力，將導致發展出一支名副其實的“多域部隊”，因為軍隊將不再具備2028發展目標所設想的那樣融合能力，而是退回到既定的解沖突和同步過程，這種程序太慢，效率太低，無法保持競爭力。

正如本文所說明的那樣，面對擁有人工智能引導和自主武器系統的同行威脅，保持競爭力的唯一途徑是發展類似的能力，在幾秒鐘內建立并執行冗余的傳感器到射手的連接。將人工智能整合到作戰管理過程中不是一個保持領域優勢的問題，而是確保美國軍隊能夠在對抗、利用和再對抗的連續循環中創造短暫的優勢窗口，這種對抗在所有作戰領域中以秒計。

美國陸軍的作戰概念（AOC）是多域作戰（MDO）概念。它于2018年12月6日作為美國陸軍訓練與理論司令部（TRADOC）文件525-3-1（TP 525-3-1）《美國陸軍2028年多域作戰》發布。鑒于目前陸軍現代化戰略的重點是在2028年之前建立一支具備多域作戰能力（MDO-Capable）的部隊，以及在2035年之前建立一支準備就緒的多域作部隊（MDO-Ready），陸軍未來司令部（AFC）要求整個陸軍現代化企業（AME）采取創新和高效的方法，促進對TP 525-3-1內容的全面理解，以便在制定理論、組織、訓練、物資、領導和教育、人員、設施和政策（DOTMLPF-P）的解決方案來解決多域作戰問題時應用多域概念的基本組成部分。了解MDO概念還可以提高內部和戰略溝通能力。

理解MDO概念的學習課程提出了一些問題，以幫助專業人員根據已發表的內容和可用的參考資料來發現答案，從而制定出操作MDO的方法。

要實現對MDO概念的全面理解，沒有任何千篇一律的方法。本學習課程通過對關鍵問題的積極討論促進理解。前五個模塊涵蓋了TP 525-3-1中的基礎部分。接下來的三個模塊開發知識和技能，以操作MDO概念的組成部分，并使專業人員能夠回答有關概念的相關問題。最后兩個模塊鍛煉專業人員的技能，使其能夠提出標準的MDO概念簡報。