與單個無人飛行器相比,無人飛行器蜂群具有巨大的意義,因此越來越受到研究人員的關注。許多研究僅關注這一復雜的多學科群體所面臨的少數挑戰。其中大多數都存在一定的局限性。本文旨在從控制、路徑規劃、架構、通信、監控和跟蹤以及安全問題的角度,認識和安排相關研究,以評估蜂群的運動規劃技術和模型。然后,本文介紹了對無人機蜂群的最新理解以及蜂群智能(SI)概述。研究考慮了多種挑戰,并介紹了一些方法。研究結果表明,蜂群智能在這個時代處于領先地位,是無人機蜂群最重要的方法,可在不同環境中做出獨特貢獻。這些研究的整合將成為有關蜂群知識的基礎,為運動規劃問題提供指導,并加強對現有方法的支持。此外,本文還能提出新的策略,為今后的工作奠定基礎。
無人機因其潛在的應用而在我們的生活中具有重要意義。單個無人機的功率、能力、傳感和飛行時間都受到限制。這就提出了采用無人機蜂群系統的要求。無人機蜂群克服了單個無人機的缺陷和限制,并協助更大規模的團隊合作,成功完成空中任務。無人機蜂群的優勢在于數量眾多,因此能帶來多種可能性。其中許多好處包括在更短時間內完成任務、冗余和協作執行任務。
蜂群并不是一個現代概念。它存在于自然界中,是由生物種群的合作和相互交流所激發的[1]。通過研究鳥群、蟻群的運動、蜜蜂的合作、魚群和狼的捕食,無人機群的概念應運而生。動物界的團結使我們有可能實現一個共同的具有挑戰性的復雜目標。
然而,蜂群并不局限于自然現象。它還受到一種軍事戰術的啟發,在這種戰術中,來自多個軸心的許多單位以協調和刻意組織的形式攻擊一個共同目標[2]。自公元四世紀以來,蜂群戰術就在軍事史上出現過。然而,如今蜂群作戰已將傳統的指揮和控制概念轉變為創新概念。此外,一個人能夠同時指揮和控制多架無人機。
由于無人機蜂群具有遠距離作業、增強魯棒性和靈活性等重要能力,因此正在不斷發展[3]。蜂群智能對技術、科學、社會等許多領域以及檢測、跟蹤、運輸等各種系統都有很大影響 [4]。對于無人機蜂群的運動規劃,不同的研究考慮了控制設計、路徑規劃算法、通信結構、監控和跟蹤架構以及安全飛行協議等方面的許多改進[5]。
研究人員在文獻[6]中將計算技術與數學模型相結合,研究了通信效果。這種方法簡化了建模過程,但建模速度較慢且內存不足。文獻[7]提出了一種基于分散、領導者-追隨者策略的控制器,以及基于樹狀網絡的幾何結構。這項研究實現了多架無人飛行器在保持同步的情況下到達一個共同點。此外,建議的設計顯示出靈活性和穩健的性能。不過,這項研究僅限于有限數量的無人機。在 [8] 中,研究人員為無人機群的新型路徑規劃開發了一個框架。所提出的算法實現了高效的路徑規劃,減少了能量和檢查時間。此外,它還為確定各種參數提供了指導。
在[9]中,研究提出了一種計算蜂群控制和模擬其分布式行為的算法。研究和模擬顯示了不同場景下的通信延遲效應。文獻[10]在考慮有限通信距離影響的同時,提出了一種帶有彈性指標的改進算法。這一策略在一次監視任務中得到了實施,結果表明它是一種能有效面對外部干擾和威脅的更現實的方法。最近的一項研究[11]將 PIO 算法、比例積分控制器和比例積分微分控制器的概念用于無人機集群的編隊控制。這一策略優于傳統方法,并提供了安全的飛行協議。相關調查部分對這一技術的發展進行了進一步的廣泛思考。
本文的動機是在單一平臺上收集可能阻礙無人機群性能的多種挑戰。此外,還要提供適當的方法作為解決方案,以實現最佳運動規劃。這項研究可以幫助研究人員探索多種運動規劃策略及其貢獻和局限性。選擇適當的運動規劃技術和模型可以快速完成復雜的任務,同時還能實現應用的點對點目標。本文的主要貢獻如下
本文分為多個部分。第 2 節介紹了無人機蜂群的現狀。第 3 節評估了蜂群智能的概念。第 4 節介紹無人機蜂群面臨的挑戰。第 5 節對用于應對無人機蜂群諸多挑戰的技術和模型進行了廣泛調查。第 6 節討論了主要發現和局限性。第 7 節給出結論,第 8 節就今后的進一步研究和開發工作提出建議。
由于采用了人工智能(AI)技術和邊緣計算,蜂群可以集體做出決策,并使用相對簡單的指令完成空中任務[12]。Veronte 自動駕駛儀已經開發了跟隨領導者、執行任務、路徑規劃、感應和避讓等功能。這些功能的進步使團隊合作成為可能,并確保了任務的成功。監視和攻擊誘導是全球蜂群的一個里程碑事件。無人機群這一改變游戲規則的能力既有利于大國,也有利于小國。蜂群的其他重要方面包括聯合決策、自我修復和自適應編隊飛行。無人機群仍處于進展階段,正在開展進一步研究,以進一步增強系統。進一步的重點包括擴大人工蜂群智能的能力,提高蜂群代理的自主狀態,以及商品化以降低成本影響。
無人機蜂群最令人驚嘆的地方在于其利用蜂群智能技術在民用和軍用方面的應用[13]。民用機構正在利用蜂群技術實施更大的計劃。美國國家航空航天局(NASA)也在利用這種基于人工智能的蜂群技術進行氣候變化分析[14]。這樣做的結果是完成了所需的工作,而這些工作在使用一個人時是不可能完成的。此外,許多發達國家已通過相關法規,普及無人機群的商業應用。無人機群在電力線和結構檢查、精準農業、測量、搜索和救援行動等方面表現出巨大的性能。
然而,無人機蜂群因其在軍事用途上的潛力和效率而備受矚目。如果在戰斗中,無人機蜂群中的一些無人機被擊落,那么剩下的無人機仍能以類似的戰術、威力和靈活性完成任務。雷神公司(Raytheon)在美國國防部高級研究計劃局(DARPA)項目的一次實戰演習中使用了蜂群操作,證明了這一點[15]。雷神公司的蜂群具有通信和協調能力。此外,所有個體都有傳感器、攝像頭和戰術突擊套件(TAK)集成能力,可用于環境探索。
蜂群技術正在增強軍隊執行復雜環境任務的能力。許多國家的軍隊,如美國和中國軍隊,在最高級別的蜂群行動模擬測試和觀察方面處于領先地位[16]。一些國家的軍隊,如英國軍隊,正在將這項技術用于實時作戰。英國還試驗過萊昂納多公司的 "光輝云"(Brite Cloud)蜂群,其中包含電子戰干擾器。同樣,俄羅斯很快也將大型無人機蜂群誘導技術 "Flock 93 "作為其軍隊的目標。此外,它還試圖在 2025 年之前填補這一空白。伊朗、土耳其和印度也在嘗試利用分布式智能和邊緣計算,使這項技術更加成熟和普及。無人機群是空戰的未來,而未來就是現在[17]。
在這個世界上,我們觀察到,所有個體都希望放大自己的智慧。為了實現這個目標,他們認為并更喜歡一起工作,就像蜂群、魚群和鳥群一樣。這是因為他們相信,他們在群體中比單獨行動更聰明。由于具有反饋回路的實際系統的深度相互聯系而形成的一種新智能,被稱為蜂群智能[18]。簡單地說,蜂群是一個由所有比單個更聰明的大腦組成的大腦。蜂群智能是生物啟發人工智能的一個不斷發展的領域 [19]。
此外,利用蜂群智能,許多腦袋會遵循一個單一的思維。所有個體都遵循明確的規則,不僅彼此互動,還與環境互動。這種自適應策略需要大量的個體。它能夠對相似個體的集群進行調度、聚類、優化和路由選擇。蜂群智能強調任務在日程表中的相對位置。它遵循求和評估規則進行調度。蜂群中所有相似個體的協作稱為聚類。例如,蜂群中的無人機不同于其他群組的無人機。它能夠通過優化從所有可行結果中提供最佳和低成本的解決方案。此外,它還具有潛在的路由能力。它模仿螞蟻的原理,前向螞蟻收集信息,后向螞蟻利用這些信息[20]。
蜂群智能的主要方面包括分布、聚合、合作、自組織、涌現和模仿自然行為[21]。分布是蜂群智能的首要特征,因為所有個體都能選擇并執行自己的行動。個體通過間接改變環境進行互動的現象被稱為 "靜能"(stigmergy)。這種現象使它們能夠感知周圍環境,并切斷個體間的互動。另一個重要行為是蜂群中所有無人機的合作[22]。無人機通過合作解決復雜的任務,并利用蜂群智能展示其集體行為。蜂群智能的另一個方面是自組織。這種行為基于正反饋、負反饋、波動放大和不同的社會互動。正反饋是通過分配更多的無人飛行器來放大,從而獲得更好的結果。負反饋是為了穩定,避免所有無人飛行器都趨于相似的狀態。自組織現象通常觀察到兩種反饋之間的緊張關系,如復雜網絡、市場、蜂窩自動機等。自組織現象的另一個特點是突現性,突現性可以是弱的,也可以是強的。如果個體行為可追溯到自發特性,則稱自發為弱自發。如果個體行為無法從涌現屬性中追溯,則稱涌現為強涌現。此外,無人機群是通過從自然蜂群行為中獲取靈感來建模的。一般來說,蜂群行為包括覓食、筑巢和在環境中一起移動。因此,模仿這些自然蜂群行為是蜂群智能的另一個關鍵方面[23]。
蜂群智能有兩個層次。第一個層次是利用正反饋信息素來標記較短的路徑,并向其他人發出進入信號。而第二級蜂群智能則使用負信息素來標記不愉快的路線,并且不向其他蜂群發出進入信號。
蜂群一般遵循五個原則。接近原則、質量原則、多樣化響應原則、穩定性原則和適應性原則 [24]。根據就近原則,蜂群的基本個體可以很容易地對環境變化做出反應,而環境變化是由它們之間的相互作用引起的。質量原則允許蜂群只對位置安全等質量因素做出反應。多樣化響應原則使設計分布的方式能夠最大限度地保護所有個體不受環境波動的影響。穩定性原則限制蜂群在環境變化時表現出穩定的行為。適應性原則顯示了蜂群的敏感性,因為蜂群的行為會隨著環境的變化而變化。最廣泛使用的原則是所有個體之間的吸引、避免碰撞和自組織。在遵循吸引原則時,它們會靠得更近,并集中在一個相似的方向上。在遵循避免碰撞原則時,它們會保持一定的距離以避免碰撞。而在自組織規則中,它們會與鄰居互動,但不會信任所有鄰居。
蜂群智能的機制涉及蜂群中個體的環境、互動和活動。蜂群中的個體之間沒有直接的交流[25]。它們是通過環境變化來相互影響的。因此,環境變化可以作為外部記憶。這種模擬工作是通過應用蜂群所有成員的滯后行為來完成的。此外,個體在感知-反應模型和任何隨機模型之間的平衡中選擇自己的行動。然后,它們根據感知-反應模型做出反應和移動,同時感知和影響當地的環境屬性。
原蜂群語言、蜂群語言、Star-Logo 語言和增長點語言是用于蜂群智能的編程語言。原初蜂群語言使用非定常介質抽象來為蜂群編程[26]。這種無定形介質抽象是通過利用一種來自 Proto 連續時空模型的語言和一種在所提供的硬件上估算該模型的運行庫而獲得的。蜂群智能的另一種語言是一種稱為蜂群的分布式編程語言。它的基本概念是移動計算而不是數據。蜂群類似于 Java 字節碼解釋器的原始版本。現在,它作為 Scala 庫得到了應用。Star-Logo 不僅是一種編程語言,也是分散系統的可編程建模環境。利用這種編程語言,可以模擬不同的現實場景,如市場經濟、鳥群、交通堵塞等。而要對非定域性計算介質進行編程,生長點語言是必不可少的。這種編程語言能夠生成預先指定的復雜模式,如任意電路的互連形式。
蜂群智能有許多重要意義,這里將討論其中一些。它能使蜂群靈活應對外部挑戰和內部干擾。即使某些代理出現故障,它也能以穩健的性能完成任務 [27]。它使蜂群的可擴展性從幾個個體到一百萬個個體不等。蜂群中沒有中央機構或控制。它具有完全的適應性,只能提供自組織解決方案。變化在網絡中的傳播速度非常快。所有這些都有利于個體集群。
無人機蜂群的基礎是在規劃的路徑上控制所有單個無人機。為了解決蜂群編隊中的重建、防碰撞、搜索和跟蹤問題,需要開發適當的控制系統框架和控制器 [28]。集中式和分布式是自動化集群的兩大控制平臺。集中式平臺的主要優點是輸出質量更高,但可擴展性有限。而分散式平臺的主要優點是可擴展性更強,復雜性更低。無人機群網絡保證了節點的連接性,簡化了應用設計。傳感器輸入與環境和目標的先驗知識是傳統模型的基本要素。
各種研究利用多層分布式控制框架克服了這些問題。控制器的設計在無人飛行器的流程設計中至關重要。許多研究建議使用 ANFIS 控制器來減少學習誤差和提高控制器的質量。在無人機按照特定路徑運動的過程中,機載萬向節系統的控制會直接影響目標跟蹤性能。一些研究提出了用于萬向節系統建模的非線性哈默斯坦塊結構,以提高模型預測控制器(MPC)的效率。這也提高了在外部干擾下實時跟蹤目標的性能。其他編隊控制方法包括領導者-追隨者策略、共識理論、虛擬結構法、行為法等。圖 1 表示 [29] 中給出的使用領導者-跟隨者控制器的分布式制導模型概念。圖中第一列給出了領導者引導算法,其他兩列則代表跟隨者。該模型中的預分配拓撲結構不可更改。
圖 1. 使用領導者-追隨者控制器的分布式制導模型。
無人機蜂群的路徑規劃具有相當大的挑戰性 [30]。為了解決這個 NP 難問題,許多研究都提出了路徑規劃算法。這些算法分為經典算法和元啟發式算法,如圖 2 所示。經典算法需要環境信息,而元啟發式算法則需要實時位置和測量的環境要素信息。如圖 2 所示,路線圖算法(RMA)、A* 算法和人工勢場法(APF)就是經典算法的一些例子。如圖 2 所示,粒子群優化算法(PSO)、鴿子啟發優化算法(PIO)、果蠅優化算法(FOA)和灰狼優化算法(GWO)是元啟發式算法的一些例子。
圖 2:無人機群的路徑規劃算法
蜂群路徑規劃可分為動態路徑規劃、三維路徑規劃、區域覆蓋路徑規劃和最優路徑規劃 [31]。動態路徑規劃對于無人機群在復雜環境中執行任務至關重要。為確保動態路徑規劃,許多研究人員建議使用卡爾曼濾波器的碰撞概率、人工勢場(APF)與墻跟法(WFM)、軌跡檢測、場景理解框架等方法。所有這些方法都能提供更好的方向估計、更好的性能并避免路徑沖突。三維路徑規劃比較復雜,但許多研究都采用元啟發式算法來處理。如 GWO 算法實現可行的飛行軌跡,FOA 算法進行局部優化,PIO 優化初始路徑。
所有這些算法都能有效地用于無人機群在威脅和緊急情況下的三維路徑規劃。無人機可在所有興趣點區域移動的路徑規劃是區域覆蓋路徑規劃。許多研究建議采用五態馬爾可夫鏈模型、改進的勢能博弈論和網絡-物理系統。為了實現最佳路徑規劃,無人機的電池容量、匹配性能和能耗都是需要認真考慮的問題。研究建議采用耦合和分布式規劃策略、移動人群感知系統(MCS)和節能數據收集框架來實現最佳路徑規劃。
對于蜂群實施來說,無人飛行器的結構非常重要 [32]。架構是設計、管理和優化技術的結合。蜂群架構可以基于通信、任務條令、控制等。基于通信的蜂群架構有兩種形式。基于 Ad-hoc 網絡的架構和基于基礎設施的蜂群架構。這兩種架構都很有前途,在復雜環境下表現良好。
在設計蜂群架構時,考慮作戰任務也很重要。研究認為,如果不考慮任務條令,則是不謹慎的。目前設計蜂群系統的方法包括自下而上的建模方法和自上而下的設計方法。同樣,基于控制的架構也有利于蜂群。圖 3 給出了 [33] 中提出的基于任務的蜂群可組合性架構(MASC)。該框架側重于階段、戰術、戰術和算法。根據該圖,任務解釋了整個任務,階段評估了特定時期,戰術是個體在執行任務時按特定順序使用的方法,游戲描述了蜂群的行為,算法是程序。此外,將分布式行為控制方法與集中式協調聯系起來,可以有效地執行蜂群航空任務。航空航天架構可以高效地完成思考任務、執行任務、反應任務和社交任務。此外,物聯網(IoT)也支持蜂群架構并促進互動。
蜂群面臨的另一個主要挑戰是監控和跟蹤。在蜂群運行期間,所有無人飛行器的位置、狀態和外部環境都會隨時間發生變化。此外,蜂群還要適應這些變化并相應地調整自己的行為。為此,持續監控和跟蹤至關重要。許多研究人員提出了不同的控制模型、仿真模型和仿真工具,以解決監控和跟蹤難題。動態數據驅動應用系統(DDDAS)是一種解決方案,可協助環境和任務的適應[34]。
圖 3. MASC 框架。
目標搜索需要考慮有效的方法和控制策略。如果目標知道搜索者的移動性和位置,那么搜索的復雜性就會增加。分布式戰略還為自動目標識別(ATR)問題提供了解決方案。許多研究人員建議采用分層探測解決方案、學習型尖端軟件和最佳技術來跟蹤蜂群中的無人機。圖 4 展示了使用改進型豆類優化算法(BOA)的空間分布情況,該算法基于 [35] 中開發的種群進化模型。在該圖中,蜂群空間分布為三層,即臨時調度層、個體層和父層。BOA 展示了有效的目標搜索能力、新興的群體智能和分布式協作互動。使用 BOA 的個體分布可表示為
圖 4. 單個無人飛行器的空間分布。
通信是無人機蜂群面臨的主要挑戰之一[36]。在嘈雜復雜的環境下,無人機群需要準確高效的數據通信來執行任務。數據通信取決于適當的結構化網絡。圖 5 顯示,無線 ad-hoc 網絡能夠提供高效通信,如文獻 [37] 所述。圖中一個基站與兩架無人機相連。這兩架無人機又與另一組無人機相連。無人機的內部連接是獨立的,但相互連接則依賴于基站。有三種形式的網絡,包括 Flying Ad-hoc Network (FANET)、Mobile Adhoc Network (MANET) 和 Vehicle Adhoc Network (VANET)。FANET 網絡為少數無人機與 GCS 之間的通信提供了一個網絡,而其余無人機則相互通信。FANET 增強了通信范圍以及在蜂窩基礎設施有限和存在障礙的地區的連通性。MANET 和 VANET 與 FANET 相互連接。因此,除了移動性、更好的連接性、能源限制等少數幾個特點外,FANET 具有與其他兩種形式相似的特點。MANET 不需要互聯網基礎設施的任何支持,只需一定數量的移動設備即可組成。而 VANET 由地面車輛組成。
為了快速部署,無人機蜂群充當空中基站,為通信基礎設施提供支持。這種無線網絡在無人機與物聯網(UAV-IoT)、無人機與蜂窩卸載(UAV-CO)、無人機與應急通信(UAV-EC)等之間成功實現。這些都提高了傳輸效率,減少了響應延遲。此外,高效通信還能解決合作、控制和路徑規劃等其他挑戰。因此,有效通信是無人機群的基礎。
圖 5. 用于多組無人機的 Ad-hoc 網絡
在無人機蜂群協作中,自組織行為對每個無人機都至關重要。在自組織蜂群飛行過程中,所有無人機之間都要進行數據傳輸和通信,以便做出適當的決策。但在復雜的飛行條件下,無人機之間存在碰撞的風險。因此,關鍵挑戰之一是為安全飛行提供避免碰撞協議[38]。由于無人機的持續移動性、有限的資源和空中鏈路的不穩定性,這些協議是必要的。蜂群中的所有無人機成員必須通過多跳連接了解彼此的位置。其中大多數都需要全球定位系統(GPS),而在沒有 GPS 的情況下,無人機的位置可以通過三個已知位置節點的歐氏距離公式來估算。有幾種研究利用鵝群算法、雷諾法則和鴿群算法提供了安全飛行協議。除此之外,許多優化算法也能促進無人機群達成共識。雷諾協議使用了三種成群行為規則。首先是分離規則,即無人機試圖遠離蜂群中的相鄰無人機。其次是對齊規則,無人機試圖與相鄰無人機的速度保持一致,以避免碰撞。第三種是凝聚規則,即無人機試圖靠近相鄰的無人機以形成集群,從而分享相同的位置。使用雷諾規則的自組織飛行模型是根據 [39] 的想法給出的。所有這些規則可歸納為以下公式
這里,N 表示蜂群中無人機的數量,sij是兩個無人機 i 和 j 在時間 t 中的位置,?? ∈ N?? (??) 與 ?? 表示具有局部最小值的吸引力-反斥勢函數。這些規則為無人機蜂群提供了適當的安全飛行協議,但仍有局限性,應加以改進,以實現更安全的軌跡規劃。
無人機蜂群的成功運動規劃需要重要的優化算法和相關基礎設施或模型。表 1 提供了對應用于無人機群運動規劃的技術和模型的全面探討。本綜述將提供對以往和當前研究中使用的無人機群所面臨挑戰的適當技術的詳細和更好的理解。
Kim 等人[40]考慮使用卡爾曼濾波器與協方差交集(CI)算法和平滑法,以及字符串匹配法來觀察使用無人機群進行空中監測的情況。研究人員采用隱馬爾可夫模型(HMM)進行路徑規劃,實現了跟蹤精度的提高和跟蹤誤差的降低。Oh 等人[41]提出了一種矢量場制導方法來跟蹤移動物體。該研究還為此引入了一種兩階段方法:帶有費舍爾信息矩陣(FIM)的 K-means 聚類和合作對峙跟蹤法。結果表明,對峙群跟蹤成功,允許局部重新規劃,并將所有感興趣的目標保持在傳感器的視場(FOV)范圍內。Sampedro 等人[42]提出了無人機群的全局任務規劃器(GMP)和代理任務規劃器(AMP)。他們的建議提供了一個完整的操作性強、穩健、可擴展且靈活的框架,可自動執行許多高級任務。
Yang等人[43]分析了11種用于無人機群的群智能(SI)算法。該研究解釋了這些算法的特點和原理,并分析了不同的算法組合和多架無人機的任務分配。Hocraffer 和 Nam [44] 對與人的因素有關的人-系統界面進行了元分析。該分析為開始研究提供了基礎,增強了態勢感知(SA),并取得了高效成果。Lee 和 Kim [45] 利用線性和非線性控制器研究了多旋翼動態模型,用于多無人機的軌跡跟蹤控制。研究結果表明,線性控制器易于應用、魯棒性好并能提供最優性,一些非線性控制器也易于應用、直觀并能提供全局穩定性。Yang 等人[46] 將正交多群合作粒子群優化算法與知識庫模型(MCPSO-K)聯系起來。該技術收斂速度更快,避免了過早收斂,降低了計算成本,并確保了粒子的均勻分布。
表 1. 應用各種技術和模型進行無人機群運動規劃的綜合綜述。
Guastella 等人[47] 將運行空間視為三維網格,并將修改后的 A* 算法用于多無人機的路徑規劃。研究人員發現,該算法減少了計算時間,改善了規劃軌跡,并能自動重新分配目標。Duan 等人[48]通過將記憶算法(MA)與可變鄰域下降算法(VND)相結合,給出了一種新穎的混合元啟發式方法,用于多無人機的路徑規劃。結果優化了路徑,給出了高效的結果,并高效地解決了容量車輛路由問題(CVRP),甚至是非確定性多項式時間難(NP-hard)問題。Koohifar 等人[49]將帶有遞歸貝葉斯估計器的擴展卡爾曼濾波器(EKF)和克拉默-拉奧下界(CRLB)用于無人機群的路徑規劃。分析表明,所提出的方法成功地規劃了未來的跟蹤軌跡。此外,CRLB 的性能也優于其他方法并有所提高。
Shao 等人[50] 將魯棒性誤差符號積分(RISE)反饋控制器與擴展狀態觀測器(ESO)相結合,并使用了殘余估計誤差。這一策略解決了整塊干擾問題,實現了跟蹤精度、有效性和優越性。Campion 等人[51]研究了用于無人機群的蜂窩移動基礎設施、機器學習和分布式控制算法、機器-機器(M2M)通信和第五代(5G)網絡。該研究表明,所應用的技術緩解了以往研究的限制因素,提高了無人機群的效率和商業用途。Shao 等人[52]提出了基于擴展狀態觀測器(ESO)的魯棒控制器,并采用了動態表面控制(DSC)設計和基于擾動觀測器(DOB)的控制技術。該建議在提高抗干擾能力的同時,在跟蹤方面也顯示出了有效和卓越的效果。Mammarella 等人[53] 將基于樣本的隨機模型預測控制(SMPC)和制導算法應用于無人機群的跟蹤控制。所應用的算法有效地處理了噪聲和參數不確定性,保證了實時跟蹤和良好的穩定性能。
Huang 和 Fie [54]介紹了粒子群優化(GBPSO)的全局最佳路徑競爭法。該策略提高了搜索能力,避免了局部最小值,并提供了質量和速度更優的可行最優路徑。Ghazzai 等人[55]提出了帶寬饑渴和延遲容忍的應用,并利用典型的微波(μ-Wave)和高速率毫米波波段(mm-Wave)進行軌跡優化。此外,研究還采用了分層迭代方法。雙波段增加了多無人機的停靠位置,并最大限度地減少了服務時間。Liu 等人[56] 利用快速模型預測控制方法和擾動估計方法實現了分布式編隊控制算法。該策略適用于任意的、隨時間變化的規定形狀編隊,并在規定的二維(2D)或三維形狀上實現了平衡配置。
Xuan-Mung 等人[57] 使用了魯棒飽和跟蹤反步態控制器 (RAS-BSC) 和 Lyapunov 理論。研究人員發現,所提出的機制提供了閉環系統的穩定性,并限制了跟蹤誤差和擴展狀態觀測器(ESO)誤差。此外,它在不確定性條件下具有快速和魯棒性,性能優越。Fabra 等人[58]為無人機群提出了一種基于任務的無人機群協調協議(MUSCOP)。該研究在多種條件下實現了高度的蜂群凝聚力,并在位置偏移誤差較小的情況下實現了最少的同步延遲。Causa 等人[59]采用多全球導航衛星系統(multi-GNSS)星座方法和邊緣成本估算方法對多個無人機進行路徑規劃。這些方法減少了計算時間和整個任務時間,為離線和近實時場景下的任務分配問題和規劃提供了快速解決方案。
Brown 和 Anderson [60] 應用昆式多項式軌跡生成方法、多目標粒子群優化(OMOPSO)和區域搜索雷達模型來優化無人機群的軌跡。這種組合可獲得最大數量的較佳軌跡,減少重訪時間和燃料消耗,并提高探測概率。Mehiar 等人[61] 為無人機群開發了量子機器人達爾文粒子群優化算法(QRDPSO)。該優化算法提供了更穩定、高效和快速的最優解,避開了障礙物,克服了通信限制。此外,該算法在搜救行動中達到了全局最優。Wang 等人[62]為多架無人機提出了領導者跟隨模型、Routh-Hurwitz 準則、共識協議和模型預測控制器。所應用的方法預測了領導者狀態的變化,減少了達成共識的時間,并保持了編隊的形狀。
Altan [63] 針對無人機群提出了元啟發式優化算法、Harris Hawks 優化(HHO)和粒子群優化(PSO)。他建議的方法在多幾何路徑上表現最佳,并能快速確定控制器參數。HHO 性能更優,克服了穩定問題,并給出了最少的沉降、峰值時間和過沖。Wang 等人[64]開發了神經關系推理(NRI)模型以及無人機群和彈簧顆粒之間的映射表。所開發方法的結果能夠提高位置檢測性能。此外,它還將三維空間中的運動投射到二維平面上,設計的算法預測了運動軌跡,并給出了較高的精度。Rubí 等人[65]針對無人機群采用了四種 PF 算法,即反步法(BS)和反饋線性化(FL)算法、非線性制導法(NLGL)算法和胡蘿卜追逐(CC)幾何算法。比較結果表明,路徑跟蹤 BS 算法在偏航誤差和路徑距離方面表現更優,而 CC 算法需要的數據更少,并且證明易于適用于任何路徑類型。Selma 等人[66]使用混合控制器、自適應神經模糊推理系統(ANFIS)和 PSO 算法對多個無人機進行軌跡跟蹤。結果表明,PSO 算法能自動調整 ANFIS 參數,通過提高控制器質量最大限度地減小跟蹤誤差,并且性能優越。
Xuan-Mung 等人[57] 使用了魯棒飽和跟蹤反步態控制器 (RAS-BSC) 和 Lyapunov 理論。研究人員發現,所提出的機制提供了閉環系統的穩定性,并限制了跟蹤誤差和擴展狀態觀測器(ESO)誤差。此外,它在不確定性條件下具有快速和魯棒性,性能優越。Fabra 等人[58]為無人機群提出了一種基于任務的無人機群協調協議(MUSCOP)。該研究在多種條件下實現了高度的蜂群凝聚力,并在位置偏移誤差較小的情況下實現了最少的同步延遲。Causa 等人[59]采用多全球導航衛星系統(multi-GNSS)星座方法和邊緣成本估算方法對多個無人機進行路徑規劃。這些方法減少了計算時間和整個任務時間,為離線和近實時場景下的任務分配問題和規劃提供了快速解決方案。
Brown 和 Anderson [60] 應用昆式多項式軌跡生成方法、多目標粒子群優化(OMOPSO)和區域搜索雷達模型來優化無人機群的軌跡。這種組合可獲得最大數量的較佳軌跡,減少重訪時間和燃料消耗,并提高探測概率。Mehiar 等人[61] 為無人機群開發了量子機器人達爾文粒子群優化算法(QRDPSO)。該優化算法提供了更穩定、高效和快速的最優解,避開了障礙物,克服了通信限制。此外,該算法在搜救行動中達到了全局最優。Wang 等人[62]為多架無人機提出了領導者跟隨模型、Routh-Hurwitz 準則、共識協議和模型預測控制器。所應用的方法預測了領導者狀態的變化,減少了達成共識的時間,并保持了編隊的形狀。
Altan [63] 針對無人機群提出了元啟發式優化算法、Harris Hawks 優化(HHO)和粒子群優化(PSO)。他建議的方法在多幾何路徑上表現最佳,并能快速確定控制器參數。HHO 性能更優,克服了穩定問題,并給出了最少的沉降、峰值時間和過沖。Wang 等人[64]開發了神經關系推理(NRI)模型以及無人機群和彈簧顆粒之間的映射表。所開發方法的結果能夠提高位置檢測性能。此外,它還將三維空間中的運動投射到二維平面上,設計的算法預測了運動軌跡,并給出了較高的精度。Rubí 等人[65]針對無人機群采用了四種 PF 算法,即反步法(BS)和反饋線性化(FL)算法、非線性制導法(NLGL)算法和胡蘿卜追逐(CC)幾何算法。比較結果表明,路徑跟蹤 BS 算法在偏航誤差和路徑距離方面表現更優,而 CC 算法需要的數據更少,并且證明易于適用于任何路徑類型。Selma 等人[66]使用混合控制器、自適應神經模糊推理系統(ANFIS)和 PSO 算法對多個無人機進行軌跡跟蹤。結果表明,PSO 算法能自動調整 ANFIS 參數,通過提高控制器質量最大限度地減小跟蹤誤差,并且性能優越。
Liu 等人[67]提出了一種動力學控制器、基于分布式β角測試(BAT)的拓撲控制算法和飛行 ad-hoc 網絡(FANET)用于無人機植群。這種機制可以進行鄰居選擇,并大大減少通信開銷。Madridano 等人[68]應用三維概率路線圖(PRM)算法、機器人操作系統(ROS)架構、Mav-Link 協議、Pixhawk 自動駕駛儀和匈牙利方法進行三維軌跡規劃。這種組合使用最短的時間生成了最優解,并減少了計算時間和總行程距離。Zhou 等人[69]分析了采用不同 SI 算法的層次控制框架。該分析對主要技術的發展趨勢、未來研究和局限性進行了分類。Wubben 等人[70] 采用 MUSCOP 協議和仿真工具 Ardu-Sim,為多個無人機提供恢復能力。該協議有效地處理了失去領導者和后備領導者的問題,并引入了可忽略的飛行時間延遲。
Selma 等人[71]將基于自適應網絡的模糊推理系統(ANFIS)和改進的蟻群優化(IACO)用于控制軌跡跟蹤任務。事實證明,該策略性能優越,大大降低了均方誤差(MSE)和均方根誤差(RMSE),使無人機能在最短時間內達到預期軌跡。Altan 和 Hac?o?lu [72] 使用基于牛頓-歐拉法的三軸萬向節系統、哈默斯坦模型和模型預測控制(MPC)算法進行目標跟蹤。這種機制能穩定地跟蹤目標,即使在外部干擾下也表現出魯棒性。Sanalitro 等人[73]提出了一種飛鶴系統,該系統采用基于優化的調整方法和內環或外環方法。該系統處理了旋轉和平移軌跡帶來的參數不確定性,保證了穩定性,并提高了 H∞ 的性能。Chen 和 Rho [74] 根據最終用戶(EUs)的要求,利用自組織圖(SOMs)引入了 SI 技術。該技術可實現無人機陣列的自組織,并將無人機重新配置為樞紐或終端。此外,它還能有效地共享信息。
Qing 等人[75]將改進的蟻群優化(ACO)、最小捕捉算法和歸零控制障礙函數(ZCBF)應用于多蜂群。結果表明,所提出的算法為實時決策提供了最佳結果。此外,它還有效地提供了無碰撞和無規避的軌跡。Miao 等人[76]提出了一種多跳移動中繼系統、最小保密能效(MSEE)最大化傳輸方案,并利用塊坐標下降法(BCD)、連續凸近似(SCA)技術和 Dinkelbach 方法為多架無人機生成了一種算法。結果保證了收斂性,并在能效和保密率方面有了重大改進。Shao 等人[77] 將無人機群的多分段策略與改進的粒子群優化-高斯偽譜法(IPSO-GPM)相結合。研究結果表明,所應用的機制提高了求解的最優性,生成了高質量的軌跡,并耗費了最少的運行時間。
Gu 等人[78]建議采用網絡集成軌跡聚類(NIT)來確定無人機群的子群。這種聚類方法反應迅速,準確性高,在復雜環境中證明是有效、容錯和穩定的。Ling 等人[79]提出了一種規劃算法;針對無人機群的開箱即用軌跡繪制和多輪蒙特卡羅模擬。該算法可在噪聲和不穩定通信條件下工作,并被證明適用于合作蜂群應用。Yao 等人[80] 為無人機群采用了群智能和優化算法。結果表明,所提出的無人機群控制算法有效提高了無人機群的自主性和巡檢效率,并最大限度地降低了巡檢成本。Xia 等人[81]提出了針對無人機群的多代理強化學習(MARL)與多無人機軟行為批判(MUSAC)。所建議的機制允許做出智能飛行決策,降低了功耗,提高了跟蹤成功率,并為探測覆蓋提供了高性能。
Nnamani 等人[82] 將網格結構方法應用于無人機群。研究結果表明,該方法提高了通信保密率和物理層安全性,并評估了竊聽者未知位置的最佳半徑。Xu 等人[83] 為無人機群設計了通信感知集中式和分散式控制器。他們提出的控制器實現了較高的航點跟蹤精度。在兩種控制器之間,分散控制器的性能更優,并能保持穩定。Sharma 等人[84]研究了用于無人機群路徑規劃的多種 SI 算法。分析表明,PSO 的計算復雜度較低,ACO 具有良好的可擴展性,而 Firefly 則利用單一算子搜索解決方案。Han 等人[85]采用大規模多輸入多輸出(MIMO)和基于中心極限定理(CLT)的反向散射通信系統來分析性能和優化軌跡。這種組合在檢測寄生裝置和分離寄生信號方面表現出色。此外,它還降低了能耗并優化了軌跡規劃。
Zhou 等人[86]使用了多目標跟蹤(MTT)系統、基于智能無人機蜂群的協同跟蹤算法和多目標 Lyapunov 優化模型。結果表明,在提高軌跡預測精度的同時,執行復雜度和能耗也有所降低。Brown 和 Raj [87] 應用反應式跟蹤和帶有預測性預定位的反應式跟蹤來研究初始蜂群形成的影響。跟蹤的性能更優越。
Sastre 等人[88]應用無碰撞蜂群起飛啟發式(CSTH)的兩種改進算法和基于歐氏距離的 CSTH(ED-CSTH)算法來分析軌跡和批次生成。本研究還使用了 ArduSim 模擬器和垂直起降(VTOL)技術,以及用于無人機群的庫恩-蒙克雷斯算法(KMA)。所提出的方法優化了計算時間,確保了安全距離,并縮短了起飛所需的時間。而 KMA 被證明是現實條件下最合理的選擇。Bansal 等人[89] 針對無人機群提出了一種可擴展的身份驗證-證明協議 SHOTS,該協議采用了物理不可克隆函數(PUF)、Mao Boyd 邏輯方法和 Christofides 算法。作者為無人機群提出了一種輕量級認證和證明機制,利用物理不可克隆函數(PUF)以輕量級方式確保物理安全和必要的信任。
多架無人機的重要性正在擴大其在許多領域的合作行動和應用。無人機群被部署在不確定、室內、室外、交通等多種環境中。研究結果表明,決策、控制、路徑規劃、通信、監控、跟蹤、瞄準、碰撞和避障等諸多挑戰可能會阻礙無人機群的運動規劃。調查顯示,針對不同的挑戰,所有研究都采用了不同的方法。如任務規劃架構提供了一個完整的操作性強、穩健、可擴展和靈活的框架。許多控制器,無論是線性控制器還是非線性控制器,都被證明易于應用、直觀、穩健,并能提供最優性和全局穩定性。改進的模型預測控制器可確保對蜂群進行實時監控和跟蹤。此外,它們還提高了跟蹤的準確性、有效性和優越性。機器學習、5G 網絡和其他技術緩解了以往研究的限制因素,提高了蜂群的效率和商業用途。在本章介紹的所有這些不斷發展的技術中,蜂群智能技術被認為是可靠、高效地部署蜂群的合適解決方案。此外,它還能實現自我組織、重新配置、控制、有效共享信息、降低檢測成本和提高自主性。
除了上文提到的蜂群和技術發展的諸多優勢外,還存在許多重要而有趣的限制,可能會阻礙蜂群性能的發揮。其中,大規模蜂群的制造成本仍然很高。現有的負載體積龐大、價格昂貴,大多不適合追求高性能。因此,輕型、低成本的載荷和平臺對蜂群的形成至關重要。電池容量對完成空中任務意義重大。持久耐用的電池對于連續執行任務至關重要。然而,電池容量可以通過增加無人機重量來提高。而重量的增加也會要求能量消耗的增加。為了提供合適的電池解決方案,必須有這樣的系統,它能方便、快速地用補充電池替換耗盡的電池,并能為其他電池充電。另一個限制因素是隱私保護協議。這對于在敏感地點安全部署蜂群至關重要。否則,可能會導致國家安全問題。
介紹了無人機蜂群技術的最新發展,顯示了其在不同用途,特別是軍事領域的應用前景。本章概述了蜂群智能,解釋了其各個方面、層次、機制、遵循的原則和意義。然后,討論了蜂群面臨的挑戰和不同研究人員給出的方法。此外,為了分析蜂群的運動規劃,我們研究并匯編了多種研究。所有這些研究論文都提供了不同的方法來應對無人機群所面臨的挑戰。其中許多方法都基于蜂群智能等趨勢技術,并優于傳統策略。所有研究結果都表明了使用蜂群而非單個無人機的重要性。最后,我們討論了本文的主要發現和一些局限性,并對未來工作提出了一些建議。
盡管蜂群智能正處于新興階段,但預計在未來幾年,這項基于人工智能的技術將取得更大進展。未來的研究可以為蜂群設計更智能的控制器、最佳路徑規劃算法、穩健的架構、監控、目標搜索策略、高效的通信結構和安全的飛行協議。大規模蜂群的飛行問題和編隊維護仍需要未來的探索。在建模過程中,必須考慮無人機的大小和負載,以提高蜂群控制的魯棒性。在未來的整體系統中,將為綜合任務場景提供解決方案。無人機群在曲線上的路徑規劃需要更高效的算法。此外,能夠在任何復雜環境中快速給出優化路徑的算法也是未來的工作重點。有必要開發低成本傳感器,以解決集體監測和目標跟蹤問題,同時還能提供高精度和抗噪聲能力。還需要開展更多研究,通過升級頻段、合作對抗和信號失真監測,實現無人機群之間通信網絡的標準化。為了提高在威脅環境中的反應速度,重點將放在設計動態傳感和強大的安全飛行協議上。對于能滿足下一代網絡的情報輔助計劃來說,各種考慮因素至關重要。例如,第六代(6G)網絡應被用于蜂群的無線通信服務。這將極大地提高編隊、任務協調、人機互動等方面的重要性。在此基礎上,應改進系統,使其能夠理解和適應環境,并對用戶反饋做出快速反應。這可以進一步提高系統的靈活性以及網絡的可靠性和性能。
引言: 模擬方法,包括物理合成環境,已經在許多行業的人員技能培訓中發揮了重要作用。其中一個例子就是將其應用于培養國防和安全人員的態勢感知和判斷技能。虛擬現實技術的快速發展為開展此類培訓提供了新的機遇,但在將虛擬現實技術作為強制培訓的一部分之前,應對其適用性和有效性進行嚴格測試。
方法: 在這項工作中,我們采用了測試模擬環境逼真度和有效性的既定方法,對三種不同的使用武力決策訓練方法進行了比較。來自英國皇家空軍的 39 名下馬近戰部隊人員在以下條件下完成了射擊/不射擊判斷任務:i) 實彈射擊;ii) 虛擬現實;iii) 2D 視頻模擬。在所有三種環境中記錄了一系列射擊準確性和決策指標。
結果顯示 結果表明,二維視頻模擬在訓練中對決策幾乎沒有挑戰。實彈射擊和虛擬現實模擬的決策性能相當,但兩者在訓練判斷技能的方法上可能略有不同,也許是互補的。
討論: 因此,應謹慎選擇不同類型的模擬,以滿足確切的培訓需求。
模擬訓練是指使用合成或計算機化的環境來復制現實世界中的場景,以培養技能。出于成本、實用性、安全性和設施可用性等原因,模擬訓練被廣泛用于具有挑戰性或不可能進行真實世界練習的行業。在某些情況下,某種形式的模擬是不可避免的,即使它涉及基本的合成復制,如在水果上練習手術縫合(如 Wong 等人,2018 年)。在航空領域,高保真飛行模擬器是飛行員培訓的基本組成部分,因為在真實飛機上練習既過于昂貴,又有生命危險(Salas 等人,1998 年)。核退役領域的受訓人員除了要考慮明顯的安全問題外,還經常要準備使用尚不存在或無法停用的設備進行培訓(Popov 等人,2021 年)。在其他情況下,雖然可以進行真實世界的練習,但由于模擬更方便或更具成本效益,因此選擇了模擬。例如,盡管體育任務很少難以再現,但人們對虛擬現實(VR)、增強現實(AR)和混合現實(MR)等計算機模擬作為訓練體育技能的方式越來越感興趣(Harris 等人,2020 年;Wood 等人,2020 年)。在體育和康復等相關應用領域(Alrashidi 等人,2022 年),計算機模擬使個人能夠自行進行額外的練習,幾乎可以無休止地變化,使其成為有吸引力的體能訓練替代品(或補充品)。
最近的技術進步意味著,VR、AR 和 MR 技術現已成為模擬訓練中極具吸引力的選擇。這些技術可以對各種環境進行高保真模擬,而且成本低廉,易于使用。然而,VR 是否適合所有類型的培訓,以及 VR 環境在被采用之前是否經過了適當的測試,這些問題也引起了人們的關注(Harris 等人,2020 年)。從廣義上講,模擬(無論何種模擬)都是為了復制任務的某些方面(如行為目標和任務限制),而不復制其他方面(如危險和成本)(Stoffregen 等人,2003 年)。因此,為了進行有效的模擬訓練,有必要了解模擬環境與相應真實世界任務之間的一致程度,以及任何差異可能對學習產生的影響(Harris 等人,2019 年;Valori 等人,2020 年)。這種評估可以通過量化環境的保真度和有效性1 等方面來實現。
在以往的工作中,研究人員已經確定了進行模擬評估的保真度和有效性的幾個關鍵方面。環境的物理保真度--看起來和感覺上是否真實--通常是通過記錄用戶是否感覺自己完全沉浸在模擬環境中來評估的,使用的是自我報告的臨場評分(Makransky 等人,2019 年;Harris 等人,2020 年)。研究人員曾將參與者在經過驗證的測試或測量中的表現與新模擬器中的測量結果進行比較,以確定并發效度,并發效度是指兩個不同評估之間的一致程度(如 Xeroulis 等人,2009 年)。除了與現有的驗證方法保持一致外,有效的模擬訓練還應充分代表技能的功能,從而為真實世界的專業知識提供一個良好的指標。這種與真實世界的對應關系被稱為建構效度,通常通過比較專家和新手在模擬中的表現來評估(例如,Bright 等人,2012 年;Wood 等人,2020 年)。Lukosch 等人(2019 年)提出了一個概念化人機界面保真度的框架,其重點在于用戶與環境之間的交互質量,而不僅僅是逼真的視覺呈現。因此,他們還確定了保真度的各個方面,如心理和社會保真度。在考慮應用虛擬現實技術訓練復雜的感知認知技能時,強調用戶與環境之間互動的逼真性尤為重要。
在目前的工作中,我們試圖研究用于訓練判斷技能的三種不同的模擬方法,作為軍事房間清理工作的一部分。在軍事背景下,判斷力訓練是指培養識別威脅和非威脅的能力,并快速準確地使用適當武力的過程。射擊/不射擊決策就是一個例子。要做出有效的判斷,就必須具備態勢感知能力,并適當識別和使用環境信息(Randel 等人,1996 年;Biggs 等人,2021 年)。然而,真實的近距離作戰條件很難再現。因此,判斷技能的訓練通常采用某種形式的合成或模擬訓練,使這些能力在半真實的環境中得到發展(Li 和 Harris,2008 年;Armstrong 等人,2014 年;Nieuwenhuys 等人,2015 年;Staller 和 Zaiser,2015 年)。
英國國防部判斷訓練的主要選擇是基于屏幕的射擊場模擬或實彈判斷射擊。基于屏幕的射擊場模擬使用一種名為 "下馬近戰訓練器"(DCCT)的工具進行,該工具由一個大型 2D 視頻屏幕組成,受訓人員使用退役手槍、步槍和輔助武器進行射擊。另一種方法是在近距離戰斗環境(使用模擬房間進行物理模擬)中使用實彈或非致命性訓練彈藥進行實彈判斷射擊2。與基于屏幕的射擊場相比,實彈判斷射擊提供了更逼真的環境,但由于靜態紙板目標和必須手動重置的同質物理房間設置,其逼真度和靈活性都受到限制。虛擬現實技術可以提供有吸引力的第三種選擇,既能提供逼真的視覺效果和身臨其境的感覺,又能提供多種多樣的訓練可能性。鑒于各行各業(包括國防)都需要測試新的訓練方法來優化人類技能訓練,我們比較了這兩種現有方法與頭戴式 VR 的判斷性能。
我們用于比較判斷力訓練模擬選項的方法與之前討論的評估物理逼真度、并發有效性和構造有效性的工作(van Dongen 等人,2007 年;Bright 等人,2012 年;Perfect 等人,2014 年)密切相關。為了解決這三個方面的問題,我們:i) 收集用戶的臨場報告,以確定足夠的保真度;ii) 與其他方法進行比較(和相關性),以測試并發有效性;iii) 檢查與真實世界專業知識的關系,以測試構造有效性。由于這項工作只是對模擬判斷力訓練的不同方法進行初步探索,因此沒有對不同訓練環境之間的確切關系提出具體假設。
研究采用橫斷面重復測量設計,所有參與者按照平衡順序完成三個實驗條件,以控制任何學習效應。這三個實驗條件分別是二維視頻模擬、實彈射擊模擬和房間清理任務 VR 模擬。
受試者是從英國皇家空軍團女王之色中隊(英國皇家空軍部隊保護部隊)的下馬近戰部隊中招募的。參試者均為現役合格的下馬近距離作戰人員,軍銜從領班到下士不等。所有參與者在參加研究前均已獲得書面知情同意,并按國防部標準費率獲得參與報酬。實驗程序由埃克塞特大學部門倫理委員會和國防部研究倫理委員會共同審查(參考編號:2102/MODREC/21)。
在收集數據之前,我們進行了先驗功率計算,以確定得出準確結論所需的樣本量。在一項密切相關的研究中,Blacker 等人(2020 年)考察了軍事級模擬器和視頻游戲在射擊/不射擊決策方面的關系。Blacker 等人報告稱,模擬器和視頻游戲在射擊準確性(即命中率)方面的關系為 r = 0.48。因此,考慮到 α = 0.05 和 80% 的功率,在本研究中,需要 31 名參與者才能檢測到類似大小的雙變量相關效應。我們的樣本共有 39 名參與者(人口統計學數據見表 1),足以檢測出類似大小的效應。36 名參與者參與了所有條件,另有兩名參與者同時參與了 2D 視頻和 VR 條件,一名參與者僅參與了 VR 條件。
表1 參與者的統計數據。
在所有三種模擬條件下,參與者都要完成 18 次試驗,其中 9 次包括威脅性目標,9 次包括非威脅性目標。試驗以假隨機順序呈現。
在虛擬現實房間通關條件下,參與者佩戴 HTC Vive Pro Eye 頭戴式顯示器(HTC 公司)。這種消費級 VR 系統使用兩個燈塔基站以 120 Hz 的頻率跟蹤頭顯和手部控制器的移動。在本研究中,VR 系統經過專門改裝,以記錄 SA80 武器復制品的使用情況(見圖 1A、B)。這種仿制設備允許參與者在模擬訓練空間自由自然地漫游時,通過扣動 VR 手部控制器上的扳機來瞄準和射擊目標。虛擬環境(見圖 1C、D)由一個長方形小房間組成,參與者通過一扇敞開的門進入房間。在每次試驗中,房間內部的視覺設計特征略有不同(如不同的家具和壁畫),但其整體大小和布局保持不變。受試者從外面開始,需要進入并搜索每個房間,然后再決定是向目標射擊還是按兵不動。參與者被讀取一份腳本,指示他們根據訓練內容進入房間,所有三個條件下的訓練內容都是標準化的(見 //osf.io/vdk87/)。為了讓受試者熟悉環境和武器的行為,在進行任何試驗之前,受試者都可以在一個空房間里走動并開槍。不過,在試驗開始前,他們不會看到任何射擊/不射擊的刺激。
圖 1. VR 硬件和軟件。HTC Vive Pro VR 頭戴式顯示器(A)、位置跟蹤仿制武器(B)和游戲截圖(C、D)。圖片歸英國皇家空軍霍寧頓空軍所有。
每次重復訓練都會在虛擬房間內生成一個目標。這些模擬目標包括從 Sykes-McQueen 8,000 系列威脅評估靶場(英國蘇格蘭邊界的 McQueen Targets)拍攝的靜態圖像(見圖 3)。目標的具體位置在逐次試驗的基礎上有所變化。最重要的是,這些目標與實彈射擊條件下使用的目標相同(見下文),并且是為了提供與威脅和非威脅線索密切匹配的變體而選擇的。每幅圖像都顯示了一名手持武器(槍支)或非敵對物體(如手機、手電筒或攝像機)的戰斗人員。因此,正確的決策反應將通過射擊具有威脅性的 "敵方 "目標和不射擊 "友方 "非威脅性目標來體現。
實彈射擊條件是在一個重新利用的飛機庫中進行的,該機庫包含一些較小的房間,是為訓練室進入演習而設計的。該條件下的威脅/非威脅刺激包括顯示與 VR 中相同的 Sykes-McQueen 圖像的紙板目標。參與者使用裝有非致命性訓練彈藥的 SA80 武器向目標射擊,這種彈藥會釋放出一個小油漆囊,然后可以在目標上識別出來。
該條件下使用的是一個長方形房間。受訓者從走廊進入,房間的門已經打開,以配合 VR 條件下的自動開門。與其他條件一樣,每個房間都有一個目標,要么是威脅,要么是非威脅。在被試完成每個房間的搜索(并退出房間)后,實驗者從另一扇門進入并更換房間中的目標。
實驗員實時記錄參與者的決定(射擊/不射擊),并在每次房間搜索后拍攝目標照片。之后,通過使用 MATLAB 編程環境(Mathworks,馬薩諸塞州,美國)測量射擊與目標質量中心的距離,計算射擊精度。參與者的頭盔上還安裝了一臺 GoPro Hero 4 攝像機,以第一人稱視角記錄每次試驗。這段視頻隨后被用來通過逐幀視頻分析計算反應時間(即從目標出現在受試者視野中到開槍的時間)。
二維視頻模擬條件(使用下馬近距離格斗訓練器)在英國皇家空軍霍寧頓基地的虛擬訓練場進行,該訓練場由一系列射擊道和一個大型投影儀屏幕(位于房間前部,見圖 2)組成。參與者配備了一把停用的 SA80 步槍,該步槍通過藍牙信號與控制人員的基站相連。這種無線纜模擬訓練武器配備了專門的氣體循環系統,以復制槍栓的動作。
圖 2. 2D 視頻模擬條件。下馬近戰訓練器。圖片歸英國皇家空軍霍寧頓空軍所有。
實驗人員指示參與者像進入房間一樣準備好武器。準備就緒后,他們會看到一個目標,就像已經進入房間一樣(即,就像他們站在門口一樣)。然后,他們做出射擊或不射擊的決定。如上所述,參與者在每次試驗中都會看到一個具有威脅性或不具有威脅性的目標,并被指示在面對武裝戰斗人員時采取致命武力行動。在這種條件下,不可能完全復制相同的麥昆目標,因此戰斗人員是從控制軟件(Virtual Battlespace 2,Bohemia Interactive Simulations,Farnborough,United Kingdom)中選取的,但都是密切匹配且明顯具有敵意或無敵意的目標。這些目標的手臂和頭部會有一些細微的動作,但在射擊之前都會保持在一個位置。
為了能夠在這些條件下進行客觀的成績分析,在這些試驗的整個過程中,GoPro Hero 4 攝像機(GoPro Inc,美國加利福尼亞州)被放置在受試者的左后方。該錄像設備的位置可以檢測到目標物體何時出現,以及參與者是否開槍。實驗人員也會觀看電腦屏幕,并手動記錄參與者開槍的時間。
參與者是在英國皇家空軍霍寧頓空軍基地的訓練周期間招募的。符合條件的人員會在訪問前得到聯系,并通過電子郵件收到一份詳細的研究信息表。隨后,有興趣參加的人員參加了由研究小組親自主持的說明會,會上向他們介紹了研究目的和程序,并提交了書面知情同意書。然后,他們填寫了有關從軍經歷和軍銜的自我報告問卷。在隨后的 3 天里,參與者按照拉丁方塊設計的假隨機順序,分別完成了三種實驗條件中的一種。在完成最后一個環節后,參與者將聽取研究匯報,并感謝他們的參與。
從所有條件中獲取以下變量:
當受試者的反應(即射擊/不射擊動作)與適當的目標提示相吻合時,得分為 "1",不吻合時得分為 "0"。然后將每位受試者的平均得分換算成準確率。
記錄在每個條件下對無威脅目標開槍的次數,并同樣轉換成百分比。
計算為二元命中/未命中變量,并轉換為準確率百分比。
從刺激出現(目標出現)到扣動武器扳機之間的時間。
根據 Blacker 等人(2020 年)的研究,從信號檢測理論(Green 和 Swets,1966 年)中得出的兩個額外變量被用來補充原始決策準確度和誤報測量值。信號檢測理論描述了人類感知系統如何推斷 "信號 "的存在與否,這里的 "信號 "是指目標的性質。因此,我們研究了對威脅的敏感度(d-prime)和反應傾向(β)在不同的模擬條件下是否存在差異(見圖 3)。
圖 3 信號檢測理論圖解。(A) 中的矩陣顯示了信號和反應的四種可能組合。(B) 顯示了與信號(武器存在或不存在)和噪聲分布相關的 d-prime 和 beta 指標。如圖所示,d-prime 值較大,因為觀察者能夠感知到信號與噪聲之間的明顯差異。貝塔值在右側,表明反應策略比較保守。(C)顯示了在合成和 VR 環境中使用的賽克斯-麥奎因 "8000 范圍 "威脅評估目標的示例。
D-prime 提供了一個人對刺激敏感度的指數,它是根據 "命中"(即在正確的時候正確發射)與 "誤報"(即在不應該發射的時候發射)的比率計算得出的。具體來說,d-prime 表示命中和誤報的 z 轉換比例之差[d' = z(H)-z(F),其中 H=P("是"|"是"),F=P("是"|"否")]。數值越大,靈敏度越高(命中率與誤報率的比率越高)。
Beta (β)是反應偏差的度量,它反映了一些人反應不足,只有在確定的情況下才開槍(即保守偏差,數值低于 0),而另一些人則偏向于過度反應(即自由偏差,數值高于 0)。Beta 是根據計算 d-prime 時所使用的 z 值標準的正態密度函數的比率計算得出的。
最近的研究討論了 "臨場感"(即真正存在于虛擬環境中)如何影響學習和成績(Makransky et al.) 為了測試 VR 和 2D 視頻系統的保真度是否足以提供身臨其境的體驗,參與者被要求提供一份自我報告的臨場感測量問卷,該問卷改編自 Pan 等人(2016 年)的研究成果。該問卷(可在此處查看: 10 個項目組成,記錄了與物理環境相比,參與者在模擬環境中的真實感受程度。諸如 "我在培訓環境中有一種身臨其境的感覺 "之類的問題,可以用 1-7 分的李克特量表來回答,錨定在 "根本沒有 "和 "幾乎一直有 "之間。該問卷先前已在實驗誘導的臨場感中斷方面得到驗證(Slater 和 Steed,2000 年),并被用于醫療評估場景(Pan 等人,2016 年)、航空模擬(Harris 等人,2022 年)和社交互動(Pan 等人,2015 年)。存在感問卷用于 VR 和 2D 視頻條件,因為這些問題不適用于真實世界的活動。
在填寫完同意書后,我們立即發放了一份問卷,收集參與者的人口統計學信息。參與者被要求報告從軍年限和軍銜。
首先對數據進行篩查,以確定是否存在離群值和極度偏離正態的情況(Tabachnick 和 Fidell,1996 年)。然后使用一系列重復測量方差分析來比較三種條件下的性能變量(決策、信號檢測指標和射擊精度)。當數據嚴重偏離正態時,則采用非參數檢驗(弗里德曼檢驗)。此外,還使用配對 t 檢驗來比較 VR 和 2D 視頻模擬的存在,以測試逼真度。然后,使用一系列雙變量相關性檢驗來探究每個條件下記錄的性能指標之間的關系,以檢驗并發有效性。最后,還計算了經驗與每個性能變量之間的相關性,以確定真實世界的經驗是否與模擬中的性能相關,即構造效度。結果發現,2D 視頻條件下的決策變量達到了上限--只有兩次(超過 300 次)威脅目標沒有被擊中,而且只發生了一次誤報。因此,這些變量幾乎沒有變異,不適合進行標準統計分析,所以這些變量包含在圖表中,但在某些統計檢驗中被省略了。本研究的匿名數據可從開放科學框架獲取。
在本研究中,我們探討了軍隊中用于訓練判斷技能的三種模擬類型。模擬是許多行業中人類技能培訓的重要組成部分,而商用頭戴式 VR 的日益普及為這一領域創造了新的可能性(Lele,2013 年;Bhagat 等人,2016 年;Siu 等人,2016 年)。在采用 VR 等新方法之前,應將其與其他模擬形式(如現有和/或替代培訓方法)進行系統評估。我們觀察到三種模擬訓練(VR、2D 視頻和實彈射擊)在決策行為上存在重大差異,這表明它們并沒有帶來同等的判斷挑戰。要找出造成這些差異的確切原因,還需要進一步的工作,但目前的結果表明,不同形式的模擬可能會提供根本不同的學習條件--帶來不同程度的挑戰、沉浸感和感知信息的變化,因此應謹慎選擇,以滿足確切的培訓需求。
我們評估模擬方法的首要標準是測試 VR 和視頻方法是否能提供高保真體驗,從而激發用戶的臨場感。對于 VR 和視頻模擬方法,相對于量表的限制和以前的使用情況(Pan 等人,2016 年),臨場感問卷的得分從中度到高度不等,這突出表明大多數參與者感覺自己仿佛真的存在于房間通關場景中(見圖 5)。這表明模擬環境的保真度很高,足夠逼真。VR 中的臨場感明顯高于 2D 視頻,這證明 VR 確實更具沉浸感。臨場感是否能為學習帶來直接益處尚不清楚(見 Makransky 等人,2019 年),但它可能有助于某些 VR 任務中更逼真的行為和任務參與(Slater 和 Sanchez-Vives,2016 年)。
接下來,我們試圖了解不同模擬條件下的決策傾向是否相似。雖然武器的物理特性以及射擊機制在不同條件下明顯不同,但我們希望確定決策傾向以及參與者的判斷訓練反應是否也有所不同。最明顯的發現之一是,2D 視頻對射擊/不射擊判斷的挑戰很小,因為參與者很少出錯,幾乎都達到了最高水平。因此,在訓練過程中幾乎沒有改進的余地,所以 2D 視頻條件不太可能提高用戶的判斷能力。天花板效應的原因可能是 2D 視頻條件的變化有限。例如,在實彈射擊和 VR 中,戰斗人員的位置各不相同,受試者可以選擇如何移動來確定他們的位置,而在 2D 視頻中,他們始終出現在屏幕中央,因此很可能會減少對感知和決策的挑戰。2D 任務的靜止性質,不需要使用房間清理戰術,也可能減少了決策挑戰。回到 Lukosch 等人(2019 年)的保真度框架,以及高質量的用戶與環境互動的重要性,VR 環境中運動的互動性更強,這可能是它們優于基于視頻的方法的地方(Bermejo-Berros 和 Gil Martínez, 2021 年)。
虛擬現實和實彈射擊在決策方面更具有可比性,兩種條件下的得分范圍相似。據統計,實彈射擊的決策準確性要好于虛擬現實,但這種差異相對較小。根據信號檢測理論(Green 和 Swets,1966 年)得出的 d-prime 和 beta 指標也顯示出 VR 和實彈射擊之間的相似模式。VR 中的 D-prime 值(探測靈敏度)低于實彈射擊,但 beta 值(表示決策偏差)并無顯著差異,這表明 VR 并未使人們的判斷更加自由或保守。與實彈射擊相比,VR 中的探測靈敏度降低,反應時間延長,這可能表明 VR 帶來了額外的決策挑戰。雖然一些額外的挑戰可能有利于訓練,但這些差異也可能是 VR 中額外的認知負荷(Han 等人,2021 年)、更高的任務復雜性,或者僅僅是難以辨別環境的視覺細節。由于我們沒有收集更多關于可用性或工作量的數據,因此無法確定這些差異的確切來源。因此,未來的工作應該研究造成這些差異的確切特征,或許可以通過比較不同程度的視覺細節和不同程度的任務復雜性,以及密切測量認知負荷。盡管 VR 和實彈射擊條件之間存在這些差異,但虛擬和真實世界條件之間的廣泛相似性確實在一定程度上鼓勵人們相信,VR 可以提供足夠的心理逼真度,從而有效地進行訓練(見 Harris 等人,2020 年)。
在決策和信號檢測指標方面,2D 視頻、VR 和實彈射擊之間的相關性并不強。這表明,盡管 VR 和實彈射擊的得分分布相似,但在實彈射擊中表現出色的人不一定在 VR 中也表現出色。雖然 VR 可能提供了與實彈射擊類似的決策挑戰,但其性質似乎略有不同。雖然基于 VR 的訓練方法在訓練逼真度的某些方面往往會受到限制(例如,用戶可能會依賴不同的運動策略和感知線索: Liu等人,2009年;Harris等人,2019年;Wijeyaratnam等人,2019年),但它們激發 "逼真 "情感狀態和認知反應的能力可提供獨特的訓練優勢(例如,在軍事背景下,見:Pallavicini等人,2016年)。簡而言之,VR 和其他形式的模擬可能并不等同,但它們可以用于訓練技能表現的不同方面。例如,實彈射擊可能對培養武器操作能力更有效,但復雜而緊張的 VR 環境能讓受訓者更好地應對戰斗環境中的壓力和干擾。進一步研究比較 VR 或實彈模擬訓練后這些不同方面的表現將是有益的。
在射擊成績測量方面,不同條件下的差異較小,三組目標命中率的成對比較均無統計學差異。然而,三種條件下的準確性之間的相關性也很弱,這表明一種模擬中的技能并不能很好地遷移到其他模擬中。不過,需要注意的是,模擬訓練的主要目的并不是訓練武器操作,這可以通過其他方式實現。此外,在本研究中,我們對建構效度(即模擬中的表現是否與真實世界的經驗相關)的測試基本上沒有得出結論,因為所有表現變量與從軍年限之間的相關性都很弱。這表明,要么專業知識的衡量標準(年限)沒有充分反映現實世界中的專業知識,要么這些測試對這些差異都不敏感。
虛擬現實和實彈射擊在決策方面更具有可比性,兩種條件下的得分范圍相似。據統計,實彈射擊的決策準確性要好于虛擬現實,但這種差異相對較小。根據信號檢測理論(Green 和 Swets,1966 年)得出的 d-prime 和 beta 指標也顯示出 VR 和實彈射擊之間的相似模式。VR 中的 D-prime 值(探測靈敏度)低于實彈射擊,但 beta 值(表示決策偏差)并無顯著差異,這表明 VR 并未使人們的判斷更加自由或保守。與實彈射擊相比,VR 中的探測靈敏度降低,反應時間延長,這可能表明 VR 帶來了額外的決策挑戰。雖然一些額外的挑戰可能有利于訓練,但這些差異也可能是 VR 中額外的認知負荷(Han 等人,2021 年)、更高的任務復雜性,或者僅僅是難以辨別環境的視覺細節。由于我們沒有收集更多關于可用性或工作量的數據,因此無法確定這些差異的確切來源。因此,未來的工作應該研究造成這些差異的確切特征,或許可以通過比較不同程度的視覺細節和不同程度的任務復雜性,以及密切測量認知負荷。盡管 VR 和實彈射擊條件之間存在這些差異,但虛擬和真實世界條件之間的廣泛相似性確實在一定程度上鼓勵人們相信,VR 可以提供足夠的心理逼真度,從而有效地進行訓練(見 Harris 等人,2020 年)。
在決策和信號檢測指標方面,2D 視頻、VR 和實彈射擊之間的相關性并不強。這表明,盡管 VR 和實彈射擊的得分分布相似,但在實彈射擊中表現出色的人不一定在 VR 中也表現出色。雖然 VR 可能提供了與實彈射擊類似的決策挑戰,但其性質似乎略有不同。雖然基于 VR 的訓練方法在訓練逼真度的某些方面往往會受到限制(例如,用戶可能會依賴不同的運動策略和感知線索: Liu等人,2009年;Harris等人,2019年;Wijeyaratnam等人,2019年),但它們激發 "逼真 "情感狀態和認知反應的能力可提供獨特的訓練優勢(例如,在軍事背景下,見:Pallavicini等人,2016年)。簡而言之,VR 和其他形式的模擬可能并不等同,但它們可以用于訓練技能表現的不同方面。例如,實彈射擊可能對培養武器操作能力更有效,但復雜而緊張的 VR 環境能讓受訓者更好地應對戰斗環境中的壓力和干擾。進一步研究比較 VR 或實彈模擬訓練后這些不同方面的表現將是有益的。
在射擊成績測量方面,不同條件下的差異較小,三組目標命中率的成對比較均無統計學差異。然而,三種條件下的準確性之間的相關性也很弱,這表明一種模擬中的技能并不能很好地遷移到其他模擬中。不過,需要注意的是,模擬訓練的主要目的并不是訓練武器操作,這可以通過其他方式實現。此外,在本研究中,我們對建構效度(即模擬中的表現是否與真實世界的經驗相關)的測試基本上沒有得出結論,因為所有表現變量與從軍年限之間的相關性都很弱。這表明,要么專業知識的衡量標準(年限)沒有充分反映現實世界中的專業知識,要么這些測試對這些差異都不敏感。
以下是進行試驗后提出的一些推測性建議。在目前的情況下,實彈射擊可能對訓練房間清理的程序要素(如突破房門和搜查房間的教科書方法)最為有效。這是因為實彈射擊允許在房間內進行最逼真的移動、與實體門進行互動以及使用逼真的武器。不過,由于受訓者只是向靜態紙板目標射擊,因此判斷元素被簡化了很多。在當前的 VR 模擬中,目標是靜態的,以接近實彈射擊條件,但如果增加動態移動和不斷變化的目標(如拔出武器),則可能意味著 VR 是訓練射擊/不射擊決策的感知要素的最逼真方式。之前的研究表明,視覺搜索技能可以在 VR 中進行訓練(Harris 等人,2021 年),因此 VR 可能是判斷訓練中這一要素的良好選擇。例如,在實彈射擊訓練中,由于需要安全控制和訓練有素的教官,每次只有兩人中的一人進行練習。因此,當少數學員在教員的陪同下進行實彈演習并得到口頭反饋時,其他學員可以在 VR 上重復練習剛剛學到的技能。鑒于實彈射擊和虛擬現實方法可能帶來不同的益處,未來的研究可以探討將這些訓練方法結合起來以激發適應性知覺運動效應的有效性。與 VR 相比,2D 視頻模擬的唯一真正好處是,它允許使用逼真的武器(帶氣罐的 SA80 仿真槍,以模擬回彈),因此在沒有其他訓練選擇時可能會很有用。
在本研究中,我們比較了軍隊判斷訓練中的三種模擬方法。我們采用循證方法對 VR、2D 視頻和實彈射擊室清理模擬進行了初步評估。我們的結果表明,對同一任務進行不同類型的模擬可能存在根本性差異,因此在訓練中采用模擬方法的人員應仔細考慮訓練目的以及所選模擬方法是否能實現教學目標。
本文闡述了認知戰的特征及其對虛假信息和計算宣傳的使用,以及認知戰在戰爭和非戰爭沖突中的政治和軍事目的。文章討論了應對認知戰爭的防御和進攻措施,特別是符合相關道德原則的措施。
認知戰的定義多種多樣。下面是幾個有影響力的定義,了解一下這個詞的含義: "認知戰是一種戰略,其重點是改變目標人群的思維方式,并通過這種方式改變其行為方式"(Backes & Swab, 2019);"外部實體將輿論武器化,目的是(1)影響公共和政府政策,(2)破壞公共機構的穩定"(Bernal et al.)
因此,認知戰是最近從心理戰和信息戰等相關的非動能戰爭形式中發展出來的。認知戰在很大程度上依賴于新的通信和信息技術,特別是人工智能。認知戰的主要特點包括:以全體民眾為目標(而不僅僅是戰時的軍事目標),側重于通過改變民眾的思維方式來改變其行為,而不僅僅是就具體問題提供零散的虛假信息(例如,否認戰爭中的傷亡程度)、 例如,否認動能戰爭中的傷亡人數),依靠日益復雜的心理操縱技術(以及潛在的神經生理學技術,如經顱直接顱骨刺激(Bernal 等人,2020 年,第 32 頁;DeFranco 等人,2020 年)),以及破壞機構穩定的目的,尤其是政府,盡管最初往往是間接地破壞認識機構的穩定,如新聞媒體組織和大學。重要的是,認知戰能夠利用新的公共傳播渠道,如社交媒體,而民眾對社交媒體的依賴性已與日俱增。此外,與傳統的意識形態競爭(如冷戰期間蘇聯與西方之間的意識形態沖突)相比,認知戰的每個主角都有一個試圖 "推銷 "的思想體系或準體系,而認知戰最初也非常注重通過強調現有差異和宣傳極化觀點(如宣傳極左翼和極右翼觀點),在目標人群中播下分裂和破壞合作的種子。簡而言之,認知戰爭大量使用計算宣傳。
眾所周知,社交媒體平臺的出現以及相關的網絡技術,如算法和自動化軟件(如模仿真人的機器人),都是認知戰的重要組成部分、 眾所周知,社交媒體平臺和相關網絡技術的出現,如算法和自動化軟件(如模仿真人的機器人),使各種行為者傳播虛假信息、錯誤信息、陰謀論、仇恨言論和宣傳的數量呈指數級增長(Cocking & van den Hoven, 2018),這些行為者包括公民個人、單一問題壓力團體、右翼和左翼極端主義團體、恐怖組織、犯罪組織,在某些情況下,如俄羅斯,還包括政府。按照伍利和霍華德(2019 年,第 4-5 頁)的說法,將后一種為政治議程服務的現象稱為計算宣傳。計算宣傳的一個特點是有助于形成回聲室,在回聲室中,用戶接觸到的信息會強化他們自己的觀點。因此,社交媒體算法會調整用戶接觸到的內容,從而形成過濾泡沫。因此,個人用戶被隔離在各種觀點之外,主要接觸與自己觀點相似的用戶。這就強化了用戶的觀點,而忽略了與之競爭的觀點和可能對用戶觀點提出質疑的信息,從而導致 "硬"觀點的增加,這種觀點是不可修改的。其結果是削弱了以證據為基礎的討論,政治話語兩極分化,助長了未經證實的極端主義觀點(D'Alessio,2021 年)。
需要將認知戰與網絡戰爭、非戰爭狀態的網絡沖突、網絡恐怖主義、網絡犯罪、網絡間諜以及所稱的隱蔽認知戰--一種隱蔽行動(Miller, 2016a; Miller & Bossomaier, 2023)等類別(有時相互重疊)區分開來。雖然網絡犯罪這一類別目前已在法律中得到確立,但其他一些類別尚未確立,或者說,至少它們是否已得到令人滿意的詳細闡述還存在爭議。具體而言,在戰爭概念方面存在一個問題或一系列問題,因為它可能適用于也可能不適用于網絡沖突,包括認知戰爭。
關于這些不同類別之間的區別,需要區分四種傷害或損害。首先是對人本身造成的傷害(身體或心理傷害)。這里的心理傷害應從廣義上理解,包括欺騙性或操縱性地誘導錯誤的信念或不必要的情感態度,以破壞自我管理。第二,對建筑物、信息和通信技術硬件及其他人類手工藝品(以及支持個人和集體人類生活的自然環境)造成的損害。第三,正如迪佩爾特(2010:384)所指出的,存在網絡 "損害"(或者用術語來說是 "軟損害"),例如對軟件和數據的損害(相對于有形的信息和通信技術硬件本身而言)。第四,機構損害或傷害;即對機構程序和宗旨的破壞,例如安全機構的重大泄密事件,機構對領土控制的喪失。在這方面應該指出,破壞特定的機構程序和目的可能是為了破壞機構本身,特別是如果機構行為者本身或其服務對象的信念和態度成為攻擊目標,例如,如果他們對機構的信任受到削弱,例如,在 2020 年總統選舉中美國選舉機構的情況。認知戰的主要重點是第一種傷害,更具體地說是心理傷害,以及第四種傷害,即機構傷害或損害。
有鑒于此,是否應將認知戰理解為戰爭、戰爭之外的一種沖突或秘密行動(或兩者的某種組合)?
這里要提出的第一點是,認知戰爭所特有的上述兩種傷害(心理傷害和制度傷害)雖然本身通常不被認為是戰爭的決定性因素,但至少在理論上可能有一個門檻,在這個門檻上可以適當地使用 "戰爭 "一詞。與此相關的是,這兩種傷害可能有一個門檻,在這個門檻上,發動動能戰爭可能在道義上是正當的。此外,即使造成的其他傷害/損害(即對人類本身造成的身體傷害程度和對有形財產的破壞程度等)不構成戰爭,也可能達到戰爭所確定的心理或制度傷害/損害的門檻。同樣,即使所造成的其他種類傷害/損害的程度沒有達到使戰爭正當化的心理或制度傷害/損害的門檻,也可能達到這一門檻。此外,心理和制度上的傷害/損害可能也有臨界點,在這個臨界點上,戰爭之外的嚴重破壞或有害反應在道義上,或許在法律上,都是合理的。這種反應可能包括經濟制裁等;但也可能包括各種形式的秘密政治行動,特別是秘密認知戰(下文將詳細介紹)。
有些人聲稱,網絡戰爭是與常規戰爭,特別是核戰爭并列的一種獨特的新戰爭類別。以此類推,也可以說認知戰爭是一種獨特的新戰爭類別,盡管鑒于其基于網絡的 "攻擊 "的性質,認知戰爭顯然與網絡戰爭重疊。然而,這兩種說法都值得商榷。粗略地說,常規戰爭必然涉及 "殺人和毀物",以奪取和控制領土(在自衛戰爭中最終是自己的領土)。然而,無論是網絡沖突還是認知戰爭,都不一定涉及這些事情。但也許網絡戰爭是網絡沖突的一種,涉及有組織的團體參與一系列持續的網絡攻擊,在這些攻擊中,關鍵基礎設施遭到大規模破壞,導致大量人員傷亡,例如,許多網絡攻擊中的一次在寒冬中破壞了電網的物理組件,間接導致大量人員死亡。以此類推,認知戰爭也許是網絡空間沖突的一種,在這種沖突中,有組織的團體持續不斷地制造虛假信息、進行宣傳和使用操縱技術,以控制網上言論和詆毀政治對手(包括以毫無根據的說法破壞他們的聲譽),并以弱勢群體(如精神失常者)為微觀目標,破壞政治體制,最終可能導致大范圍的暴力叛亂和現有政治秩序的崩潰。
當然,除此之外,當代環境下的常規戰爭也會使用網絡武器,更廣泛地說,它還具有重要的網絡維度。例如,2022 年 2 月俄羅斯入侵烏克蘭。它涉及一系列廣泛的網絡攻擊,包括對烏克蘭銀行和政府部門的攻擊(Alazab,2022 年)。然而,可以說,在一場常規的動能戰爭中,網絡層面必須成為主導層面,戰爭才能被合理地描述為網絡戰爭。此外,當代環境下的常規戰爭,包括當前俄羅斯對烏克蘭發動的戰爭,都有一個重要的認知戰維度。根據等價推理,可以說,在一場原本常規的動能戰爭中,認知戰維度必須成為主導維度,戰爭才能被合理地描述為認知戰。
然而,可以說,至少到目前為止,認知戰還沒有上升到被合理定性為戰爭的沖突門檻;相反,它所包含的活動被更恰當地定性為非戰斗沖突(相對于非戰斗兵力)。當然,認知戰爭實際上并沒有導致大規模的 "殺人毀物"(即使它有可能這樣做,盡管是間接的);也沒有導致占領和控制領土。此外,迄今為止,認知戰爭還沒有導致體制遭到破壞,以至于民族國家的政治秩序被推翻。因此,認知戰(以及更廣泛的基于網絡的沖突(Miller, 2019; Miller & Bossomaier, 2023))或許更適合被視為一種非戰爭狀態的沖突(Galliott, 2019; Gross & Meisels, 2017; May, 2017)--或者說是常規戰爭的一種輔助手段。認知戰除了具有非動能特征外,還經常發生在各方公認的和平時期,例如俄羅斯對 2020 年美國總統大選的干預。此外,認知戰的許多事例可被恰當地視為秘密行動的一種。考慮一下這一建議。
民族國家對其他民族國家發動認知戰的一個問題是所謂的歸屬問題;網絡攻擊也存在這個問題,盡管網絡取證技術的發展明顯緩解了這一問題(Lucas, 2013, p. 371; Office of the Director of National Intelligence, 2018; Rowe, 2013, p. 401)。與常規戰爭中的大多數攻擊不同,或者說,與常規的攻擊或盜竊犯罪不同,此類敵對活動存在一個重大的認識論問題:可靠的責任歸屬問題,以及反過來說,有罪的攻擊者否認責任的可信度問題(至少,如果這些攻擊不是作為常規戰爭的一部分進行的--因為在后一種情況下,他們可能不會否認)。由于網絡空間中的行為體通過間接途徑密集地相互聯系在一起,因此往往很難確定這種敵對認知活動的來源,甚至很難知道這不僅僅是普通公民在進行政治交流時的表達,盡管這種交流消息不靈通,而且充斥著意識形態。
由于存在歸屬 "問題",因此否認的可信度也很高,再加上被攻擊的自由國家對傳播自由的承諾,這使得認知戰成為專制民族國家在避免直接戰爭(實際上是避免使用致命兵力甚至脅迫性兵力)的同時破壞自由國家的一種極為有用的戰略。實施認知戰的民族國家通常會采取歷史悠久的秘密行動戰略,有時也被稱為秘密政治行動(約翰遜,2021 年)。從歷史上看,秘密政治行動的策略包括暗殺 "敵 "國的政治領導人、在戰場外定點清除恐怖分子頭目、資助政變和其他叛亂運動,還包括通過散布虛假信息和宣傳、部署挑釁者等手段破壞 "敵 "國的穩定(Perry,2009)。
秘密政治行動通常是非法的,但也許不一定,至少在其所針對的民族國家中是非法的,即使在國際法中也是如此。這是秘密政治行動不公開進行的原因之一,盡管至少在和平時期進行的秘密政治行動中,這可能不是主要原因。戰爭之外的秘密政治行動雖然可能涉及殺戮和破壞財產,但其目的通常是為了避免戰爭,或至少是避免動能戰爭;此類秘密政治行動的全部意義在于削弱敵國,或保護自己不被削弱,同時似是而非地否認自己正在這樣做,從而避免直接(動能)戰爭。因此,在核戰爭陰影籠罩下的冷戰時期,秘密政治行動是蘇聯和美國都青睞的策略,或者說,俄羅斯在對美國采取侵略姿態時對其青睞有加,如最近利用劍橋分析公司(Cambridge Analytica)干預美國大選的事件就表明了這一點,這絕非偶然。
最合適的道德范疇或哲學傳統中的一般描述是所謂的 "骯臟之手"。隱蔽政治行動是典型的 "臟手 "范例(盡管許多 "臟手 "行動顯然不屬于隱蔽政治行動);為了實現某種假定的更大道德利益(就隱蔽政治行動(包括隱蔽認知戰爭)而言,是為了實現相關民族國家的更大道德利益(假定)),而去做在道義上是錯誤的(而且通常是非法的)事情。民族國家的這一更大道義利益大概就是國家安全(而不是國家利益,后者在某些情況下客觀上可能并不是一種利益,例如征服外國)。臟手行為在道德上的等同錯誤通常包括以下事實:(1) 故意對無辜者造成嚴重傷害;或 (2) 故意對有過錯的人造成嚴重傷害,但傷害與他們的過錯嚴重不相稱;和/或 (3) 違反道德上合理的法律。臟手 "行動的典型例子是對恐怖主義嫌疑人實施酷刑以獲取信息,以及在和平時期對外國政府的可疑武器設施進行非法網絡攻擊,如對伊朗核設施的 Stuxnet 攻擊。請注意,在 "骯臟的手 "的情況下,"骯臟的 "行動在道德上可能是合理的,也可能是不合理的。無論如何,"骯臟 "行動都是一種法律或道德上的錯誤,受到嚴重傷害的人受到了傷害,至少其合法權利受到了侵犯。事實上,既然如此,"臟手 "行為通常是非法的。既然如此,就產生了一個重要問題,即如何追究那些在自由社會中從事秘密政治行動的人的責任(Regan & Poole, 2021)。
在此,重要的是要將 "臟手 "行動與合法的、道德上合理的但仍然有害的行動區分開來。據推測,士兵在戰時的致命行為和其他有害行為,只要符合正義戰爭理論(訴諸戰爭權和戰時法),就不是 "臟手 "行為。警察的有害行為(如使用強制兵力實施逮捕)只要符合法律規定的、社會公認的、客觀上正確的道德原則,也不屬于臟手行為(米勒,2016a,2016c)。
如果這一觀點是正確的,那么隱蔽的政治行動,也就是隱蔽的認知戰爭,就對標準執法模式和正義戰爭理論提出了特別的挑戰。一方面,根據定義,隱蔽認知戰爭(或多或少)是戰爭之外的有害行動;其存在的理由通常是在不引發戰爭的情況下傷害 "敵 "國,尤其是在核大國的情況下,避免引發核戰爭。此外,就國家安全而言,其職權范圍可能比從民族國家的領土完整和政治獨立角度理解的國防更為廣泛。因此,適用正義戰爭理論有些不妥;它在很大程度上失之偏頗。
另一方面,根據定義,隱蔽的認知戰爭(或多或少)是非法的(至少在其所針對的民族國家)。因此,從道義上講,人們強烈反對使用這種手段。然而,由于下文闡述的原因,在某些場合和某些領域,例如自由安全機構對參與無理認知戰的有罪專制國家行為者的對等打擊(下文將詳細闡述),使用認知戰似乎在道義上是合理的。此外,(顯然)其存在的理由并不是執法,就像執法機構開展的警務工作一樣。因此,"執法 "模式的應用在很大程度上沒有觸及問題所在;問題在于許多秘密的政治行動,因而也是秘密的認知戰,盡管是非法的,與執法活動不一致,或至少是不協調,但在道義上顯然是正當的。
在戰爭、經濟蕭條、大流行病和其他災難已經造成不穩定影響的情況下,或者在已經存在兩極分化社會的情況下,如英國脫歐、全球金融危機后的美國或以色列/阿拉伯沖突后的中東,認知戰可能會更成功。因此,俄羅斯抓住 COVID 大流行的機會,加大了認知戰的行動力度,例如向美國民眾宣傳各種陰謀論。同樣,俄羅斯利用劍橋分析公司(Cambridge Analytica)在美國總統選舉中挑撥。此外,基地組織和 "伊斯蘭國 "等恐怖組織也利用認知戰技術,在各個國家招募心懷不滿的青年加入他們的事業,更重要的是,通過讓他們的 "敵人 "反應過度來挑撥離間,就像 9/11 雙子塔爆炸案一樣,事實證明,基地組織在知名度、在心懷不滿的穆斯林中的聲望等方面都取得了巨大成功。
重要的是要明白,認知戰爭是在已經存在的社會、制度和技術背景下發生的,在這些背景下,假信息、錯誤信息、陰謀論、宣傳、仇恨言論等的大規模擴散已經產生了破壞穩定的影響,其中大部分并非出于明確的政治目的(盡管可能無意中達到了這樣的目的)。
一方面,還需要區分計算宣傳(如虛假信息、意識形態/準意識形態/群體思維和仇恨言論),其內容明確或含蓄地表達了傳播者的政治意識形態,(如 另一方面,計算宣傳的內容并不如此表達,例如,俄羅斯國家官員向美國受眾傳播反疫苗陰謀論或美國右翼民族主義準意識形態,以挑撥美國關系。
認知戰的出現帶來了相當大的挑戰,尤其是對致力于倫理或道德(交替使用這些術語)價值觀和原則的自由國家而言,如傳播自由、民主進程、法治、以證據為基礎的真相說明等。因此,雖然有必要遏制虛假信息,但同時也要求在不損害傳播自由的情況下這樣做。同樣,有必要打擊參與認知戰的國家,但自由國家通過散布自以為是的虛假信息或試圖操縱專制國家的公民來達到這一目的是有問題的。另一個問題涉及責任。鑒于認知戰爭的性質,除了政府和安全機構之外,還需要各種機構承擔起打擊認知戰爭的責任,例如,承擔起建設抵御虛假信息、意識形態和操縱技術的責任。這些責任到底是什么,應該分配給哪些機構?籠統地說,包括政府、安全機構、媒體組織以及學校和大學等教育機構在內的多個機構(或至少是其成員)應承擔集體責任(可理解為共同責任(Miller, 2006, 2016b, Ch. 5))。
在其他地方,提出了一系列打擊計算宣傳的對策(Miller, 2020; Miller & Bossomaier, 2023)。這些措施包括:
政府頒布法律,要求 Facebook 和 Twitter 等大眾社交媒體平臺為其平臺上的煽動和仇恨言論等非法內容承擔法律責任。
對大眾社交媒體平臺實行強制許可制度,許可的條件是其平臺上的內容必須符合由政府設立的獨立法定機構(如澳大利亞電子安全專員辦公室)確定和裁定的最低認識和道德標準。
盡管如此,如果合法內容不符合這些最低認識和道德標準(例如,由于明顯虛假),并且被人為(例如,通過機器人)或以其他方式非法放大,社交媒體平臺有責任刪除這些內容,但只能根據上述獨立法定機構的裁決(公開透明)進行刪除。
法律規定,大眾社交媒體平臺的賬戶持有者必須在獨立法定機構注冊,然后由該機構發放唯一的身份標識,但必須在核實賬戶持有者的身份(如護照、駕照等)后方可發放。
在大眾媒體公共傳播渠道上傳播具有政治意義的內容(包括但不限于對國家安全有影響的內 容),并擁有大量受眾(如超過 100 000 名追隨者)的傳播者,在法律上必須公開其身份 (其他條件不變)。
這些措施都與認知戰爭有關。然而,這些措施并不足以打擊從事認知戰的敵對國家(而且,如果不重新設計認識論機構,這些措施可能也不足以打擊其他環境中的計算宣傳)。關于自由國家為打擊參與認知戰的敵對國家(如俄羅斯針對烏克蘭的計算宣傳活動)而應采取的措施。
在這里,需要區分微觀層面的人際言論(如約翰-布朗在街角對瑪麗-史密斯講話)和利用大眾媒體傳播渠道的宏觀層面的言論。還需要區分這種宏觀層面的言論的兩種形式。首先是通過大眾媒體公共傳播渠道向大量受眾發表的宏觀社會導向性言論。例如,CNN 的新聞廣播和美國前總統唐納德-特朗普在 Twitter 上的傳播。這些傳播的受眾數以百萬計,而且這些傳播來自受眾成員所熟知的單一已知來源。此外,重要的是,這些傳播都是公開的,因為所有上述信息都是傳播者和受眾成員共同知曉的。因此,每個傳播者和受眾都知道信息來源是誰,傳播內容是什么,也知道受眾中的其他人都知道這些,也知道其他人都知道這些,以此類推。
其次是宏觀層面的、基于個人資料的、有針對性的、通過大眾媒體渠道向數百萬人發表的、表面上是私人交流的言論。這種宏觀層面的言論可能涉及使用機器人向選定的個人發送數百萬封電子郵件,而這些人并不一定知道同樣的通信正發送給數百萬個收件人,而且(至少最初)是由單一來源發送的。) 這種形式的宏觀言論受到計算宣傳者的青睞,如劍橋分析公司。
顯然,正如其他地方所論證的(Miller, 2020; Miller & Bossomaier, 2023),通過表面上私人交流的大眾媒體渠道向數百萬人發表基于個人資料、微觀目標的宏觀言論,并沒有道德權利。事實上,恰恰相反,政府在道義上有義務打擊此類言論(包括訴諸上文總結的手段)。然而,事實也將證明,外國人并沒有道德權利對國內公民發表宏觀層面的社會導向性言論,這對禁止俄羅斯大眾媒體頻道(如今日俄羅斯)等具有影響。因此,要為大衛-斯洛斯(David Sloss)倡導的政策提供理由,即取締今日俄羅斯和類似的大眾媒體渠道(斯洛斯,2022 年)。在此之前,需要進一步明確 "社會導向型言論"(Miller, 1994, 2001, 2010)的概念;這是一種公共傳播形式。
社會導向型演講是指演講者以社會成員的身份向社會其他成員發表演講(在上述討論的意義上公開發表演講)。在這里,"社群 "可以松散地理解為一個社會團體。因此,它可以是一個小的地方社區,也可以是一個大的國家社區,甚至是國際社區;它還可以是一個學術界、商界或政界社區(這只是對該術語的松散意義上的社會群體的幾個例子)。社會導向性言論的例子包括英國首相發表全國講話,安東尼-福奇博士在美國有線電視新聞網(CNN)上對美國民眾說他們應該接種疫苗,以及一名被當地警方殺害的黑人的母親呼吁在她所在的城市舉行非暴力示威活動以示回應。
那么,通過大眾媒體的公共傳播渠道向數百萬人發表社會導向性言論,即發表宏觀層面的社會導向性言論的所謂道德權利又是什么呢?至少在原則上,公民 A 作為 A 的政治群體的成員,有向 A 的政治群體的其他成員發表言論的道德權利。這是一種自由權,因為如果一個人在某一時刻行使這一權利,那么其他人可能就無法行使,事實上,即使在相當長的一段時間內,可能也不是每個人都能行使這一權利;公民太多了,不可能做到這一點。更具體地說,在現代大眾社會中,行使這一自由權利需要利用大眾媒體的公共傳播渠道。但是,雖然大眾傳媒渠道使大眾受眾成為可能,每個人都可以成為大眾受眾的一員,但大眾傳媒渠道并不能使大眾演講者成為大眾受眾的演講者。即使在原則上,也不可能讓每個人,甚至是大多數人都成為大眾受眾。只有少數人才能成為大眾傳播者;公民人數太多,公共傳播渠道太少,不可能人人都成為大眾傳播者。因此,在這里和在其他地方一樣,需要有一個公平的程序來管理這一自由權利;而這一公平的程序可能很難找到。然而,如果是外國行為者試圖向本國以外的國內受眾進行傳播,就沒有必要確定這樣的公平程序,因為這樣的外國行為者并不擁有相關的自由權。因此,俄羅斯國家行為體(以及更廣泛意義上的俄羅斯公民)并不擁有向美國公民就重大政治問題進行宏觀交流的道德權利(具體而言,即自由權利)。同樣,美國國家行為者(以及更廣泛意義上的美國公民)也不享有就重大政治問題與美國公民進行宏觀交流的自由權利。
當然,外國行為者也無權向本國受眾以外的其他國內受眾進行社會定向傳播。畢竟,鑒于他們不是相關社區的成員,他們無法參與上述定義的社會導向行動。然而,有人可能會認為,外國國家行為者在使用大眾傳播渠道向其國內受眾以外的其他國內受眾公開傳播方面擁有不那么嚴格(比向其國內受眾成員進行社會定向傳播的權利更不嚴格)的自由道德權利。外國國家行為者(如俄羅斯國家行為者)行使這種宏觀層面的道德權利(假設存在的話),將取決于有關國內受眾(如美國公民)是否準備傾聽有關傳播;也就是說,美國公民沒有傾聽的道德義務。在此,需要再次援引共同權利的概念。
與上述觀點一致,假定,一個政治共同體的成員作為該共同體的成員,有一項共同的道德權利來傾聽那些無權通過大眾傳媒公共傳播渠道向他們發表社會導向性言論的發言者的言論。因此,美國公民擁有在 "今日俄羅斯 "節目中收聽俄羅斯國家行為者講話的共同權利。請注意,作為一項共同權利,它將被共同行使;也就是說,任何一個單獨行動的公民都沒有這樣的權利。然而,這種共同權利也包含不這樣做的共同權利。因此,美國公民擁有共同的道德權利,可以禁止外國國家行為者使用大眾媒體的公共傳播渠道,包括社交媒體,向他們即美國公民公開傳播具有政治意義的信息。與公民成員的其他共同權利一樣,這一共同權利可由公民選舉的代表公民行使。簡而言之,自由政府(如美國政府)有道義上的權利禁止外國行為者利用大眾媒體傳播渠道向有關自由國家的公民公開傳播具有政治意義的信息,而且,如果有關傳播包含計算宣傳等內容,則可能有道義上的義務這樣做。事實上,如果有關外國參與了認知戰爭,那么就有明確的道德義務來實施此類禁令。因此,同意斯洛斯(Sloss,2022 年,第 6 章)的觀點,即俄羅斯等國家行為者在 Facebook、Twitter 和其他 "大科技 "上的賬戶應被撤銷,因為這些行為者參與了與自由國家的認知戰,特別是參與了旨在破壞自由國家關鍵機構的計算宣傳活動。
必須指出的是,上述關于宏觀層面、社會導向、具有政治意義的言論的共同道德權利與社區每個成員通過非大眾媒體公共傳播渠道的傳播渠道傾聽外國國家行為者的微觀層面的人際權利是一致的。因此,上述禁令不適用于俄羅斯境內的俄羅斯公民與美國境內的美國公民之間的微觀交流。另一方面,這種微觀層面的人際權利并非絕對權利。與大多數(如果不是全部)道德權利一樣,它在某些條件下可以被推翻。然而,從本質上講,它是人類進行自由言論的基本自然道德權利,因此,存在著反對侵犯這一權利的強烈推定;這一推定只能被具體而重要的道德考慮因素所推翻,而不能被全面的國家安全訴求等因素所推翻。
迄今為止,一直在關注針對認知戰的防御措施。現在是考慮進攻性措施的時候了。當然,在自衛的大背景下,針對攻擊者的非動能攻擊性措施(假設它們可能有效)是有理由遵循互惠原則的(Miller, 2016a, 2016b, 2016c; Miller & Bossomaier, 2023)。
假設有關的進攻措施是非動能的。如果是這樣,而且這些措施針對的是有過錯的攻擊者,那么可能會認為,除了有效性的可能性以及遵守互惠原則的可能性之外,幾乎沒有任何限制(如果有的話)。如果敵國的某些成員正在散布虛假信息、宣傳、意識形態和仇恨言論,并通過計算宣傳和其他操縱手段來達到這一目的,那么捍衛者在道義上也有權這樣做,至少如果目標受眾是敵國的有罪成員的話。也許是這樣。然而,在這一點上馬上就會出現兩個問題。
首先,這些非動能措施可能具有動能戰爭所特有的致命或其他動能效果。例如,傳播虛假信息、宣傳和仇恨言論的目的是煽動暴力。更一般地說,認知戰技術的使用不能脫離其動能效應,當然也不能脫離其預期的動能效應。畢竟,參與認知戰的全部意義最終在于改變行為。
其次,許多非動能措施如果只針對有罪的攻擊者,就不會有效。例如,宣傳(部分)包括旨在削弱敵方戰爭努力(在動能戰爭的總體背景下)的虛假信息;目標顯然是全體平民。此外,在認知戰中適用有罪責/無罪責的區分是有問題的,當然也不符合正義戰爭理論家和其他人在動能戰爭中使用致命兵力時所依據的相對明確的戰斗人員/非戰斗人員的區分。
在認知戰爭中適用有罪/無罪/有罪的區別是有問題的,因為,舉例來說,一個專制國家的安全部隊正在參與認知戰爭,該國家的許多平民成員可能會支持認知戰爭,但這只是微弱的支持,他們口頭上向朋友和家人表示支持,除此之外沒有任何影響力,也沒有提供任何物質支持。此外,在這樣做的過程中,他們自己也可能不知不覺地成為相關專制國家虛假信息和操縱性宣傳的受害者。既然他們是這種意義上的受害者,也許他們并沒有真正的罪責。但是,如果是這樣的話,在實踐中又該如何將他們與那些只是完全了解其安全機構所使用的虛假信息和操縱性宣傳手段并在口頭上贊同使用這些手段的公民區分開來呢?后一類人是有罪的(或比前一類人更有罪),但實際上卻無法與前一類人區分開來。
將在動能戰爭背景下進行的認知戰與在 "和平時期"(即在沒有動能戰爭的情況下)進行的認知戰區分開來。因此,自 2022 年 2 月俄羅斯入侵烏克蘭以來,烏克蘭和俄羅斯在動能戰爭的背景下展開了一場認知戰爭。相比之下,俄羅斯對美國發動了某種程度的認知戰爭,例如,它試圖干涉美國總統選舉,并在更大范圍內挑撥離間,但這并不是在俄羅斯對美國發動動能戰爭的背景下進行的。可以說,在后一種情況下,即一個自由國家在 "和平時期 "發動一場道義上合理的(假定的)認知戰爭,訴諸有害的進攻性認知戰爭措施,將目標對準敵對國家中不可定罪(或至少罪責小得多)的成員,不僅沒有必要,而且至少在中長期內可能會適得其反。相反,以下三方面的措施組合可能就足夠了:(1) 基本上是防御性的認知措施,例如 實施上述打擊計算宣傳的措施,包括禁止敵對國在防御國的公共傳播渠道上進行宣傳;(2) 針對敵對國的虛假信息、宣傳和操縱性使用制定反敘述,但反敘述本質上不是虛假或操縱性的,因此不是有害的攻擊性措施; (3) 酌情針對 "敵 "國的罪責成員采取有害的攻擊性措施,例如:(a) 在 "敵 "國的領土上進行攻擊;(b) 在 "敵 "國的領土上進行攻擊;(c) 在 "敵 "國的領土上進行攻擊。
那么,在動能戰爭(或可能是動能戰爭的威脅)背景下開展的認知戰又是什么呢?鑒于動武戰爭的利害關系遠大于純粹的認知戰爭,而且利害關系就在此時此地,因此需要放寬限制,避免對交戰國中不可定罪的成員使用有害的攻擊性措施。(如上所述,假定一個自由國家的視角來決定其對敵對國家在道義上不合理地使用認知戰爭的反應,盡管這一次是在動能戰爭的背景下(由自由國家對敵對國家,實際上是交戰國,正義地發動戰爭))。在這一點上,必要性和相稱性的一般原則具有明確的適用性。此外,在這種動能戰爭的背景下,適用于使用認知戰爭方法的有罪/無罪區分就不那么有說服力了。在這方面,它類似于與動能戰爭密切相關的道德和法律歧視原則。根據 "區別對待 "原則,非戰斗人員不能成為蓄意攻擊的目標,但如果軍事行動符合 "軍事必要性 "原則,而且根據 "相稱性 "原則,非戰斗人員在軍事行動中被非蓄意殺害的人數不致過多,則允許非戰斗人員在軍事行動中被非蓄意殺害。然而,正如在上文所看到的,如果對非戰斗人員或以其他方式劃定的無辜(即不可定罪的)平民造成的預期傷害不是死亡或嚴重身體傷害,那么歧視原則(或相關原則)的作用就小得多,因為在使用認知戰爭技術的情況下,這種傷害很可能不是死亡或嚴重身體傷害。因此,在某些情況下,例如,如果沒有直接或間接造成死亡或嚴重人身傷害(或沒有不成比例地造成死亡或嚴重人身傷害--見下文),通過傳播虛假信息、宣傳和/或仇恨言論故意傷害不可定罪的公民在道義上可能是正當的。
(1) 使用有關認知戰技術(假定其本身在道義上是錯誤的)所造成的傷害的性質,如 (2) 使用有關認知戰手段是有效的,而且沒有比它更有效、危害性更小(從各方面考慮)的手段來實現它所服務的道德上重要的軍事或政治目的; (3) 使用道德上錯誤的手段及其造成的傷害,與該手段最終實現的軍事或政治目的所具有的道德分量相比,并不是不相稱的。
最后一點涉及到在發動正義動能戰爭的背景下使用認知戰爭技術可能導致的不可定罪公民的死亡或重傷。如果這些死亡或重傷不是有意造成的,那么訴諸必要性和相稱性原則,使用有關認知技術在道義上可能是合理的。這與戰斗人員根據必要性、相稱性和區別對待原則使用致命兵力無意殺害不可定罪的公民(或至少是非戰斗人員)在道義上是合理的。另一方面,如果非可判罪公民的死亡或重傷是有意為之,則很可能違反歧視原則。然而,在后一種情況下,如果涉及有意造成的死亡或傷害,很可能會因兩個因素而產生道德問題。首先,這些認知技術的使用與所造成的死亡或嚴重傷害之間存在間接(因果)關系。其次,那些直接造成嚴重傷亡的人本身必須對這些傷亡承擔一定的(也許是全部的)道義責任,盡管他們的行為在一定程度上是基于那些將他們作為認知戰技術目標的人所誘導他們的信念和其他態度,其目的是讓他們的目標也這樣做。可以說,在這類情況下,存在著共同的道德責任(米勒,2001 年,第 8 章,2006 年,2016b,第 5 章);認知戰技術的使用者及其目標在道德上對由此造成的不可定罪公民的傷亡負有共同責任。成功使用認知戰爭技術來煽動對不可治罪的公民實施暴力就是一個例子。
本文對認知戰進行了描述,發現認知戰要么是動能戰爭的一個非動能層面(如俄羅斯人在 2022 年入侵烏克蘭時使用的認知戰),要么是一種非戰爭沖突,最重要的是,是一種秘密行動,即隱蔽的認知戰(無論是在戰爭中還是在和平時期進行)。此外,還概述了一系列在道義上有正當理由的打擊認知戰的防御措施,并根據針對敵國不可定罪成員的問題,提出了支持采取有限制的進攻措施來打擊認知戰的論點。
本研究的主題是研究人工通用智能系統的挑戰--能夠獨立解決人類生活中不同領域問題的系統。本評論性專論研究的目的是探索當前人工狹義智能系統的性質、應用和風險,以及它們演變為具有通用智能的解決方案的可能性。
根據目的,將我們的工作指向以下任務:
1.分析人工智能領域的發展,描述其中的主要研究方法。
2.強調人工狹義智能系統的能力和領域。
3.對狹義智能的解決方案中實施的方法、原理和算法進行系統化。
4.概念化 "通用智能"的特征和具有這種特征的系統的挑戰。
5.將人工狹義智能系統的危害劃分為幾個關鍵點。
6.指導道德人工智能系統發展的監管工具和效果的系統化。
本文的主要研究論點是,盡管自二十世紀初以來,人工智能技術有了不可否認的進化發展,但人工通用智能系統的實現尚未被證明是可能的,應在長期的時間范圍內尋求。
人工狹義智能系統的發展在過去十年中取得了顯著的進步,并對人們、機構和文化產生了真正的影響。執行復雜的語言和圖像處理任務的可能性,即計算機程序在早期進化階段的主要問題,已經有了巨大的改善。目前,深度學習人工智能系統在解決視覺物體識別、機器翻譯、語音識別、語音合成、圖像合成、強化學習、社交媒體內容分析、藝術品識別、醫學圖像分析、移動廣告、金融欺詐檢測、軍事機器人訓練、評價建議等問題上應用最為廣泛。
盡管目前人工智能技術的現狀離在機器中重新創造完全的人類智能能力這一股的基礎愿望還很遠,但一些研究人員和開發人員正在努力將所取得的進展納入到具有生產、商業、運輸、醫療、教育、金融、軍事、實用和文化目的的應用中,面向社會。試圖提供更先進和規模化的服務,許多傳統和新興的人工智能系統制造商繼續投資于此類技術。
人工智能領域的理論和應用成功在該股作為一個獨立的科學分支建立后僅80年就達到了一個拐點。使用人工狹義智能系統的風險和挑戰引起了學術界和社會的嚴重關切。不斷增加的機器自動決策的智能可能性有其黑暗的一面:故意使用深度假象和不受控制的算法來推薦軍事攻擊,會導致誤導、歧視,甚至對人造成身體傷害。訓練有素的人工智能系統的偏見傾向,有助于加劇現有的社會不平等現象。
人工智能的研究已經超越了傳統的計算機和認知科學,也涵蓋了關于這些技術的社會影響問題。盡量減少人工智能系統對社會的負面影響需要創造可持續的技術解決方案。最終應用和具有普遍智能的機器的積極社會影響可以通過其創造者的道德承諾和地方、國家和國際層面的監管政策來實現。
在追求開發和使用人工通用智能系統的過程中,最重要的角色是政府,他們需要應對該股快速發展帶來的挑戰。國家監管部門對人工狹義智能系統的科學、經濟和管理重要性的認可,需要對時間和資源進行可持續的研究和開發投資,并建立一個知情和受教育的社會。
探索人工智能領域當前和未來發展的學術界和研究界在與公眾分享人工智能系統的正反兩方面趨勢和發現方面也發揮著關鍵作用。研究和評估機器學習算法對社會的影響,以實現更高的自主性,應以創造安全和與人類合作的解決方案為前提。人工智能系統必須被整合到社會福利系統中,以便在決策中明確區分人類和機器的特權。
這條線的最終成功將由人工智能系統如何幫助開展我們的日常活動來衡量,而不是它們如何有效地貶低了它們應該服務的人。目前,它們的發展仍受人類因素的制約,但沒有人知道出現什么樣的技術創新會使決策的結果有利于 "創造物 "而不是它們的 "創造者"。
這份混合型工作文件討論了太空領域如何在正在進行的烏克蘭戰爭中被使用并受到影響。可以說,空間領域在以前的任何沖突中都沒有以如此多變的方式被使用過,因此為西方國家提供了一個重要的學習機會。本文的重點是混合威脅、工具和行為者,它提供了對已實現和預測的影響的全面分析,包括空間領域和其他混合威脅領域之間的聯系。對空間基礎設施的攻擊和混合威脅可以產生非常廣泛的影響,因為現代社會嚴重依賴基于空間的能力。例如,針對衛星系統的系統性網絡攻擊可以阻止信息共享,并對能源和運輸部門造成干擾。有幾個經驗教訓:1)眾包態勢感知的力量已經在戰爭中得到證明。來自平民百姓的信息已被用于支持戰場上的行動。2)俄烏戰爭為基于衛星的技術鋪平了道路,使之成為軍隊和平民百姓都能輕易獲得的日常工具。這場戰爭已經證明,擁有空間能力并不像獲得它們那樣關鍵,正如對一些最重要的商業行為者的審查以及他們的服務在沖突中的使用情況所顯示的那樣。3) 商業空間資產在軍事行動中的使用正在模糊戰爭中軍事和民事行為者之間的界限。4) 衛星技術的發展及其使用也促進了可用于軍事目的的新能力組合。戰爭對空間環境和大量國際空間計劃造成的一個主要威脅是國家間合作精神的退化。這方面的一個明顯的后果是越來越多地通過每個國家自己的國家或區域活動來確保主權的工作。
俄羅斯自2022年2月24日以來對烏克蘭的戰爭被描述為第一場 "兩面空間戰爭"。空間領域已經以一種更加敏捷和靈活的方式被使用,并與其他混合威脅領域相聯系。特別是,商業和私人資源在利用空間領域方面的重要性得到了強調,而國際空間合作也因戰爭而經歷了重大挫折。俄羅斯正在發展反衛星能力以及電子和網絡武器,而西方國家正在重新評估其安全優先事項并制定空間戰略。不斷變化的空間威脅、新的空間現象、雙重用途的能力,以及天基能力對社會重要功能的日益關鍵性,塑造了空間領域的伙伴關系和協作。同時,目前的全球空間治理框架在管理空間活動和空間安全方面是不充分和無效的。這為混合行動留下了機會,并使在空間尋求一致的反措施變得復雜。
混合威脅可被定義為協調和同步的行動,這些行動故意針對民主國家或機構的系統脆弱性,以達到戰略目標并創造預期的效果。行動通常是在多個領域進行的,而且敵對行為者也可以以創造全新的脆弱性為目標。空間領域對敵對行為者來說是一個誘人的目標,因為西方社會對天基系統的依賴比以往任何時候都大。空間領域與空中領域相互連接,這很容易造成連帶效應。天基系統也可以通過地基系統受到干擾和破壞。
混合威脅被認為針對13個不同領域,即基礎設施、經濟、情報、信息、網絡、外交、政治、文化、社會/社會、法律、軍事/國防、空間和行政。影響空間領域的混合威脅工具包括,例如,針對基礎設施的實際行動、創造和利用基礎設施的依賴性、外國直接投資、工業間諜、網絡間諜、網絡行動和電子行動(例如,干擾和欺騙)。利用法律中的門檻、不歸屬、差距和不確定性也是可能的,還可以利用法律規則、程序、機構和論點。作為對混合威脅工具的回應,也可以利用空間領域來創造對混合威脅的復原力,并作為適當反措施的平臺。
這份混合型共同利益工作文件著重于以下研究問題:
1)在俄烏戰爭中,空間領域是如何被使用的?
空間領域是如何與其他混合威脅領域聯系起來的,以及使用了什么樣的工具?
哪些服務已經成為目標,產生了什么樣的影響?
誰是沖突中與空間領域有關的主要行為者?
哪些空間能力已經被用來對付混合威脅?
對混合型歐洲共同體的參與國有什么影響?
本文的結構如下。首先,作者介紹了天基服務以及它們如何在俄烏戰爭中使用。隨后討論了在戰爭中利用空間領域進行混合威脅活動,以及針對混合威脅的反措施。提供了使用空間領域的主要例子,并闡述了與其他混合威脅領域的聯系。還強調了選定的商業行為者和服務的作用。最后,提供了結論和建議。
衛星技術在現代社會中的應用很多,往往是看不見的。衛星是一個重要的基礎設施,使電信、交通、金融系統和能源網絡能夠可靠地運作。例如,衛星提供天氣數據,來自偏遠地區的新聞,以及開車或做運動時的定位服務。典型的衛星服務被分為四個主要領域,包括(1)定位、導航和定時(PNT)服務,(2)通信,(3)遙感,以及(4)科學和探索任務,通常旨在探索外層空間,與前三類相比,主要是為了支持地球上的生命。
軍事衛星服務包括衛星通信和PNT這樣的服務。監測能力用于以下服務:(1)導彈預警系統,(2)環境和天氣信息,以及(3)情報、監視和偵察(ISR)。軍事空間行動還包括將衛星發射到軌道上并操作它們,以及了解空間態勢。后者包括空間氣象服務,對衛星和其他空間物體運動的探測和建模,以了解對手能看到什么和做什么,以及探測對衛星的威脅(如空間碎片或導彈)的能力。空間技術是一項重要的輔助技術,通過提高部隊的機動性、協調性和行動的準確性,為提高部隊的表現提供了手段。因此,空間沖突被Szymanski定義為 "所有關于拒絕衛星對地球上的軍事力量或平民的支持--不是簡單地為了破壞而消除衛星系統"。
自俄烏戰爭開始以來,基于空間的服務在戰爭中發揮了不可或缺的作用。俄羅斯入侵烏克蘭的影響已經擴散到空間領域,影響了國際空間合作和空間服務的使用方式。所有上述能力都被積極利用,商業公司在支持軍事行動和民用需求方面發揮了越來越重要的作用。諸如HIMARS這樣的GPS制導武器已經被用來非常精確地打擊目標。基于衛星的監測已使戰場可能成為歷史上最透明的戰場。在戰爭中利用空間并不意味著你需要擁有自己的衛星。正如在俄烏戰爭中所證明的那樣,人們可以利用公共和商業衛星,以及盟友提供的服務。空間活動已經變得越來越商業化,今天90%以上的發射都是商業衛星。截至今天,所有軍隊都采用商業衛星服務作為其行動的一部分。烏克蘭部隊在其行動中使用了來自Starlink等公司的服務。衛星技術的一個重要用途是通過分享俄羅斯軍事車隊、建筑、飛機部署和其他關鍵事件的衛星圖像,在全球提高公眾對烏克蘭局勢的認識。這也突出了空間在情報和信息領域的重要性,無論是對于戰爭中的侵略者還是防御者。
空間領域的軍事存在和行動在未來可能最終擴展到摧毀天基基礎設施。俄羅斯已經展示了這種能力,在2021年11月的反衛星導彈試驗中拆毀了一顆衛星。可以說,最重要的太空目標將是直接向遠程軌道上的其他衛星轉發數據和指令的衛星,使它們成為關鍵太空系統的扼制點。對于沒有廣泛的世界性衛星地面控制站的國家來說,這一點尤其如此。然而,實際的太空戰將是最后的邊界,因為沒有人愿意摧毀或冒險使用太空資產的能力。這可能是不理想的后果,因為太空中的爆炸會產生大量的空間碎片,幾乎可以在任何地方危及空間安全和衛星服務。
到目前為止,大多數可以針對空間領域的混合威脅工具利用了空間資產與其他領域的聯系。空間領域以前被視為與軍事/國防、經濟、基礎設施、信息和情報領域密切相關。然而,來自烏克蘭的證據揭示了與所有其他混合威脅領域的有意義的聯系。空間技術和空間環境容易受到混合威脅,特別是在網絡領域。
衛星系統有與平臺及其安全有關的網絡安全漏洞,地面基礎設施的接口,以及竊取和破壞數據,甚至關閉系統的可能性。與衛星系統有關的安全威脅,重點是衛星通信,最近已經被確認,有一些威脅涉及任何類型的衛星系統。干擾可以影響空間和地面資產。現代衛星的可編程性使得更新軌道上的衛星可以執行新的操作,這就為惡意的應用程序上傳到衛星上打開了大門。
與俄烏戰爭有關的一個例子是俄羅斯對Viasat衛星(KA-SAT)網絡的網絡攻擊,使烏克蘭的調制解調器無法運行,導致整個歐洲的組織出現了數千次中斷。該事件發生在入侵開始之前,大大影響了通信和共享態勢感知數據的能力。地面入侵者利用一個錯誤的配置進入衛星運營商的管理系統,然后指示大量的住宅衛星調制解調器從網絡中退出。該事件不僅顯示了衛星系統的脆弱性,而且還揭示了如果將具有安全弱點和漏洞的技術整合在一起,集成系統將具有更高的脆弱性。因此,在整合地面和衛星系統共同運作時,必須創建網絡原生設計,也就是說,從一開始就考慮到網絡問題。
俄烏戰爭已經廣泛表明,空間領域影響到其他混合威脅領域,既為惡意行為者提供工具,又為建立抵御威脅的能力提供資源。與所有混合威脅領域都有聯系。例如,大型衛星群可以作為一種替代性基礎設施,提供通信和PNT服務。在經濟領域,無法使用俄羅斯的發射能力在全球范圍內對商業衛星公司產生了影響,烏克蘭的航天工業在很大程度上被禁用。由于沖突期間對商業能力的使用增加,俄羅斯已經聲稱私人空間資產是戰爭中的合法目標,影響發生在法律領域。表1總結了空間和其他混合威脅領域之間的初步聯系。
表1. 俄烏戰爭中空間和其他混合威脅領域之間的聯系
混合威脅領域 | 與混合威脅和工具的聯系/影響 | 與應對混合威脅的聯系 |
---|---|---|
基礎設施 | 衛星技術是能源、運輸和通信網絡等關鍵基礎設施的關鍵推動因素。 | 如果地面基礎設施被破壞,像Starlink這樣的大型衛星群可以提供一個替代的通信和PNT系統。 |
賽博 | 對衛星網絡(如Viasat)的網絡攻擊可以阻止烏克蘭的通信,并導致整個歐洲組織的服務中斷。俄羅斯正在積極干擾烏克蘭各地的GPS信號。已經有針對Starlink系統的黑客攻擊企圖。 | 空間公司和國家在實施空間系統和確保它們的網絡安全,以及培訓人們以安全的方式操作它們方面投入了更多努力。 |
經濟 | 烏克蘭的航天工業是喪失能力的。由于俄羅斯退出了合作,發射能力受到限制。經濟制裁可以被繞過: 俄羅斯通過盟友和黑市獲得了能力(例如,在無人機制造商大疆暫停在俄羅斯的業務后,俄羅斯仍然可以通過白俄羅斯和伊朗獲得無人機)。 | 私人空間部門通過雙重用途的空間資產找到新的市場。空間優先事項可能在國家和國際合作中被重新評估。人們必須意識到其他國家的投資對一個目標國家的空間基礎設施的影響。 |
軍事/國防 | 天基能力對于戰場上的情報、環境監測、導彈預警和指揮與控制是必不可少的。俄羅斯已經展示了新型武器的威脅,例如摧毀衛星。 | 衛星使我們有可能在危機出現之前就看到大規模的變化。歷史衛星數據可用于分析戰爭前的局勢,并幫助找到避免升級的方法。有必要調整戰略,制定應對新的空間武器和多樣化的空間威脅的方案。新的私營空間公司可以通過更深入的整合和伙伴關系被看作是傳統的軍事承包商。保護商業資產的需求在增長。 |
社會/社會性 | 天基能力可以在危機期間支持社會的重要功能,例如,Starlink確保了烏克蘭的互聯網可用性和通信。公民可以提供資產來支持行動,例如烏克蘭的 "dronations "運動,收集業余和商業用途的無人機;眾籌的ICEYE衛星;以及眾包的局勢意識。 | 眾籌資金用于購買新的衛星以支持行動。眾包促進了防御意愿和心理彈性: 生成軍事裝備的基層行動支持貢獻者的士氣,以及那些在前線的人。 |
(公共)行政管理 | 商業空間能力和信息對烏克蘭各部委很重要。國防部支持公開購買一顆ICEYE衛星。內政部將衛星圖像用于決策和與公民分享信息。 | 衛星提供了與公民聯系的手段,即使在地面基礎設施被破壞的情況下。 |
法律 | 俄羅斯聲稱私人空間資產是戰爭中的合法目標。俄羅斯指出,根據《外層空間條約》,將私人衛星用于軍事目的是挑釁性的,是有問題的。不樂意看到自己的設備被用于軍事目的的私人行為者也會使用法律論據(如無人機制造商大疆,它表示這種使用違反其原則,并有潛在的法律合規問題)。 | 天基能力可以支持歸屬問題,例如提供戰爭罪的證據。 |
情報 | 衛星使情報行動能夠在用其他手段工作非常具有挑戰性的地區進行。 | 衛星可以揭示陸地上的情報行動,探測例如設備和建筑區域。 |
外交 | 俄羅斯已經決定退出國際空間站的合作。在太空中,從俄羅斯延伸出來的國際緊張局勢日益嚴重。失去國際空間站作為一個外交工具和未來科學探索的平臺,對外交關系有重大影響。 | 促進可持續性和和平利用空間的準則、行動和措施應繼續下去,并鼓勵通過外交途徑擺脫危機。 |
政治 | 俄羅斯一直在努力將國際空間站政治化,到目前為止,它是一個純粹的科學合作平臺。其他國家和俄羅斯之間的國際合作被凍結了,預計在很長一段時間內都會如此。 | 俄烏戰爭表明了獲得衛星服務和區域主權的重要性。小國正在學習新的方法,以便在大國進攻時進行操作。例如,臺灣已經表示,如果中國對臺行動,它將建立一個基于衛星的互聯網。歐盟和北約之間的空間合作正在加深。 |
信息 | 俄羅斯已發表挑釁性聲明,稱商業和民用衛星資產成為戰時行動的合法目標。俄羅斯聯邦航天局曾試圖利用國際空間站進行親俄、反烏克蘭的宣傳。航天業有影響力的人,例如埃隆-馬斯克,已經對烏克蘭表示支持并給予指導。 | 衛星數據和高分辨率圖像有助于挑戰虛假信息。衛星被用來提供有關烏克蘭及其附近地區事件的最新信息。圖像在報紙和在線資源中與公眾分享。衛星使烏克蘭人民能夠接收國際信息。例如,遍布全國的Starlink終端提供可靠的信息來源,幫助減少俄羅斯宣傳的影響。 |
文化 | 由于俄羅斯的退出、日益緊張的局勢和對戰略自主權的日益追求,探索和發展空間的合作文化受到威脅。共同的價值觀可以促進區域內或志同道合的盟友之間的合作。 | 未來的空間合作可能會更加基于價值。空間的可持續利用是一個例子。在空間安全方面,尋求志同道合的伙伴進行合作。私人行為者可能必須在文化上對自己進行定位以進行合作。這種轉變可能會使全球空間治理框架的發展更加困難。 |
觀察戰爭期間的活動
如表1所示,空間技術也被積極用于應對混合威脅行動。例如,衛星實現了最新信息和新聞的共享,使烏克蘭的平民和軍事人員了解情況,而不顧地面渠道的信息操作。應對混合威脅的另一個重要因素是國家和領先的商業和公共組織之間的合作,如美國國家航空航天局和歐空局,空間行業有影響力的人一直在指明方向,也提高了人們對開發更好的空間系統的需求。這場戰爭通過政治對話和共同的信息傳遞加深了北約和歐盟之間的合作,為應對外國信息操縱和干擾等各種類型的威脅提供了更好的能力。這種戰略伙伴關系比以往任何時候都更加有力,支持烏克蘭自衛和保護其人民。歐盟的政治和安全委員會與北大西洋理事會之間定期舉行會議,各工作組之間也經常進行交叉匯報。合作的工作范圍包括,例如,在歐盟和北約防務規劃過程中,在需求重疊的地方作出努力。這場戰爭表明,擁有空間能力并不像獲得這些能力那樣關鍵。這一重要的認識可能會進一步推動國際空間合作和私營空間部門的崛起。為此,建立系統冗余和備用系統的重要性可能會被強調。總而言之,通過私有化和多樣化的空間威脅,能夠拒絕獲得空間能力的行為者群體將變得更加多面。
提高空間技術的復原力
這對于確保關鍵的空間技術在未來仍然有用是至關重要的。要回答的問題是如何提高空間技術的復原力并創建網絡防護系統。提高復原力的一個方法是納入冗余和使用幾個系統的可能性。這樣一來,單一系統的故障就不會妨礙通信能力,例如。最近的一個例子表明,行動不應該依賴單一的衛星通信系統,埃隆-馬斯克宣布Starlink衛星不能在克里米亞使用。這種限制對該地區的部隊行動有直接影響,因為如果不使用其他冗余系統,部隊和指揮部之間就無法有效建立聯系。
有多種網絡安全威脅,在過去設計 "舊空間 "系統時沒有得到適當考慮。必須從一開始就把新系統設計成網絡安全的系統,特別是確保地面部分的安全,防止地面的攻擊和漏洞。建議使用強大的認證和訪問控制程序,以增加系統的復原力。此外,有必要積極監測潛在的安全威脅,以便用適當的行動來減輕它們。這可以通過網絡安全操作中心(CSOC)來完成,它結合了監測和決策技術、人力資源管理人員和流程,以實現準確的網絡態勢感知,并積極應對檢測到的威脅。最好的CSOC是專門的設施,網絡安全分析師在那里持續工作,專注于防御戰略網絡上未經授權的活動。它們可以由民族國家或跨國公司建立和經營。在空間領域,歐空局正在資助開發,以確保歐洲層面的運作。然而,仍然需要為此開發更好的工具,培訓在空間領域工作的人,并開發動態頻譜管理機制,以更有效地保護系統免受干擾。
提高空間系統復原力和可持續性的手段包括空間安全和網絡安全,但也包括經濟和環境的角度。至關重要的是避免產生新的空間碎片,并改善空間碎片和威脅探測能力,以確保衛星服務將對未來幾代人保持有用。有必要開發更好的空間交通管理方法,衛星可以利用自動避免碰撞的程序,使它們能夠對威脅作出迅速反應。從俄烏戰爭中也可以看出,國家和空間領域行為者之間應加強進一步合作,并制定規則和措施,確保和平利用空間。
全球行為者
在空間領域有積極的全球行為者,如美國、歐盟、中國、俄羅斯和北約。美國有跨越ISR、GPS和連接的能力,而歐盟有自己的定位和地球觀測的旗艦計劃(伽利略和哥白尼)。歐盟還計劃建立自己的安全連接系統,稱為IRIS,作為一個新的旗艦和一個專門的衛星通信基礎設施。這是歐洲目前最重要的空間計劃,旨在支持關鍵用戶和普通公民。中國擁有北斗定位系統、反衛星(ASAT)導彈能力,即摧毀衛星的手段,以及包括月球車在內的深空任務。俄羅斯在發射器、人類和科學任務以及定位方面有長期經驗。最后,北約自2019年起將空間作為其行動領域,利用空間來支持通信、導航和情報等領域的行動和任務。通過使用衛星,北約及其成員國能夠以更快、更有效和更精確的方式應對危機。
國際合作和發射活動
由于戰爭,俄羅斯已經退出了國際空間合作,這對國際空間業務和發射活動產生了重大影響。俄羅斯已經拒絕為西方國家進一步發射任何衛星。聯盟號火箭在建造和供應國際空間站,以及通過定期助推使空間站保持在軌道上方面發揮了作用。目前正在尋找替代品,幸運的是,例如SpaceX已經展示了其向國際空間站發射宇航員的能力。然而,到目前為止,這些發射在很大程度上影響了商業運作,載人飛行也按計劃實施。盡管如此,戰爭的影響在各種形式的合作中是可見的。最近,俄羅斯宇航員和國際空間站指揮官奧列格-阿爾捷米耶夫在9月28日將空間站的指揮權移交給薩曼莎-克里斯托弗雷蒂時說,"戰爭將在各地結束",她是歐洲國際空間站的第一位女指揮官。戰爭也在催生新的合作形式。中國和俄羅斯宣布合作開發定位系統,將北斗和格洛納斯系統的準確性和可靠性提高到GPS的水平。兩國同意在對方的土地上建立衛星地面站,以提高系統的互操作性。然而,已經很明顯的是,戰爭已經影響了未來許多年內空間產業的基本合作精神。圖1展示了積極參與俄烏戰爭的不同空間行為者的情況概述。
圖1. 俄烏戰爭期間的商業和公共活動以及對國際合作的影響
衛星通信 | 無人機通信和實現無人機打擊;信息共享和反擊錯誤信息;指揮和控制:支持反擊和炮擊;網絡攻擊的目標 |
光學和SAR成像 | 近乎實時的情報和監測:對烏克蘭及周邊地區的大規模態勢感知;眾籌衛星支持軍事;媒體中顯示戰爭恐怖的公共信息;歸屬和指控的證據 |
國際合作 | 俄羅斯退出國際合作;衛星發射能力下降;合作精神減弱;重點轉向支持國家/地區主權的活動;中俄合作開發PNT系統 |
私人公司
私營公司的作用,以及他們提供的服務和設備,從戰爭開始就至關重要。私人行為者的作用可以通過一些關鍵行為者和他們對俄烏戰爭的影響來證明。
SpaceX公司提供了Starlink終端和衛星容量,以支持烏克蘭開展的行動。Starlink已被用于提供連接,以支持反擊或炮擊,并實現從任何地點的縮放通話。這種影響是巨大的,特別是在民用連接、指揮和控制以及情報和態勢感知領域。Starlink連接已被用于監測和協調無人駕駛飛行器,從無人機發送視頻流,并實現無人機的打擊。SpaceX在衛星發射業務中也是一個重要的商業參與者。俄羅斯過去曾發射過許多西方衛星,但由于戰爭,這種活動突然停止。這增加了SpaceX的主導地位,現在它甚至為Starlink在互聯網業務中的競爭對手,如OneWeb,提供發射服務。
Maxar公司正在運營分辨率非常高的衛星。戰爭期間,Maxar和其他商業運營商,如Planet Labs和Pléiades Neo,提供了覆蓋俄羅斯車隊、部隊和機場活動的高質量圖像,這些圖像被新聞界廣泛使用。這些信息在為軍事計劃和公眾對戰爭的看法提供信息方面發揮了關鍵作用。從戰爭一開始,所提供的情報就被用來獲取烏克蘭及其周邊地區的大規模態勢感知數據。圖像顯示了該國境內和附近地區的部隊和車輛的移動情況,并證實了飛機和基礎設施的損壞。使用該數據的一個例子是,首先揭示了6月20日在白俄羅斯靠近烏克蘭邊境的Zjabrovka機場的軍事裝備的堆積,隨后確認了8月10日爆炸對裝備造成的損害。
ICEYE允許烏克蘭武裝部隊以高重訪頻率接收關鍵地點的雷達衛星圖像。與Maxar光學數據不同,合成孔徑雷達(SAR)技術允許透過云層和在夜間成像,為獲得態勢感知數據提供了新的機會。一顆ICEYE衛星是由烏克蘭私人募集的資金購買的。最近有報道說,它在運行的頭兩天檢測到了60多個單位的敵方軍事裝備。因此,俄羅斯軍隊損失的裝甲車價值超過了整個眾籌衛星項目的成本。
烏克蘭的航天工業源遠流長,戰前處于活躍階段,建立了一個不斷增長的私營產業。然而,由于俄羅斯的入侵,它已經被拋入了懷疑之中。許多在初創企業工作的專業人士已經成為士兵。國家空間專業人員希望烏克蘭能夠重新評估空間優先事項,關注新空間時代的安全和技術,隨著私營公司的強勢崛起和小型衛星的使用,并拋棄蘇聯的殘余。然后,一個新的烏克蘭航天工業可以成為烏克蘭安全的基礎,從長遠來看,甚至支持其盟友的空間能力發展。烏克蘭太空專業人士表示,來自埃隆-馬斯克等大人物的公開支持,已經提振了烏克蘭的士氣,并通過指出前進的方向影響了許多組織和政府領導人。如果航天業的領導人與烏克蘭站在一起,這將為在經濟上孤立俄羅斯而努力。
無人機技術相關行為者
無人機在戰爭中發揮了明顯而重要的作用,比迄今為止的任何重大沖突都要大。雙方都使用了數千種不同的空中平臺,包括軍用無人機和小型現成的無人機。像土耳其的Bayraktar這樣的軍用無人機被用于情報行動,以確定敵人的目標,并引導炮火向他們開火。它們在擊沉 "莫斯科 "號軍艦中發揮了作用。小型、廉價的無人機被用來作為神風特攻隊的炸彈,但也被用來發現目標和引導攻擊。作為積極使用無人機的結果,反無人機技術,如用于跟蹤的雷達系統,以及使導航能力失效的定向電磁脈沖,也越來越多地被作為行動的一部分使用。
無人機的使用將許多行為者與戰爭聯系起來。據推測,在西方制裁之后,俄羅斯從伊朗和白俄羅斯以及通過黑市渠道獲得了無人機,而無人機制造商大疆也暫停了在俄羅斯和烏克蘭的商業活動。同時,烏克蘭部署了由普通公民捐贈的業余和商用無人機。
信息領域促進空間的行為者
在與空間有關的信息領域,有影響力的個人的作用是顯而易見的。SpaceX創始人Elon Musk發表了強烈的,甚至是挑釁性的聲明,以獲得對烏克蘭的支持,但也矛盾地強調了由于資金問題,衛星服務可能中斷。在光譜的另一端是時任俄羅斯航天局局長德米特里-羅戈津試圖進行親俄和反烏克蘭的宣傳,并威脅要退出國際空間站合作。法律和道德方面一直是俄羅斯信息活動的一部分(宣布商業衛星為戰爭目標,并指責烏克蘭和西方違反《外層空間條約》)。
信息運動的影響很難評估,但盡管俄羅斯有相反的意圖和嘗試,對信息領域的利用最終使烏克蘭的道路變得更加平坦,因為它使戰爭變得明顯,并使其處于公眾的視野中。烏克蘭從西方國家獲得了驚人的堅實支持。例如,歐盟和五角大樓已經考慮為烏克蘭的星聯衛星網絡提供資金。
自俄烏戰爭開始以來,空間一直發揮著重要作用,軍事力量有效地利用歐洲和美國服務供應商的商業能力來實現其行動。這場戰爭表明,空間領域在戰爭升級之前,即在門檻以下的階段,以及在戰爭期間,都是至關重要的。它在戰爭結束后也是必要的,例如,在評估地區的損害和安全以及為法律歸屬提供證據時。空間領域影響到其他混合威脅領域,既為惡意行為者提供工具,又為建立抵御威脅的復原力提供資源。空間技術和空間環境容易受到混合威脅的影響,特別是在網絡領域,對衛星通信系統的網絡攻擊不僅在烏克蘭而且在其他地區產生了重大影響。
戰爭中的空間領域已經影響到烏克蘭的軍事行動和平民社會的安全。另一方面,民間行為者在天基能力的幫助下,被賦予了支持戰爭的能力。信息領域已經利用天基能力來說明和敘述戰爭。這場戰爭在許多國家產生了巨大的影響,消除了軍事技術的污名。在戰爭之前,有大量的組織根本不想把自己與軍事領域聯系起來,而現在許多商業公司正自豪地介紹他們產品的雙重用途能力。這可能會導致歐盟和北約國家對軍事能力發展的支持增加,因為這些能力被認為可以更廣泛地增強社會的復原力。在戰略防御能力發展項目的工業合作中納入兩用技術的興趣可能會增加。這也將提出政府保護商業資產的意愿和能力問題。
從空間領域的角度來看,沖突的主要行為者包括全球行為者,如美國、俄羅斯、北約和歐盟,但也包括前所未有地增加的私營公司及其空間資產的作用。特別是SpaceX公司,作為通信技術和發射服務的提供者,其全球作用已經增加。在Starlink的幫助下,眾包態勢感知,以及眾籌作為資助空間能力的工具,已經表明個人作為安全行為者在現代社會中的作用越來越大。如果有效利用,這一發展將促進全面安全,并在未來建立復原力。然而,這種類型的授權可能是雙向的,這意味著個人在部署空間能力的惡意活動中的作用可能在未來增長,適當地改變和增加混合威脅的潛力。然而,盡管安全行為者的角色模糊不清,政府和當局的法律責任不會消失。個人可以為安全作出貢獻,但他們不能被視為對確保安全負責,因為只有當局擁有法律規定的管轄權。
戰爭將通過合作形式和環境的變化、空間能力的重新優先化、商業技術和服務的增加以及更多的用途,對空間領域的發展產生長期影響。同時,戰爭增加了區域對戰略自主的努力,例如歐洲實施自己的衛星通信星座的目標。
基于這項研究的初步影響可以歸納為四個關鍵的啟示:
1.眾包態勢感知的力量已經在戰爭中得到了體現。然而,部分不清楚如何驗證眾包數據并防止在決策中納入故意的惡意數據。空間技術在這里可以有相關的用途,例如,用衛星成像來驗證報告的事件。公民在支持行動中的作用越來越大,引起了關于當局的責任和作用的法律問題。
2.俄烏戰爭為基于衛星的技術鋪平了道路,使之成為軍隊和平民容易獲得的日常工具。這不僅可以促進對軍事領域的混合威脅的復原力,也可以促進心理上的復原力。在危機和戰爭情況下做出貢獻的能力,以及做一些具體和有形的事情,將促進和維持個人的心理復原力和防御意愿。復原力也可以通過信息領域得到支持:在危機中,人們會要求獲得關于局勢的最新信息。通過衛星檢索的數據將有助于滿足這一需求。它也可以有利于打擊混合威脅的信息運動,以及人們對信息領域的影響活動的復原力。
3.在軍事行動中使用商業空間資產正在模糊戰爭中軍事和民事行為者之間的界限。烏克蘭的人們已經集資購買了一顆衛星來支持行動,這顆衛星已經成功地用于軍事行動。商業行為者甚至不一定知道他們的技術是雙重用途的。因此,參與戰爭的決定無意中被外包給了使用商業行為體技術的人。這在道德上可能是有問題的,因為一些行為者希望不參與戰爭或選擇自己的一方,并拒絕敵對行為者獲得其資產。評估空間領域的威脅--即構成威脅的能力和行為者,以及評估潛在影響--變得越來越困難。
4.衛星技術的發展及其使用也促進了可用于軍事目的的新能力組合。無人機已經對烏克蘭的行動產生了重大影響,并將在未來其他地方的沖突中發揮突出作用。因此,各國應發展其在無人機和反無人機技術方面的能力。當無人機配備了衛星連接,它們可以在非常大的區域內有效使用,這一發展也得到了歐洲航天局的支持。顯然,空軍將需要為無人機行動做更多的準備。無人機的作用在門檻以下的階段也可能會增長。除了軍事方面,無人機可能對其他安全機構和社會的重要功能,如關鍵基礎設施,構成越來越嚴重的威脅。
美國政府面臨著保持作為世界上空間物體編目數據提供者的步伐挑戰。用非傳統的傳感器來增強能力,是一種快速和低成本的改進。然而,巨大的交易空間和未開發的系統性能要求給成功的資本化帶來了挑戰。本文旨在通過一個多學科的研究,更好地定義和評估增強功能的效用。
假設的望遠鏡架構在不同的時間里被建模和模擬,然后在啟發式算法中使用多目標優化對性能措施和約束進行評估。決策分析和帕累托優化確定了一套高性能的架構,同時保留了決策者設計的靈活性。
建議將容量、覆蓋率和未觀察到的最大時間作為關鍵性能指標。在1017個架構中,共有187個被確定為最佳表現者。總共有29%的傳感器被發現在80%以上的頂級架構中。其他考慮因素進一步將交易空間減少到19個最佳選擇,這些選擇為每個空間物體平均收集49-51個觀測數據,平均最大未觀測時間為595-630分鐘,提供地球同步軌道帶的冗余覆蓋。這意味著與模擬的僅有政府的基線結構相比,能力和覆蓋面增加了三倍,未觀察到的最大時間減少了2小時(16%)。
這項研究利用基于物理學的模型和現代分析技術,驗證了增強型網絡概念的效用。它客觀地回應了要求改進編目工作的政策,而不是僅僅依靠專家得出的點解決方案。
受自然界中蜂群的啟發,蜂群機器人技術已被開發出來,用于執行各種具有挑戰性的任務,如環境監測、災難恢復、物流,甚至軍事行動。盡管蜂群對社會有重大的潛在影響,但對針對蜂群機器人技術的對抗性情景的關注相對較少。
在本文中,我們探索了一種系統化的方法,以找到對手可以利用的蜂群機器人算法的邏輯缺陷。具體來說,我們為蜂群算法開發了一個自動測試系統,蜂群缺陷探測器(SWARMFLAWFINDER)。我們確定并克服了在理解和推理蜂群算法執行方面的各種挑戰。特別是,我們提出了一個新的機器人行為抽象,我們稱之為因果貢獻度(DCC),基于反事實的因果關系的想法。然后,我們建立了一個名為SWARMFLAWFINDER的反饋指導的灰盒模糊測試系統,利用DCC作為反饋指標。我們用四個進行導航、搜索和救援任務的蜂群算法來評估SWARMFLAWFINDER。SWARMFLAWFINDER在蜂群算法中發現了42個邏輯缺陷(并且所有這些缺陷都得到了開發者的承認)。我們對這些缺陷的分析表明,蜂群算法存在關鍵的邏輯錯誤/漏洞,或者存在不完整的實現,可以被對手利用。
硬件技術的進步使得復雜的軟件得以更多的整合,引發了無人平臺(UV)的發展和使用,并減輕了對機載智能的限制。因此,UV現在可以參與更復雜的任務,環境條件的不斷變化需要更高水平的情景響應。本文是對UV任務規劃和管理系統的介紹,旨在強調自主水下和空中飛行器領域的一些最新發展,此外還強調了一些可能的未來方向,并討論了學到的經驗教訓。在這項研究中,對UV的自主性評估以及自主性的不同方面,如態勢感知、認知和決策,進行了全面調查。本文分別解釋了仿人系統和自主系統的性能,并強調了人類在UV操作中的作用和影響。
無人機群可以在海上、陸地、空中甚至太空中使用,從根本上說是一種依賴信息的武器。迄今為止,還沒有任何研究從信息戰的角度來研究無人機群。本文利用開源研究和定性推理,探討了這些蜂群對信息的依賴性以及由此產生的與信息戰領域--電子、網絡、空間和心理--的聯系。總的來說,文章對這一重要的新興技術如何融入更廣泛的國防生態系統提供了見解,并概述了加強相關信息戰能力的實用方法。
關鍵詞:信息戰、無人機群、無人系統、網絡戰、電子戰
無人機群來了。在以色列2021年與加沙的沖突中,該國軍隊成為第一個在戰斗中部署無人機群的國家。在俄羅斯和烏克蘭正在進行的沖突中,俄羅斯部署了卡拉什尼科夫KUB-BLA游蕩彈藥,據說這種彈藥能夠(或將會)形成蜂群。俄羅斯還擁有一種尚未部署的柳葉刀彈藥,具有創造空中雷區以瞄準無人機和其他飛機的潛在能力。
美國及其盟友和對手正在尋求合作性的無人機群技術。這種追求并不奇怪。無人機群在每個沖突領域的每個軍種都有應用,從步兵支援和后勤到核威懾。整個聯合部隊的軍事領導人必須考慮,隨著技術的成熟和進入戰場,無人機群與現有能力和戰爭形式的關系。這些想法應貫穿于未來的概念、采購決策、演習、訓練、計劃和行動,以考慮到友好和敵對的使用。本文研究了一個更大挑戰:無人機群和信息戰。
盡管無人機群可以在陸地、海上、空中甚至太空中行動,但它們從根本上說是依賴信息的武器。每個蜂群的共同點是需要在無人機之間保持穩定的通信聯系,確保信息得到有效和適當的處理。事實上,蜂群是 "能夠協調其行動以完成共同目標的多個無人駕駛系統"。 蜂群的許多獨特優勢也來自于信息共享。
無人機群的優勢來自三個關鍵領域:機群規模、定制化和多樣性。擁有更多傳感器和彈藥的大型機群能力更強,可以進行大規模攻擊;但是,機群必須處理來自更多無人機的輸入。靈活的蜂群可以增加或刪除無人機以滿足指揮官的需要,可以分成較小的群體,從多個方向攻擊或打擊不同的目標,并在增加或刪除無人機時處理信息輸入的變化。多樣化的機群可以納入不同類型的彈藥和傳感器,并允許緊密結合多領域打擊,增加新類型的信息源,并在無人機以不同的速度和不同的環境風險移動時產生協調挑戰。信息失效意味著碰撞的風險和能力的喪失。
這些能力使信息共享所支持的新型戰術成為可能。正如保羅-沙爾寫道:"蜂群將是一種更有效的、動態的、反應迅速的戰斗組織模式。"蜂群可以集中火力攻擊目標,也可以分散和重組以反擊。實現這些壯舉需要高水平的穩定通信。
支持技術也依賴于信息。機器視覺--機器的觀察能力--需要大量的數據來訓練算法。感應器無人機使用這些算法來收集和分享關于敵方防御、可能的目標和環境危害的信息。與單個無人機一樣,蜂群作為一個整體或外部控制系統必須處理在現場收集的大量信息。處理速度會影響蜂群的戰場價值,因為較慢的算法速度意味著較慢的決策速度。雖然蜂群可能不包含機器視覺,但隨著蜂群規模的擴大,人類控制者將面臨類似的挑戰。
信息依賴性意味著必須在信息戰的背景下考慮無人機群。根據美國國會研究服務部的說法,美國政府對信息戰沒有一個正式的定義。實踐者通常將信息戰定義為 "使用和管理信息以追求競爭優勢的戰略,包括進攻和防御行動"。這種戰略包括電子戰、網絡戰和心理戰。也包括空間戰,因為位置、導航、時間信息和基于衛星的通信是無人系統的關鍵信息來源。
當然,注意到信息依賴性并不意味著行為者會成功地認識或利用這種依賴性。盡管俄羅斯軍方早已認識到電子戰在對抗無人機方面的重要性,但在烏克蘭沖突期間,軍方似乎在落實這一知識方面遇到了困難。例如,社交媒體上發布的視頻似乎顯示,烏克蘭無人機在沒有俄羅斯電子戰保護的情況下靠近俄羅斯車輛。俄羅斯軍方和其他國家也可能在網絡、太空和心理戰領域努力實施這種知識。
本文研究了無人機群與信息戰四個方面(電子、網絡、空間和心理)的關系,并探討了人工智能(AI)和機器人技術,它們支持其他領域并影響無人機群的信息戰脆弱性。文章最后提出了政策建議。
在巴德學院無人機研究中心對反無人機系統的審查中,電子干擾是最受歡迎的反無人機攔截系統。這種受歡迎程度并不令人驚訝;電子干擾代表了一種潛在的廉價、可重復使用的擊敗無人機的方法,不管是否是蜂群。人類必須向無人機提供任務參數、發射決定,有時還必須進行實際控制。中斷蜂群內的控制和信息共享會擾亂無人機。如果通信中斷,人類就不能設定或修改任務,或指揮打擊或發布撤退命令。無人機群更依賴于通信,特別是電磁波譜上的通信。
盡管無人機可以根據簡單的規則創建蜂群,但通信對于復雜的行為來說是必不可少的,特別是在軍事背景下的蜂群,因為戰場上的地形各不相同,戰斗人員的數量和配置也在變化,而且采用了一系列的戰斗戰術。因此,通信對于防止無人機-蜂群的碰撞以及協調運動和攻擊決策是必要的。如果無人機無法溝通,蜂群就不能作為一個統一的單位運作,不能協調搜索目標,也不能分享成功的識別結果。此外,無人機不能協調攻擊,即一些無人機攻擊一個目標,另一些則攻擊另一個目標。沒有通信,無人機群的價值就會喪失。
電子攻擊可以模仿友軍信號,操縱整個蜂群的通信。例如,據報道,2011年,伊朗通過干擾無人機的通信并操縱全球定位系統迫使其在伊朗降落,從而俘獲了一架洛克希德-馬丁公司的RQ-170 "哨兵 "無人機。如果一個國家允許無人機在沒有人類控制的情況下開火(這絕不是肯定的),對手也可以發送信號,表明對手在一個友好的位置,可能會導致蜂群向該位置開火。
蜂群通信架構--因此,破壞或操縱無人機蜂群的方法--在不同的蜂群中是不同的。蜂群通信通常依賴于電磁波--無線電波(例如Wi-Fi)、紅外線和光學--但聲學信號對于水下無人機可能是必要的,因為電磁信號在水下傳播得不好。因此,頻譜管理對于確保蜂群內部和蜂群之間以及任何控制站的信號是不沖突的非常重要。蜂群控制結構要求將信號傳遞給正確的無人機,如果蜂群中的無人機被禁用或破壞,這將是一個挑戰。
信息在整個蜂群中的傳播方式也可能不同,這可能會影響破壞或維持通信的機制。在集中控制的蜂群中,一個領導者可以協調分配給蜂群中每個成員的任務。在分散控制的蜂群中,無人機與離它們最近的無人機溝通,導致出現成群行為。從理論上講,這種行為消除了全球通信的需要。但是,實現分散控制的簡單算法可能不足以應對復雜、動態的軍事環境。
未來的發展可能會減少蜂群對電磁波譜的依賴。新技術根據不同的物理原理提供通信渠道,如量子通信。另外,無人機可以通過stigmergy間接地協調它們的行動。螞蟻等昆蟲會在潛在的食物來源上留下信息素痕跡,而跟隨的螞蟻如果也找到了食物,也會留下它們的信息素。先進的無人機群可以采用類似的方法。
螞蟻為無人機群提供了另一個教訓:角色的多樣性。蟻群中的螞蟻采用專門的角色,最明顯的是在蟻后和工蟻之間。同樣,蜂群可以納入通信無人機,將可用的機載功率用于加強信號,作為交換通信的備用節點,或使用不同的信號類型來發布撤退命令。無人機群還可以混合集中式和分散式的通信方法,以提高復原力。例如,蜂群可以依靠分散式通信,并有一個備用的集中式通信系統來對抗干擾。這種方法將需要大量的技術開發,以防止兩種通信方式之間的沖突。
隨著無人機群越來越自主,來自群外的基于電磁頻譜的信息就越來越少,對人類輸入的需求減少意味著對一些通信渠道的需求減少。然而,這種自主性是有代價的,那就是操縱或破壞自主系統的新機會。
從理論上講,先進的無人機群可以獨立于外部控制,但政策和技術上的挑戰給自主權設置了上限。美國防部目前的政策不允許無人平臺上的半自主武器在通信功能下降的情況下選擇和攻擊目標,也不允許自主武器在沒有有意義的人類輸入的情況下用致命武力攻擊人類。自主的、復雜的戰略決策,如評估目標對整個戰爭結果的價值,如果沒有通用的人工智能,可能是不可能的,而通用人工智能在短期內不太可能出現。因此,在可預見的未來,將需要一些電子通信。電子戰也越來越與網絡戰聯系在一起。
網絡攻擊可能試圖使無人機群失靈、控制、操縱或滲出信息。蜂群必然擁有單個無人機的所有網絡安全漏洞,包括容易受到反認證攻擊(阻止控制器操作無人機)、代碼注入和代碼更改、利用零日漏洞以及數據外流。更多的無人機也意味著有更多的機會來攻擊系統。
網絡攻擊可以通過反認證攻擊或代碼注入或更改來實現無人機控制系統。使人類控制失靈或改變代碼,使無人機引擎或螺旋槳不能動彈,可能會導致蜂群崩潰。墜落的無人機可能與其他無人機或其他友好資產相撞。禁用傳感器可能導致無人機群盲目飛行,導致碰撞或阻止識別對手的防御系統和其他感興趣的目標。作為一個民用例子,研究人員在2015年7月利用網絡漏洞使一輛吉普切諾基?的剎車失靈。限制無人機的移動為對手提供了戰場優勢。更巧妙的是,網絡攻擊可以利用無人機群的信息處理算法。通過提供不正確的數據、重放攻擊(重復或延遲有效的信息傳輸)、注入惡意的代碼或改變現有的代碼來實現對無人機控制和任務分配算法的簡單操縱,可以造成重大破壞。如果操縱使無人機無法檢測到彼此,它們可能會發生碰撞。如果不能檢測到環境危險,可能會導致崩潰,只需輸入舊的視頻或圖像數據,使蜂群不能 "看到"它前面的建筑物。由于錯誤是不可避免的,增加錯誤風險(但不一定導致錯誤)的代碼修改可能會在很長一段時間內沒有被發現。對手引起的錯誤可能會出現在正常的計算機錯誤中。另外,網絡操縱可能會減緩信息處理、決策或物體識別,使蜂群更容易受到反蜂群防御的影響。算法破壞甚至可能發生在生產過程中。
機器學習和相關技術的進步使對手能夠創建和傳播高度復雜的假圖像和視頻,或利用網絡滲透將其注入數據收集中。假數據可能導致圖像和視頻分析軟件得出錯誤的結論,錯過威脅,或將非戰斗人員作為目標。如果在多個無人系統中使用相同的軟件,對手可能會造成大規模傷害。
最重要的是,對手可以通過改變控制算法的代碼或提供不正確的數據,使無人機群認為一個友好的目標是一個對手,從而將無人機群的能力轉為自己的利益。另外,敵方可以命令蜂群離開受威脅的區域或進入敵方的火力范圍。對手也可能使蜂群安全地進行收集和研究,以獲得關于蜂群能力的獨特情報。對網絡操縱的脆弱性和自主性水平是相互關聯的。
更多的自主性意味著更復雜的計算系統,有更多的利用機會和更大的錯誤風險。具有自主導航、運動或瞄準系統的無人機可以在沒有人類控制的情況下運行,并可以被操縱。同樣,對于更大的、異質的蜂群來說,協調可能更加困難,這提高了災難性失敗的風險。識別滲透在大型蜂群中也更具挑戰性,因為對手可能只攻擊蜂群中的一架無人機。
最后,對手可以通過訪問無人機之間或無人機與控制站之間的通信鏈路或無人機本身的內部控制系統的軟件和固件,尋求從蜂群中滲出數據。這些策略可以讓對手收集關于蜂群位置和活動的情報,以改善防御,從預期的攻擊區域撤退,或酌情準備反措施。通過更好地了解使多架無人機以蜂群形式運作的算法和程序,數據滲出也可能促成更多的破壞性行動。這種理解也將更好地使行動者能夠創建他們自己的蜂群。
無人機群通常依靠空間資產進行地理定位,而在地平線上行動的無人機群需要空間資產進行指揮和控制。如果衛星被禁用或摧毀,蜂群可能無法有效運作,或者根本無法運作。然而,最近的技術發展表明,隨著時間的推移,空間領域的依賴性可能會降低,而且信息戰的最有可能的層面不再是無人機群的要求。
許多無人機群依靠全球導航衛星系統(GNSS)來引導它們,GNSS航點可用于定義所遵循的路徑或要避免的區域,識別感興趣的目標(如用于情報收集的對手設施的位置),并引導機群返回發射位置。衛星也可以作為指揮和控制信息的中繼站。
目前,無人機群在相對較短的距離內運行,沒有必要進行衛星通信。隨著技術的發展,無人機群可能在更遠的距離上運行,這些更遠的距離可能需要基于衛星的通信來更新任務目標,給予許可,或提供其他命令。在未來,蜂群中無人機之間的通信甚至可能需要空間資產來覆蓋長距離。
停用或摧毀衛星將使依賴衛星進行地理定位或指揮命令的蜂群無法有效運作。無人機將變得無效,并開始徘徊而不知道該做什么或去哪里。在一個敵對軍事力量主要依賴無人系統的世界里,在大范圍內禁用地理定位可能被證明是毀滅性的。
技術的進步可能減少或可能減輕基于空間的風險。蜂群可以使用外部的全球定位系統節點來幫助定位。一個研究小組使用與全球定位系統相連的浮標,讓水下無人機在不直接進入該系統的情況下定位其位置。一個類似的概念可以通過使用從已知位置(如支持車輛)傳輸的信號來幫助地面或空中車輛進行地理定位。另外,新的導航概念可能會消除對全球導航衛星系統的需求,盡管這些概念在軍事上的成功程度還不清楚。與電子戰一樣,更多的無人機自主性降低了對外部、天基信號的需求。
無人機群與心理戰的關系最小。但可能用于傳播宣傳小冊子是個例外,然而,與現有的宣傳手段相比,蜂群似乎沒有什么有意義的優勢。然而,無人機群和更廣泛的自主武器可能會成為錯誤信息、虛假信息和惡意信息的對象,因為全球和公共規范圍繞著機群和自主武器的使用形成。由于擔心對平民的風險和放棄人類控制的道德問題,越來越多的運動正在尋求禁止自主武器。越來越多的人支持這一運動,包括在一些北約成員國。例如,根據2019年1月的益普索民意調查,%的德國人反對使用自主武器。同樣,由于大規模傷亡的可能性和目前機器視覺系統的脆性,武裝的、完全自主的蜂群可能會帶來類似于傳統大規模殺傷性武器的心理影響和風險。"大規模殺傷性武器 "一詞帶有強烈的規范意義,圍繞其使用和擴散的污名。
無論這些公眾運動是否轉化為全球政策的變化,它們都可能為戰略信息行動創造機會,以播種分裂。例如,行為者可能會放大關于使用蜂群和自主武器的說法,以鼓勵內部和伙伴國家反對戰爭努力。反之,行為者可能會對他人進行虛假指控,以達到同樣的效果。核實自主武器是否真正自主的挑戰使得真相與虛構難以區分。無人機群的自主性可能更容易證明,因為一個人有可能控制一個由幾十架無人機組成的小群,但沒有人能夠合理地控制幾千架無人機。駁斥關于無人機群自主使用的錯誤說法則要難得多。
人工智能和機器人技術的進步是無人機群所有方面的基礎,并影響到對信息戰的脆弱性和復原力。這些技術的改進可能會導致更好的瞄準算法、蜂群任務分配算法和更大、更復雜的蜂群,也會影響可能被蜂群使用或對抗的電子戰、網絡戰和空間戰系統。在戰場上更多地使用人工智能和機器人技術也可能為心理戰創造更多機會。
機器人和人工智能可以改善進攻性電子戰和網絡戰能力。機器學習可以加強電子戰的目標定位,創造更有效和自動化的網絡攻擊。例如,機器學習可以實現更好的頻譜和功率分配、網絡釣魚檢測、網絡入侵檢測和其他活動。事實上,據報道,中國人民解放軍戰略支援部隊正在將機器學習與網絡戰和電子戰相結合。此外,機器學習的進步可以使用戶通過網絡手段向友好或敵對的數據集添加更好的深度假象。研究人員也在探索使用機器人作為電子攻擊和網絡攻擊的平臺。
人工智能的進步也有可能改善電子、網絡和空間對抗措施。基于人工智能的網絡防御技術為網絡入侵檢測提供了巨大的好處,包括提高準確性、自動響應和吞吐量。另外,機器人系統可以被用來在其他系統退化或被破壞的地方形成一個臨時的通信網絡。例如,Swarm Technologies的SpaceBEE衛星為互聯網連接的設備形成了通信網絡。單個或多個機器人可以作為中間人,支持穩定的通信。
機器人系統非常適合太空戰;它們不需要維持生命的設備,這使它們的成本更低。天基機器人可以用來攻擊對手的衛星或收集信息。多個天基機器人可以操縱空間碎片進入軌道,以打擊對手的衛星或發動分布式的協調攻擊。當然,天基蜂群可能有不同于地面蜂群的技術挑戰,特別是成功的移動和協調。
戰場上更多的人工智能和機器人意味著有更多的機會指責對手違反新生的自主武器規范,因此,有更多的機會發動心理戰。人工智能的改進可能會抵消這種擔憂的一部分。活動家們的一個擔憂是,眾所周知,機器學習是很脆弱的,因為訓練數據可能是有偏見的或不完整的。加強測試和評估、合成數據和數據共享可能會減少風險,并提供反信息的機會。如果不仔細檢查訓練數據,就很難判斷機器學習系統有多強大,甚至不可能。敵人可能會謊稱機器學習系統未經測試且設計不良,導致平民面臨高風險,而反駁這種說法將非常困難,甚至不可能。因此,廣泛部署這些系統可能會導致對違反戰爭法的指控增加。
無人機群對信息戰的依賴對軍方的成功行動有幾個影響。
對無人機群和信息戰之間的關系進行更深入的研究是必要的,應該探索信息互動的技術特征,信息環境如何影響戰術使用,以及戰術使用如何影響作戰和戰略環境。一些研究可以進行建模和模擬,以評估不同的無人機群配置對信息攻擊的復原力。模擬和戰爭游戲可以探索無人機群在特定信息相關角色(如電子攻擊)或作為反衛星武器的相對價值。
分析的重點應該是信息競爭在不同類型的沖突中如何變化(同行對同行,同行對近同行,以及不對稱),不同形式的通信對電子攻擊的彈性和無人機群如何適應更廣泛的頻譜分配,以及納入無人機群的新概念以及它們如何與信息戰互動。
友好無人機群的研究和開發必須包括對信息攻擊的加固。蜂群內的通信渠道、信息處理系統以及較遠距離的指揮和控制系統都必須得到保護。某些系統(如物體探測算法)將不針對蜂群。一些有希望的信息加固研究已經開始,如國防高級研究計劃局關于可在GNSS否認的環境中操作的蜂群的工作。無人機群的加固程度應取決于任務以及機群可能面臨的基于信息的攻擊的可能性和類型。
美國還應該對各軍種的信息戰能力進行全面審查。有跡象表明,美國空軍和美國陸軍面臨著電子戰的挑戰,盡管美國海軍沒有。美國陸軍卓越網絡中心的指揮官約翰-莫里森少將直言不諱地說:"當涉及到電子戰時,我們的武器不夠用。我們被同行和接近同行的競爭者所淘汰。"最近的報告也描繪了軍事網絡安全的負面形象。2018年10月政府問責局的一份報告 "發現從2012年到2017年,[國防部]測試人員經常在幾乎所有正在開發的武器系統中發現關鍵任務的網絡漏洞。"國防部在招募網絡戰士方面的困難以及硅谷和該部門之間日益擴大的分歧加劇了這一挑戰。 美國在太空也面臨越來越多的反對。國防情報局最近的一份非機密報告發現如下。
該審查應評估軍事信息戰的真實狀況及其與對手發展的一致性,確定改善信息戰能力和組織的具體建議,并為國防工業和知識分子提供一套非保密的建議和指導,說明他們的努力如何能夠支持更廣泛的信息戰活動。
根據審查結果,美國軍方將能夠在研究和發展進攻性信息戰能力(例如,電子干擾和進攻性網絡武器)方面進行有針對性的投資,以擾亂、操縱或以其他方式擊敗可能被用來對付美國軍隊的對手無人機群。這種投資也將有利于未來戰爭的其他方面--從對抗無人系統和依賴信息的戰爭概念到破壞敵方的供應鏈。
相關的能力應該在組織上進行整合,機器人技術、電子戰、網絡戰和太空戰的發展應該為無人機群的獲取、研究和開發、戰爭游戲、概念和理論發展以及相關培訓提供參考。由于無人機群的信息挑戰對每個軍種都是一樣的,因此應盡可能在聯合層面開展活動。更好地整合信息領域的各個組成部分對非蜂群無人系統也是有用的,因為本文的許多分析也適用于它們。
對敵方無人機群和相關信息戰方面的情報收集也很重要。針對無人機群技術操作的情報收集將幫助軍方了解如何操縱或破壞對手的無人機群,并確定秘密行動的機會,如毒害用于機器視覺算法的數據收集。其他明顯的情報收集目標是結合信息戰能力的對手組織(例如,中國人民解放軍的戰略支援部隊)。收集到的信息將有助于軍方了解可能針對美國和戰略伙伴無人機群部署的能力。
在部署無人機群之前,未來的指揮官應評估戰場上的信息戰情況,以告知將使用的機群類型及其組成。例如,指揮官可以包括更多的通信無人機以提高生存能力。應該建立培訓、演習和戰爭游戲,以幫助指揮官發展和行使這種判斷。此外,將信息戰要素納入更廣泛的戰備和訓練活動中,將使指揮官了解失去對信息環境控制的挑戰。指揮官還可以考慮部署反電子戰武器,以支持無人機群在被拒絕的環境中使用。
如果美軍尋求大量使用無人機群,它還必須計劃減輕由此產生的心理戰風險,并采取措施使這些行動更加透明,確保適當的人力控制,前提是這種透明不會給對手帶來好處。例如,美國可以通過將國防部指令3000.09 "武器系統的自主性"下的現有限制變成具有約束力的法律,或通過關于自主武器能力的新的透明度政策,對自主武器采取更有力的限制。這些限制可以伴隨著昂貴的承諾,如投資于自主武器的核查措施。
與其他任何武器系統相比,無人機群更依賴于信息。幾乎每一種與蜂群有關的能力都需要掌握信息流,使蜂群規模擴大,采取復雜的行為,并同時在多個領域運作。然而,這些優勢也構成了一個重要的弱點。癱瘓、破壞或操縱蜂群通信、信息處理和地理定位可以使蜂群喪失能力或被打敗。
沒有任何軍事技術存在于真空中。軍事是一個高度復雜的系統,許多技術領域是相互依存的。高級領導人必須考慮新技術在更廣泛的軍事生態系統中的作用,因為近視和失敗是快速的朋友。
扎卡里-卡倫伯恩是沙爾政策與政府學院的政策研究員,是美國國家恐怖主義與反恐對策研究聯合會非常規武器與技術項目的研究成員,是ABS集團的高級顧問,并被正式宣布為美國軍隊的 "瘋狂科學家"。他是自主武器、無人機群、大規模殺傷性武器和涉及大規模殺傷性武器的恐怖主義方面出版物的作者。
最新的技術進步提高了交通運輸的質量。新的數據驅動方法為所有基于控制的系統(如交通、機器人、物聯網和電力系統)帶來了新的研究方向。將數據驅動的應用與運輸系統相結合在最近的運輸應用程序中起著關鍵的作用。本文綜述了基于深度強化學習(RL)的交通控制的最新應用。其中,詳細討論了基于深度RL的交通信號控制(TSC)的應用,這在文獻中已經得到了廣泛的研究。綜合討論了TSC的不同問題求解方法、RL參數和仿真環境。在文獻中,也有一些基于深度RL模型的自主駕駛應用研究。我們的調查廣泛地總結了這一領域的現有工作,并根據應用程序類型、控制模型和研究的算法對它們進行了分類。最后,我們討論了基于深度可編程邏輯語言的交通應用所面臨的挑戰和有待解決的問題。