摘要

目前越來越多的趨勢是從實況空中訓練轉向明顯更便宜的模擬任務訓練。然而，節省成本并不是唯一的原因；特定任務根本無法在真實環境中得到有效和安全的訓練。模擬似乎是通用的解決方案。

但戰斗機飛行員僅在飛行模擬中無法達到所需的戰備水平。因此，現場訓練和綜合訓練相結合可能是理想的答案。

北約MSG活動128和165通過分布式模擬探索了北約任務訓練的操作和技術要求，并提出了聯合和聯合空中作戰的通用參考架構。盡管他們的主要重點是虛擬和建設性模擬，但實時訓練方面一直被考慮在未來擴展到LVC培訓網絡。

本次講座強調了混合現場和綜合訓練的好處，并適當考慮了在多域和跨國網絡中連接多個資產的困難。目前正在開發和建立諸如LVC網關、多級安全(MLS)架構、跨域解決方案(CDS)、特殊人機界面(HMI)等技術解決方案，以使這一切成為可能。

剩下的主要限制是什么？解決方法是什么？

摘要

現代多領域沖突日益復雜，使得對其戰術和戰略的理解以及確定適當行動方案具有挑戰性。作為概念開發和實驗 (CD&E) 的一部分的建模和仿真提供了新的見解，以更快的速度和更低的成本比物理機動更易實現。其中，通過計算機游戲進行的人機協作提供了一種在各種抽象級別模擬防御場景的強大方法。然而，傳統的人機交互非常耗時，并且僅限于預先設計的場景，例如，在預先編程的條件計算機動作。如果游戲的某一方面可以由人工智能來處理，這將增加探索行動過程的多樣性，從而導致更強大和更全面的分析。如果AI同時扮演兩個角色，這將允許采用數據農場方法，從而創建和分析大量已玩游戲的數據庫。為此，我們采用了強化學習和搜索算法相結合的方法，這些算法在各種復雜的規劃問題中都表現出了超人的表現。這種人工智能系統通過在大量現實場景中通過自我優化來學習戰術和策略，從而避免對人類經驗和預測的依賴。在這篇文章中，我們介紹了將基于神經網絡的蒙特卡羅樹搜索算法應用于防空場景和虛擬戰爭游戲中的戰略規劃和訓練的好處和挑戰，這些系統目前或未來可能用于瑞士武裝部隊。

摘要

戰術軍事陸地行動嚴重依賴地形，因此在軍事決策過程中始終需要考慮地形。地形相關（地理空間）戰術信息產品，例如最佳路線或近場途徑通常由情報單元中的地形分析師確定，但也可以自動生成。這些產品可用于決策支持工具，以支持規劃過程。當在這些決策支持工具中使用機器學習時，這些產品還有助于對軍事單位的行為進行建模，這是通過機器學習找到表現良好的行動方案所需的。這項工作概述了地理空間產品，并將它們分類為基于層的體系結構，其中產品基于底層的產品。我們進一步規范了創建機器學習所需的戰術地形模型和戰術任務模型的步驟。基于兩個實際示例，我們演示了如何在提出的架構中生成地理空間產品，這些產品如何用于機器學習以進行戰術規劃，以及如何將學習到的行動和情報產品提供給規劃者以支持決策。

摘要

建模和仿真有助于德國武裝部隊后勤的數字化，必須提供靈活性和穩健性等因素，以識別后勤鏈中的風險和弱點。 ESG，作為一家擁有多年軍事經驗的德國軍事技術公司，我們展示了成功的仿真和分析項目（例如，“以歐洲戰斗機為例，預測德國空軍的作戰能力”或“基于仿真的醫療救援鏈分析”），并提出進一步的行動方向，例如基于仿真的分析，以優化軍事供應鏈中的加法生產或自主系統的最佳概念。通過對軍事供應鏈使用后勤仿真，可以檢查和優化其穩健性和可持續性。這種基于數據的決策支持方法（工具 AnyLogic，德國聯邦國防軍基于仿真的分析指南和模型檔案）。它聚焦于一個關鍵問題，例如“在某些參數/因素/影響下，系統的材料運行準備情況如何更高概率的為在未來發展，以及什么可以提高系統的性能？”如本講座所述那樣提供各種優勢。

圖2-1 模型開發流程

圖2-2 系統結構

摘要

成功完成地下作業需要高度專業化的能力和由最新工具輔助的準確規劃。奧地利軍事學院的NIKE研究小組旨在為這些非常特殊的作戰環境提供決策、規劃和培訓。3D模型、平面圖、地圖或激光掃描等異構數據源的快速數據集成和可視化，以及從地下結構內部的傳感器和攝像頭收集的操作員信息，提供了虛擬進入通常看不見的裝置的可能性。BORIS（基于瀏覽器的空間定向）初始HTML模型、地下作業任務工具 (SOMT) 或快速隧道建模工具 (FTMT) 等專用工具通過創建虛擬的地下任務區域來提高快速可視化。在擴展現實 (XR) 應用程序中，改進的空間理解顯著改善了決策，并支持同步任務規劃和執行。由于地下服務結構的運營商和行動部隊之間的密切合作和信息交流是成功的先決條件，所有相關因素和行動者的整合將大大增加全面合作。該項目通過在真正全面的通用作戰圖中顯示相關信息來增強通用視角，從而實現更準確和精確的行動，減少自身損失和附帶損害。

摘要

北約和各國迫切需要進行團結和聯合集體訓練，以確保任務準備就緒:目前和未來的行動是多國性質的，任務和系統慢慢變得更加復雜，需要詳細準備和迅速適應不斷變化的情況。由于可用資源少、訓練范圍有限、避免對手關注第五代戰術和系統能力的挑戰以及政治決策和部署之間準備時間有限，多國背景下的現場訓練和任務準備的機會減少了。模擬已經成為解決我們軍隊訓練需求的重要工具，各國正朝著通過分布式模擬(MTDS)能力采用國家任務訓練的方向發展。聯合部隊正在尋找實況和模擬訓練與演習之間的新平衡，以提供兩全其美的效果。

北約建模和仿真組(NMSG)的若干倡議為北約MTDS愿景和行動概念的發展貢獻了寶貴的投入(MSG-106 NETN, MSG-128 MTDS, MSG-169 LVC-T)。基于這些結果，當前/最近的NMSG活動(MSG-163北約標準演變、MSG-165 MTDS- ii、MSG-180 LVC-T)致力于為聯合和聯合作戰開發一個通用MTDS參考體系結構(MTDS RA)。最近完成的MTDS RA版本以構建模塊、互操作性標準和模式的形式定義了指導方針，用于實現和執行分布式模擬支持的綜合集體訓練和演習，獨立于應用領域(陸地、空中、海上)。此外，MSG-164 (M&S作為服務II)開發了一種技術參考體系結構(MSaaS TRA)，其中包含用于實現所謂MSaaS能力的構建塊。這些構建模塊可以與MTDS RA相結合，以包括作為服務執行綜合集體訓練和演習的指導方針。

MTDS RA的當前版本提供了一個基線，以詳細說明和確定應進行進一步需求/技術開發的領域。未來更新的主題包括網絡作戰和影響、危機管理、實時系統集成、多域或混合作戰等。

聯合MTDS對北約和國家戰備至關重要。本文提供了MTDS RA的背景、目標和原則，以及實現持久的北約范圍內綜合性集體訓練能力的前進方向。聯合MTDS RA的維護和繼續發展將是幾個北約國家、伙伴國家和組織在NMSG主持下的合作努力。

摘要

網絡空間是當前軍隊必須應對的威脅環境之一。特別是，社交網絡已經成為一個重要的影響場景，用戶在其中也透露了大量的心理信息。本文的目的是確定對社交網絡中行為的分析是否可以被確立為對用戶個性的有效間接測量，以及找出這是否可以成為軍隊的有用工具。為此，我們對5個數據庫（PsycInfo、Web of Science、Scopus、Psicodoc和PubMed）中存在的研究進行了系統回顧，選擇了那些基于大五模型的文章。在找到的194篇文章中，共對過去10年中發表的36篇論文進行了深入分析，這些論文對應于20個國家。結果顯示，社交網絡中呈現的行為與用戶自我報告的個性相吻合。此外，某些與 "大五模型 "中的因素相關的在線行為模式可以被識別出來。這種分析技術已經證明了它的可靠性和有效性，揭示了它能夠補充和擴展傳統的自我報告或熟人報告措施。它也可能構成軍隊感興趣的工具，旨在提高部隊的可操作性。

引言

2014年，劍橋大學心理學教授Aleksandr Kogan開發了一款名為 "這是你的數字生活 "的應用程序。通過Facebook，這個應用程序為用戶提供了完成一系列問題的可能性，目的是確定他們的個性。據估計，科根教授發起的這個項目總共獲得了超過7800萬社交網絡用戶的個人信息（Hindman, 2018）。

這些數據被劍橋分析公司購買，后來得知，這些數據被用來影響2016年美國總統選舉的投票意向，（Sampedro, 2021）。就該公司當時的首席執行官亞歷山大-菲克斯而言，了解選民的個性使他們在某種程度上能夠預測他們的行為，并以此設計一系列的信息，以操縱態度和改變投票行為（Hindman，2018）。

拋開這些數據的濫用所引起的爭議，很明顯，我們正處于人類行為研究的變革時期。對傳統環境的經典觀察現在正在向互聯網和新技術領域轉移，也提供了新的可能性，而且正如在劍橋分析公司的案例中所看到的，對社會現象產生了強大的影響。

摘要

在工業資產運行過程中出現的異常情況可能表明存在退化和故障，隨著時間的推移，會導致不期望的行為、運行條件的喪失以及系統的最終崩潰。預測性維護技術負責監測系統的狀態，以便在初始階段對這些異常情況進行檢測，從而以最佳方式安排維護任務。本文介紹了一種基于機器學習的人工智能技術的海軍資產預測性維護解決方案。為此，使用了由船舶實時收集并通過控制中心傳輸的傳感器（溫度、壓力等）的信息。所開發的系統（SOPRENE）能夠從我們軍艦上的發動機的歷史數據中預測不同的故障模式或異常運行狀況的發生。此外，該系統的使用可擴展到大型艦隊，該解決方案已使用Spark分布式環境來實現，以促進預測的分布式計算。

簡介

維護成本是工業運營成本的一個重要部分。在某些情況下，如在冶金行業，這些成本可以達到總生產成本的15%-60%。此外，其中三分之一的投資由于不必要的或不正確的活動而被浪費。然而，維護是至關重要的，因為系統的故障會導致巨大的財務成本。

在過去，由于不可能處理大量連續的數據流，所以在很多情況下，只能使用統計技術。然而，今天的預測性維護則遵循更先進的理念：

與其依靠這些行業統計數據（如平均故障間隔時間）來安排維護活動，不如對系統進行實時監測，以確定其狀態和真實狀況。目前的計算能力允許處理更多的數據，以及使用更復雜的技術來進行預測、檢測異常情況和對系統進行可能的診斷。因此，預測性維護可以理解為基于系統的當前狀態或條件以及根據運行歷史進行的未來預測的預防性維護。

這項研究工作介紹了在SOPRENE項目中開發的預測性維護系統在海軍艦艇發動機上的應用。擬議的系統已經分析并使用了分布式環境中的機器學習技術。在這個意義上，所考慮的方法論可以根據Ran等人的說法來劃分。

低速、慢速和小型 (LSS) 飛行平臺的普及給國防和安全機構帶來了新的快速增長的威脅。因此，必須設計防御系統以應對此類威脅。現代作戰準備基于在高保真模擬器上進行的適當人員培訓。本報告的目的是考慮到各種商用 LSS 飛行器，并從不同的角度定義 LSS 模型，以便模型可用于LSS 系統相關的分析和設計方面，及用于抵制LSS系統（包括探測和中和）、作戰訓練。在北約成員國之間提升 LSS 能力并將 LSS 擴展到現有分類的能力被認為是有用和有益的。

【報告概要】

在安全受到威脅的背景下考慮小型無人機系統 (sUAS)（通常稱為無人機）時，從物理和動態的角度進行建模和仿真遇到了一些獨特的挑戰和機遇。

無人機的參數化定義包括以下幾類:

• 類型學，指的是無人機可以飛行的模式;
• 用于制造無人機的材料;
• 飛行性能;
• 螺旋槳種類;
• 分類;
• 導航系統;
• 遠程控制器特性(如果有);
• 有效載荷，考慮自身傳感器和可能的危險；
• 通信系統。

描述無人機飛行動力學的分析模型在數學上應該是合理的，因為任務能力在很大程度上取決于車輛配置和行為。

考慮到剛體在空間中的運動動力學需要一個固定在剛體本身的參考系來進行合適的力學描述，并做出一些假設（例如，剛體模型、靜止大氣和無擾動、對稱機身和作用力在重心處），可以為 sUAV 的飛行動力學開發牛頓-歐拉方程。

在檢測 sUAS 時，必須考慮幾個現象，例如可見波范圍內外的反射、射頻、聲學以及相關技術，如被動和主動成像和檢測。

由于需要多個傳感器檢測 sUAS，因此有必要考慮識別的參數以便針對不同類型的檢測器對特征進行建模。此外，對多個傳感器的依賴還需要在信息融合和集成學習方面取得進步，以確保從完整的態勢感知中獲得可操作的情報。

無人機可探測性專家會議表明了對雷達特征以及不同無人機、雷達和場景的聲學特征進行建模的可能性，以補充實驗數據并幫助開發跟蹤、分類和態勢感知算法。此外，雷達場景模擬的適用性及其在目標建模和特征提取中的潛在用途已得到證實。

然而，由于市場上無人機的復雜性和可變性以及它們的不斷增強，就其物理和動態特性對無人機簽名進行清晰的建模似乎并不容易。

sUAS 特性的復雜性和可變性使得很難完成定義適合在仿真系統中使用的模型的任務。這是由于無人機本身的幾個參數，以及考慮到無人機的所有機動能力和特性所需的飛行動力學方程的復雜性。

此外，sUAS 特性的復雜性和可變性不允許定義用于評估相關特征的參數模型。

圖1 無人機類別與其他類別/參數的關系（part 1）

圖2 無人機類別與其他類別/參數的關系（part 2）

圖3 參考坐標系

【報告目錄】