亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

對分布式作戰資產進行最佳管理以實現協同作戰的能力可顯著增強軍事優勢。最近的研究指出，戰爭的速度越來越快，威脅的能力和數量不斷增加，越來越多的傳感器和網絡導致數據超載。面對復雜的決策空間、大量的信息和所需的快速反應時間，人類的決策面臨挑戰。自動化作戰管理輔助系統（BMA）具有縮短時間、提高決策可信度和優化戰爭資源的潛力。本文介紹了為未來海軍和聯合作戰任務構思和設計 BMA 的系統工程方法。系統方法將 BMA 視為管理未來分布式戰爭資產的能力使能因素，將其視為復雜自適應系統簇 (CASoS)。

引言

戰術戰爭是復雜的（Bar-Yam，2004 年）。它需要敏捷、適應性強、具有前瞻性思維、思維敏捷和有效的決策。威脅技術的不斷進步、戰爭節奏的加快、每個戰場情況的獨特性，再加上信息量的增加，而這些信息往往是不完整的，有時甚至是令人震驚的；所有這些因素都導致人類決策者不堪重負（Zhao 等人，2015 年）。自動化 BMA 是解決這種復雜性的一種方法--簡化復雜性，增加理解/知識，并對決策選項進行定量分析。

自動化 BMA 是計算機輔助決策支持系統，旨在加強和改進戰術決策。BMA 可通過以下方式改進決策：加快決策過程；使人們對決策所依據的知識更有信心；制定更多的決策方案；使人們對決策后果有更深入的了解；制定成功概率更大的方案；和/或改進資源使用的優化。軍方目前使用 BMA 共享和處理數據，以開發作戰圖片和態勢感知。不過，本文的重點是構想未來海軍和聯合作戰中的 BMA。

系統方法綜合了分析和合成方法，包括整體論和還原論（Checkland，1993 年）。它強調系統內部各要素之間以及系統與其外部環境之間的相互依存和相互作用（Gharajedaghi，2011 年）。本文提出有必要采用系統方法來構思和設計未來的自動化 BMA。本文首先描述了戰術決策的特點以及未來自動決策輔助工具可能發揮的作用。然后，針對這一復雜的問題空間提出了一種系統方法。

戰斗管理的決策輔助

作為自動 BMA 概念化的準備工作，本節介紹了戰斗管理決策的類型。它討論了如何在軍事戰術環境中使用 BMA 來支持人類決策者。最后，它介紹了 "決策復雜性 "的概念以及 BMA 在管理和解決戰術復雜性方面的作用。

A. 戰斗管理決策

軍事戰術行動涉及大量戰斗管理決策。大多數決策涉及戰爭資產的使用或部署，其中包括平臺（艦艇、飛機、潛艇等）、武器、傳感器、通信設備和人員（Johnson、Green 和 Canfield，2001 年）。圖 1 展示了戰爭決策的四個領域：時間領域、空間領域、主動/被動領域以及規則和政策領域。其中每個領域都會影響決策過程，并可能導致決策復雜度增加。

規劃性或主動性決策包括部隊定位（艦艇、戰斗群、飛機等）、隱形行動、進攻性攻擊，以及通過干擾或其他武力措施阻止敵方行動。反應性或響應性決策的例子包括抵御主動威脅、將平臺移動到防御態勢、從威脅環境中撤退以及評估戰斗損失。有效的戰斗管理必須認識到何時主動或被動決策需要自動支持。

圖1 -戰術決策域

軍事決策的性質會隨著時間的推移而變化，可以被視為分等級的。戰略決策的時間跨度較長，考慮的目標層次較高，有時甚至跨越數年。計劃層面的決策時間跨度較短，即使在安排防御時也是積極主動的。戰術決策是戰斗管理的重點，時間跨度最短，涉及近期規劃或主動決策以及應對敵方行動的被動決策。三個時間決策域之間需要保持一致，以實現戰術、計劃和戰略決策之間的兼容。同樣，計劃和戰略需要支持有效的戰術戰爭，并反映戰術威脅環境的重大變化。自動 BMA 的設計應支持分級決策范式，以及支持和適應不同決策時間跨度的范式。

分層時間決策領域的成果之一是一套指導戰術決策的規則和政策。這些規則是近實時決策與長期計劃和戰略保持一致的方法之一。這些規則和政策支持符合更高目標的有效戰術決策。自動決策輔助工具可支持跨時空和跨層級的動態和適應性決策，以實現各層級之間的一致性；考慮各層級的變化可能會如何影響其他層級；以及跨層級有效發布指導意見。

第四種對作戰管理決策進行分類的方法是按照空間領域進行分類，如太空、空中、海上、水下和陸地。在這些作戰環境中，威脅千差萬別。同樣，作戰系統的開發也是為了應對特定的威脅或威脅類型，這自然反映了其空間環境。海軍戰斗群必須同時應對所有空間領域的威脅。自動化 BMA 有可能通過提高跨空間域態勢感知能力，并通過制定可優先執行任務和交戰策略的備選決策來應對這種復雜性。

最終，隨著作戰行動從和平時期到遭遇多域威脅，作戰管理決策空間也從簡單到復雜不斷變化。影響決策空間復雜性的問題空間變化的例子包括：戰斗節奏（或反應時間）、同時發生的威脅（或戰斗事件）的數量、戰斗事件后果的嚴重性、威脅的異質性（由于威脅類型或空間領域）以及事件或事件的范圍（受影響的地區或人口）。所有這些作戰因素都轉化為構成 "決策空間 "的多維變量。隨著決策空間復雜性的增加，軍事決策者可能會力不從心。此時，自動化 BMA 可以為有效決策提供支持。

B. 支持人類決策的自動輔助工具

由于傳感器、網絡、參與者、回傳和情報的增多，作戰空間的信息量也隨之增加。人類決策者被信息淹沒，決策時間縮短。自動 BMA 是有效戰術決策的必要能力。

如圖 2 所示，自動決策輔助工具或 "機器 "可通過多種方式為人類決策者提供支持。圖中顯示了人機決策互動的三種模式（Johnson、Green 和 Canfield，2001 年）。人工決策模式包括人類在頭腦中收集和 "存儲 "相關信息并進行決策分析（處理和決策）的情況。這種模式意味著一個相當簡單明了的決策空間，其中的數據量和變體數量是可以人工管理的。在半自動化模式中，人類決策者可以依靠機器來管理、存儲、融合和處理輸入信息，從而向人類顯示決策分析結果。決策分析可包括對作戰空間和威脅的了解、行動方案（COA）選項以及對預期事件成功率和后果的定量測量。最后，在全自動模式中，人類的作用是監控自動化機器決策過程，并在必要時推翻或更改決策。

針對決策類型建立適當的機制非常重要。一般來說，當問題空間相對簡單，需要考慮的因素數量和信息量在人類決策者的管理范圍內時，決策可由人工執行。對于某些類型的決策，半自動化的人機界面機制最為合適。這對于具有潛在關鍵或嚴重后果的更復雜決策空間是有效的；需要自動化 BMA 的支持，但需要大量的人工參與。全自動人機交互適用于需要處理和融合大量復雜信息，但決策類型非常簡單的決策空間。全自動決策模式適用于和平時期的行動，在這種情況下，決策不會產生嚴重后果，或者適用于高度復雜的行動，在這種情況下，決策反應時間對人類來說過于緊迫。全自動決策模式適用于對信息和情況了解非常有把握的情況。例如，當高度確信被跟蹤物體實際上是敵方威脅目標時。

圖 2 - 人機決策模型

戰斗管理決策支持系統的未來目標是能夠為給定的決策空間選擇適當的決策模型。也許一個靈活的決策架構可以容納所有三種人機模式，并根據需要加以應用。上層結構本身將對決策空間進行監控，評估需要做出何種決策，然后確定人機之間的適當互動，以做出每項決策。

C. 戰斗管理： 復雜工作

戰斗管理行動十分復雜（Young，2012 年）。如圖 3 所示，戰術環境從和平環境到高度危險的環境都有，來自許多不同方向的威脅多種多樣。這就形成了復雜的戰斗管理決策空間。決策空間的 "狀態 "必須靈活轉變，從正常無威脅行動期間的線性和直接，轉變為作戰行動期間的高度非線性和多變。

圖 3 - 復雜戰術環境中的作戰管理

復雜問題空間的特征包括：復雜的目標、復雜的環境和/或行動；適應性；集體行為；以及決策結果的不可預測性。這些特征都是戰術行動所固有的（Young，2012 年）。戰斗空間呈現出多種目標，這些目標通常不一致且不斷變化。軍事系統必須權衡各自的作戰目標（如自衛）與部隊級任務（可能包括區域防御、隱形作戰或特定資產防御）。由于不利的環境和千差萬別的環境導致目標優先級不斷變化，以及多種跨空間域任務，因此需要復雜的作戰行動。在應對復雜多變的威脅環境時，適應性是作戰系統的必要特征。軍事行動必須有效地適應威脅，以提高生存機會，實現戰術和戰略目標。分布式作戰資產的集體行為必須得到適當的協調，以避免碰撞和友軍誤傷事件的發生；并且最好能從它們的累積貢獻中獲益。最后，戰術決策的結果難以預測，從誤射、錯誤識別到對戰損的錯誤評估，這些不準確的知識和行動漣漪效應以及不可預見的后果使問題空間變得更加復雜。

自動化 BMA 有可能通過描述作戰環境的復雜程度并將這一知識轉化為決策空間，為人類決策者提供支持。理想情況下，完整而準確的作戰空間 "圖像 "將為決策空間提供態勢感知。BMA 可以對 "圖景 "進行監控，并對問題空間的復雜性特征進行評估。這些知識可支持有效、及時地使用決策輔助工具，并使人類決策和機器決策有效地相互作用。

系統性方法

"......只有復雜的系統才能執行復雜的任務（Braha，2006 年）"。

Bar-Yam 寫道："......高復雜性任務需要一個足夠復雜的系統來完成（Bar-Yam，2004 年）"。戰術軍事行動呈現出高度復雜的環境，轉化為戰爭資產必須執行的復雜任務。本節探討了在軍事行動中實施自動化 BMA 的復雜系統方法，以有效解決戰術問題空間。

上一節從決策的角度描述了作戰管理問題空間的特點；區分了人類決策與自動化決策輔助工具如何支持這些決策；并描述了作戰管理復雜性的特點。本節將介紹一種思考問題空間的方法，作為構思并最終實施系統解決方案的一種手段。

A. 將作戰資產視為資源系統

系統性方法的第一步是從系統角度 "看待 "問題和解決方案空間。對于戰術戰爭而言，首先要將戰爭資產視為資源系統。將資產（如：艦船、飛機、潛艇、武器系統、傳感器、通信設備/網絡和干擾器）定義為系統，就可以將其視為資源，并從其功能、性能、行為、結構和界面等方面加以審視。這樣就能根據它們的位置、狀態和預期能力等特征進行定量分析。隨著作戰行動日趨復雜，當存在多個目標重疊和沖突時，自動化 BMA 可以進行分析，以確定戰爭資源的有效利用。在 BMA 的幫助下，戰爭資源的利用可包括在系統間形成協作，以實現系統的行為和能力，從而更好地應對復雜的戰術任務。圖 4 展示了作為系統之系統的作戰資產網絡化協作。

"多維性可能是系統思維最有力的原則之一。它能夠從對立的趨勢中看到互補關系，并用不可行的部分創造出可行的整體（Gharajedaghi，2011 年）"。通過將作戰空間視為一組相互作用的系統，利用其多維性的能力可支持跨越空間和時間領域的部隊級協作行為。它使分層防御和綜合火力控制戰略成為可能，其中涉及到分布式武器和傳感器。當存在復雜的多維目標時，自動 BMA 可提供定量分析，以確定協作資源的利用情況。

圖 4 - 將作戰資產視為系統資源

B. 全面看待作戰管理

復雜的戰術環境要求從部隊層面以整體視角管理戰爭資源。隨著環境變得越來越復雜，事件發生得越來越快，而且是并行發生。決策數量和所需行動方案的數量都在增加。對有限的戰爭資源提出了更多的要求，其任務、目標和行動方案的相互關聯性也越來越強。從 "整體 "上了解多種威脅和任務，以及應對這些威脅和任務的可能方案和可能后果，就能做出更有效的軍事反應，這可能是有效應對高要求威脅的必要條件。作戰空間視角的概念可被描述為 "決策范圍"，或圍繞問題空間和解決方案空間設定邊界。更全面的決策范圍包括一個地區或戰區，以及該地理空間區域內的所有威脅和戰爭資源。較窄的決策范圍可能只包括特定威脅和特定平臺及其相關資產。

確定決策范圍既是限制因素，也是必要的促進因素。隨著作戰環境日趨復雜，戰術決策在因果關系上變得更加相互依賴和 "混亂"（Jackson 和 Keys，1984 年）。當只有一個威脅需要清除或一個區域需要觀察時，做出特定的武器交戰決策或傳感器任務分配決策就比較簡單。然而，如果將決策范圍縮小到發射單一武器系統或管理一艘艦艇上的傳感器，就會在需要處理多個戰術任務或需要優先處理和應對多個威脅時，失去其在部隊層面的整體有效性。在這種情況下，"整體性 "原則適用于決策，包括 "同時和相互依賴地盡可能多地考慮系統的各個部分和層次（杰克遜和凱斯，1984 年）"。換言之，擴大決策空間的范圍，或許可以考慮一個戰術區域或戰區。確定決策范圍本身就是一項決策。我們的目標是設計出支持靈活決策范圍的未來部隊架構，當部隊層面的任務變得更加復雜并可能受益于分布式作戰資產協作時，決策范圍可以擴大。

一旦戰術軍事力量面臨復雜的作戰問題空間，未來的自動化 BMA 就能建立更全面、更廣泛的決策范圍，并支持平臺和部隊層面的資源管理。最終，各種自動化 BMA 可支持不同層面的資源使用。支持特定傳感器和武器的 BMA 可由更高層次的 BMA 架構進行協調。因此，可以實施一個 BMA 系統體系。

C. 將決策空間視為一個系統

決策空間 "可視為一個系統。通過對決策空間采取系統方法，可以定義邊界、輸入和輸出、功能、性能和結構。圖 5 展示了決策空間的背景環境。戰斗空間的知識（或態勢感知）是作為 "問題空間"（或作戰戰術圖）來開發和維護的。它包括跟蹤的威脅目標以及地形、天氣、防御資產和現實世界中的所有其他物理實體。此外，還必須開發和維護 "資源圖"，其中包括戰爭資產的最新狀態、健康狀況、戰備狀態和預計能力。問題空間和資源圖景是決策空間的主要輸入。

概念決策空間系統的邊界圍繞決策架構和決策分析，其中包括決策輔助、評估、優先排序、備選方案生成和整體決策管理。決策空間系統的主要功能是開發決策備選方案。這些備選方案為管理戰爭資源資產提供建議。例如，傳感器任務分配、行動方案、武器調度、平臺（艦船、飛機等）移動等。次要功能包括估計與決策備選方案相關的置信度，以及為備選方案提供信息的多種類型的分析。分析實例包括：確定威脅的優先次序、兵棋推演可能產生的后果、估計傳感器誤差、估計知識的準確性和完整性、評估作戰復雜性、推薦最佳的人機決策互動。圖 5 所示的簡化概念沒有說明人機決策空間之間的互動。但在戰術行動中，這種互動將非常重要。

圖 5 - 決策空間的映射

概念決策空間系統的輸出可包括決策備選方案、預測后果估計、成功和失敗的估計概率，以及與源信息、備選方案和一般知識相關的置信度。

D. 解決方案空間：復雜自適應系統簇

在對BMA的系統方法進行概述的過程中，最后一步是對解決方案空間進行概念化。為了能夠對復雜的威脅空間做出戰術反應，解決方案空間包括有效利用分布式戰爭資產/資源。解決方案必須隨著威脅環境的變化而及時改變和調整。有時，進攻行動是最佳選擇；有時，單一平臺即可應對威脅；有時，可能需要并行或串聯多種進攻、防御、協作和自主行動。解決方案空間能夠從簡單操作無縫轉向復雜操作，從而改變其系統狀態的性質，這是一項具有挑戰性的要求。

本文將解決方案空間概念為復雜自適應系統簇（CASoS）（格拉斯，2011 年），其中分布式戰爭資源作為系統的系統進行交互，表現出突發性（部隊級）行為，并適應不斷變化的作戰環境。這類系統是有效解決復雜戰術問題空間所需的解決方案。設計未來戰爭系統使其表現為 CASoS，需要自動化 BMA 的決策架構和解決方案空間，以提供以下三種能力（Johnson，2017 年）：

1.自適應關系--自適應智能架構可實現組成系統之間的靈活相互關系，這些系統最終構成一個自適應 SoS，能夠應對不斷變化的復雜環境。

2.由智能組成系統組成的系統--CASoS 的自適應突發行為受分布式組成系統自我管理的支配，這些組成系統可根據復雜情況的需要進行協作或獨立行動。

3.知識發現和預測分析--工程化 CASoS 的關鍵在于獲取和維護有關環境和分布式組成系統的共享態勢知識的能力。對這些知識進行分析，可確定任務的優先次序；制定任務和行動方案（對問題空間的自適應響應）；制定 "假設 "和 "如果-那么 "預測方案，以形成未來智能決策和自適應 SoS 關系的綜合體。

決策空間必須支持概念化的 CASoS 解決方案空間。這種復雜應用的決策空間可以看作是一個 BMA 系統，由整體部隊級管理決策輔助工具支持與特定資源或平臺系統相關的低級 BMA 的協調。整體級 BMA 可以管理問題空間信息，并專注于高層次問題，如評估復雜程度、確定決策范圍和建議人機決策互動。所有這些都需要自動化的 BMA、自適應架構、"可執行任務 "的作戰資源以及支持這種系統方法的指揮與控制文化。

結論

總之，作戰管理問題空間是復雜的，而且隨著更多傳感器、更多信息、更多無人威脅、更多非國家對手和技術進步，其復雜性只會繼續增加。要想在這一問題空間中保持領先，就必須構思并最終實現一個復雜的解決方案空間，以促進快速行動和高度響應的戰爭利用。系統方法通過提供整體性、系統視角以及將決策空間定義為一個系統的系統，為解決所需的多維和適應性決策提供了一種方法。它將問題定義為 "CASoS"，并強調了對決策架構的需求，這種架構可實現自適應關系、系統級情報、共享知識和預測分析。有效利用自動化 BMA 支持人類決策為 CASoS 解決方案空間奠定了基礎。

參考來源：美國海軍研究生院

盡管最近在美國防部參謀培訓和兵棋推演模擬中對后勤因素的表現有所進步，但后勤信息系統（IS）的表現仍然不足。許多指揮與控制（C2）系統可通過通用協議（如 OTH-Gold）與仿真集成，但許多后勤信息系統與仿真-信息系統（sim-IS）的集成則需要人力密集的 "人在回路"（HitL）過程。在已實現自動仿真-IS 集成的地方，通常無法仿真重要的社會技術系統（STS）動態，如信息延遲和人為錯誤，從而使決策者無法真實地了解物流 C2 的能力。本研究試圖通過開發和驗證一種通過機器人流程自動化（RPA）進行模擬-信息系統信息交換的新方法，克服傳統模擬-信息系統互操作性方法的局限性。RPA 軟件通過 IS 現有的圖形用戶界面支持 IS 信息交換的自動化。這種 "由外而內 "的 IS 集成方法減少了為自動信息交換而對 IS（或模擬）進行工程更改的需要。除了驗證基于 RPA 的模擬-IS 集成方法的潛力外，本研究還提出了分布式模擬工程和執行過程（DSEEP）覆蓋的建議，以指導模擬-IS 環境的工程設計和執行。

在現代工作場所和戰場上，日益強大的信息系統和相關業務流程的激增，需要有能夠體現信息系統（IS）和相關社會技術系統（STS）動態的人員培訓環境。需要這樣的環境來鍛煉組織流程和信息系統，并培養人員的能力。盡管在仿真支持的人員培訓環境中，一些指揮與控制（C2）系統的表現形式取得了進步，但在表現包括許多后勤信息系統在內的 "人在回路"（HitL）信息系統以及影響這些信息系統如何在作戰環境中填充的 STS 動態方面，仍然存在局限性。現有的模擬和 C2 系統集成手段不足以支持自動模擬信息系統（sim-IS）的信息交換和 STS 動態模擬。

這項研究探索了機器人流程自動化（RPA）如何促進模擬信息系統信息交換和 STS 動態模擬自動化的新方法。研究采用了設計科學研究（DSR）方法，以確定基于 RPA 的模擬-IS 信息交換方法能否支持自動化模擬-IS 信息交換和 STS 動態模擬，以及如何設計和開發這種基于 RPA 的模擬-IS 環境。這些研究問題是通過開發和驗證兩個 DSR 工件來解決的：一個是基于 RPA 的模擬-IS 信息交換架構原型形式的實例化工件，另一個是分布式仿真工程和執行過程（DSEEP）（IEEE Std 1730，2011 年）模擬-IS 環境覆蓋建議形式的方法工件。從 DSR 的意義上講，實例化工件已通過驗證，能夠支持自動模擬-IS 信息交換和指定 STS 動態模擬。模擬的 STS 動態包括時間動態（信息延遲和及時性變化）和信息內容退化（準確性、精確性和完整性變化）。這是通過建模與仿真（M&S）驗證和確認過程實現的，包括在實驗室和現場環境中對實例化工件進行定量和定性分析。

通過在受控實驗室環境中的兩個模擬-IS 環境中對原型的性能進行定量分析，對基于 RPA 的模擬-IS 架構支持自動模擬-IS 信息交換和特定 STS 動態模擬的能力進行了驗證。在一個模擬-IS 環境中，海軍陸戰隊空地特遣部隊（MAGTF）戰術戰爭模擬（MTWS）與海軍陸戰隊通用后勤指揮與控制系統（CLC2S）集成在一起。在另一個模擬-IS 環境中，實體級建設性模擬--聯合沖突與戰術模擬（JCATS）與 CLC2S 集成。在這兩個模擬-信息系統環境中，都使用了圖 1 所示的基于 RPA 的模擬-信息系統信息交換架構，將建構模擬和 HitL 后勤信息系統集成在一起。

圖 1. 基于 RPA 的模擬信息系統信息交換架構

對原型架構在兩種模擬-IS 環境中的性能進行定量分析的結果表明，基于 RPA 的模擬-IS 信息交換方法可支持自動模擬-IS 信息交換和 STS 動態模擬。在時間動態模擬方面，發現及時性和延遲分布的模擬與目標分布充分吻合，每個場景的奇平方擬合度檢驗值都超過了 0.95 臨界值。對信息內容退化的模擬觀察具有實際意義，但不具有統計意義。雖然該架構為模擬信息系統信息交換提供了足夠的準確性和精確性，但確定基于 RPA 的模擬信息系統信息交換的及時性需要考慮所支持的特定模擬信息系統環境。在設計和開發基于 RPA 的模擬-IS 環境時，開發了解決這一問題的技術，并在模擬-IS 環境的 DSEEP 重疊建議中得到了解決。

定量分析的結果是必要的，但不足以支持對基于 RPA 的模擬-IS 架構的驗證。在實地環境中為領域主題專家 (SME) 進行了架構演示，以支持對該工具在支持其預期用途方面的實用性進行定性驗證。演示和隨后的中小型企業訪談結果表明，擬議的基于 RPA 的架構將支持在促進員工培訓的模擬信息系統環境中的預期用途。這包括支持在人員培訓環境中表現更多的 HitL 信息系統的潛力，以及模擬 STS 動態的潛力，否則人力或成本將無法表現。

為 DSEEP 開發的方法工件--模擬-信息系統疊加建議，旨在促進模擬-信息系統環境的設計和開發，這些環境代表了目標集成業務流程和相關 STS 動態，包括使用基于 RPA 的模擬-信息系統信息交換方法。雖然 DSEEP 為分布式仿真環境的工程設計和執行提供了指導，但它并沒有為支持仿真-IS 環境提供必要的指導。本研究針對 DSEEP 重疊中需要解決的問題提出了 43 項具體建議，以指導模擬-IS 環境的工程設計和執行，重點是支持基于 RPA 的模擬-IS 信息交換。這些建議是在設計、開發和驗證基于 RPA 的模擬-IS 架構的同時提出的。提供的許多建議與設計、開發和測試基于 RPA 的模擬信息系統架構原型過程中發現的障礙以及為克服這些障礙而開發的工具和技術直接相關。

除了展示和驗證一種基于 RPA 的新方法，用于 Sim-IS 信息交換和工作人員培訓的 STS 動態模擬之外，這項研究還為設計支持其他領域的模擬-IS 環境提供了新的機遇。基于 RPA 的模擬-信息系統信息交換方法所帶來的低成本、模塊化模擬-信息系統環境，可以支持一種新的兵棋推演環境，增強對現實世界中的 HitL 信息系統以及填充這些系統的綜合業務流程的表現力。它還可以為集成業務流程本身的持續共同發展提供一個靈活的環境。本研究為探索和開發基于 RPA 的模擬信息系統信息交換方法邁出了第一步，該方法可支持在模擬支持環境中增強 HitL 信息系統的代表性，以支持人員培訓和其他重要問題空間。

當前的后勤資源管理系統缺乏為海軍陸戰隊作戰概念（MOC）中描述的 2025 年作戰方案提供支持所需的靈活性和集成性。為了使這些系統行之有效，后勤資源管理系統需要利用新興技術和行業最佳實踐進行應用框架和開發，并采用綜合方法整合數據流以促進決策制定。

在未來的沖突和作戰環境中，進入港口的機會將減少，對聯合和東道國支持的依賴性將增加，同時還要利用有爭議的網絡，在更大的作戰區域內支持規模較小的分散部隊。為了在這些未來環境中開展后勤保障行動，海軍陸戰隊需要輕便、動態和強大的系統來提供后勤資源管理。整個戰場的數據需要進行整合，以便為決策者創建一個后勤共同行動圖。當前的后勤資源管理系統（LRMS）缺乏靈活性和集成性，無法為 "海軍陸戰隊作戰概念"（MOC）中描述的 2025 年作戰方案提供支持。未來的許多作戰方案都嚴重依賴聯合作戰。當前的海軍陸戰隊系統無法與其他兄弟部隊的 LRMS 系統有效集成。為了使這些系統發揮有效作用，LRMS 系統需要利用新興技術和行業最佳實踐進行應用框架和開發，并采用綜合方法整合數據流以促進決策制定。

在未來的作戰環境中，海軍陸戰隊需要具備建立和維持信息優勢的能力。由于大多數作戰專業人員都將重點放在機動要素上，因此在下一場沖突中，后勤部門也需要同樣的關注。海軍陸戰隊的后勤管理系統需要重新評估，以便在未來的作戰環境中發揮有效作用，并提供所需的綜合后勤共同作業圖（LogCOP）。通過利用虛擬機、微服務和容器等現代應用框架，海軍陸戰隊將擁有一個更具可移植性和彈性的平臺來托管和運行 LRMS。通過提供通用的應用程序開發和測試環境、采用軟件開發工具包和應用程序接口，海軍陸戰隊將能夠快速適應新出現的需求和能力差距。考慮到擬議的數據管理架構和采用的行業最佳實踐，LRMS 將能夠提供所需的能力，從而改進 LogCOP，并有機會利用預測分析和人工智能工具等現代數據管理工具提供有效的后勤支持，促進相關決策的快速做出。

行業最佳實踐正在推動消除數據管理架構中不一致的數據模式。鑒于美國防部 IT 事業的復雜性，整個國防部的標準數據模式可能無法實現。盡管如此，仍有機會在 LRMS 平臺上實現數據模式標準化。這將為所有 LRMS ADS 和應用程序提供一個共同的模式框架。利用標準數據模式將有助于將數據背景化，從而獲得更大的分析價值。雖然該解決方案將促進 LRMS 生態系統內的同質數據環境，但仍需要在生態系統外進行交互。在這些 LRMS 生態系統數據接縫處使用數據調解器，可實現與海軍陸戰隊和國防部 IT 企業其他部分的數據集成。將數據倉庫和多維數據庫整合到現有的海軍陸戰隊和聯合 IT 基礎設施中，可實現所需的數據匯總和分析，從而促進相關決策的快速制定。圖 6 中建議的 LRMS 企業數據管理架構將成為實現數據融合的基線，以整合整個海軍陸戰隊的 LRMS 系統以及整個聯合部隊的數據。

如果海軍陸戰隊要與近似對手競爭，海軍陸戰隊必須將人工智能（AI）作為一種決策支持系統（DSS），以加快規劃-決策-執行（PDE）周期，從而在認知、時間和致命性方面取得優勢。

信息系統和監視技術正在改變戰爭的特點，使較小的部隊也能分布和影響較大的區域。但是，目前的指揮、控制、通信、計算機、情報、監視和偵察系統（C4ISR）以及機器人和自主系統（RAS）都是人力密集型系統，會產生大量數據，海軍陸戰隊必須迅速利用這些數據來提供可操作的情報。由于遠征高級基地行動（EABO）要求部隊規模小、分布廣、復原力強，必須迅速做出明智決策，才能在各種不斷發展和演變的威脅面前生存下來，因此這就存在問題。

使用數據分析和機器學習的人工智能處理、利用和傳播信息的速度比人類更快。配備了人工智能 DSS 的 EAB 指揮官將以比對手更快的速度做出更明智的決策。然而，在實現這一目標之前，目前還存在著巨大的障礙。海軍陸戰隊必須為 EABO 制定一個人工智能支持概念，并將其納入海軍作戰概念中，充分確定人工智能工作的優先次序和資源，并為企業數據管理提供資源，以最大限度地利用數據分析和機器學習來發現數據庫中的知識（KDD）。此外，海軍陸戰隊必須利用美國陸軍的人工智能實驗和概念開發來實現多域作戰（MDO）。最后，海軍陸戰隊應確定當前可通過狹義人工智能加以改進的技術和作戰領域。

引言

指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）以及機器人和自主系統（RAS）技術的普及正在改變戰爭的特點，使較小的部隊能夠分布和影響更大的區域。然而，作戰期間收集的數據正在迅速超越人類的認知能力。早在 2013 年，美國國防部就指出："ISR 收集和......收集的數據急劇增加。我們繼續發現，我們收集的數據往往超出了我們的處理、利用和傳播能力。我們還認識到，就戰術層面的分析人員數量而言，PED 的資源需求可能永遠都不夠"。

如果能迅速加以利用，C4ISR/RAS 數據將為指揮官提供戰勝敵人的信息優勢。但是，從這些來源獲取及時、可操作的情報需要大量人力，而且必須通過人工手段對數據進行快速處理、利用和傳播（PED）才能發揮作用。如果遠征軍要通過 C4ISR 與近鄰競爭并獲得競爭優勢，這對海軍陸戰隊來說是個問題。這些豐富的信息可以加快計劃-決策-執行（PDE）周期，但如果不加以管理，就會使領導者被信息淹沒，猶豫不決。必須采取相應措施，利用新技術實現數據自動化和管理。如果海軍陸戰隊要與近似對手競爭，海軍陸戰隊必須將人工智能（AI）作為決策支持系統（DSS），以加快 PDE 周期，從而在認知、時間和致命性方面取得優勢。

本文旨在證明，利用人工智能技術可加快指揮官在其環境中的觀察、定位、決策和行動能力。本文承認，但并不打算解決射頻通信、信息系統和組織變革中出現的技術問題的重大障礙。本文分為四個不同的部分。第一部分重點討論不斷變化的安全環境和新興技術帶來的挑戰，以及這些挑戰將如何影響指揮官。第二部分討論技術解決方案、決策模型，以及人工智能作為 DSS 如何為 EAB 指揮官創造認知、時間和致命優勢。第三部分將在未來沖突中，在 EAB 指揮官很可能面臨的假想作戰場景中說明這種系統的優勢。最后一部分重點討論了實施過程中遇到的障礙，并對今后的工作提出了建議。

第 I 部分：新的安全環境和新出現的挑戰

自 2001 年以來，海軍陸戰隊在 "持久自由行動"（OEF）、"伊拉克自由行動"（OIF）和最近的 "堅定決心行動"（OIR）中重點打擊暴力極端組織（VEO）和反叛亂戰爭。美國武裝部隊所處的是一個寬松的環境，有利于技術優勢、不受限制的通信線路和所有領域的行動自由。隨著 2018 年《國防戰略》（NDS）和海軍陸戰隊第 38 任司令官《司令官規劃指南》（CPG）的出臺，這種模式發生了變化，《司令官規劃指南》將大國競爭重新定為國家國防的首要任務，并將海軍陸戰隊重新定為支持艦隊行動的海軍遠征待命部隊。

為了支持這一新的戰略方向，海軍陸戰隊開發了 "先進遠征作戰"（EABO），作為在有爭議環境中的瀕海作戰（LOCE）和分布式海上作戰（DMO）的一種使能能力。EABO 為聯合部隊海上分隊指揮官或艦隊指揮官提供支持，在反介入區域拒止（A2/AD）環境中提供兩棲部隊，以獲取、維持和推進海軍利益，作為控制海洋的綜合海上縱深防御。然而，EABO 對部隊提出了一些必須考慮的具體挑戰。這些挑戰包括在所有領域與近似對手的競爭、對新興技術的依賴、人員與能力之間的權衡，以及地理距離和分布式行動帶來的復雜性。總的主題是如何通過在關鍵點上集成人工智能技術來克服這些挑戰，從而增強指揮官的 PDE 循環。

處理開發傳播 (PED) 問題

如果情報驅動軍事行動，那么海軍陸戰隊就會出現問題。如前所述，數據收集的速度超過了戰術層面的處理、利用和傳播（PED）過程。數據本身是無用的，必須經過組織和背景化處理才有價值。根據認知層次模型（圖 1），數據和信息對形成共同理解至關重要。聯合情報流程通過規劃和指導、收集、處理和利用、分析和制作、傳播和整合以及評估和反饋這六個階段來實現這一目標。C4ISR/RAS 的擴散擴大了收集范圍，但 PED 卻沒有相應增加。除非采取措施實現信息管理自動化，否則指揮官將面臨信息超載和決策癱瘓的風險。

信息超載是指由于一個人無法處理大量數據或信息而導致的決策困難。 羅伯特-S-巴倫（Robert S. Baron）1986 年關于 "分心-沖突理論"（Distraction-Conflict Theory）的開創性研究表明 執行復雜任務的決策者幾乎沒有多余的認知能力。由于中斷而縮小注意力，很可能會導致信息線索的丟失，其中一些可能與完成任務有關。在這種情況下，學習成績很可能會下降。隨著分心/干擾的數量或強度增加，決策者的認知能力會被超越，工作表現會更加惡化。除了減少可能關注的線索數量外，更嚴重的干擾/中斷還可能促使決策者使用啟發式方法、走捷徑或選擇滿足型決策，從而降低決策準確性。

鑒于 Baron 的結論，C4ISR/RAS 將降低而不是提高戰術指揮官的決策能力。筆者在擔任海軍陸戰隊作戰實驗室（MCWL）科技處地面戰斗部（GCE）處長期間進行的研究證實了這一結論。2013 年，海軍陸戰隊作戰實驗室 (MCWL) 開展了戰術網絡傳感器套件 (TNS2) 有限技術評估 (LTA)。一個海軍陸戰隊步槍連及其下屬排配備了空中和地面機器人、地面傳感器以及戰術機器人控制器（TRC）。戰術機器人控制器使一名操作員能夠在白天或黑夜，在視線范圍外同時控制多輛戰車進行 ISR。MCWL 將這種 ISR 形式命名為多維 ISR（圖 2）。LTA顯示，使用TNS2的排級指揮官在防御、進攻和巡邏時都能迅速發現威脅，但LTA也發現了兩個重大問題：1.在軟件和機器人能夠自主分析和關聯傳感器輸入之前，海軍陸戰隊員仍需收集和整理ISR數據；2.在中高作戰壓力下... 在中度到高度的作戰壓力下......操作人員會超負荷工作......無法探測和識別目標，并普遍喪失態勢感知能力。

海軍陸戰隊情報監視和偵察--企業（MCISR-E）正在通過海軍陸戰隊情報中心（MIC）、海軍陸戰隊情報活動（MCIA）與戰斗支援機構（CSA）和國家情報界（IC）連接，納入預測分析流程，以解決這些問題。通過海軍陸戰隊情報活動（MCIA），MCISRE 解決了全動態視頻（FMV）聯合 PED 支持問題，并于 2017 年成立了全動態視頻聯合 PED 小組，該小組具有全面運作能力，每周 7 天提供 12 小時支持，費用由 14 名分析員和 3 名特派團指揮官承擔。

雖然這是朝著正確方向邁出的一步，但由于人力需求量大，這可能證明是不夠的。EAB 指揮官必須依靠地理位置相隔遙遠的上級總部提供的、通過有爭議的電磁頻譜傳輸的情報成品。海軍陸戰隊司令部的 MIX 16（海軍陸戰隊空地特遣部隊綜合演習）實驗結果證實了這一結論： "未來戰爭將在具有挑戰性的電磁環境中進行，分布在各地的部隊......從上級總部 "伸手回來 "獲取日常情報援助的能力可能有限，而且無法依賴"。此外，在戰術和作戰層面增加更多的分析人員會導致循環報告，這只會加劇信息超載問題。

EABO/分布式作戰 (DO) 困境

根據《EABO 手冊》，EAB 必須 "產生大規模的優點，而沒有集中的弱點"。美國陸軍在 2016 年進行的實驗表明，較小的單位有可能分布并影響較大的區域（圖 3）。有人無人協同作戰概念（MUMT）認為，采用縱深傳感器、縱深效應和支援行動的部隊可實現戰斗力并擴大其影響范圍。

然而，DO 和 EABO 是零和博弈。C4ISR 和 RAS 技術可以讓部隊分布得更遠，但實驗表明，規模經濟會喪失。增加兵力將增加所有領域的需求。正如皮涅羅在 2017 年的一篇研究論文中總結的那樣："當部隊分散時，就會失去指揮與控制、情報和火力等輔助功能的效率。"在后勤方面也是如此。這種 "DO 困境 "可以用以下經過修訂的 "三重約束范式 "來表示（圖 4）。隨著部隊的分散，一個領域的整合將削弱另一個領域的能力。如果 EAB 指揮官能在不增加 EAB 占地面積的情況下提高能力，就能重新獲得規模經濟效益。智能技術整合可以解決這一問題。

第II部分：融合技術、決策和概念

人工智能展示了解決 PED 問題和 EABO/DO 困境的最大潛力，同時為指揮官提供了對抗性超配。據審計總署稱，"人工智能可用于從多個地點收集大量數據和信息，描述系統正常運行的特征，并檢測異常情況，其速度比人類快得多"。由聯合規劃流程（JPP）提供信息的人工智能系統可以產生更快、更明智的 PDE 循環。如果海軍陸戰隊想要實現 EABO，就不能僅僅依靠人類。相反，未來的關鍵在于如何利用人工智能來增強人類的決策能力。

決策和決策支持系統

研究表明，人類的決策并不完美，在復雜和緊張的情況下會迅速退化。人類的決策在很大程度上是憑直覺做出的，并在進化過程中不斷優化，通過使用判斷啟發法（偏差）來防止認知超載。偏差是快速決策的捷徑，它根據以往的經驗和知識做出假設。36 偏差是一種快速決策的捷徑，它根據以往的經驗和知識做出假設。雖然這些決策已經過優化，但并沒有參考因啟發式方法而被否定的大量數據。由于這些決策都是基于以往的經驗和現有的知識，人們在面對混亂的新情況時可能毫無準備。如前文所述，這對 EAB 指揮官來說是個問題。決策支持系統可以提供幫助。

決策支持系統可以是一個人用來提高決策質量的任何方法。海軍陸戰隊營長利用其參謀人員和聯合規劃流程 (JPP) 提供專家判斷來提高決策質量，而商業部門也越來越依賴于決策支持系統和人工智能來處理大量數據。在本文中，決策支持系統被定義為 "幫助用戶進行判斷和選擇活動的基于計算機的交互式系統"，也被稱為基于知識的系統，因為 "它們試圖將領域知識形式化，使其適合于機械化推理"。大多數 DSS 都采用西蒙的有限理性理論（Theory of Bounded Rationality）來建模，該理論承認人類在信息、時間和決策認知方面的局限性。西蒙提出了一個四步模型（圖 5），包括：1.觀察現實的智能；2.制定和衡量標準和備選方案的設計；3.評估備選方案和建議行動的選擇；以及 4.根據信息采取行動的實施。4. 執行，根據信息采取行動，最后反饋到第一步。

指揮官決策的兩個關鍵要素是選擇活動和推理。選擇活動，也稱為選項意識，是指在某種情況下對不同行動方案或備選方案的認識。選擇意識為指揮官提供了通往解決方案的不同途徑。能夠自主分析海量數據的 DSS 可能會揭示出以前不知道的選項。推理是一種邏輯思維能力。通過構建決策過程，數據支持系統可以不帶偏見和感情色彩地對數據得出結論。一些研究表明，在現實環境中，簡單的線性決策模型甚至優于該領域的專家。

DSS 有不同的類型，而類型決定了其性能和對人類增強的效用。智能決策支持系統（IDSS）是與作戰行動最相關的系統，因為它使用人工智能技術和計算機技術來模擬人類決策，以解決實時復雜環境中的一系列問題。在本文中，它將被稱為人工智能決策支持系統或 AI-DSS。它由一個數據庫管理系統（DBMS）、一個模型庫管理系統（MBMS）、一個知識庫和一個用戶界面組成，前者用于存儲檢索和分析數據，后者用于獲取結構化和非結構化數據的決策模型。人工智能-決策支持系統結合了人類構建問題結構的能力，以及通過統計分析和人工智能技術來支持復雜決策的系統，從而壓縮了 PED 流程（圖 6）。

人工智能輔助OODA循環

約翰-博伊德上校（美國空軍退役）被譽為機動作戰條令及其相應心理過程模型的主要作者之一。通過對實驗性戰斗機的研究，他認識到 "錯配有助于一個人的成功和生存，以及敏捷性和節奏之間的關系，以及如何利用它們使對手的感知現實與實際現實相背離"。為了解釋這些不匹配，他提出了一個 PDE 循環，后來被稱為 OODA（觀察、定向、決定和行動）循環（圖 7）。博伊德認為，誰能通過歸納或演繹推理更快地執行這一過程，誰就能獲勝。通過將人工智能融入 OODA 循環，EABO 指揮官可以獲得對敵決策優勢。正如伯杰司令在其規劃指南中所說："在任何規模的沖突環境中，我們必須比對手更快地做出并執行有效的軍事決策。

更好的信息和選擇有助于做出更迅速、更明智的決策，同時減輕認知負擔。EAB 部隊將面臨超音速和潛在的高超音速武器，這將使他們幾乎沒有時間做出充分知情的決策。EAB 指揮官將被迫利用大量有人和無人傳感器平臺感知威脅，并迅速確定行動方案。

人工智能輔助 OODA 循環（圖 8）直觀地描述了 EAB 指揮官如何借助人工智能技術做出決策。它將博伊德的 OODA 循環作為指揮官 PDE 循環的基礎。這反映出指揮官是決策過程的中心，也是情報和決策支持的主要消費者。下一層是國家情報總監辦公室（ODNI）的六步情報循環，用于將數據處理成情報。下一層是西蒙的有界理性模型，用于描述 AIDSS 如何嵌套在 EAB 指揮官的決策框架中。最后，使用狹義人工智能增強的外部代理被疊加以代表物理工具（如 RAS、武器系統、AI-DSS 和圖形用戶界面 (GUI)）。在關鍵點集成狹義人工智能，以實現傳感器操作和利用、數據和情報的 PED 以及武器使用的自動化，從而減少人力并壓縮 PDE 周期時間，為指揮官創造可利用的優勢窗口。

作戰概念

由于 EAB 指揮官將在一個簡樸、分散和資源有限的環境中工作，他必須重新獲得在這些方面失去的效率，以超越對手。AI-OODA 循環將按以下方式解決問題。在執行任務前，指揮官進行任務分析/人員規劃流程，以確定指揮官的關鍵信息需求（CCIR）（優先情報需求（PIR）/友軍情報需求（FFIR））以及與上級總部意圖相關的任務（作戰空間的情報準備（IPB）、行動區域、任務、約束/限制等）。

在步驟 1. 觀察階段，指揮官收集有關作戰環境、敵我態勢和友軍態勢的數據，以驗證 IPB 中的基準假設并更新態勢感知。為此，將利用國防部云服務和配備計算機視覺和機器學習技術的無人系統提供的多源情報，自主分析環境，查找 CCIR。這些系統在收集和識別 CCIR 時，可根據威脅程度和排放控制（EMCON）狀態采取兩種行動方案：1. 從云和/或邊緣 AI 平臺（AI-DSS）分發/縮減信息；2. 限制通信并返回基地進行開發。從這一過程中收集到的數據將反饋到第二階段--定向，以確定其意義和相關性。

在步驟 2. 在第 2 步 "定向"階段，指揮官要對收集到的大量數據進行意義分析，以便做出適當的決策。隨著數據池的不斷擴大，第一步的輸出結果必須由人工進行處理，這將耗費大量的時間和資源。如果處理不當，指揮官就有可能因信息過載而無法確定行動方案。研究表明，在面臨信息超載等人類認知極限時，人們會使用次優的應對策略，從而導致認知偏差。第二步是當前流程中的瓶頸，也是人工智能輔助決策支持系統（AI-DSS）緩解信息過載和縮短 PDE 周期的理想場所。

AI-DSS 的優勢在于它可以自主地以數字方式整合來自無限量來源的數據，包括多源情報、RAS、鄰近邊緣 AI 節點、開放源數據以及最終基于國防部云的服務，以生成決策輔助工具、預測性威脅預報或響應行動方案。通過監控這些來源，人工智能可利用 KDD 推斷出模式和意義，以探測敵方意圖，并在人工智能-OODA 循環的第 4 步中利用 F2T2EA（發現、修復、跟蹤、瞄準、交戰、評估）的殺傷鏈模型做出反應。與計算機網絡防御（CND）中使用的技術類似，EABO 部隊可以探測敵人的行動，將敵人的殺傷鏈指標與防御者的行動方針聯系起來，并識別出將敵人的個別行動與更廣泛的戰役聯系起來的模式，從而建立起陸基情報驅動的 SLOC（海上交通線）防御（IDSD），以控制當地海域。現在，他的情報系統已獲得最佳數據，并輔以人工智能生成的行動方案 (COA)，為第 3 步 "決定 "做好準備。

在步驟 3. “決定”步驟中，指揮官現在可以決定采取何種行動方案來實現預期結果。AI-DSS 可以推薦 COA、確定成功概率并建議后續行動或對手行動。通過圖形用戶界面，她的決定可以在整個梯隊中傳達，并傳遞給 RAS 平臺，從而在分布式作戰空間中形成一個綜合的有人無人團隊。

在步驟 4.“ 行動”中，指揮官正在執行任務，并利用反饋機制為其下一個決策周期提供信息，該決策周期已通過綜合通信、火力和指揮控制網絡進行了溝通，以確定可用和適當的武器系統。人工智能 OODA 循環將循環往復地進行下去，直到指揮官達到預期的最終狀態或情況不再需要采取戰術行動。通過利用人工智能作為 DSS，指揮官實現了以下目標：

1.融合--在梯隊中快速、持續、準確地整合來自所有領域、電磁頻譜（EMS）和信息環境的內部和外部能力；

2.優化 - 在正確的時間，以最有效和最高效的方式，向正確的目標提供效果的能力；

3.同步--將態勢感知、火力（致命和非致命）和機動結合起來進行滲透和利用的能力；以及

4.感知和行動速度--在沖突的各個階段都能識別和直觀地看到導致領域優勢和/或挑戰的條件，并采取相應行動；

確信所有數據點都以不偏不倚的方式加權，且周期速度快于敵方。

第 III 部分：關于人工智能輔助 EABO 的小故事

本節將通過一個小故事來解釋人工智能-OODA 循環系統在未來沖突中如何運作，從而將前面討論的主題結合起來。本節旨在從概念上向讀者概述如何使用該系統、它能解決哪些挑戰以及它能創造哪些機遇。

第 IV 部分：障礙和建議

有幾個問題不是本文的主題，但卻是接受和開發 AI-DSS 的重大障礙。將精力和資源集中在這些領域將激發行業解決方案，并協助海軍陸戰隊制定必要的政策、程序和戰術，以實現這一概念，并使海軍陸戰隊與國防部的人工智能戰略保持一致。

第一個問題是 EABO 的人工智能支持概念。如果對問題沒有清晰的認識，海軍陸戰隊就無法在技術、培訓和實驗方面進行適當的投資。一個可以考慮的途徑是與美國陸軍合作。2019 年 8 月，陸軍未來司令部發布了《2019 年未來研究計劃--人工智能在多域作戰（MDO）中的應用》。MDO 是聯合部隊的一個概念，海軍陸戰隊可以輕松嵌套在遠征梯隊中。這項研究通過戰爭游戲得到加強，概述了在 A2/AD 環境中建立人工智能能力的要求、優勢/劣勢和作戰案例。

第二個問題是海軍陸戰隊人工智能的資源配置。國防部人工智能戰略的美國海軍陸戰隊附件在 MCWL 設立了人工智能利益共同體（COI）和人工智能處，以確定人工智能工作的優先順序和同步性，并制定海軍陸戰隊人工智能戰略。這是一個良好的開端，但還不足以滿足人工智能運作所需的資源。海軍陸戰隊必須利用美國陸軍在多域作戰中開展的人工智能工作的范圍和規模，加速技術成熟、實驗和部隊發展。軍事、戰爭和后勤部人工智能有限技術評估應重點關注人工智能-DSS 如何能夠實現、改進或完全修改與 ISR-Strike、C2、維持和部隊保護相關的任務執行。2020 年有機會與陸軍人工智能任務組 (A-AITF) 就其 20 財年人工智能操作化研究計劃開展合作。

第三個問題是企業數據管理。國防部在匯集數據并將其組合成可用的形式方面舉步維艱。為了解決這個問題，國防部數字化現代化戰略要求提供企業云數據服務，也稱為聯合企業防御基礎設施（JEDI）。司令還認識到海軍陸戰隊在數據收集、管理和利用方面的不足，以促進更好的決策。機器要進行 KDD，必須有大量可用的數據集。海軍陸戰隊必須以人工智能-DSS 和其他深度學習技術能夠利用的方式構建其數據，以獲得業務收益。

第四個問題是對人工智能技術的信任。根據美國政府問責局的說法，人工智能正在接近第三次浪潮，但并非沒有嚴重障礙： "第三波人工智能的一個重要部分將是開發不僅能夠適應新情況，而且能夠向用戶解釋這些決策背后原因的人工智能系統"。目前的深度學習方法具有強大的分析能力，但有時會產生不尋常的結果。要讓指揮官信任并在軍事行動中使用 AI-DSS，就必須具備解釋人工智能如何得出答案的能力。可解釋的人工智能是國防部和商業部門共同關注的問題，而商業部門正在牽頭研究可能的解決方案。53 可解釋的人工智能是國防部和商業部門都關注的問題，而商業部門正在引領可能的解決方案研究。了解為什么會做出好的或壞的決策，會讓人對技術產生信任，這對軍事行動至關重要。

第五個問題是邊緣計算，即 "將計算能力下推到數據源，而不是依賴集中式計算解決方案"。這是必要的，因為電磁頻譜將受到爭奪，機器將無法依賴一致的通信和基于云的計算。數據網絡架構將需要重組，以便變得更加分散，并可抵御災難性損失，每個邊緣設備都應能夠與相鄰節點進行網狀連接和通信。在實踐中，數據連接將根據威脅環境從完全連接到拒絕連接的滑動范圍進行。這樣，AI-DSS 就能對本地收集的數據進行快速、實時的 PED，為 EAB 指揮官的決策周期提供支持。此外，國防部必須在戰術邊緣提供基于云的服務，并采用 5G 數據傳輸速率，以機器速度和低延遲充分利用人工智能和 RAS。同樣，這也是與美國陸軍在多域作戰方面的合作領域。

第六個問題是，這在以前已經嘗試過。2002 年，美國國防部高級研究計劃局（DARPA）創建了 PAL（個性化學習助手）計劃，作為一種認知計算系統，它可以通過學習來協助用戶完成任務，從而做出更有效的軍事決策。其主要目標之一是減少對大量人員的需求，從而使決策更加分散，不易受到攻擊。PAL 的一些功能包括將多源數據融合為單一饋送，這些功能已過渡到蘋果 Siri 個人助理和美國陸軍的未來指揮所 (CPOF) 計劃。筆者無法獲得有關 PAL 計劃局限性的詳細信息，但陸軍認識到遠征決策支持系統的必要性，目前正在精簡 CPOF。指揮所計算環境（CPCE）將多個環境整合為一個單一的用戶界面，整體重量從 1200 磅減至 300 磅，主要用于移動作戰。這是朝著正確方向邁出的一步，也是陸軍和海軍陸戰隊的潛在合作領域。

最后，MCWL 應研究在 RAS、計算機視覺、機器學習和數據分析方面的狹窄人工智能領域，這些領域可立即應用于減少指揮官的認知負荷。

結論

當前的 C4ISR/RAS 是勞動密集型的，會產生大量數據，必須迅速加以利用，才能為海軍部隊提供可操作的情報。使用數據分析和機器學習的人工智能可以比人類更快地處理、利用和傳播信息。配備了人工智能信息系統的 EAB 指揮官將以比對手更快的速度做出更明智的決策。然而，在實現這一目標之前，目前還存在著巨大的障礙。展望未來，海軍陸戰隊必須制定一個與海軍作戰概念相匹配的海軍陸戰隊作戰概念，對人工智能工作進行充分的優先排序和資源配置，對企業數據管理進行資源配置，以最大限度地利用數據分析和機器學習來發現數據庫中的知識（KDD），并利用美國陸軍的人工智能實驗和概念開發來實現多域作戰（MDO）。此外，海軍陸戰隊應確定當前可通過狹義人工智能加以改進的技術和作戰領域。

海軍陸戰隊不能再依賴過時的決策支持系統和信息管理方法來進行戰術決策。隨著友軍和敵軍利用技術獲取戰術利益，指揮官的信息負荷將繼續增加。人工智能決策支持系統可以解決這個問題。軍事指揮與控制發展計劃》（MCDP 6）指出了這一點的必要性："無論時代或技術如何發展，有效的指揮與控制都將歸結為人們利用信息做出明智的決定和行動....，衡量指揮與控制有效性的最終標準始終如一：它能否幫助我們比敵人更快、更有效地采取行動？

在現代空戰中，超視距（BVR）交戰越來越頻繁。飛行員面臨的主要挑戰之一是機動計劃，這反映了他們的決策能力，并能決定成敗。為確保采用虛擬BVR空戰模擬的飛行員訓練取得成功，計算機生成部隊（CGF）的高精度水平至關重要。要實現這一目標，不僅要充分復制和模擬實體的物理特性，還要使其具有接近人類的行為。在本文中，我們提出了應對這些挑戰的總體概念： 首先，我們引入飛行運動動態模型（飛機、導彈、箔條）以及干擾器。然后，我們分析典型的超視距空戰的工作流程，將其分為攻擊、自衛和決定。在此背景下，我們引入行為樹作為這些任務的建模方法，并解釋其優點。進一步的計劃包括在未來由人類控制的對手飛機（飛行員）與CGF對飛的實驗活動中驗證和確認CGF的行為。最后，我們對未來的工作進行了展望，我們打算在包含多個自由度的任務中采用強化學習。

對使用無人駕駛飛行器（UAV），即無人機，在不同的應用中，如包裹遞送、交通監測、搜索和救援行動以及軍事戰斗交戰，有越來越多的需求。在所有這些應用中，無人機被用來自主導航環境--沒有人的互動，執行特定的任務和避免障礙。自主的無人機導航通常是通過強化學習（RL）完成的，智能體作為一個領域的專家，在避開障礙物的同時導航環境。了解導航環境和算法限制在選擇適當的RL算法以有效解決導航問題中起著至關重要的作用。因此，本研究首先確定了主要的無人機導航任務并討論了導航框架和仿真軟件。接下來，根據環境、算法特點、能力和在不同無人機導航問題中的應用，對RL算法進行了分類和討論，這將有助于從業人員和研究人員為他們的無人機導航用例選擇合適的RL算法。此外，確定的差距和機會將推動無人機導航研究。

引言

自主系統（AS）是能夠在沒有人類干擾的情況下執行所需任務的系統，如機器人在沒有人類參與的情況下執行任務、自動駕駛汽車和無人機送貨。自主系統正在侵入不同的領域，以使操作更加有效，并減少人為因素產生的成本和風險。

無人駕駛航空器（UAV）是一種沒有人類飛行員的飛機，主要被稱為無人機。自主無人機由于其多樣化的應用而受到越來越多的關注，如向客戶交付包裹、應對交通事故以滿足傷員的醫療需求、追蹤軍事目標、協助搜索和救援行動，以及許多其他應用。

通常情況下，無人機配備有攝像頭和其他傳感器，可以收集周圍環境的信息，使無人機能夠自主地導航該環境。無人機導航訓練通常是在虛擬的三維環境中進行的，因為無人機的計算資源和電源有限，而且由于墜毀而更換無人機部件可能很昂貴。

不同的強化學習（RL）算法被用來訓練無人機自主導航的環境。強化學習可以解決各種問題，在這些問題中，代理人就像該領域的人類專家一樣。代理人通過處理環境的狀態與環境互動，用行動作出回應，并獲得獎勵。無人機相機和傳感器從環境中捕捉信息，用于表示狀態。代理人處理捕捉到的狀態并輸出一個行動，決定無人機的運動方向或控制螺旋槳的推力，如圖1所示。

圖1：使用深度強化智能體的無人機訓練

研究界對不同的無人機導航問題進行了回顧，如視覺無人機導航[1, 2]、無人機植群[3]和路徑規劃[4]。然而，據作者所知，目前還沒有與RL在無人機導航中的應用有關的調查。因此，本文旨在對各種RL算法在不同無人機自主導航問題上的應用進行全面系統的回顧。這項調查有以下貢獻：

• 幫助從業人員和研究人員根據應用領域和環境類型，選擇正確的算法來解決手頭的問題。
• 解釋各種RL算法的主要原理和特點，確定它們之間的關系，并根據環境類型對它們進行分類。
• 根據問題領域，討論和分類不同的RL無人機導航框架。
• 認識用于解決不同無人機自主導航問題的各種技術和用于執行無人機導航任務的不同仿真工具。

本文的其余部分組織如下： 第2節介紹了系統回顧過程，第3節介紹了RL，第4節全面回顧了各種RL算法和技術在無人機自主導航中的應用，第5節討論了無人機導航框架和仿真軟件，第6節對RL算法進行分類并討論了最突出的算法，第7節解釋了RL算法的選擇過程，第8節指出了挑戰和研究機會。最后，第9節對本文進行了總結。

現代戰爭越來越多地在信息環境中進行，通過開源媒體使用欺騙和影響技術。北約國家的政府、學術界和工業界已經通過開發各種創新的計算方法，從大量的媒體內容中提取、處理、分析和可視化有意義的信息來做出回應。然而，目前仍不清楚哪些（組合）工具能滿足軍事分析人員和操作人員的要求，以及是否有些要求仍未得到滿足。為此，加拿大DRDC和荷蘭TNO啟動了一項合作，以開發一個標準化和多方位的媒體分析需求圖。本文介紹了該合作的第一階段所完成的工作。具體來說， (1) 開發了一個可能的媒體分析工具功能框架；(2) 收集了CAN和NLD利益相關者的當前用戶需求；以及(3) 分析了差距，以顯示哪些用戶需求可以通過哪些功能來滿足。這個項目直接建立在SAS-142的基礎上，通過使用互聯網開發科學和技術評估框架（FIESTA）。本文說明了FIESTA在兩個突出的媒體分析能力中的應用：（1）情緒分析和（2）敘事分析。研究結果表明，盡管這些能力有一些獨特的功能，但它們有非常多的共同功能。因此，研究和開發工作可以通過專注于獨特（新穎）的功能，同時回收多用途的功能而得到優化。通過將FIESTA應用于多種媒體分析能力并與多個北約國家合作，這些效率的提高可以成倍增加。

美國陸軍條令出版物（ADP）5-0《作戰過程》將軍事決策過程（MDMP）定義為：“一種迭代的規劃方法，以了解態勢和任務，制定行動方案（COA），并產生一個作戰計劃或命令。”陸軍野戰手冊（FM）6-0《指揮官和參謀部組織和行動》包含了MDMP的詳細方法，將其描述為：“一個幫助領導者運用徹底、清晰、合理的判斷、邏輯和專業知識來理解態勢，制定解決問題的方案，并達成決策的過程。”自1997年以來，七步過程一直保持不變，只是對子步驟做了些許調整。界定一個問題并選擇最佳的COA是專業軍事力量的一種超越性品質。然而，有兩個關鍵因素正在為陸軍的作戰過程帶來潛在的關鍵漏洞。首先，陸軍預計未來的作戰環境（OE）正變得越來越復雜和非線性。其次，俄羅斯和中國已成為勢均力敵的對手，在武裝沖突的層面上競爭，以實現區域主導地位和全球影響力。總而言之，從復雜自適應系統的角度來看，陸軍當前的詳細性規劃方法，即MDMP，可能還沒有準備好應對這些突發特性。2014年陸軍對FM6-0進行了最后一次全面修訂。隨著陸軍繼續推進裝備和訓練現代化，它也必須在一個日益非線性和復雜的OE中，探索線性規劃過程的持續可行性。

美國陸軍多域作戰概念

2018年12月，美國陸軍訓練與條令司令部（TRADOC）在小冊子（PAM） 525-3-1《2028年美國陸軍多域作戰》中發布了陸軍新作戰概念。該概念設想改造陸軍條令以應對21世紀戰爭的挑戰。TRADOC手冊525-3-1是陸軍用于持續進行勢均力敵競爭的作戰概念。在許多方面，其認識到陸軍一直處于能力陷阱之中。能力陷阱是在自適應系統中發現的一種穩定次優解決方案。由于擔心短期績效下降，它會抵制采用新規則、新技術或實踐。制度體系之所以能維持這些能力陷阱，是因為雖然它們是低劣的，但已經在其中投入了高水平的技能、培訓和資源。

勢均力敵的威脅，加上新的和新興的技術，已經改變了陸軍在作戰功能中思考和運用當前和未來能力的方式。最困難的轉變可能發生在指揮和控制（C2）方面，原因有二。首先，未來的對手將爭奪電磁波譜（EMS），這使得難于維持通信。其次，多域作戰（MDO）概念描述了一個可能需要多域同步過程的作戰環境，該過程是由指揮官和參謀部在整個規劃和執行周期中在所有領域和環境中持續合作演變而來的。美國已經有75年沒有與同行競爭者作戰了；因此，各個軍種在概念上側重于打自己的對稱領域戰爭，而在其他領域支持其他軍種的關注較少。針對同樣強大的敵人進行詳細性規劃的制度記憶已經萎縮。

不斷變化的戰爭特征

抽象的角度來看，MDMP 是陸軍選擇將信息轉化為知識以生成和傳達決策的方法。理解戰爭的特點是至關重要的，因為它將構建信息的結構、分析并呈現給決策者。陸軍的MDO概念是一個重要里程碑，因為它試圖說明戰爭特征的變化將如何影響軍事行動。俄羅斯總參謀長瓦列里-格拉西莫夫（Valery Gerasimov）將軍最近說：“在 21 世紀，消除戰爭狀態與和平狀態之間差異的趨勢正在變得明顯。戰爭現在甚至還沒有宣布，就已經開始了，不會按照我們習慣的模式進行。”這在大國競爭的新時代是通過在政治、軍事和經濟領域使用分層對峙來進行的，以將美國與其伙伴分開，因為對手試圖在沒有武裝沖突的情況下實現其戰略目標。

技術進步繼續加強太空和網絡這兩個最新的作戰領域。軍事學術界的領導人現在正從領域相互依存的角度討論戰斗力的應用。換句話說，優勢部隊可以在多個領域中創建、規劃和同步致命和非致命效果。這既創造了機會，也創造了脆弱性，軍事專業人員必須努力理解和掌握。如何在這個日益相互關聯的OE中學習、規劃和操作，可能是我們面臨的最重要的任務指揮挑戰。決策過程將需要更快的速度；參謀人員將需要快速收集和評估信息和情報，以便指揮官能夠以越來越快的速度做出決策。因此，交戰將是快速的，但戰役可能是一系列曠日持久的動態交戰或戰爭之外的沖突。軍事規劃及其支持方法必須根據戰爭特征的這種演變進行調整。

當前軍事決策過程

如今的MDMP仍然是一種建立在有限理性選擇理論上的方法。其過程是結果導向的、基于偏好的。這意味著，行動取決于對當前行動的后果和未來影響的預期。這個過程中的理性邏輯是“有限的”，因為參謀人員和決策者在為一項決策構建備選方案時，無法獲得所有相關信息。此外，時間和OE內的其他行為者造成了額外的摩擦和限制，所以行動本質上并不完全理性。換句話說，軍事指揮官必須在只有部分信息的情況下做出決策。

MDMP由七個步驟組成。每個步驟都包含一系列的過程或子步驟。每個步驟的產出都能加強態勢理解，從而能夠轉移到MDMP的下一個步驟。指揮官是這個過程中最重要的參與者。在未來的作戰行動中，這種情況將繼續存在，因為他們將需要同步使用可能不在戰區內或甚至不在戰區內運作的能力和資源，但這些能力和資源在行動中發揮著關鍵作用。目前的條令表明，執行所有的步驟是詳細的、審慎的和耗時的。條令還為指揮官提供了改變步驟的靈活性，以適應時間有限的情況。

未來趨勢

形成融合（MDSC）

美國軍隊今天面臨著獨特的挑戰。這是現代軍隊第一次不得不同時將兩個新領域納入戰爭演算。新領域帶來了巨大的風險和巨大的機會，因為它們成倍地增加了沖突中的變量。美國、西歐大國、俄羅斯和中國在跨領域協調方面所追求的道路略有不同。擬議的MDSC是一個分層集成的參謀過程，旨在定期與作戰總部保持同步。MDSC建立在聯合空中任務分配循環（JATC）的基礎上。JATC在24小時內產生一個空中任務令（ATO），可根據任務要求進行調整，但通常在5天的戰斗節奏內進行規劃、執行和評估。MDO概念認識到，時間和循環對于在決定性空間內實現融合是必要的。形成能力融合循環的五個要素是準備時間、規劃和執行時間、持續時間、重置時間、循環時間。

針對融合進行規劃

決策空間的融合需要以循環思維方式進行規劃。設計可以支持這種思維方式，但部隊單元仍然須進行詳細性規劃，以有利的方式安排人員和資源。設計照亮了道路，而詳細性規劃則推動單元向其目標前進。循環過程給規劃者和決策者提供了重新應用概念和細節思維的機會，以增加他們對不熟悉作戰環境的理解。這種重新審視不是一種負擔，而是應該被看作是審視過去行動和未來計劃的一個機會，特別是對MDSC的銜接同步。如果友軍掌握了主動權，近鄰的對手將進行防御性機動——很可能是跨域的防御性機動——以試圖使友軍的行動不同步。循環過程提供了保持指揮官選擇的靈活性，而不是將資源投入到一個沒有足夠分支或延續的更僵硬的計劃中。

指揮官的重要性

指揮官在未來的OE中對概念性和詳細性規劃都將變得更加重要。對未來環境的描述以及各單元在MDMP中沒有表現出足夠的熟練程度的總體趨勢表明，需要增加指揮官的參與。在MDSC的更大范圍內進行規劃將需要在一個時間有限的環境中不斷進行規劃。FM6-0和ATP5-0.1為指揮官在規劃過程中協助其參謀人員提供了幾種選擇。指揮官參與行政管理是成功的關鍵，但他們必須注意平衡他們的參與。太多的參與，有可能扼殺團隊的創造力。如果與這個過程過于脫節，他們會發現很難理解參謀人員的工作邏輯。

許多國家都使用了像“三角洲” (Delta) 這樣的作戰管理系統（BMS），包括烏克蘭，使指揮部能夠共享態勢感知信息；本研究的重點是信息在作戰網絡中的分配。與自然系統類似，螞蟻和蜜蜂等自主代理遵循一套簡單的規則，BMS是一個由基地和電子作戰平臺組成的網絡，在國防條令的指導下，軍事資產作為網絡內的智能體。這種系統的可操作性的原理是基于多個子系統相互作用時每個子系統都是可靠的。然而，潛在相互作用的排列組合會引起不可預測的負反饋或正反饋循環，導致不可預測的和不想要的結果。突現行為的結果是出乎意料的，有時在情報和無線網絡等領域是不受歡迎的。理解突發行為對于理解復雜的工程系統是勢在必行的，并且要提出新的見解，采取切實可行的措施來改善復雜系統的設計和分析。本文介紹了BMS和網絡與用戶定義的系統集成的網絡士兵概念的例子。作者認為，烏克蘭和其他軍隊可以直接從利用元控制論、元元系統模型分析來控制突現。

圖2：作戰管理系統（BMS）的集中式指揮通信網絡

無人機系統（UAS）和其他相關技術（人工智能或AI、無線數據網絡、擊敗敵方電子戰的電子支援措施）已經發展到一個新的地步，無人機系統被認為原則上能夠執行目前由有人駕駛飛機執行的幾乎任何任務。

因此，許多武裝部隊正在積極試驗有人-無人編隊協作（不同的縮寫為MUM-T或MUMT）。通過將有人和無人資產作為一個單位而不是單獨部署，無人機最大限度地發揮了其作為力量倍增器的價值，提高了在高度競爭性空域的殺傷力和生存能力。無人機系統的直接控制權可由飛行中的有人單位或單獨的空中、地面或海上指揮中心掌握。隨著時間的推移，人工智能的進步將允許無機組人員的編隊元素自主地執行大部分任務。這最終可以將人類干預減少到最低，只保留任務目標的輸入、交戰規則的定義和武器釋放的授權。事實上，這種自主能力對于MUM-T概念來說是至關重要的，以防止人類飛行員被控制無人機的額外任務所淹沒。 無人機系統的主要應用包括：

• 目標偵查；
• 為有人駕駛飛機進行戰損評估；
• 電子戰；
• 各種有人或無人平臺之間的數據和通信中繼/接口；
• 武裝護衛。

在“武裝護衛”角色中，無人機系統可以在有人平臺執行任務之前壓制敵人的防空設施（SEAD角色），或者作為一個外部武器庫，使單一的有人駕駛飛機在每次任務中能夠攻擊大量的目標。

• 1 美國陸軍MUM-T
  • 旋翼系統
  • 推進能力建設
  • 下一代有人-無人編隊步驟
  • 韓國
• 2 美國空軍MUM-T
  • 美國空軍SKYBORG
  • SKYBORG 路線圖
  • 朝記錄項目發展
  • ATS/忠誠僚機
  • 英國皇家空軍“蚊子（MOSQUITO）”
  • FCAS - 未來戰斗航空系統
  • FCAS - 法國PANG
• 3 美國海軍MUM-T
  • 美國海軍MQ-25 STINGRAY加油機
  • 無人駕駛型F/A-18測試
  • 美國海軍的下一代空中優勢
• 4 其他國家發展狀況