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

近年來，隨著機器人技術和電子技術的發展，無人駕駛飛行器（UAV）的體積越來越小，價格越來越低。由于無人飛行器易于購買和控制，人們開始越來越頻繁地使用它們。在本研究中，我們將從網絡的角度研究無人機群。一般來說，多架無人機可以組成一個蜂群網絡。每個無人機都是一個網絡節點。無人機之間的鏈接被視為網絡數據鏈路。在第 2 章中，我們將設計一種新穎的雙層 MAC： 我們將設計支持同步、并發多波束傳輸/接收的上層 MAC 層，以及與 802.11 兼容但充分發揮多波束天線優勢的下層 MAC 層；我們建議調整兩個 MAC 層的參數，以支持不同的任務優先級。在第 3 章中，我們為典型的機載網絡提出了一種吞吐量最優、異構（同時具有計劃通信和隨機通信）的介質訪問控制（MAC）策略。我們提出的 MAC 方案允許無人機使用上行/下行 MAC 方案與飛行器通信。我們的仿真結果表明，與傳統的 MAC 協議相比，性能有了顯著提高。在第 4 章中，我們針對機載網絡中的 MAC 設計問題提出了以下建議： (1) 長距離 Ku 波段鏈路。(2) 多波束天線。(3) 全雙工通信。我們的 MAC 設計具有 3ent 特性，即彈性、高效和智能。特別是，通過在每個波束中對流量進行編碼，它可以抵御干擾攻擊。此外，它還通過整合全雙工流量控制和多波束數據轉發實現了高吞吐量的通信。在第 5 章中，我們提出了一個采用 USRP-RIO 的多波束智能天線無線網狀網絡硬件測試平臺。我們測試了天線的方向性，實現了全雙工傳輸系統和中繼系統。此外，USRP還實現了MBSA的兩個重要特征CPT和CPR。

本報告探討了將移動和固定水下傳感器組合成一個連貫、分布式網絡的概念。該項目提出了數據融合系統的基準架構，該架構有助于近乎實時地交換來自不同來源的信息。該架構反過來又為進一步的系統開發提供了基礎，并指導今后對相關數據/信息融合概念和技術的研究，以應用于反潛戰（ASW）和水雷戰。

本研究采用獨特的逆向系統工程方法，根據反潛戰殺傷鏈以及探測、分類和跟蹤水下物體的成功概率設計了一個架構。然后將成功概率與人類反潛戰操作員的相同成功概率進行比較，以確定設計的適當性。研究小組利用 ExtendSim 軟件對架構進行建模和仿真，以驗證其功能能力和優于人類反潛潛航器操作員的性能。

由此產生的架構有助于將被動聲學傳感器信息與情報產品成功整合，并在有人和無人平臺上及時分發融合數據。該架構還允許未來向主動聲源、環境數據源、非傳統反艦導彈源（如雷達和 ESM）發展。

圖 1. 反潛戰數據融合系統背景圖

圖 1 描述了項目的范圍。反潛戰數據融合系統架構封裝在綠色框中。黑框描述的是受架構影響的系統，而架構之外的系統則對架構產生影響。團隊決定，被動聲學傳感器將是此次架構迭代中唯一包含的傳感器。圖中還顯示了灰色標記的非被動傳感器功能。團隊建議在未來的架構迭代中加入這些傳感器。圖中增加的非被動傳感器說明了反潛戰數據融合問題的真正范圍，并影響了系統設計對未來發展的預期（即，不要建立一個限制性太強的系統，以至于只能使用被動聲學傳感器）。

研究小組采用標準的殺傷鏈范式來構思反潛戰數據融合系統的成功。殺傷鏈的串行性質支持盧瑟定律的應用。通常所理解的魯瑟定律指出，串聯系統的可靠性等于其組成子系統可靠性的乘積（邁爾斯，2010 年）。就反潛戰數據融合系統而言，該系統就是使用殺傷鏈表示的反潛戰任務，殺傷鏈的每一步都由反潛戰數據融合系統功能表示。將盧瑟定律應用于殺傷鏈，反潛戰任務的成功概率可以用殺傷鏈中每個環節的成功概率來表征。具體來說，反潛戰數據融合系統的成功概率等于探測（發現）、分類（固定）、定位（跟蹤）、交戰（目標）和殺傷（交戰）概率的乘積。圖 2 描述了反潛戰殺傷鏈的盧瑟定律。

圖 2. 反潛戰殺傷鏈的盧瑟法則

反潛戰的現狀在很大程度上依賴于人類操作員。實質上，人類操作員充當了數據融合系統的角色。由于目前的處理能力有限，操作員無法評估所有接收到的信息，從而丟失了潛在的相關數據。此外，在殺傷鏈流程的每一個步驟中，人為錯誤都可能在不知不覺中注入解決方案。反潛戰數據融合架構力求使融合過程自動化，以提高效率，消除人為主觀因素和相關錯誤，從而提高性能，增強反潛戰任務的有效性。反潛戰數據融合系統的成功取決于該系統的性能至少與人類操作員的性能相當。

目前正在研究無人駕駛飛行器（UAV）在搜救和國防任務等方面的應用潛力。其目標是加強情報、通信和戰略組織。決策技術可實現無人飛行器的智能決策，從而將人類指揮官解放出來，專注于更高層次的決策。本研究側重于國防和搜救場景，并將基于人工智能的決策與無人機相結合。研究分析了防御場景中的“忠誠僚機”概念。此外，還提出了無人機群在救援場景中合作搜索人員的解決方案。研究結果證明了分布式決策方法在解決這兩個場景中的問題時的有效性。

圖 1. 在該場景中，“忠誠僚機”無人機（以藍色標出）在地面資產的支持下，為一架領隊無人機護航，并與神風特攻隊威脅交戰，以保衛一個保護區。

研究無人機群的決策對于優化各行各業的性能、自主性和安全性至關重要。了解復雜場景中的蜂群智能、人與蜂群的互動以及蜂群行為，可以推動先進的蜂群技術，改變行業并應對挑戰。這項研究對于民用和軍事應用至關重要，例如搜救任務和部署航空業新興的戰斗無人機--忠誠僚機無人機（UAV）。

本研究調查了如何利用具有作戰能力的 "忠誠僚機"（LW）無人機合作打擊空中爆炸物威脅。重點是有人無人小組（MUM-T）防御方案，即 LW 無人機保護領導無人機和關鍵基礎設施。該研究考慮了全動無人機模型[Santos and Bezerra 2022]，并提出了高層決策任務的問題分解，從而在 MUM-T 內實現有效的協調與協作。該項目采用有限狀態機（FSM）和行為樹（BT）作為人工智能技術來設計自主無人機行為。庫恩-蒙克雷斯任務分配算法被用于任務分配，促進了團隊的凝聚力。該研究還將合作參與能力（CEC）擴展到無人機，并研究了 CEC 概念下異構無人機群中的分布式自主決策，旨在加強合作參與策略。將自主無人機系統與 CEC 相結合有望提高任務效率和成功率。

此外，這項工作還將無人機群用于搜救（SAR）應用。將無人機技術整合到搜救任務中代表了應急響應能力的突破性進步，因為它利用了無人機系統的集體力量和效率。通過使用無人機群，搜索和救援行動可以徹底改變我們應對緊急情況和拯救生命的方式。通過將先進的蜂群智能算法集成到無人機中，這項研究旨在優化搜救任務，最終拯救生命。在這項工作中，我們描述了無人機群在森林中搜尋遇險人員的場景。為了解決這個問題，我們采用了一種結合機器人技術和人工智能決策的方法。這項工作的目標是，在未來，無人機群將成為危機管理中不可或缺的盟友，迅速定位并幫助遇險人員，為急救人員提供寶貴的支持。請注意，本作品中的兩個場景是一項統一研究的組成部分，該研究探討了無人機群在模擬環境中分散決策的應用。

本文的結構如下。第 2 節介紹背景。第 3 節介紹忠誠僚機的應用、實驗和結果。此外，第 4 節還介紹了搜救應用、實驗和結果。最后，第 5 節對本文進行總結。

忠誠僚機場景

為了在有人駕駛無人機團隊（MUM-T）中探索合作交戰能力（CEC）的概念，我們提出了一個防御方案[Giacomossi 等人，2021a；Ricardo 等人，2023]，其中涉及兩個由全驅動無人機組成的團隊。MUM-T 團隊由 "忠誠僚機"（Loyal Wingman，LW）無人機組成，這些無人機與有人駕駛的領隊編隊飛行，為領隊和保護區（PA）提供防御。相比之下，敵對團隊則由神風特攻隊組成，如圖 1 所示。MUM-T 小隊的主要目標是防止領導者或保護區受到任何損害。如果領導者或 PA 被摧毀，則任務失敗。此外，為了支持 MUM-T 小組成員，PA 還配備了能夠提供空中監視的地面資產。

LW 具有自主性，能夠根據態勢感知信息做出智能決策。為了消除威脅，LW 裝備了兩種假想武器，一種是中程冷凍槍，另一種是短程汽化槍。汽化槍可以解除威脅，而冷凍槍則可以將威脅的速度減慢到其最大速度的一半。武器模型經過簡化，命中成功率按給定概率計算。需要注意的是，冷凍槍的目的是使決策空間更加復雜，而蒸發槍也是一種理想化的武器，它使用能量來破壞電子元件。

領隊由人類遠程控制，負責編隊協調，即能夠向僚機傳遞相對坐標指令。我們假定忠誠的僚機在一個預定的編隊模式內飛行。在本文中，我們認為這種獨特的編隊模式是沿本地水平面以所需半徑進行的勻圓編隊。我們還假設領隊始終能夠在需要時指揮忠誠的僚機。

相比之下，神風特攻隊無人機會在與領隊、僚機或 PA 相撞后引爆，對目標造成破壞。神風特攻隊一旦選定目標，就會緊追不舍，直至自爆或解除攻擊。神風敢死隊的數量保持不變，因為它們在中和后會立即重新生成，確保攻擊源源不斷。雖然神風特攻隊擁有簡化的人工智能，但它們比 MUM-T 速度更快、數量更多，這迫使 MUM-T 必須進行有效合作才能解除攻擊。地面資產共享態勢感知，提供包含所有實體狀態（位置、姿態和線速度）的矢量。

目前，將人工智能技術融入美國軍隊的勢頭非常強勁。這包括將該技術用于指揮和控制目的。這些努力的前提是人工智能和機器學習能讓美國指揮官以更快的速度做出更好的決策。然而，人工智能不斷融入軍事決策過程，有望將決策要素從人類手中下放，這對強調果斷、直覺和大膽指揮官這一英雄原型的長期軍事傳統提出了挑戰。因此，本文試圖探討，面對這些相互競爭的觀點，將戰爭決策權下放給 "智能機器 "的前景是如何獲得目前的發展勢頭的？本文認為，可以通過關注二戰后時代出現的特殊戰爭愿景，特別是與美國軍事思想中的速度和知識主題相關的愿景，來解決這一難題。通過結合使用計算文本分析技術和系譜學方法，本文揭示了美國國防架構成員對速度和知識及其與戰爭關系的構想和優先次序的轉變。本文說明，在有關人工智能的優點及其在軍事決策中的作用的辯論中，這些變化充當了一種修辭資源，有助于鎖定與現代指揮相關的新含義和實踐并使之正規化。這些發現對于如何分析軍事文化、技術和戰爭實踐之間的關系具有重要意義；因此，這些發現指出了技術和戰爭的想象如何交織在一起，并對未來沖突如何展開產生了重大影響。

速度與知識

除了人工智能技術和軍事指揮實踐之外，本文還關注速度與知識這兩個主題之間的緊張關系。速度是戰爭不可或缺的要素，長期以來一直為實踐者、理論家和學者所強調。盡管如此，盡管速度作為戰爭中的一個關鍵因素經常被闡述，但其部署在不同時期和背景下并不完全一致。軍事思想經典都強調與速度有關的要素。例如，《孫子兵法》指出，"雖聞戰之愚急，而智不與久耽"。因此，孫子在指出行動過快的風險的同時，也指出了快速而巧妙的行動可能帶來的好處。不過，在這里，他也指出了與戰爭持續時間過長的風險有關的戰略計算。其中包括財政成本。不過，孫子也簡要提到了指揮官 "迅速 "決策的可能優勢，以及 "迅速 "行軍到意想不到的地點以達到戰術奇襲的目的。盡管如此，他在此也告誡人們不要無節制地追求快速、強行軍，因為這會造成組織混亂和供應鏈問題。從這個意義上說，對孫子來說，速度并不是統一的優勢。他建議 "疾如風，密如林"，就是對這一觀點的總結。看來，對孫子而言，速度和維持軍隊組織的必要性都不是萬能的。

提綱

本文的論述過程如下。第二章評估了以往關于戰爭與技術關系的文獻。它指出了四種可能的替代解釋來源，并強調了每種方法如何無法提供適當的工具包來回答本論文的研究問題。在對文獻進行回顧之后，第三章提出了一套研究軍事實踐與技術之間關系的工具，將關系/實用主義社會理論和科技研究的元素與一種方法論相結合，既有譜系研究方法，又有計算文本分析方法。

第四章是 "鋪墊 "一章，從歷史技術軌跡的角度討論人工智能。本章旨在為讀者提供人工智能的基礎知識、該領域的技術歷史、當前發展情況，以及在軍事和非軍事環境中應用人工智能時仍然存在的基本問題。

第五章采用計算文本分析方法，追蹤二戰后美國軍事思想史中的速度與知識主題。它表明，在當今時代，速度的認知要素以及信息和知識在戰場上的重要性在軍事專業期刊的討論中處于相對高點。這些趨勢為我的論點提供了證據，即在美國國防架構中，新的 "成功 "戰爭方式正在被構建和討論。

第六章和第七章為計算結果提供了更多背景資料。依靠對美國國防和軍事相關文件的細讀，這兩章提供了二戰后速度（第六章）和知識（第七章）主題的譜系，展示了更廣泛的美國軍事思想中的特殊變異。這些變異和相對穩定是修辭資源的 "池塘"。然后，每一章都展示了這些修辭資源是如何在有關人工智能的辯論中被部署到指揮決策中的。

第八章的重點是，在美國對人工智能指揮的更廣泛理解中，速度和知識的配置是如何緊密聯系在一起的。此外，至關重要的是，本章說明了與人工智能和指揮決策相關技術傳統沖突所產生的修辭封閉性。相關的技術批判已被戰略性地歸入更廣泛的技術論述和戰爭表達中，其方式現在與人工智能聯系在一起。這種形式的修辭封閉性使人工智能指揮的支持者能夠超越反駁論點，從而在美國防部政策中鎖定一種特定形式的穩定關系，并日益制度化。最后，第九章就我們如何在人類與人工智能系統緊密結合的當代社會技術配置中構想軍事決策提出了一些結論和思考。

本文探討了自主無人機系統（UAS）的制導和控制。具體而言，研究了基于模型參考自適應控制（MRAC）的尾翼無人機系統，以及用于戰術機動和覆蓋的多旋翼無人機系統的制導和控制。調查了當前和潛在的應用，并找出了現有技術的差距。

為了解決四旋翼無人機這一特殊類別的尾翼無人機系統的控制問題，研究人員開發了兩種方法，以解決建模不確定性、未建模有效載荷、陣風以及執行器故障和失靈等問題。在第一種方法中，尾翼無人機系統的縱向動力學采用 MRAC 法進行調節，以在新穎的控制架構中實現規定性能和輸出跟蹤。用于規定性能和輸出跟蹤的 MRAC 法則結合了線性二次調節器 (LQR) 基線控制器，使用積分反饋互連。利用障礙 Lyapunov 函數對軌跡跟蹤誤差進行約束，并通過采用軌跡跟蹤誤差瞬態動態參考模型來保證用戶定義的軌跡跟蹤誤差收斂速率。在該控制系統中，平移和旋轉動力學分別分為外環和內環，以考慮到四旋翼雙翼飛行器的動力不足問題。在外環中，氣動力的估計值和 MRAC 法則用于穩定平移動力學。此外 此外，還推導出參考俯仰角，使飛行器的總推力永遠不會指向地球，以確保安全，并避免通常用于確定方向的帶符號反正切函數固有的不連續性。在內環中，氣動力矩的估計值和 MRAC 法則用于穩定旋轉動力學。此外，還提出了一種用于確定所需總推力的法則，該法則可確保如果飛行器的方位與所需方位足夠接近，則會施加適當的推力。還提出了一種控制分配方案，以確保始終實現所需的推力力矩，并滿足對執行器產生的推力的非負約束。仿真驗證了針對規定性能和輸出信號跟蹤采用 MRAC 的控制架構，并將規定性能 MRAC 法與經典 MRAC 法進行了比較。

在第二種方法中，提出了一種基于 MRAC 的統一控制架構，該架構沒有將縱向和橫向動力學分開。平移和旋轉動力學分別被分離為外環和內環，以解決尾翼無人機系統的動力不足問題。由于預計飛行器會發生較大的旋轉，因此使用無奇異性的四元數來捕捉尾翼的方向。此外，還通過使用障壁 Lyapunov 函數來解決卷揚現象，以確保跟蹤誤差四元數的第一個分量為正，從而按照最短的旋轉將飛行器的當前方位驅動到參考方位。在外環中，利用對空氣動力的估計和 MRAC 法則確定所需的推力。參考方位是根據正交普羅克斯特問題的解確定的，該問題可找到從當前推力方位到所需推力方位的最小旋轉。由于正交普羅克里斯特問題的不連續性質，角速度和加速度無法通過對正交普羅克里斯特問題解的時間導數來推導。奇異值分解的不連續性。因此，我們使用兩次連續可微分函數--球面線性插值，來尋找連接捕捉車輛當前方位的單元四元數和捕捉參考方位的單元四元數的大地線。一個有趣的結果是，角速度和加速度只取決于參數化球面線性插值函數的標量值函數的一階導數和二階導數；實際函數并不重要。然而，確定該函數的形狀并非易事，因此采用了受模型預測控制啟發的方法。在內環中，使用氣動力矩估計值和 MRAC 法來穩定旋轉動力學，并將推力分配給各個螺旋槳。建議的控制方案的有效性通過仿真得到了驗證。

提出了一種用于自主無人機系統的集成制導和控制系統，可在未知、動態和潛在的敵對環境中，按照用戶規定的不計后果或戰術方式進行機動。在該制導和控制系統中，戰術操縱是通過在飛行器接近目標時利用環境中的障礙物來實現的。不計后果的機動是通過在向目標前進時忽略附近障礙物的存在，同時保持不發生碰撞來實現的。魯莽行為和戰術行為的劃分受到生物啟發，因為動物或地面部隊都會使用這些戰術。制導系統融合了路徑規劃器、避免碰撞算法、基于視覺的導航系統和軌跡規劃器。路徑規劃器以 A? 搜索算法為基礎，并提出了可定制調整的 "到達成本"（cost-to-come）和啟發式函數，通過降低底層圖中捕獲靠近障礙物集的節點的邊的權重，利用障礙物集進行躲避。啟發式的一致性已經確定，因此，搜索算法將返回最優解，而不會多次擴展節點。在現實場景中，需要快速重新規劃，以確保系統實現所需的行為，并且不會與障礙物發生碰撞。軌跡規劃器基于快速模型預測控制（fMPC），因此可以實時執行。此外，還采用了一個自定義的可調成本函數，該函數權衡了與障礙物集的接近程度和與目標的接近程度的重要性，為實現戰術行為提供了另一種機制。新穎的避免碰撞算法是基于解決一類特殊的半有限編程問題，即二次辨別問題。避撞算法通過尋找將無人機系統與障礙物集分隔開來的橢球體，生成無人機系統附近自由空間的凸集。凸集在 fMPC 框架中用作不等式約束。避撞算法的計算負擔是根據經驗確定的，并證明比文獻中的兩種類似算法更快。上述模塊被集成到一個單一的制導系統中，該系統為任意控制系統提供參考軌跡，并在多次模擬和飛行測試中展示了所提方法的有效性。此外，還提出了飛行行為分類法，以了解可調參數如何影響最終軌跡的魯莽性或隱蔽性。

最后，介紹了用于自主無人機系統的綜合制導和控制系統，該系統可在未知、動態和潛在敵對環境中，按照用戶的要求，以不計后果或戰術的方式執行戰術覆蓋。覆蓋的制導問題涉及收集環境信息的策略和路線規劃。收集未知環境信息的目的是幫助服務組織和第一反應人員了解態勢和制定計劃。為解決這一問題，需要綜合考慮目標選擇、路徑規劃、避免碰撞和軌跡規劃。我們提出了一種基于八叉樹數據結構的新型目標選擇算法，用于為路徑規劃器自主確定目標點。在該算法中，由導航系統推導出的體素地圖捕捉了環境中各區域的占用和探索狀態，并被分割成捕捉大面積未探索區域和大面積已探索區域的分區。大面積未探索區域被用作候選目標點。目標點的可行性通過采用貪婪 A? 技術來確定。該算法擁有可調參數，允許用戶在確定目標點序列時指定貪婪或系統行為。這種技術的計算負擔是根據經驗確定的，并證明可在現實場景中實時使用。路徑規劃器基于終身規劃 A?（LP A?）搜索算法，與 A?技術相比，該算法更具優勢。此外，還提出了一種可自定義調整的成本-歸宿和啟發式函數，以實現戰術或魯莽的路徑規劃。提出了一種新的避免碰撞算法，作為上述避免碰撞算法的改進版本，改進了所產生的約束集的體積，從而使更多的自由空間被凸集捕獲，因此，軌跡規劃者可以利用更多的環境進行戰術機動。該算法基于半定量編程和快速近似凸殼算法。軌跡規劃器以 fMPC 為基礎，采用自定義成本函數，通過滑行障礙物表面實現戰術機動，并將所需加速度作為與掩體距離的函數進行調節；采用障礙函數約束飛行器的姿態并確保推力正向性；采用四旋翼無人機系統的輸出反饋線性化運動方程作為微分約束，以實現積極的機動。利用定制的 C++ 模擬器驗證了所提系統的功效。

本論文將探討在海洋環境中運行的自主無人機系統在制導和控制算法方面存在的一些不足。

遙控飛機執行的軍事任務類型不斷擴展到包括空對空作戰在內的各個方面。雖然未來的視距內空對空作戰將由人工智能駕駛，但遙控飛機很可能將首先投入實戰。本研究旨在量化延遲對高速和低速交戰中一對一視距內空對空作戰成功率的影響。研究采用了重復測量實驗設計，以檢驗與指揮和控制延遲相關的各種假設。有空對空作戰經驗的參與者在使用虛擬現實模擬器進行的一對一模擬作戰中受到各種延遲輸入的影響，并對每次交戰的作戰成功率進行評分。這項研究是與美國空軍研究實驗室和美國空軍作戰中心合作進行的。

因變量 "戰斗得分 "是通過模擬后分析得出的，并對每次交戰進行評分。自變量包括輸入控制延遲（時間）和交戰起始速度（高速和低速）。輸入延遲包括飛行員輸入和模擬器響應之間的六種不同延遲（0.0、0.25、0.50、0.75、1.0 和 1.25 秒）。每種延遲在高速和低速交戰中重復進行。采用雙向重復測量方差分析來確定不同處理方法對戰斗成功率的影響是否存在顯著的統計學差異，并確定延遲與戰斗速度之間是否存在交互作用。

結果表明，在不同的潛伏期水平和交戰速度下，戰斗成功率之間存在顯著的統計學差異。潛伏期和交戰速度之間存在明顯的交互效應，表明結果取決于這兩個變量。隨著潛伏期的增加，戰斗成功率出現了顯著下降，從無潛伏期時的 0.539 降至高速戰斗中 1.250 秒潛伏期時的 0.133。在低速戰斗中，戰斗成功率從無延遲時的 0.659 降至 1.250 秒延遲時的 0.189。最大的遞增下降發生在高速潛伏期 1.00 至 1.25 秒之間，低速潛伏期 0.75 至 1.00 之間。高速交戰期間戰斗成功率的總體下降幅度小于低速交戰期間。

這項研究的結果量化了視距內空對空作戰中戰斗成功率的下降，并得出結論：當遇到延遲時，希望采用高速（雙圈）交戰，以盡量減少延遲的不利影響。這項研究為飛機和通信設計人員提供了信息，使他們認識到延遲會降低預期作戰成功率。這種模擬配置可用于未來的研究，從而找到減少延遲影響的方法和戰術。

本文將介紹在美國海軍水面艦隊中使用自主無人水面艦艇的戰術建議。將評估目前由私人和美國防部項目開發的幾種現有技術，以分析在已制定的作戰概念方案中設定的參數范圍內使用這些技術的可行性。這項研究的目標是通過將自主和無人水面技術應用于近期海軍作戰的戰術中，最大限度地提高水面部隊的戰備狀態。這一作戰概念針對的是決策者、作戰規劃人員以及負責制造、采購、交付和使用艦隊自主無人水面系統的人員。海軍在很大程度上依賴有人水面平臺的戰備狀態來執行各種復雜任務。由于海軍繼續在部隊的維護、訓練和戰備之間平衡部隊需求，自主無人系統提供了額外的能力，有助于維持健康和物質戰備狀態。這項研究旨在通過自主和無人系統的任務性能以及在不久的將來可以整合的能力進行比較分析。這將最終為海軍部隊的持續戰備狀態可能出現的下降提供一個權宜之計。

美軍對無人平臺的使用已大幅改善。在過去 10 年中，無人平臺在航空領域的戰時和穩態使用極大地改善了軍事行動。無人機（UAV）為海外作戰部隊的作戰能力做出了重大貢獻。它們大大提高了關鍵信息流的及時性，同時降低了軍事人員在情報監視和偵察（ISR）領域的風險。無人機還通過增加駐扎時間、增加打擊行動次數來提高航空部隊的進攻打擊能力，并降低了現有載人航空平臺的總體成本、生命周期維護和多功能性。近代以來，自主無人技術的應用和作戰使用在水面艦艇部隊中受到的關注較少，投資也有限。最近，美國國防部對開發和使用無人水面系統執行 ISR 和獵雷任務產生了濃厚的興趣。自主模式技術的應用和使用主要是在學術和科學領域進行研究。隨著海軍繼續將目標無人水面飛行器（無人機）用于水面炮擊和導彈系統目標評估和模擬，技術應用和更復雜的作戰能力變得可行。

開發自主無人水面系統所需的技術已經成熟并可用。然而，對自主無人系統技術的信任仍然是海軍領導人之間最具爭議的話題。自主無人系統可用于執行有人駕駛平臺認為過于危險和平凡，人類無法有效或高效執行的任務。隨著自動無人系統能力的提高，它可以比有人系統更有效地執行這些常規任務，如情報監視偵察、海域感知和導航。

本報告記錄了通過利用深度學習（DL）和模糊邏輯在空間和光譜領域之間整合信息，來加強多模態傳感器融合的研究成果。總的來說，這種方法通過融合不同的傳感器數據豐富了信息獲取，這對情報收集、數據傳輸和遙感信息的可視化產生了積極的影響。總體方法是利用最先進的數據融合數據集，為并發的多模態傳感器數據實施DL架構，然后通過整合模糊邏輯和模糊聚合來擴展這些DL能力，以擴大可攝入信息的范圍。這項研究取得的幾項進展包括：

• 將DL模型實施到片上系統（SoC）硬件中
• 高光譜圖像（HSI）數據的DL
  • 1.在HSI上建立DL，以獲得水的特性和底層深度
  • 2.在HSI上使用開放集識別方法
• 框架內融合方法的消融研究
• 使用DL和模糊聚合的HSI和LiDAR多模態傳感器融合的新框架
• 探討神經模糊邏輯在遙感數據中復雜場景的不確定性下自動推理的作用和實用性

出版物[1, 2, 3, 4, 5]進一步詳細介紹了取得的進展。

在未來的空戰中，無人協同系統的整合將是一個潛在的巨大力量倍增器。其成功的關鍵因素將是編隊情報、協調任務規劃和跨平臺任務管理。因此，構思下一代機載武器系統的任務需要一個整體的系統方法，考慮不同的航空飛行器、其航空電子任務系統和針對未來威脅的整體作戰概念。為了盡早驗證可能的解決方案概念并評估其作戰性能，在過去幾年中，在空中客車防務與航天公司未來項目中開發了一個動態多智能體戰斗仿真。除了比實時更快的工程功能外，該仿真還可以進行實時人機對話實驗，以促進工程師、操作員和客戶之間的合作。本文介紹了動態任務仿真方法，以及在未來戰斗航空系統（FCAS）研究中應用此工具所得到的啟示，在此期間，我們清楚地認識到什么是未來應用的一個關鍵挑戰。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

1 引言

每一代新的戰斗機都可以通過一個或多個技術飛躍來定義，這些技術飛躍使其與上一代的設計有很大區別。毫無疑問，自從大約15年前第一架第五代戰斗機投入使用以來，幾乎所有的設計學科都有了顯著的進步。不同的飛機制造商，包括空客，已經宣布他們目前正在構思或研究第六代戰斗機[1] [3]。與目前最先進的飛機相比，這些項目很可能在各個領域都有改進，如飛行性能、全方面和全模式隱身、低概率攔截雷達和通信或武器裝備。但問題仍然存在：什么將是這一代的決定性因素，一個真正改變未來戰斗空間的因素？

一個常見的假設是，未來的戰斗空間將是 "高度網絡化 "的，即所有參與的實體都可以交換他們的態勢視圖，并以近乎實時的方式創建一個共享的戰術畫面。一方面，這使得多個平臺在空間和時間上可靠同步達到了以前不可能達到的程度。許多算法，特別是發射器定位或目標測距的算法，如果能從多個位置產生測量結果，會產生明顯更好的效果。另一方面，高質量數據的可靠交換通過分配以前由單一平臺執行的任務，使戰術更加靈活。對作戰飛機的主要應用可能是所謂的合作交戰概念（CEC），這已經是美國海軍針對反介入/區域拒止（A2/AD）環境的海軍綜合火控-反空（NIFC-CA）理論的一部分[4]，但其他應用也是可能的，例如合作電子攻擊。所提到的概念主要適用于任務期間單一情況的短期范圍，例如偵察或攻擊薩母基地、空對空（A2A）作戰等。然而，就整個任務而言，還有一個方面需要提及。鑒于所有參與實體之間的可靠通信，規劃算法可以交換任務計劃變更的建議，并根據其目標和當前的戰術情況自動接受或拒絕。這在一個或多個不可預見的事件使原來的任務計劃無效的情況下特別有用，盡管所有預先計算的余量。與其估計一個替代計劃是否可行，并通過語音通信與所有其他實體保持一致（考慮到船員在某些任務階段的高工作負荷和參與實體的數量，這是一項具有挑戰性和耗時的任務），一個跨平臺的任務管理系統可以快速計算出當前任務計劃的替代方案，并評估是否仍然可以滿足諸如開放走廊等時間限制。然后，一組替代方案被提交給機組人員，以支持他們決定是否以及如何繼續執行任務。

將上述想法與現在可用的機載計算能力結合起來，由于最近在硬件和軟件方面的進步，可以得出結論，未來一代戰斗機將很有可能在強大的航空電子系統和快速可靠數據交換的基礎上，采用卓越的戰術概念進行作戰。然而，這還不是我們正在尋找的明確游戲改變者--甚至現有的第五代戰斗機已經應用了一些提到的概念，例如，在NIFC-CA背景下的F-35[4]。因此，下一步不僅要改進飛機的航電系統，而且要在完全網絡化環境的前提下連貫地優化航電、戰術和平臺設計。這種方法允許思考這樣的概念：如果得到網絡內互補實體的支持，并非每個平臺都需要擁有完整的傳感器套件和完整的決策能力。因此，不同的平臺可以針對其特殊任務進行高度優化，從而與 "單一平臺做所有事情 "的方法相比，減少了設計過程中需要的權衡數量。很明顯，一個專門的傳感器平臺不需要或只需要非常有限的武器裝備，因此現在可用的空間可以用來建造更好的傳感器或更大的燃料箱。這已經可以使該平臺專門從事的任務性能得到顯著提高，但有一樣東西可以去掉，它的影響最大：飛行員。在這一點上，必須明確指出，目前沒有任何算法或人工智能能夠接近受過訓練的機組人員態勢感知和決策能力。這就是為什么在不久的將來，人類飛行員在執行戰斗任務時將始終是必要的。然而，如果飛行員（或更準確地說，決策者）被提供了指揮無人駕駛同伴的所有必要信息，那么就不需要在同一個平臺上了。因此，我們提出了一個概念，即一個或多個載人平臺由多個無人駕駛和專門的戰斗飛行器（UAV）支持。在下文中，我們將把至少一個載人平臺和一個或多個由載人平臺指揮的專用無人機組成的小組稱為包。我們聲稱，由于以下原因，無人平臺將作為有人平臺的力量倍增器發揮作用：

• 無人機是可擴展的，而空勤人員是不可擴展的。因此，無人機可以執行高風險的任務，并允許采用只用載人平臺無法接受的戰術。

• 無人機更便宜（即使不考慮機組人員的價值），因為它們可以在性能相同的情況下比載人平臺建造得更小。這意味著，在相同的成本下，更多的平臺可以執行任務，更多的平臺會導致更高的任務成功率。首先，因為有更多的冗余，其次，如果有更多的資產參與其中，一些任務可以更好地完成，例如發射器的定位。

• 不同的無人機和載人平臺可以任意組合。在任務開始前，可以根據需要組成包。在任務期間，在某些限制條件下，也可以重新組合軟件包，例如，如果交戰規則禁止不受控制的飛行，則指揮平臺之間的最大距離。這使得任務規劃和執行有了更大的靈活性，預計也能保持較低的運行成本和材料損耗（"只使用你需要的東西"）。

像往常一樣，沒有免費的午餐這回事。在我們的案例中，所有上述優勢對飛機設計師來說都是有代價的。不是按照一組技術要求優化單一設計的性能，而是必須設計多個平臺及其子系統，使其在各種任務和組合配置中最大限度地提高整個系統的性能。在本文的其余部分，我們將介紹FCAS原型實驗室（FPL），這是一個在FCAS背景下開發的模擬環境，用于解決這一高度復雜的問題。在第2章中概述了它在概念設計和跨學科技術原型開發中的作用后，我們將在第3章中介紹底層動態多智能體任務仿真的概念和架構。在第4章中，我們將介紹選定項目的結果，以概述該工具的多功能性。本文最后將介紹可能是未來最大的挑戰之一，不僅對模擬，而且對一般的無人系統的引進。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

FCAS原型實驗室（FPL）：動態多智能體任務仿真

FPL的核心是一個動態多智能體任務仿真，可以在一臺計算機上運行，也可以分布在多臺機器上，并使用不同的附加硬件組件。為了方便兵棋推演的進行，對人機界面技術進行原型測試，或用于一般的演示目的，模擬中的所有載人機載資產都可以選擇由硬件駕駛艙控制。如果沒有人類操作員參與，模擬必須能夠比實時運行更快。這對于在可能需要數小時的大規模任務中進行有效的開發和權衡分析尤為必要。為了以客觀和公正的方式評估概念和技術，每個模擬任務的過程都是由預先定義的系統屬性、物理效應的模擬和可配置的智能體行為和合作演變而來。不存在任何腳本事件，每一次新的模擬運行的結果都是完全開放的。藍軍和紅軍是在相同的假設下，以可比的抽象水平進行模擬。以下各章概述了如何在FPL中動態地模擬當前和未來機載系統的任務。介紹了我們的仿真結構，在對這類系統進行建模時最重要的設計權衡，以及行為建模的高層次規劃/低層次控制方法。

架構

FPL的仿真架構由三個邏輯部分組成：應用、仿真控制和通信中間件。該架構的一個核心特征是，模擬被分割成幾個應用程序。每個應用程序運行不同的模型，例如，有一個應用程序用于模擬自己的（藍色）航空器、敵方（紅色）航空器、綜合防空系統（IADS）以及更多的模型，如下所示。所有的應用程序共享相同的標準化接口，并且可以任意組合。這種模塊化允許只運行某個任務或項目所需的部分模型。所有的應用程序都是獨立的可執行文件，可以在同一臺計算機上以并行進程運行，也可以分布在幾臺機器上。通過交換編譯后的二進制文件，來自不同公司的模型的整合是可能的，而不會暴露詳細的基本功能。一般來說，不同公司之間的快速和容易的合作是FPL架構的一個主要驅動力。為此，提供了一個基礎應用類，它提供了所有與仿真有關的功能，如仿真控制狀態機、通信中間件接口和通用庫，例如用于不同坐標系的地理空間計算。通過簡單地實現一個新的基礎應用實例，新的模型可以被添加到仿真框架中。所有應用程序的執行都由一個中央仿真控制實例控制。它提供了一個圖形化的用戶界面，可以根據需要啟動、停止和加速模擬。在執行過程中，所有應用程序的運行時間被監控，仿真時間被動態地調整到最慢的模型。這使得分布式的比實時更快的模擬具有自適應的模擬時間加速。應用程序之間的通信是通過數據分配服務（DDS）標準[2]實現的。它使用發布-訂閱模式在網絡中實現了可靠和可擴展的數據交換。兩個不同的分區用于廣播仿真數據（如實體狀態、仿真控制命令等）和多播命令和控制數據（如通過BUS系統或數據鏈路實際發送的數據）。DDS標準的開放源碼實施被用來進一步方便與外部伙伴的合作。

圖1提供了我們的模擬架構的概況，包括大多數任務所需的應用程序。如前所述，這個架構并不固定，幾乎任何應用都可以根據需要刪除或交換。如黑色虛線箭頭所示，通過DDS中間件在仿真控制處注冊一個基本的應用實現，可以集成新的模型。藍色/紅色背景的方框描述了己方/敵方系統，混合顏色的方框可供雙方使用。仿真基礎設施組件的顏色為灰色，用戶界面的顏色為橙色。黑色箭頭表示模擬過程中的通信，灰色箭頭代表模擬運行前后的數據交換。

對于兵棋推演環節，不同的應用程序分布在FPL的多個房間內運行，以模仿真實的空中作業程序。在設置好一個場景后，藍方和紅方的操作人員使用任務配置工具，在不同的房間里計劃他們的任務。空中行動指揮官留在這些房間里，而飛行員則分成兩個房間，每個房間有兩個駕駛艙來執行任務。藍方和紅方空軍應用的任何飛機都可以從駕駛艙中控制，因此飛行員可以接管不同的角色，并相互對抗或作為一個團隊對抗計算機控制的部隊。所有房間都配備了語音通信模擬。任務結束后，各小組在簡報室一起評估任務，可以從記錄的模擬數據中回放。一個額外的房間配備了多個連接到模擬網絡的PC，可以選擇用于特定項目的任務，例如硬件在環實驗。

建模

為FPL選擇正確的建模范式事實上并不簡單，因為它涵蓋了操作分析工具（通常是隨機的）以及工程模擬（通常是確定性的或混合的）的各個方面。這個決定的影響可以用一個例子來說明，即如何確定一架飛機是否被導彈擊中。在隨機模型中，這個決定是基于可配置的概率，例如，被擊中的概率（導彈）和回避動作成功的概率（飛機）以及一個隨機數。為了使最終的任務結果對單一的隨機數不那么敏感，在實踐中經常用不同的隨機種子進行多次模擬運行。按照確定性的方法，導彈的飛出是根據導彈的發射方向、制導規律和固定的性能參數如推力、最大加速度等來模擬的。飛機在規避機動過程中的軌跡也是基于其初始狀態、空氣動力學、反應時間等。例如，當彈頭引爆時，如果導彈和飛機之間的距離低于某個閾值，那么飛機就會被認為被殺死。在一個確定性的模型中，在導彈發射時已經知道飛機是否會被擊中。確定性模型中必要的簡化通常是通過引入固定參數來完成的，比如導彈例子中的距離閾值。混合模型允許使用隨機數進行這種簡化，例如，作為失誤距離的函數的殺傷概率。

為了有效地測試和分析大規模的空中作業，在單臺機器上有幾十種藍色和紅色資產運行的情況下，模擬運行的速度至少要比實時快10倍（平均）。這對所用算法的時間離散性和運行時的復雜性提出了重大限制。為了保持快速原型設計能力，為新項目設置仿真或開發/集成新組件所需的時間應保持在較低水平。太過復雜的模型會帶來更多的限制，而不是顯著提高結果的質量。在這些方面，（更多的）隨機模型在運行時間和開發時間上都有優勢，更快。然而，在我們的案例中，有兩個主要因素限制了隨機模型的使用，使之達到最低限度。首先，模擬只有在給出他們的戰術和演習成功與否的確切原因時才會被操作者接受。此外，隨機模型是由數據驅動的，但對于未來自己和/或敵人的系統來說，所需的數據往往無法獲得。對于已經服役多年并在測試或實際作戰中多次射中的導彈，有可能估計其殺傷概率。然而，僅僅為未來的導彈增加這一概率是非常危險的，特別是因為隨機模型對這些參數非常敏感。從我們的觀點來看，通過將所有系統建模為基于技術系統參數的通用物理模型，可以實現對未來系統更健全的推斷。第一步，通過模擬已知技術和性能參數的現有系統，對模型本身進行驗證。對于未來的系統，技術參數會根據預期的技術進步、領域專家知識和他們的工具進行推斷。堅持最初的例子，未來戰斗機的回避機動性能的推斷，例如，基于從CAD和流體動力學模型計算出的更高的升力系數，或基于更高的導彈接近警告器的分辨率和靈敏度。

客觀評價未來概念在模擬中的表現的一個關鍵方面是環境和威脅的建模。必須考慮到，系統的方法在紅方和藍方都是有優勢的。現代國際防空系統的危險來自于結合不同的系統，從非常短的距離到遠距離。所有這些系統都有它們的長處和短處，但它們被組織起來，使個別的短處被其他系統所補償，并使整個系統的性能最大化。因此，第一個困難是必須對大量的系統進行模擬，并且必須確定這些系統的個別優勢和劣勢。通用物理模型的方法可用于這兩個方面。在通用防空系統模型被開發和驗證后，它可以迅速將新的系統整合到模擬中。根據模擬的物理效果，可以估計敵方系統的作戰優勢和弱點或未來可能的威脅概念。另一方面，使用通用模型的困難在于，必須將真實系統的功能映射到通用模型中，以便保留所有重要的單個系統屬性。這不可避免地導致了相當復雜和詳細的通用模型。我們將以地基雷達組件為例，概述我們平衡復雜性和保真度的方法。如圖2所示，IADS模擬中的一個實體由不同的組件組成。這些組件可以任意組合，以快速配置新系統。從功能角度看，地面雷達組件由控制器、探測模型和目標跟蹤器組成。根據實體的當前任務，控制器選擇所需的雷達模式，例如，360°搜索的監視或戰斗搜索，如果一個特定的部門必須優先考慮。為了對付干擾或地面雜波，可以使用不同的波形。根據雷達的類型，如機械或電子轉向的一維或二維，控制器有不同的可能性來適應搜索模式。在為一個波束位置選擇了波形的類型和數量后，探測模型根據目標、地面雜波、地形陰影、大氣衰減和電子對抗措施等方面的雷達截面模型，產生測量結果。測量誤差是由取決于隨機模型的信噪比引起的。由此產生的測量結果然后由目標跟蹤器處理，它執行測量-跟蹤關聯和跟蹤過濾。

這種詳細模型產生的另一個困難是必須估計的參數總數。在這一點上也要注意，模擬中的所有數據都是不受限制的。這一方面是由于大多數項目的限制，但另一方面，它在日常工作中也有實際優勢。我們必須牢記，模擬是用于概念驗證，而不是用于詳細的系統設計，所以在這個早期階段使用機密的威脅數據會對基礎設施和開發過程造成重大限制，而不會給結果帶來重大價值。基于此，所有的威脅數據都必須根據公開的來源或來自內部項目和外部合作伙伴的非限制性數據進行估算。這再次導致了大量的數據，而這些數據的詳細程度往往是非常不同的，或者是不一致的，例如，由于對限制性數據的去分類。隨著我們模型的不斷發展和多年來獲得的工程專業知識，我們有可能為不同的當前和推斷的未來威脅系統估計出一致的參數。這主要是在一個自下而上的迭代過程中完成的。根據現有的技術和性能參數，對缺失的模型參數進行估計以適應組件的性能。然后對單一系統的不同組件之間的行為和相互作用進行調整，以達到理想的系統性能。最后，在不同的情況下測試IADS內這些系統的協調，以使整個系統的性能最大化。

本文介紹了在卡勒獎學金第一年內進行的研究，研究如何自主控制檢查平臺向故障平臺行駛以完成檢查相關任務。這項研究的目的是開發一個有限時間的相對位置控制框架，使檢查衛星能夠安全地接近發生故障的平臺，因為平臺的通信能力受到阻礙，導致其在接近過程中根本無法通信。故障平臺導致獨特的挑戰，即平臺的狀態被認為是先驗未知的，檢查器可能無法從故障平臺提供的準確和連續的信息中受益；故障平臺也可能受到機動和干擾。

在該獎學金的第一期內，使用 MATLAB 和 Simulink 開發了仿真軟件，以演示檢查平臺與故障平臺執行會合操作。首先引入基于視線的相對運動模型，直接使用導航信息，然后以自適應非奇異終端滑模控制器的形式開發魯棒控制框架，以確保閉環系統穩定并保證有限時間收斂到所需的狀態。然后在最終討論未來的工作和目標之前展示和討論模擬結果。