引言和目標：

彈藥應對任務，如遠程勘測、回收和拆除潛在危險的未爆彈藥，需要穿越兩棲地形。沖浪區（海洋中的淺水區）是一個特別關鍵的區域。在這些區域清除未爆彈藥可能是防止其進入陸地的優先事項。移動機器人有可能使這些任務更安全、更高效。然而，在沖浪區進行兩棲運動具有挑戰性。體重大的機器人會在沙中下沉，體重小的機器人則會受到海浪的干擾，這些都限制了機器人的設計空間。

本項目的主要目標是確定類蟹腿能在多大程度上增加機器人移位所需的力量，從而有效增加重量。這就需要開發帶有類蟹腿的兩棲機器人平臺和實驗室波浪槽測試裝置。除了鑒定靜態抓取行為外，還必須驗證抓取腿也能在受控實驗室基底和當地海灘的自然地形上行走。我們還展示了初步的傳感器集成。在未來的工作中，我們可以在支腿設計的基礎上確定最簡單有效的支腿，并創建一個更先進的平臺，以比較輪式機器人在沖浪區地形中的通行能力。

技術方法：

受生物螃蟹的啟發，制造并改裝了有腿機器人（質量從 1 千克到 4 千克不等）。在受控實驗室測試中，我們比較了尖頭、類似螃蟹的雙足和傳統的圓形機器人腳，并比較了從站立位置向內移動雙腿抓地的效果。我們使用數字測力計和恒速絞盤測量了最大垂直抓地力。通過視覺跟蹤，我們測量了液壓活塞產生的波浪導致的位移。我們在戶外淡水湖波浪中對機器人進行了驗證。

結果：

研究表明，通過使用彎曲的尖銳觸角并向內拉動腳部，機器人在潮濕的水下沙地中的有效重量可增加三分之一。鋒利的雙足可以避免機器人因波浪而移位數厘米，并減少因較大波浪而造成的移動。雙足可以在巖石和沙地上持續行走，但速度比原來的圓形腳要低（可能是由于在堅硬表面上打滑和在沙地上下沉）。在戶外測試中，演示了在海浪中行走，海浪沖過身體，以及在大約 1 米深的水下行走。還展示了可以將傳感器集成到腳上，以收集地面接觸數據，從而對負載分布做出一致的響應。

優勢

這項工作為未來減輕重量的兩棲腿部機器人拓展了設計空間。預計這將有助于兩棲機器人更好地在海浪中航行、處理更多的有效載荷以及從空中飛行器上進行部署。選擇性抓地還能實現機器人利用波浪力的超高效步態。這種機器人的應用可能包括沿水線采集樣本、進入有危險材料的地點，以及可能使用額外的腿來移動單個未爆彈藥或使其失效。

圖：用于沖浪區的類蟹機器人概念（左）和兩棲測試中帶有尖頭雙觸角的螃蟹機器人平臺（右）。

本文建議改進機載反水雷措施（AMCM）任務的規劃、分析和報告，以減少人為錯誤并縮短完成時間。AMCM 任務的評估標準是完成任務所需的時間以及任務的執行情況。與許多其他任務集相比，這些指標幾乎完全基于概率，主觀性很小。盡管這些量化指標顯示了精確性，但海軍在 AMCM 期間采用的一些戰術、技術和程序（TTP）往往與這些目標相沖突。在這些相互沖突的戰術、技術和程序中，任務規劃、信息傳遞和任務后分析的效率低下，直接增加了預計完成時間（ETC）。由于信息傳輸中的錯誤主要由人工輸入，而任務后分析（PMA）則由缺乏經驗或疲勞的機組人員執行，因此可能會浪費數小時至數天的工作時間。本論文為這些流程的現代化提出了一個解決方案，以提高任務完成率。具體做法是評估當前流程的低效率和人為錯誤的可能性，制定改進系統的要求，并通過應用基于模型的系統工程（MBSE）構建和分析當前系統和改進系統。本文建議提供資金，利用現代技術開發改進的 AMCM 任務規劃系統，以滿足業務需求。

本文的目的是進行替代方案分析（AoA），并提出改進機載反水雷措施（AMCM）任務規劃、任務后分析（PMA）和信息傳輸的建議，以減少人為錯誤，縮短完成任務的時間。目前在 AMCM 期間使用的通信結構、任務規劃和 PMA 程序存在太多人為錯誤的機會，嚴重降低了效率。這可能會導致指揮官承擔不必要的風險，即在船只獲準通過某一區域之前降低掃雷閾值，或由于計劃或分析中的人為錯誤而導致無法識別的風險。

這項研究采用的分析方法側重于對問題陳述進行定量評估，為后續系統的設計提供依據（Giachetti，2016 年）。在 Innoslate 中開發了當前系統和改進系統的基于模型的系統工程（MBSE）圖，以幫助進行分析。

本文建議更新軍事機密任務規劃系統，以利用現代技術和用戶需求。本文提出了一個更新這些系統的框架，即找出當前系統存在的問題，制定改進系統的操作要求，將系統架構轉化為通用的 MBSE 語言，并完成替代方案分析 (AoA)。

軍事海運任務規劃系統的現狀和缺陷是業務需求的基礎，用以指導改進系統概念的生成。這些系統被轉化為 MBSE 行動圖，以建立通用的架構語言，并提供模擬模型。比較的指標包括需要手動輸入數據的操作次數、需要使用可移動存儲器傳輸數據的操作次數以及完成任務規劃所需的操作總數。

通過對這些模型進行仿真，利用正態分布和每個操作的固定值，分析了每個系統完成任務規劃周期所需的時間。總時間包括任務規劃、任務后分析、將任務計劃加載到飛機上以及報告等所有方面，但不包括任務規劃系統以外的事件（飛行前、飛行架次等）。使用這些模擬數據進行假設檢驗的結果如圖 1 所示。

圖 1 任務規劃系統方框圖

這些結果表明，與當前流程相比，使用變通方法的流程在統計意義上有了明顯改善，證實了這些變通方法的價值。此外，改進后的流程與變通方法流程相比，在統計意義上也有明顯改善，這表明在用戶變通方法已經實現的改進之外，仍有未開發的潛力可以進一步改進。

根據當前系統缺陷所產生的操作要求制定了標準，以完成對這些系統的性能評估。這些標準包括計劃時間、易用性、減少人為錯誤、可維護性和連接性。改進后的任務規劃概念在所有類別中表現最佳，同時不需要手動輸入數據或通過移動存儲傳輸數據。本文建議提供資金，利用所提出的概念開發改進型 MCM 任務規劃系統，以提高美國海軍的作戰能力。

在本技術說明中，報告了有關傳感器技術和避讓方法的最新研究與開發文獻綜述，這些技術和方法可用于未來在有人-無人協同（MUM-T）行動中在小型無人系統上實施感知與避讓（SAA）能力。

在傳感器技術方面，研究了協作和非協作傳感器，其中非協作傳感器又分為主動和被動傳感器。我們認為：(1) 被動非協作傳感器在尺寸、重量和功率（SWAP）方面比其他傳感器更有優勢。被動工作可確保無人平臺在惡劣環境中的安全。為了補充單個傳感器能力的約束和限制，我們還認為，(2) 傳感器和數據融合的趨勢和未來需求前景廣闊，能夠在動態、不確定的環境中進行連續和彈性測量。此外，我們還認為應關注無人系統領域正在開發的 (3) 新型傳感器套件。

在探測和規避方法方面，我們按照 SAA 流程進行了全面研究，從探測沖突、危險或潛在威脅，到跟蹤目標（物體）的運動；評估風險和可信度；根據評估參數確定沖突的優先級；然后宣布或確認沖突以及沖突的程度；確定正確的沖突解決方法；隨后下達命令并最終執行。為了支持這一過程，我們審查了各種 SAA 算法，包括探測算法、跟蹤算法和規避策略。我們認為，（4）基于學習的智能算法需要列入未來 SAA 的要求中，因為它們具有支持任務的自適應能力。

最后，從不同的使用案例中回顧了支持 MUM-T 行動的 SAA。我們認為，(5) 與蜂群式小型 UxV 的人機系統接口可提供半自主的 SAA 能力，而人的參與程度有限。這種集成的人機交互提供了智能決策支持工具。該系統旨在使單個人類操作員能夠有效地指揮、監控和監督一個 UxV 系統。根據技術重點的發展趨勢，我們的最終觀點是：(6) 就研發進展而言，現階段實現無士兵參與的完全自主還為時過早，但我們將積極關注該領域的最新發展。

根據項目工作計劃，本進度報告概述了項目第二年開展的技術活動。更具體地說，它包括

• 回顧全偏振三維InISAR 算法及其通過偽代碼的實現。

• 3D InISAR 算法的性能分析。在這方面，提出并比較了兩種不同的方法，即基于相干的方法和基于跨度的方法。利用模擬數據和真實數據強調了這兩種方法的優缺點。事實上，模擬數據可以對三維重建精度進行數值量化，但也有一定的局限性，因為模擬數據無法忠實再現不同角度下的偏振目標散射機制。另一方面，真實數據是真實的（即使是在受控幾何條件下獲取的），但不能用于對重建精度進行數值量化。

• 兩種 ATR 算法的設計和初步實施（用于初步驗證），將在項目的第三年進行全面測試。

圖 2.1： 使用基于 Pol-InISAR 的擬議方法進行三維目標形成的總體框圖。

該項目正在按照工作計劃進行。提出并比較了利用全偏振數據估算目標高度的兩種方法。通過定義合適的指標，對已實施的方法進行了仔細深入的分析。結果表明，與單偏振算法相比，在形成三維 InISAR 圖像時使用偏振信息非常有效。這些算法在模擬數據和真實數據上都進行了測試。通過模擬數據，我們可以對所建議方法的準確性進行數值量化。真實數據證明了算法在真實數據上的有效性，并證明了基于 SPAN 的算法相對于基于相干性的算法的局限性。最后，我們提出并初步實施了兩種 ATR 算法，以驗證其可行性。其中一個屬于模板匹配方法的分支，第二個屬于機器學習的分支。這項工作將繼續進行，最終實施和完善分類算法及其性能評估。

引言

專門用于下馬士兵系統的國防資金是有限的，而且必須在多個部分之間進行分配。決定正確的組合可能是困難的--一些技術提高了殺傷力和保護力，另一些則提高了安全性能。同時，這些技術可能會增加認知和身體負荷。本報告提出了一種方法來進行跨越這一明顯的鴻溝，并找到技術的最佳組合。提出了一個數學戰斗模型，該模型考慮了態勢感知、殺傷力和保護設備在預期挽救生命方面的聯合效應。因此，該模型可以用來設計一個最佳的下馬士兵系統，一個可以拯救人生命的系統。

模型

本方法依賴于在任何時候都將決策者表現為一個最佳的決策者。然而，該決策者必須在不確定性和時間限制下做出決定。隨著認知負擔的增加，模型中可能會發生幾個變化：決策之間的時間可能會增加，每個決策中考慮的信息量可能會減少，或者規劃范圍可能會縮短，導致更多的短視決策。模型中的每一個杠桿都能靈活地代表決策的退化，以及SA，同時仍然假設指揮官是在做出盡可能好的決策，但在困難的約束下。在技術上，我們的模型是基于兩個支柱。首先，戰斗被建模為連續時間馬爾可夫鏈（CTMC）。其次，指揮官被模擬為部分觀測馬爾可夫決策過程（POMDP）中的決策者。POMDP是通過動態規劃解決的順序決策問題。它們很難解決，因為與完全可觀察的馬爾可夫決策過程（MDPs）相反，一些狀態變量是隱藏的。幸運的是，先進的計算方法已經被開發出來以解決它們。

結果

本文實施了一個概念驗證，基于一個下馬的戰斗場景，其中一個由12名士兵組成的小組必須確保一個隧道的入口。在任何時候，指揮官都可以根據當時的信息改變路線，或放棄行動。在這個場景中，還包括一個區域傳感器，例如，它可以是一個無人駕駛飛行器（UAV）。展示了如何在增加士兵的傳感能力和增加無人機的能力之間找到最佳權衡。還展示了如何在增加士兵的感知能力和增加他們的殺傷力和個人保護設備之間找到最佳的平衡。最后，展示了如何通過增加模型中決策的時間間隔，來模擬認知負擔的增加，從而增加預期的生命風險。

結論

該模型在采購、能力發展、國防科技和學術領域具有開發潛力。這種廣泛的潛力要歸功于POMDPs的靈活性，它可以根據需要做得很抽象，或者很詳細。提出了幾個擴展模型實現的途徑：整合貝葉斯信念網絡（在CTMC和/或觀察模型中），結合情景階段的序列，并探索其他表示認知負擔的方法。

圖 2-1：戰斗中SA的概念概述。

認知方法在幾乎所有方面可提高現有雷達的性能，這導致了近年來研究的激增，空軍雷達建模和仿真（M&S）工具的一個關鍵差距是缺乏針對分布式全適應雷達（FAR）系統的全面、動態分布式雷達情景生成能力。截至2015年初，所有的研究都是在理論上推進概念，并通過模擬檢驗其性能，或者最多使用預先錄制的數據。沒有關于實驗驗證概念的報告，主要是因為還沒有開發出測試它們的必要硬件。然而，為了確定應用認知處理方法的真正性能潛力，這一步驟是至關重要的。為了解決這個問題，俄亥俄州立大學（OSU）電子科學實驗室（ESL）的認知傳感實驗室（CSL）與Metron公司、空軍研究實驗室（AFRL）和空軍科學研究辦公室（AFOSR）一起，已經開始了一項研究計劃，從分析和實驗上開發和檢驗認知雷達處理概念。

CSL設計并建造了認知雷達工程工作區（CREW），這是世界上第一個專門用來測試完全自適應和認知算法的雷達測試平臺，Metron和OSU開發了一個認知FAR系統的理論框架，在單一傳感器和目標的目標探測和跟蹤范圍內確定了關鍵的系統組件并進行了數學建模。我們一直在開發建模、模擬、分析和實驗能力，以證明FAR系統比傳統的前饋雷達（FFR）系統取得的性能改進。我們從OSU的軟件定義雷達（SDR）系統的模擬場景和預先記錄的數據開始。我們現在有能力利用CREW演示認知雷達跟蹤系統的實時操作。

這個項目的目標是為分布式FAR雷達開發一個基于MATLAB的M&S架構，從而能夠在模擬的、以前收集的和實時的流式數據上進行算法開發和測試。在第一階段，我們開發了一個基線FAR M&S架構，該架構采用面向對象編程（OOP）方法在MATLAB中編碼。它包括一個控制感知-行動（PA）周期運行的FAR引擎和確定下一組傳感參數的軟件對象；從傳感器獲取數據；處理數據以跟蹤目標；存儲和顯示傳感和跟蹤過程的結果。我們開發的模塊實現了模擬和預先錄制的SDR數據實例，以及實時和模擬的CREW數據實例。

第一階段開發的FAR M&S架構允許在模擬和實驗CREW數據源之間，以及在驅動傳感的FAR算法之間進行透明切換。輕松交換傳感和處理對象的能力將允許快速開發和測試認知雷達算法，通過構建M&S功能來避免重復工作和 "單點 "解決方案。它將使工業界、學術界和空軍的研究人員之間的合作成為可能，因為不同研究人員開發的算法可以使用一致的模擬、收集的數據和實驗室條件進行測試和比較。

為了應對出現的威脅，目前的彈藥開發目標正在從提供更安全的彈藥過渡到提供更高的性能。改善不敏感的彈藥反應并不一定意味著性能的降低，在某些情況下，性能實際上得到了提高。本文將回顧這些技術中的一些，以及實施新設計所帶來的機會。

通過開發不敏感彈藥(IM)來提高安全性的必要性已得到美國法律的認可：

• "美國防部長應在實際可行的范圍內，確保正在開發或采購的不敏感彈藥在整個開發和實戰中受到意外刺激時是安全的"（參考文獻1）。

在國際上，北大西洋公約組織（NATO）也已經實施了IM的改進：

• "爆炸性彈藥設計方面的技術進步使得開發一系列被稱為不敏感彈藥(IM)或風險彈藥(MURAT)的彈藥成為可能，這些彈藥在受到意外和商業刺激時比以前的武器危險性更低。這類彈藥在其預期的應用中仍然有效，而且對極端但可信的環境，如熱、沖擊或撞擊的敏感度低于其前身。

• 將IM引入服務的目的是為了提高后勤和戰術作戰系統的生存能力，最大限度地減少人員受傷的風險，并提供更具成本效益和效率的彈藥運輸、儲存和處理"（參考文獻2）。

為了發展IM，有必要抑制彈藥中化學能量的釋放，或以不太激烈的方式釋放。任何設計不良的彈藥都可能發生暴力反應，而且這種暴力并不限于含有能量的系統。在圖1（參考文獻3）所示的早期工業時代的大量蒸汽爆炸中，很容易找到安全設計不佳的暴力反應的例子。眾所周知，裝載有混凝土的惰性炸彈在熟化時比設計合理的彈藥有更劇烈的反應，這是由于混凝土內的水產生了蒸汽爆炸。現代彈藥工程師面臨的挑戰是如何在保持或提高安全性的同時提高性能。然而，許多遺留系統是在現代建模和材料可用之前設計的，沒有對安全問題給予足夠的重視。新系統的投入使用為提高性能和安全性提供了機會。

在有環境因素的城市區域內安全有效地使用四旋翼飛行器，對美國軍事和民用部門具有巨大的重要性。本技術報告探討了一個高度適應性的模擬設置，其中有一個包含學習元素的非線性控制器。其他模型因素--如無人機的幾何形狀、權重和風的力量--在所提出的框架內很容易被修改。用虛幻引擎進行的模擬，可以結合現實世界的城市數據、現實的風和現有的開源軟件。

引言及與美國陸軍的相關性

無人系統和無人駕駛航空系統（UAS）的使用在全世界的軍隊中激增，在通信、監視、偵察和戰斗中都有應用（Nacouzi等人，2018）。在敵對地區，無人機系統將受到多種威脅，包括網絡和物理威脅，以及環境危害。生存和任務的成功往往取決于以最小的通信或依賴全球導航衛星系統（GNSS）的能力，如GPS（Guvenc等人，2018；Sathyamoorthy等人，2020；Fan等人，2022）。例如，無人機系統的通信可用于檢測和獲得無人機系統的位置，而基于衛星的導航很容易被欺騙或干擾，因為信號非常弱。其他傳感器也經常被用來增強GNSS的位置分析，并可以用來取代它，如光學系統--包括照相機、雷達、光探測和測距（LiDAR）系統和慣性測量單元（IMU）（Angelino等人，2012）。這些都提出了自己的挑戰。慣性測量單元是標準設備，但只能檢測線性和角加速度，同時通過檢測地球的局部磁場來確定方向（共9個自由度）。因此，位置誤差，即測量的加速度的第二個時間積分，會隨著時間的推移而累積。在使用IMU進行UAS導航時，其他令人擔憂的來源包括環境影響（即風或降水）。 UAS結構的物理變化，如增加一個傳感器或武器包，包括武器發射后的變化，使工作進一步復雜化。這種質量和質量分布的變化改變了UAS的質量中心和慣性張量。光學傳感器、雷達和LiDAR系統增加了重量，并經常發射射頻或光，使它們更容易被探測到和/或需要處理資源。增加的重量和/或處理可能對電池壽命產生不利影響，從而影響運行時間和整體可靠性。

為了解決這些問題，我們正在研究在大風環境中使用控制算法，以了解IMU信號如何在控制中被用來考慮（和/或改變）UAS的位置計算。再加上不確定性措施，這些最終可用于檢測UAS飛行性能的變化，或對GNSS信號的欺騙。

城市環境是安全和可靠的無人機系統運行的第二個關注領域（Watkins 2020）。它們被認為是國防部行動的一個挑戰領域，也是政府和商業服務的一個巨大的技術增長領域。在這份報告中，我們展示了一個模擬空間，我們正在建立專門用于模擬城市環境中的無人機系統，以解決自主和半自主控制的問題，重點是環境的相互作用，包括風和靜態碰撞威脅。物理學和控制的關鍵部分直接用C++實現。除此之外，在可能的情況下，我們正在利用當前的免費和開源資源（即軟件、軟件框架和數據），但要注意的是，我們包括使用一些在產品商業化成功后需要付費的工具。我們采取了一種模塊化的方法，隨著其他軟件框架和系統的成熟，將能夠靈活地過渡到其他軟件框架和系統。我們目前的系統已經基于用于小型無人機系統的PX4控制器庫和實時發布-訂閱（RTPS）數據傳輸協議。RTPS應能使我們的發展在其他工具成熟時過渡到其他工具，并使用通用的應用編程接口（即API）過渡到其他工具和數據，如計算的風數據。對于圖形和用戶界面，我們使用虛幻引擎（UE）（Matej 2016），這是一個游戲引擎，提供最先進的圖形功能和我們的模型中使用的一些物理學--最重要的是無人機系統和其環境之間的碰撞檢測。

第2-4節詳細介紹了整個模擬的主要計算部分：納入現實世界的城市數據，生成現實的風模型，無人機的幾何和物理建模，以及線性和非線性控制。我們對整體模擬的這些主要部分中的每一個都依賴開源軟件，如UE、OpenStreetMap（OSM）（Anderson等人，2019年）、Mapbox和AirSim（Shah等人，2017年），并根據需要詳細說明（見圖1；例如，真實城市的模型導入游戲引擎中）。第5節和第6節提供了樣本結果和結語。

圖1 將城市數據納入UE進行大規模模擬的兩個例子。伊利諾伊州的芝加哥（上）；弗吉尼亞州的水晶城（下）。這兩張圖片都是使用開源工具創建的，將開源的Mapbox城市數據導入UE中。

摘要

在過去的幾十年里，美國海軍庫存中只保留了少許類型的海上水雷，且戰術理論研究停滯不前，而主要優先考慮反雷能力。本論文通過一個現代的視角來審視水雷戰（MIW），使用建模和仿真（M&S）來捕捉圍繞水雷戰環境的更廣泛的因素，除了水雷的性能特點和使用參數外，還包括根據最新的任務成功標準來衡量敵方的反應概率。本論文探討了三種通用的非保密實驗方案，得出了對水雷成功影響最大的因素的廣泛結論，并為未來探索具體水雷用例的演習奠定了基礎，以便為下一代水雷及其使用提供信息。分析表明，在影響敵方行為結果方面，空中投送策略通常優于水面、潛艇或無人水下航行器（UUV）投送。請注意，UUV的投放與較低的水雷總量有關，其影響可以通過UUV的移動速度和單個水雷的探測和交戰概率來減輕。

執行摘要

有許多歷史實例證明了海上水雷的價值和通過水雷戰（MIW）取得的勝利。美國海軍在反水雷（MCM）領域的大量投資說明了海軍水雷的致命功效。然而，目前用于進攻性水雷能力的支出與這些防御性工作的投資相比相形見絀。進攻性水雷理論、熟練程度和使用已經停滯、倒退，甚至被忽視，直到沖突迫在眉睫或已經開始。最近，人們對利用水雷的成本效益和力量倍增的特點又有了新的興趣。美國海軍正在重新調整其任務重點，以包括這些潛在的好處，特別是當它涉及到無人水下航行器（UUV）能力的進步、探測傳感器技術，以及未來水雷的自主性、半自主性和可編程性的實際可行性。

該項目尋求更好地了解在不同的水雷作戰框架內可以利用的關鍵性能驅動因素，以最大限度地提高雷場的有效性。在傳統的進攻性水雷有效性措施（MOE）的基礎上，增加了愛德華茲（2019年）定義的四個以任務為中心的MOE，即轉向、阻斷、固定和破壞，定義了一種新的進攻性水雷思維，稱為進攻性拒止水雷（ODM）。ODM可以與現代戰爭的殺傷鏈相結合，對不需要的海上交通提供戰略威懾，在這樣做的同時也被動地釋放了海軍的關鍵資源，否則將支持戰略目標。這個項目的重點是使用概率行為模擬對ODM進行定義、建模和分析，以比較這些更新的MOE下的雷場有效性。

海軍水面作戰中心達爾格倫分部在過去十年中一直在開發通過建模進行協調模擬（OSM）框架。目前，利用OSM框架的JAVA GUI軟件的迭代被稱為MAST，是建模和仿真工具包的簡稱，是專門為這種類型的海軍系統的作戰研究和任務工程分析而創建。該團隊開發了三個實驗場景，定義為探索非保密級別的ODM考慮之間的關系。這些場景分別被指定為空中、艦艇和UUV投送，其中藍色為友軍，紅色為敵軍。為了便于比較和大致了解與這些替代場景有關的作戰考慮因素，每種場景一般都以投送平臺的速度、水雷部署能力、利用的投放點數量和部署水雷的相對能力為特征。空中投送實驗是一種高速、中等能力的飛行器，在單一地點部署能力較弱的水雷。艦艇投送實驗是一個中等速度、高能力的飛行器，在多個地點部署普通水雷。而UUV投送實驗則是一個慢速、低容量的飛行器，能夠使用高能力的水雷，如表1所示。

表1. 基準實驗方案假設

如圖1所示，所有的模擬考察都利用了在50 x 50海里的雷場區域內隨機分配的雷場投放點，目的是影響兩艘紅色船只從部署區以東的設定起始位置向西的預期航點過渡。紅色船只的邏輯實現了概率行為決策，以模擬敵人對其探測到的水雷的反應，或者改變其路線，固定在原地，或者繼續其路徑，并以 "逃離"信息傳達危險。

為了評估行動的重要性，我們開發了五個MOE。主要的MOE，稱為 "紅色影響"，是指雷區影響紅方船只駛向預定航點的能力。如果紅色船只都沒有決定轉向或固定，那么紅色影響在該次航行中為零。如果兩艘紅方船只都被抑制，紅色影響為2；如果只有一艘船只受到影響，紅色影響為1。Agent的終止被指定為次要的MOE，用來捕捉傳統思維的MOE，最后部署的水雷被指定為次要的MOE，以更好地通知各實驗的決策點。MOE表見表2。

圖1. ODM移動場景(MAST)

表2. ODM MOEs

輸入變量的定義是為了檢查對藍軍行動、藍軍系統設計特征和紅軍行為邏輯的變化的影響。在空中實驗中定義了21個變量，在艦艇和UUV實驗中定義了25個變量。一個近乎正交的拉丁超立方實驗設計（DOE）在所有三種情況下運行。為空氣實驗確定的21個變量產生了128個獨特的偏移運行，為船舶和UUV確定的25個變量各產生了256個偏移。然后，在與NPS SEED中心的合作下，利用Hamming超級計算機復制了這些DOEs，為空氣產生了3780次偏移，為船只和UUV產生了5000次偏移，以供分析。研究小組發現，與紅色船只的概率決策邏輯有關的變量通常比那些具有物理價值的變量（如速度、范圍或水雷數量）更具影響力。在所有三種情況下，紅色影響的主要MOE也是如此。

為了降低紅色行為在模型中的相對重要性，進行了細化分析，特別關注對作戰效能影響最大的藍色配置特征。初級MOE（紅色影響）、傳統MOE（Agent終止）和次級MOE（部署時間）的結果顯示在圖2。盡管三個實驗似乎都顯示出類似的主要MOE結果，但結果差異在模型中是有統計學意義的。空中投送在 "紅色沖擊 "方面是最有效的，而且部署的速度比船只或UUV投送都快得多。這一點特別重要，因為在只關注紅色制劑死亡的傳統思維模式下，空中投送的單點播種將被歸類為最不有效。同樣，緩慢但有能力的UUV水雷投送，在使用毒劑死亡的情況下，也只是略微有效，但在使用ODM紅色影響MOE的情況下，其評級僅次于空中。

圖 2. ODM場景的結果

該模型為ODM的運行分析提供了一個起點。雖然模擬中的系統故意是通用的，以避免分類，但該模型的設計允許快速引入特定的系統數據。未來的工作可以更全面地實現任務目標（Edwards 2019）的MOE，或增加紅軍決策邏輯的復雜性。然而，即使在這個較高的水平和早期成熟階段，在這個項目中應用ODM概念的意義可以應用于集中開發和采購努力，并更好地告知未來戰斗空間的使用戰略。

I. 簡介

A. 背景情況

有許多歷史實例表明了海上水雷的價值和通過水雷戰（MIW）取得的勝利。美國海軍對其反水雷(MCM)社區的大量投資說明了海軍水雷的致命功效。然而，對防御性努力的投資使目前對未來進攻性水雷能力或國家研究委員會所說的進攻性拒止水雷（ODM）（2000）的支出相形見絀。從歷史上看，進攻性水雷的理論、熟練程度和使用已經停滯、倒退，甚至被忽視，直到沖突迫在眉睫或已經開始。

最近，人們對利用水雷的成本效益和力量倍增的特點重新產生了興趣。美國海軍正在重新調整其任務重點，以包括這些潛在的好處，特別是涉及到無人水下航行器（UUV）能力的進步、探測傳感器技術，以及未來水雷的自主性、半自主性和可編程性的實際可行性。ODM是為海軍作戰司令部（CNO）項目 "超配 "挑戰做出貢獻的自然選擇，即通過 "提供同步的致命和非致命效果"（2020年），"支持將使我們的持續海上主導地位的作戰......環境"。實現CNO建立未來部隊的海軍作戰架構的目標所必需的信條是由他在2020年10月的A Novel Force備忘錄中定義的 "一個綜合的任何傳感器/任何射手的殺傷鏈 "來建立。ODM能夠通過積極參與這些殺傷鏈來加強這一目標，對不受歡迎的海上交通提供戰略威懾，并在這樣做的同時也被動地釋放了原本支持這些戰略目標的關鍵海軍資源。

B. 項目目標

一般來說，進攻性水雷和具體的ODM是可以提供不對稱戰略優勢的領域，但對其研究不足，因此也沒有得到充分的利用。這就提供了一個機會。目前的ODM理論和戰術需要通過現代有效性措施（MOE）進行分析，以量化保護性（藍水）和進攻性（敵對海岸線12英里內）的潛在水雷環境，并確定任何不足之處（Edwards 2019）。在以前的研究中，"重點是孤立地檢查雷場的部署和特點，這項研究......檢查了能夠部署和支持雷場的替代無人和有人系統，作為聯合進攻行動的一個組成部分......[通過]考慮多個候選操作區域和替代交付平臺"（Beery 2020）。給予該小組探索的具體任務是。

1.定義一個候選的進攻性水雷戰行動概念（CONOPS）。

2.界定一個可供審查的作戰活動和相關系統的系統結構，以確定其對雷場部署有效性的影響

3.開發和分析作戰模擬，以便：a. 確定關鍵的性能驅動因素；b. 為作戰框架的比較提供依據（Beery 2020）。

C. 過程

為了實現這些廣泛的項目目標，團隊開發了一個項目瀑布方法，以定義主要的門和里程碑，如圖1所示，首先是文獻回顧，以熟悉MIW、其附屬元素和相關主題。目前的MIW分析員、操作員和專家被確認，他們幫助確定審查的范圍，并闡明了一些圍繞它的歷史。該小組與顧問合作，以確定MIW領域的適用資源和其他專家。項目發起人和顧問團的投入被用來為小組規劃提供信息和貢獻專業知識，以確保小組的產出為海軍提供價值。最初的文獻審查發現了涵蓋MIW CONOPS的材料和分析MIW操作的技術報告，但它未能產生一個普遍可用的ODM實用指南。為了填補現有文獻的空白，項目工作的重點是開發一個操作模擬，可以用來確定關鍵的性能驅動因素，并最終就如何最大限度地提高雷場部署的有效性提出建議。

圖1.BCM論文項目方法論

為了開發將要使用的作戰模擬模型，該小組采用了自上而下的系統工程（SE）方法，如圖2所示的修改后的軟件工程Vee。通過將通用的高層軍工項目分解為其系統需求的組成部分，團隊設計了一個仿真模型，產生了與這些需求相對應的數據，如修改后的Vee方法的左側所示。模型的輸出數據被收集和分析，驗證其與系統設計要求的適當映射，并驗證建議以滿足操作框架的比較。

此外，團隊每季度向社區利益相關者和感興趣的NPS教師介紹情況，以征求所有相關方的額外意見，并提供一個合作論壇的機會。最終的結果和建議在本報告中正式公布，并在畢業前的進度審查中提出。

圖2：BCM修改后的Vee方法。改編自Buede（2009）。

D. 團隊組織

團隊成員被分配了責任，以確保公平分工，充分考慮技術能力和行政后勤。盡管所有的團隊成員在每個階段都是積極的貢獻者，并幫助確保SE原則在每個步驟中得到遵循，但指定的牽頭人在其主題領域的執行方面保留了打破僵局的投票權。

• 首席程序員和軟件開發人員。負責模型設計架構、模擬開發，以及與軟件（SW）開發人員和團隊外部的SW項目主題專家（SME）的聯絡。

• 海上環境專家和UUV社區聯絡員。負責識別環境變量和考慮因素，并將其納入模型，通過無人潛航器社區的聯系和無人潛航器測試的個人經驗進行驗證。

• 艦隊聯絡和安全經理。負責與美國海軍運營商和社區經理互動，以確保在整個模型開發、數據生產和分析報告中充分納入適當分類級別的CONOPS和技術規范。

• 首席編輯和數據分析師。負責所有團隊交付成果的最終審查、格式化和提交。對報告的格式和內容的決定擁有最終決定權。