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

本文提出并評估兩種深度學習模型，旨在支持并擴展瑞典國防研究局（FOI）當前使用的MATLAB/Simulink模型。這些模型用于執行不同作戰場景（如飛行器與導彈對抗）的仿真模擬，但其計算資源密集特性限制了可高效探索的場景數量。為實現更快生成補充仿真數據，本研究采用近45,000組歷史仿真場景訓練了CNN-LSTM混合模型與基于Transformer架構的模型（iTransformer）。數據集包含靜態輸入參數及表征飛行器與導彈三維位置的多元時間序列數據。模型訓練目標為基于初始條件預測軌跡延續，并通過標準回歸指標與推理時間進行評估。結果表明：兩種模型均能以低定位誤差捕獲多數軌跡模式，并顯著縮短仿真耗時。

盡管直接比對非本研究主旨，但輸入序列長度差異及降采樣處理使所提模型無法直接相互比較或與MATLAB/Simulink模型對標。本文詳述模型開發過程并討論其局限性。雖需進一步驗證，但結果證實深度學習模型具備與傳統仿真方法協同加速場景生成的潛力。

無人機已重塑現代戰爭形態，每日被投入戰場執行監視或攻防任務。盡管當前仍由人類操控，但去人化自主控制轉型迫在眉睫。人工智能（AI）的迅猛發展使AI驅動無人機成為未來戰爭核心要素，這促使各國需提升系統能力以應對自主無人機威脅并研發更優型號。強化學習（RL）作為AI的決策范式，專注于序列決策問題，其在機器人領域的應用已展現解決復雜現實挑戰的潛力。本文通過實戰案例闡釋RL基礎原理并提出機器人部署框架，識別出無人機作戰中RL應用的五大復雜性維度，分析技術前沿與現存差距，最終給出彌合差距的技術路線圖及倫理考量。

現狀與挑戰

無人航空系統（UAS）長期在現代戰爭中發揮關鍵作用，早期以大型偵察與精確打擊無人機為主。烏克蘭沖突標志著向小型商用無人機武器化的顛覆性轉變，此類無人機通過控制爭議區域、低成本打擊與情報搜集展現戰略優勢（文獻[2-4]）。當前戰場中，人類仍主導數據分析與無人機操控，例如通過偵察無人機識別目標后操控攻擊型無人機實施打擊（文獻[5]）。

AI已被視為執行部分戰場任務（如目標識別）的理想技術（文獻[6]），其數據處理速度遠超人類，可加速戰場決策。然而，即使AI輔助減輕操作負擔，無人機控制仍高度依賴人力。烏克蘭沖突中，第一人稱視角（FPV）操作員已成為稀缺資源（文獻[1,3,5,7]），面臨部署效率低下、操作員數量不足、暴露風險及通信鏈路易受干擾等挑戰。輕量化（<10 kg）敏捷無人機的普及使反無人機系統（CUAS）研發更為緊迫，亟需提升AI在無人機控制與反制領域的能力。

強化學習的潛力與現存差距

強化學習（RL）作為成熟的控制AI框架，通過試錯機制學習決策策略，已在《星際爭霸II》（文獻[8]）、《Stratego》（文獻[9]）等復雜游戲中展現超人性能，并在FPV競速無人機控制（文獻[10]）與自主導航（文獻[11]）領域取得突破。盡管RL具備優化戰場控制算法的潛力，但其在實戰部署仍存鴻溝——現有研究通常基于理想化假設，與真實戰場環境存在顯著差異。本文系統分析并分類這些差距，提出控制小型UAS及防御其攻擊的技術路線圖。

架構

第2節詳述當前以小型無人機及其反制技術為核心的戰場格局；第3節形式化定義強化學習并通過實戰案例闡釋框架；第4節提出RL部署框架；第5節從五大復雜性維度（感知不確定性、動態環境適應性、多智能體協同、對抗性學習、安全性保障）剖析RL應用于機器人（尤其是無人機）的前沿算法；第6節構建五個漸進式創新場景，推動無人機作戰向自主UAS與CUAS演進。

無人機戰爭未來發展的技術路線圖

本節提出若干復雜度遞增的作戰場景，構建無人機戰爭未來發展的技術演進路徑。通過前文所述雷達圖分析框架，評估各場景在五大復雜性維度的實現難度，以此明確技術突破方向。該路線圖代表我們通過增強戰爭智能化推動軍事創新的戰略愿景。

開展此項研究的原因

軍事指揮官需要在戰場上快速做出明智決策。他們依賴美國防部（DOD）系統將海量數據轉化為可執行情報。2019年，國防部啟動聯合全域指揮控制（CJADC2）計劃以滿足跨域作戰需求。CJADC2本身并非獨立系統，而是通過數據與分析優化戰場決策與信息傳遞的方法。眾議院報告要求GAO對CJADC2計劃進行審查。GAO（1）明確國防部對CJADC2概念的定義方式及其系統跟蹤、進展監測與投資管理機制；（2）評估國防部在提升現有系統間指揮控制數據共享效能方面的準備程度，以及應對新型數據共享方案開發挑戰的能力。GAO分析了與國防部CJADC2目標相關的政策、規劃文件與簡報，并審查各軍種CJADC2項目文件。GAO訪談對象包括國防部、各軍種、全部11個作戰司令部及CJADC2跨職能團隊官員。

建議

GAO建議美國防部：（1）制定CJADC2框架以指導投資并衡量進展；（2）設計經驗共享機制；（3）識別并解決實現CJADC2目標的關鍵挑戰。國防部對兩項建議表示認可，對第三項建議部分認可。

發現

聯合全域指揮控制（CJ）是國防部提出的概念，旨在通過連接太空、空中、陸地、海洋與網絡空間的選定美國資產提升指揮控制效能，同時建立與國際伙伴的互聯。國防部認為，盡管實施難度大，推進CJADC2將使關鍵決策者更快速便捷地共享與運用數據執行指揮控制任務。例如，CJADC2將推動從"轉椅式"分析模式（分析人員接收多系統輸入并手動錄入數據）向全數據整合模式的轉型。

自2019年啟動以來，美國防部持續嘗試定義與指導CJADC2計劃，但尚未構建能夠指導國防部全域相關投資或跟蹤目標進展的框架。隨著CJADC2概念逐步成型，各軍種與國防部其他實體同步推進獨立數據整合能力建設。GAO此前研究發現，確立可量化目標并據此衡量進展對組織成功至關重要。缺乏明確指導的情況下，作戰實體將繼續孤立推進指揮控制項目，可能導致CJADC2目標實現進程遲緩低效甚至失敗。國防部正開展能力驗證活動，但實驗經驗認知有限可能引發重復勞動并延緩目標達成。此外，GAO發現若干阻礙CJADC2實現的關鍵挑戰尚未被國防部正式識別與應對。例如，過度嚴格的數據分級顯著阻礙指揮控制數據共享，受訪官員亦未獲悉相關機構正著手解決此問題及其他關鍵挑戰。CJADC2領導層表示此類挑戰超出其職權范圍。若不識別并解決關鍵挑戰，國防部CJADC2目標的推進將始終受限。

人工智能有可能從根本上改變國防，從后臺職能到前線，并在軍事競爭和沖突中提供決定性優勢。人工智能已在俄羅斯烏克蘭沖突中得到有效部署，這表明人工智能不再屬于未來戰爭，而是國防必須參與的現實。鑒于人工智能潛在應用的廣泛性，很少有國防領域不能從人工智能或人工智能增強中獲益，因此國防部門需要開始考慮將人工智能作為其解決問題和實現目標的一個組成部分。英國有潛力成為一流的國防人工智能部門，但目前國防部門發展不足，需要加以培育。這既需要實踐變革，也需要文化變革。

發展國防人工智能部門需要改善數字基礎設施、數據管理和人工智能技能基礎，國防部門需要找出存在的差距，以便著手解決這些問題。建議國防部門可以采取一些具體行動，比如讓人工智能成為軍事教育的更大一部分，讓人工智能專家更容易在民用和國防部門之間流動。國防部門還可能需要與規模較小的非傳統國防供應商合作，這些供應商目前在與國防部門合作方面面臨障礙，國防部門需要采用其工作方式，使自己成為更具吸引力和更有效的合作伙伴。國防部門需要更加適應承擔風險、快速開發周期以及與非傳統國防供應商合作。國防部門需要克服目前阻礙防務公司與國防部門合作的障礙，如復雜的采購流程和工作人員難以獲得安全許可。

除了這些實際變化之外，國防部門還需要進行更廣泛的文化變革，以適應這樣一個世界：軍事優勢越來越多地由數字化能力和可快速開發、部署和迭代的廉價平臺來實現。國防部門的政策文件認識到了這一點，但該部門的言論與現實之間存在差距，而且人工智能往往仍被視為一種新事物，而不是即將成為國防工具包核心部分的事物。正在進行的《戰略防御審查》是一個理想的時機，國防部門可以借此加快所需的文化轉型，并為新的人工智能時代實現能力和思維的現代化。

人工智能系統如果能與盟國的系統互操作，將發揮最大功效。英國和盟國在開發和部署國防人工智能的目標上相互理解，并在適當情況下共享標準和實踐。AUKUS 合作伙伴關系的支柱 2 是英國國防人工智能部門與澳大利亞和美國盟國在人工智能前沿領域開展合作的協議。

認識到，在國防領域使用人工智能會引發重要的倫理問題。上議院武器系統人工智能委員會于 2023 年 12 月發布了一份關于致命自主武器系統的全面報告，決定不再重復這項工作。因此，本報告重點關注英國在國防領域開發和部署人工智能的能力。

英國國防人工智能格局

關于英國國防人工智能部門的規模和特點的公開研究很少。2023 年，英國政府委托進行的研究發現，英國有 3713 家人工智能公司；其中 2204 家公司的業務模式以人工智能產品或基礎設施為核心。目前尚不清楚英國有多少人工智能公司從事國防工作： 33% 的公司從事計算機視覺和圖像處理工作，另有 29% 的公司從事自主系統工作--智庫蘭德歐洲公司在其書面證據中指出，這些領域 “與國防高度相關”--但這部分行業還將包括許多非國防公司。人工智能是一個快速發展的行業，預計將在未來幾年內大幅擴張：據 KBR 和 Frazer-Nash Consultancy 提供的證據估計，2023 年英國軍事人工智能行業的價值約為 2.85 億英鎊，預計到 2028 年將增長到 12 億英鎊。

有關英國國防人工智能公司特點的數據很有限，但證據表明，這些公司既包括人工智能只占其業務一小部分的老牌國防公司，也包括專門從事國防人工智能的初創公司。大多數參與人工智能開發的公司規模都相對較小： 蘭卡斯特大學創新、技術和戰略教授西蒙娜-索阿雷（Simona Soare）博士將該行業描述為一個 “成熟的生態系統”，其中 75-80% 的公司都是小型企業或初創公司。在國防領域，這類公司包括 Adarga、AdvAI、Skyral、Ripjar 和 Mind Foundry。人工智能的發展跨越國界，微軟和亞馬遜等在人工智能領域處于全球領先地位的跨國公司都在英國設有分支機構。此外，一些專門從事人工智能國防應用的國際公司也在英國設有分支機構，如 Helsing 和 Anduril。

人工智能行業相對剛剛起步，現在判斷英國人工智能和國防人工智能行業將如何發展還為時尚早。但是，證據表明，英國擁有可以促進該行業成功發展的優勢，包括大學和強大的研究部門，以及在計算和數學科學等相關學科的現有優勢。英國還擁有強大的計算能力（計算），這是開發先進人工智能的重要資產，同時英國還擁有龐大的金融部門，可以吸引對先進研究的投資。英國的制度優勢也為人工智能公司提供了良好的發展環境，并能吸引投資者，其中包括強有力的監管制度和有效的法治。所有這些都意味著英國具備蘭德歐洲公司的詹姆斯-布萊克（James Black）所說的 “相當好的通用優勢”，可以支持人工智能行業取得成功。

與此同時，一些證人也指出了英國該行業目前存在的弱點。Simona Soare 博士強調，雖然英國確實存在人工智能 “生態系統”，但 “并沒有特別獨立的國防人工智能生態系統”。此外，初創公司的更替率非常高，只有不到五分之一的公司能持續四年或更長時間。這意味著該生態系統幾乎沒有彈性，這將使英國擴大國防人工智能能力面臨挑戰。小組委員會還聽說，各軍種內部對整個國防領域的人工智能方法缺乏一致性。退役空軍元帥 Edward Stringer認為："在整個國防人工智能領域，有一些非常優秀的人員，但系統略顯分散。雖然英國總體上是一個充滿活力的風險投資（VC）環境，但薩里大學人工智能研究所的 Mikolaj Firlej 博士寫道，英國國防人工智能部門 “投資不足”，只有幾家較小的風險投資基金在投資。

雖然英國的人工智能部門和國防人工智能部門的絕對規模較小，但與同行相比，英國的表現相對較好，因為該部門在全球仍處于發展的早期階段。蘭德歐洲公司報告稱，英國的人工智能公司數量在全球排名第三。牛津洞察》（Oxford Insights）和Tortoise編制的《全球人工智能指數》（Global AI Indices）根據各種因素對各國進行排名，英國分別位列第三和第四。雖然這些指數并沒有對各國在國防人工智能方面的實力進行具體排名，但有理由相信英國在這一領域的表現相對較好： Simona Soare 博士指出，英國為人工智能提供的資金遠遠高于歐洲同行，據估計，英國在國防人工智能領域的投資是法國和德國的兩倍。與此同時，雖然英國領先于許多同行，但在許多關鍵指標上卻遠遠落后于人工智能領域的全球領導者--美國和中國。這兩個國家政府在人工智能方面的總支出是英國政府的四倍多，美國和中國超級計算機的數量和處理能力也遠遠超過英國。一些意見認為，英國不可能與美國部門的規模和投資能力競爭，但英國可以利用其現有優勢，在人工智能的某些領域發展世界領先的專業技術。

英國具備許多適當的條件，可以在國防人工智能發展方面成為全球領導者，但目前國防是英國人工智能生態系統中發展不足的一個方面，英國與目前人工智能領域的全球領導者美國和中國之間的差距很大。英國不能也不應該以在規模上與這些國家的部門相媲美為目標，而應該尋求在優勢領域實現專業化，并在這些領域達到一流的先進水平。

人工智能對有效防務的重要性與日俱增，因此英國的目標必須是擁有一流的國防人工智能生態系統。國防部門應制定措施，將英國的部門與國際上的其他部門進行比較，以便跟蹤該部門相對于同行的實力。

澳大利亞國防科技（DST）集團的陸地能力分析（LCA）未來技術概念探索（FTCE）計劃側重于為陸軍設計利用和對抗新興技術的新穎方法，并評估概念和結構轉變的潛在作戰效果。這些研究結果提供了供澳大利亞陸軍考慮的建議，以便為研究重點提供信息，塑造未來部隊，激發思考和辯論，并應對未來作戰的挑戰。

LCA 與陸軍下馬作戰計劃合作，開展了一項 FTCE 研究，以支持未來士兵的發展。該研究旨在開發 2030 年后的探索性概念，以支持士兵系統及相關部隊結構和能力的長期發展。該研究以以下問題為指導：

新興技術的組合將如何改變近戰中步兵的戰場交戰能力？

該研究采用了系統設計方法，將多種分析研究方法與創造性的參與式共同設計活動相結合，為 2030 年后的近戰部隊提出了新穎的初步概念。本報告完整描述了采用系統設計方法開發的 “小規模戰斗迷霧 ”概念。

"小規模戰斗迷霧"是一個自上而下的范式驅動概念，其原則是在探測臨界值以下，由獨立的小分隊斷開、分解和分散行動，同時提供決定性的多域效果。

這一概念的主要原則是

• 能夠分布式行動和作戰，集中采取特定行動以壓倒較弱的敵人，然后再分散開來
• 能夠在沒有命令（強調就地決策）或與其他小組直接通信的情況下長時間行動，減少小組的通信和電子特征，提高其生存能力
• 能夠提供無處不在的感知和提示--通過強大的情報、監視和偵察能力，以情報為導向，進行 “發現 ”和 “固定”。
• 通過與物理、社會、信息和電子環境融合，能夠 “侵襲 ”地形
• 通過利用欺騙和隱蔽（拒絕所有信息）--隱藏在眾目睽睽之下--控制和管理其特征的能力
• 具備遠程打擊能力，與對手交戰（"不在那里）
• 只有超越偵測閾值并進行打擊（多領域），才能產生高價值效果（決定性打擊）
• 小規模戰斗，為旅級機動部隊采取決定性行動創造有利條件。

小規模戰斗營（Bn）包含 25 個小隊，由擴大后的營部指揮，依靠人工智能指揮和控制系統對小隊進行有效指揮和控制。每個小隊由 20 名士兵組成，分為五個功能單元（每個單元四名士兵）--指揮、偵察、先鋒、網絡電磁活動（CEMA）和打擊。小隊結構的規模和/或組成可根據行動和戰術情況進行調整，輔助人員可提供心理戰、防空、人力情報和醫療能力。

小規模戰斗部隊表現出很強的發現和固定能力，但主要以分布式方式行動，缺乏戰斗力，一旦被發現，很容易被迅速超配。

大多數軍事大國--無論是單獨還是合作--都在設計基于新一代有人駕駛戰斗機和無人駕駛飛機系統協同作戰的未來空戰系統。

這一領域的標準制定者以美國為首。經過多年，美國空軍（USAF）和美國海軍（USN）現在正集中精力在中期內發展大量的協同作戰飛機（CCA），以增加其作戰飛機機隊的深度，因為他們認為機隊已經縮減到無法對抗大國行動的水平。目前的概念是 "負擔得起的規模"，即在控制成本的前提下增加規模性。這些 CCA 將被整合到美國空軍和海軍的下一代空中主導（NGAD）系統中。這一龐大的協同作戰體系結構所涉及的首要任務是對空作戰，實現空中優勢（即定位和壓制敵方防空系統--SEAD），但美國空軍為 CCA 設想了 "100 種角色"（攔截、CAS、通信中繼）。盡管如此，關于如何權衡這些系統的成本和作戰性能的辯論仍在繼續。

美國人目前正在研制陸基、大部分可回收的飛機，其基礎是 Kratos XQ-58、GA-ASI 的 Gambit 系列或波音公司的 MQ-28 幽靈蝙蝠，但尚不確定這些系統是否能勝任這一任務。盡管如此，此類系統很可能會成為 CCA 初期增量的主力，并在中期內轉化為美國空軍采購至少一千個單元，與 F-35 和 NGAD 戰斗機組成有人-無人聯隊（MUM-T）。雖然所使用的平臺將取決于所需的性能水平，但似乎可以肯定的是，這些系統將基于模塊化開放式架構和 Skyborg 人工智能系統（其開發工作已經完成）。美國人也在開發無人駕駛空射飛行器（如美國國防部高級研究計劃局的 "長槍 "計劃）。洛克希德-馬丁公司的設計和米切爾研究所的兵棋推演表明，美國最終很可能會確定一系列性能各異的 CCA，有些是消耗型，有些是可回收型，發射方案多種多樣，其中包括少量 "精致 "的可回收系統--高度復雜的無人情報平臺或無人戰斗飛行器（UCAV）。參與米切爾研究所幾項對空作戰任務研究的專家贊成在作戰初期大量使用消耗性 CCA，用于誘餌、ISR、協同空戰和通信中繼，先于第五代戰斗機飛行，一旦敵方能力被削弱，再使用更先進的可回收 CCA，以擴大友軍系統的覆蓋范圍。他們沒有使用現有的 UCAV 解決方案。

許多國家正在效仿美國的做法，盡管資源更為有限：

• 英國正在與 BAE 系統公司合作，結合 "暴風雪 "全球空中作戰計劃 (GCAP)，開發遙控解決方案--輕型和重型兩類陸基可回收遙控飛機，提供不同的先進程度。

• 澳大利亞正與波音公司合作研制 MQ-28 "幽靈蝙蝠"，其概念與美國的 CCA 相似。澳大利亞的這一模型也啟發了韓國人，他們正在研制一種忠誠的僚機無人機，以配合其先進版本的 KF-21 Boramea 戰斗機。

• 在美國的支持下，日本也正在研發一種能夠在 2030 年代與其未來的 F-X 戰斗機配合使用的遙控無人機。

• 在戰略競爭對手中，俄羅斯的情況最為不確定。莫斯科正在研制 UCAV 型忠誠僚機，如 S-70 Okhotnik 和 Grom，但西方的制裁和推進解決方案的缺乏大大減緩了這些項目的進展。

• 中國的情況要好得多，在各種無人機中，中國正在開發一系列協同作戰系統，與有人駕駛戰斗機，特別是殲-20 戰斗機一起以 MUM-T 模式作戰：飛鴻 FH-95 渦輪螺旋槳 ISR 和電子戰無人機以及 FH-97 戰斗無人機，與可回收的美國 CCA 設計相似。

• 印度也在開發自己的系統體系，即印度斯坦航空有限公司的 "戰斗空中聯合系統"（CATS），包括作為 "母機 "的 "泰賈斯 "有人駕駛戰斗機和幾種遙控飛機，特別是與 MQ-28 和 XQ-58 非常相似的 "勇士"（CATS Warrior）、可回收巡航導彈型遙控飛機 "獵人"（CATS Hunter）和 ALFA 漂浮彈藥。

• 土耳其已經建立了廣泛依賴無人機的空中力量模式，既用于 DITB，也用于彌補其作戰飛機項目的問題，土耳其還在尋求開發自己的 MUM-T 遙控技術模塊，以及未來的 F-X Kaan 戰斗機： Bayraktar 公司的超音速 Kizilelma UCAV、Anka-3 隱身無人機、Super Simsek 消耗型無人機和土耳其航空航天公司的自主僚機概念。

注意到，對于大多數空軍來說，開發無人飛行器技術構件和 MUM-T 系統是為了滿足彌補常規作戰飛機數量不足的迫切需要，而造成這種不足的原因可能是多方面的。

對于未來空中作戰系統（FCAS）及其協同作戰飛機系統，可以得出哪些結論？在許多方面，法國的情況與上述幾個國家相似。誠然，考慮到多年期 LPM 軍費法案所確定的趨勢，法國未來的空中力量應受益于多種能力的進步，包括下一代戰斗機（NGF），它提供了新一代戰斗機的所有附加值，在未來戰場上不可或缺。盡管如此，RCs 面臨的首要挑戰是糾正空中力量深度不足的問題，隨著越來越多的國家實施 IADS（綜合防空系統）升級，或者美國的保證變得越來越不確定，這一問題可能會繼續惡化，并將變得越來越棘手。這種衰退的后果是眾所周知的：它影響到滿足各種戰略職能要求的能力；更具體地說，在干預方面，它使減員難以為繼，減少了可供選擇的行動范圍，并使其無法保持永久態勢，如動態瞄準。

除了深度問題，遙控飛行器還能從質量上提高空中作戰力量的能力：通過提供 "替身 "能力（可在敵方系統的交戰范圍內使用），它們能提高空中力量的穿透力；它們能使情報和交戰/作戰能力分散和分解，使后者更具彈性，并改善空間和時間覆蓋。發射解決方案的多樣性是真正意義上的多領域，增強了空中力量的靈活性和可用性。

在許多方面，空中客車公司和 MBDA 公司的想法與美國專家的想法（上述米切爾研究所的工作突出表明了這一點）在 FCAS 體系結構的框架內趨向于相當類似的解決方案類型，而 FCAS 體系結構與美國 NGAD 體系結構的順序相同。這適用于通過混合使用可消耗或可回收系統，提供各種發射解決方案來降低 "單位效應成本 "的需要。在實施這些系統之前，必須滿足一些條件。這些條件包括：確定作戰性能與成本之間的權衡、開發特定設備和彈藥的必要性、不可或缺的連接架構，以及載人平臺（其乘員必須管理這些遙控任務）和飛行器本身的自主解決方案。這些飛行器的自主性必須遵守非常嚴格的交戰規則。這些無人機的行動可以在兩個層面上進行管理：當然是在任務領導者層面上，這也是最常見的設想（因此有了忠誠僚機的概念），但也有可能在戰斗管理指揮與控制（BMC2）功能層面上進行管理，而這一功能本身將越來越分散。美國人強調，在這些交戰規則范圍內賦予無人駕駛飛機的自主程度以及對其行動的管理水平是可變和相互依存的。特別是，它們將取決于作戰環境，包括可能在不同程度上斷開、間歇、有限（DIL）的電磁環境，這將影響作為系統之系統的連接組織的作戰云的運作。

從作戰角度看，這些 RC 可以改變所有任務的執行情況，包括以下方面：

• 在情報功能方面，提供穿透性傳感器網絡，大大擴展了 ISR 系統的覆蓋范圍；

• 在反空領域，通過與駐扎在遠離前線的戰斗機合作，提供遠程誘餌、干擾、瞄準和交戰能力，一方面可以采取必要的迷惑和飽和行動，使敵方綜合防空系統失明和瓦解（通過 SEAD 和戰斗機掃射）；另一方面，可以建立動態瞄準能力，在半隱蔽環境中長時間持續開展 SEAD 工作；

• 在進攻性反陸（OCL）領域，通過在戰役開始時增加穿透力，然后在較長時間內保持對大片區域的覆蓋，實現攔截動態目標能力的倍增，這對于提高近距離空中支援的可用性也是必要的；

• 提供先進的傳感器網絡和傳輸中繼器，以擴大作戰管理 C2（BMC2）功能的范圍并增強其穩定性。

總之，在未來空戰中，RC 不乏潛在用途，可以重新創造美國人所談論的、歐洲所急需的 "負擔得起的大規模"。然而，如果要充分挖掘這些系統的潛力，還需要克服許多挑戰。

在看來，必須研究這些系統相對于有人駕駛戰斗機的效率。這種效率取決于一種微妙的妥協：一方面，如果要獲得足夠的數量，這些機器必須保持其消耗性；另一方面，性能和可靠性閾值--考慮到需要預測與綜合防空系統（IADS）的對抗等問題，這種妥協就更難找到了，因為綜合防空系統（IADS）已轉變為飽和狀態。其次，RC 的使用概念必須基于出色的多領域整合，以優化協同作用。這就提出了實施這些無人機的部隊的 C2 靈活性問題，以及 FCAS、NGAD、GCAP 和其他系統之間的多國互操作性問題。就技術資源而言，其前提是戰斗云確實按計劃發展。在這方面，雖然 MUM-T 的建設將部分基于現有技術，例如在連接方面，但它也基于尚待證明的技術前提，特別是在人工智能領域，尤其是管理任務的載人平臺。

正如已經進行或計劃進行的演示所幸運地表明的那樣，這些不同的條件自然支持盡快開始對駐地協調員和作戰云進行漸進式開發，以便為這些多重挑戰的具體解決方案開辟道路。

用于美國國防部人工智能的大型預訓練模型

• LPTMs （如 GPT-4）已顯示出與美國防部眾多用例相關的顯著新興能力
• 它們在大量無標注數據（規模+ 自我監督）上進行訓練，并適應下游任務（遷移學習）
• LPTMs （如 GPT-4）已顯示出與多種國防部用例相關的顯著新興能力
• 它們在大量無標記數據上進行訓練（規模+ 自我監督），并適應下游任務（遷移學習）
• 舊范式包括在標注（真實/合成）數據集上訓練專門模型
• LPTMs （如 GPT-4）已顯示出與多種國防部任務相關的顯著新興能力
• 它們在大量無標記數據（規模+ 自我監督）上進行訓練，并適應下游任務（遷移學習）
• LPTM 為以這些模型為起點的人工智能系統引入了新的范式
• ARL 主辦關于 LPTMs 的機遇、挑戰和應用的科學會議（2023 年 11 月 14-16 日）
  • 來自美陸軍（如陸軍、空軍、海軍、CDAO、OUSD R&E）、學術界（如麻省理工學院、斯坦福大學、華盛頓大學、加州大學伯克利分校）和工業界（如微軟、谷歌、英偉達、Meta、Scale AI）的廣泛參與

美國國防部計算基礎設施

• LLM 隨模型大小、訓練數據和用于訓練的計算量的增加而呈冪律提高
• LLM 隨模型規模、訓練數據和用于訓練的計算量的增加而呈冪律提高
• 大多數架構進步低于 10,000 petaflops（如變壓器），但大多數能力進步超過 10,000,000 petaflops（約 600 H100 GPU）
• 如果想擁有獨立領先的美國防部生態系統，就需要為人工智能研發提供多層次的計算基礎設施
  • 團隊級：研究團隊優先使用（40 個 H100 GPU）
  • 機構級： 服務實驗室或大學集群（10,000 個 H100 GPU）
  • 國家計算中心：為跨機構大型項目訪問各類研究人員（100,000 H100 GPU）
  • 新前沿中心 超越行政命令門檻（1026 flops）。國際合作。與其他大型人類項目一樣進行投資（如強子對撞機，約 50 億美元）（100 萬 H100 GPU）
• 與 NAIRR 建議一致（但擴大了該建議的范圍）

結論

• LPTM 為美國防部的人工智能提供了一個強大的新范例，對從簡單（如文本摘要）到復雜用例（如開放式世界推理）都有廣泛影響。
• 美國防部必須在貫穿各種使用案例的核心領域領導合作研究
  • 美國防部與學術界和產業界在技術上的平等是實現美國人工智能戰略利益的核心所在
  • 服務實驗室應在這一努力中發揮核心作用
• 將研究重點放在機遇和風險緩解上
  • 與過渡合作伙伴密切合作，以應對多種使用情況
• 需要對計算基礎設施進行重大投資，以支持國防部的人工智能研發生態系統
  • 在團隊、機構、國家和國際層面采取多層次方法。如何處理不斷變化的硬件要求？如何在國防部、學術界和產業界之間共享計算？

支持美國海軍的各種陸基作戰系統實驗室分布在美國各地。然而，在代表海軍艦艇完全集成作戰系統的陸基實驗室方面還存在明顯差距。因此，艦載測試是互操作性測試的第一個機會。一個代表艦艇的陸基試驗場，即 "一個海軍實驗室（One Navy Lab）"，將支持系統能力開發、技術文檔的驗證和確認、元素和系統級別的獨立驗證和確認、遠程接口測試和互操作性測試。然而，建立實驗室的過程可能需要大量的前期費用，而且目前還沒有既定的框架來指導決策者開發這樣一個實驗室。根據技術能力收益和長期成本節約對 "一個海軍實驗室 "進行評估和驗證將使決策者受益匪淺。本報告制定了一個框架，以指導利益相關者在建立 "一個海軍實驗室 "時做出決策。報告探討了多種行動方案，包括維持現狀、建立一個或多個完全集成且地理位置相同的實驗室，以及通過海軍網絡連接地理位置遙遠的實驗室。經過廣泛的研究和分析，本報告得出結論，維持目前的艦載測試行動方案是最具優勢和成本效益的前進道路。

圖. 聯合信息環境 (JIE) 框架的范圍。

圖. 美國國防部架構框架 (DODAF) 六步流程。

美國海軍要求對武器系統、雷達系統和組成艦載戰斗系統的其他單元進行各種測試。海軍海上系統司令部（NAVSEA）各作戰中心和海軍承包商設施的陸基測試場（LBTS）被用來進行所需的測試。陸基試驗場"[容納]可[復制或]模擬武器系統操作的設備"，從而為工程師和技術人員的研究、開發和遠程艦隊支持工作提供支持（海軍海上系統司令部 [NAVSEA] n.d.）。然而，LBTS 在地理上分布在美國各地，缺乏完全一體化作戰系統的代表性。因此，在役工程智能體利用艦艇執行互操作性測試、認證測試、硬件和軟件開發測試、技術手冊編寫和培訓等職責。然而，確定和調整艦艇的日程安排需要大量時間，以便為完成艦上任務的旅行做準備。此外，工程師前往船上的差旅費用也相當可觀。

本畢業設計報告旨在分析創建統一能力 LBTS--"一個海軍實驗室"--的前景，該實驗室能夠連接各個獨立的實驗室，并使用完全集成的平臺進行協作和測試。一個海軍實驗室 "還可以復制美國海軍艦艇的一個或多個任務區，包括由目標感應雷達、武器和決策作戰系統組成的具有代表性的殺傷鏈。本報告的范圍是分析不同的行動方案 (COA)，以開發安全、可靠、高性能的基礎設施，創建 "一個海軍實驗室"，使用戶能夠以安全、高效的方式共享數據、協作項目和訪問資源。

根據利益相關者的需求，確定了四個 COA。COA 0 是保持目前的設置，工程師將繼續前往利用艦船或現有實驗室進行測試。COA 1 是建立一個完全集成的作戰系統實驗室，由不同的作戰中心共享。至于 COA 2，每個作戰中心都將擁有自己的完全集成的作戰系統實驗室。COA 3 將利用海軍網絡連接各個獨立的實驗室。此外，還確定了必須納入整個 COA 生命周期的國防部（DOD）網絡安全要求。COA 1、COA 2 和 COA 3 有一個共同的主要網絡安全要求，即每個系統都必須獲得運行授權 (ATO)。ATO 是由政府高級官員做出的決定，授權一個機構代表他們運行信息系統。

COA 1 和 COA 2 的配置與 COA 0 相同，因此假定它們都能滿足 COA 0 的接口要求。由于 COA 3 是一個新系統，尚未經過驗證，因此需要進一步分析以確定其是否滿足要求。對 COA 3 的系統架構進行了分析，以了解各子系統之間的接口，從而確定系統的就緒程度，并找出其物理限制。開發了一個仿真模型，以評估 COA 3 在特定情況下的行為。模擬結果表明，實驗室之間的距離、抖動和網絡故障概率對數據包延遲有很大影響，可能導致延遲時間超過 150 毫秒的要求。

為支持 COA 3，需要在參與 "一個海軍實驗室 "的每個作戰中心實施海軍網絡。在決定哪種網絡最適合 "一個海軍實驗室 "時，本報告考慮了帶寬、延遲、抖動、安全性和可用性。對現有的國防部網絡進行了調查，并確定了對 COA 3 最有利的選擇。確定的網絡包括聯合信息作戰范圍、聯合任務環境測試能力多級獨立安全網絡、聯合任務環境測試能力秘密網絡、國防研究與工程網絡以及國防研究與工程秘密網絡。

為估算各 COA 的成本，進行了成本分析。COA 0 的經常性費用來自為完成任務而前往不同地點工作（也稱為臨時任務 (TDY)）。COA 1 的初始費用是建立一個完全集成的實驗室和獲得 ATO，此外還有前往實驗室執行臨時任務和維護 ATO 的經常性費用。COA 2 的初始費用是建立 4 個完全集成的實驗室并為實驗室獲得 ATO，此外還有維護 ATO 的經常性費用。由于 COA 3 可以選擇使用的大多數網絡不產生任何網絡設備和維護費用（因為這些費用由外部機構承擔），因此 COA 3 在獲取和維護 ATO 方面具有標準的生命周期成本。如果四個作戰中心都實施相同的 COA，以 COA 0 的成本為基線，加上 COA 的初始成本，確定 COA 1 需要 198 年才能達到收支平衡，COA 2 需要 788 年才能達到收支平衡，COA 3 需要 3 年才能達到收支平衡。假定浐灞生態區增量擴建的年度預算控制在 600 萬美元，則實施 COA 1 和 COA 2 分別需要 20 年和 81 年。COA 3 將在一年內實施。由于假定一個作戰系統在需要現代化之前有五年的壽命，因此假定任何需要五年以上才能實施的 COA 都無法滿足要求。

此外，還進行了風險分析，以確定每個 COA 的風險，并為已確定的風險提供緩解戰略。每個 COA 都有自己的一系列風險，在使用時必須加以考慮。COA 0 和 COA 1 的風險最高，因為它們分別依賴于艦船和實驗室或綜合實驗室的時間表可用性，利用已確定的緩解計劃，可將風險降低到中等水平，如：制定相應的計劃、不斷核實艦船或實驗室的時間表、向用戶明確傳達時間表等。其余的 COA 具有低度到中度風險，可以通過實施建議的緩解計劃來降低風險。

所有經過評估的 COA 都符合執行所需用例的要求。然而，本報告建議繼續實施 COA 0。根據對 COA 的評估，COA 0 在實施 COA 的時間、掙值、技術可行性、時間安排風險和其他風險等評估措施方面提供了更多價值。此外，與其他 COA 相比，COA 0 的成本最低。報告最后確定了未來工作的幾個領域，包括使用與國防部網絡和實驗室專用硬件一致的信息和數值進行更多模擬和測試，以確認模擬的準確性；由于數值和詳細網絡信息的分類級別不在分配 A 范圍內，因此無法將其納入本報告。

根據陸軍多域作戰（MDO）條令，從戰術平臺生成及時、準確和可利用的地理空間產品是應對威脅的關鍵能力。美國陸軍工程兵部隊、工程師研究與發展中心、地理空間研究實驗室（ERDC-GRL）正在進行6.2研究，以促進從戰術傳感器創建三維（3D）產品，包括全動態視頻、取景相機和集成在小型無人機系統（sUAS）上的傳感器。本報告描述了ERDCGRL的處理管道，包括定制代碼、開源軟件和商業現成的（COTS）工具，對戰術圖像進行地理空間校正，以獲得權威的基礎來源。根據美國國家地理空間情報局提供的地基數據，處理了來自不同傳感器和地點的四個數據集。結果顯示，戰術無人機數據與參考地基的核心登記從0.34米到0.75米不等，超過了提交給陸軍未來司令部（AFC）和陸軍采購、后勤和技術助理安全局（ASA（ALT））的簡報中描述的1米的精度目標。討論總結了結果，描述了解決處理差距的步驟，并考慮了未來優化管道的工作，以便為特定的終端用戶設備和戰術應用生成地理空間數據。

圖3. ERDC-GRL的自動GCP處理管道。輸入數據為JPEG格式的FMV/Drone圖像、參考/地基圖像和參考/地基高程。藍色方框代表地理空間數據，而綠色方框是處理和分析步驟。

美陸軍的現代化優先事項包括開發增強現實和虛擬現實（AR/VR）模擬，以增加兵團和士兵的準備。美國陸軍工程研究與發展中心（ERDC）對AR/VR技術的使用在軍事和民用工程項目任務領域也在增長。ERDC海岸和水力實驗室（CHL）已經開發了一個艦船模擬器，用于評估世界各地的海灣渠道；然而，目前的模擬器在近岸海岸地區幾乎沒有物理真實性（圖1）。因此，ERDC團隊正在研究推進艦船模擬的機會，以提供未來的艦船模擬器（SSoF）。SSoF將配備一個VR模式，并將通過攝取Boussinesq型波浪模型的預計算輸出來更準確地解決近岸波浪現象。SSoF應用的最初原型是用于研究和開發目的；然而，所采用的技術將適用于其他學科和項目范圍，包括合成訓練環境（STE）和未來版本的船舶和海岸結構設計。