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

美空軍指揮與控制部門的主要官員在全美空軍作戰研討會上表示，空軍已經購買、部署并開始試驗一種先進的新型指揮與控制節點，并在購買數百種新節點之前征求空軍飛行員的反饋意見。

美空軍指揮、控制、通信和作戰管理主管克羅普西（Luke C.G. Cropsey）準將說："戰術作戰中心--光（TOC-L）是一個計算機系統，它能......對空戰管理者和空中圖像特有的 800 種不同信息源進行'出色的融合數據整合'。"

美空軍目前有 16 個 TOC-L 原型正在進行實地測試。

Cropsey說："我把它稱為我們在 C2 基礎設施方面的基本構件。這些系統正在被整合到一些聯合司令部級別的演習以及各軍種發起的演習中，這樣我們就能給操作人員一個機會去摸索，找出哪些有效，哪些無效，哪些需要修改......然后我們將很快進入該計劃的第二階段，在那里我們將真正開始擴展這種能力"。

Cropsey說，美空軍將需要多少套TOC-L套件尚不清楚，但數量將在數百而非數千。

先進作戰管理系統跨職能小組主任丹尼爾-C-克萊頓準將說，空軍將向陸軍的 "融合項目頂點4"演習（Project Convergence "Capstone 4"）部署一套 TOC-L 系統，該演習將于 2 月 23 日至 3 月 20 日舉行。融合項目演習的重點是五角大樓更廣泛的聯合全域指揮與控制工作，以加快從傳感器到射手的決策過程。

這套裝備將用于克羅普西和克萊頓的另一個重大項目：基于云的指揮與控制（CBC2）將 750 個雷達饋送的數據融合到一個界面中，并利用人工智能幫助戰斗管理者選擇和執行行動路徑。

去年秋天，在美國空軍航空、航天與網絡大會上，克羅普西介紹了向美國北方司令部和北美航空航天防御司令部推出 CBC2 的情況。五個月后的本周，他透露該系統已在北美防空司令部的東部防空分區和加拿大防空分區投入使用，"更多的系統即將投入使用"。

圖：去年 4 月，西部防空分區第 225 防空中隊的三名成員在俄勒岡州里亞營首次測試了基于云的指揮與控制 (CBC2) 的執行能力。美國空軍國民警衛隊技術中士 Anthony Milton 拍攝。

與數十億美元的飛機采購相比，CBC2 和 TOC-L 是相對低調的項目，但克羅普西和克萊頓說這是設計的初衷。

克羅普西說："你不會看到我所說的數億美元的大項目、大手筆、大獎勵，你會看到很多非常有目標定位、具體的工程，在這里做一件事，在那里做一件事，做一些集成，展示另一種能力，然后盡快將其投入作戰。"

克羅普西以 "分布式作戰管理節點"（Distributed Battle Management Node）為例說，"它是一個能夠將這些單個部件整合成單一能力的系統"。他說，空軍正在為該計劃的第二階段征求業界意見，而第一階段的原型機即將開始運抵空軍控制中隊。

兩年前，空軍部長弗蘭克-肯德爾（Frank Kendall）將實戰相關的 C2 能力列為空軍七大作戰要務之一，而克羅普西和克萊頓幾個月來一直強調，他們不是在簡單地構想未來能力，而是在推出真正的解決方案。

克萊頓說："七年前，我們只是在圖表上畫了很多閃電。那些日子已經過去了。我們在戰場上有實際的東西，可以讓作戰人員對其進行測試和實驗，并在今天擁有決策優勢。"

參考來源：Air & Space Forces Magazine

以色列陸軍首次在加沙作戰中部署了一些人工智能軍事技術，引發了人們對現代戰爭中使用自主武器的擔憂。

以色列陸軍暗示了新技術的用途，發言人丹尼爾-哈加里（Daniel Hagari）上個月說，以色列軍隊正在 "地上地下同時 "行動。

一名高級國防官員告訴法新社，這項技術正在摧毀敵方的無人機，并繪制哈馬斯在加沙的龐大地道網絡。

新的國防技術，包括由人工智能驅動的槍炮瞄準器和機器人無人機，成為以色列科技產業在這個不景氣時期的一個亮點。

2022 年，該行業占國內生產總值的 18%，但加沙戰爭造成了嚴重破壞，估計有 8% 的勞動力被征召參戰。

以色列科技孵化器 Startup Nation Central 的首席執行官阿維-哈森（Avi Hasson）說："總的來說，加沙戰爭帶來了威脅，但也帶來了在戰場上測試新興技術的機會"。

"無論是在戰場上還是在醫院里，在這場戰爭中都使用了過去未曾使用過的技術"。

但人權觀察組織的武器專家瑪麗-瓦瑞姆（Mary Wareham）告訴法新社，平民死亡人數的上升表明，需要對新型防御技術的使用進行更嚴格的監督。

她說："現在，我們正面臨著死亡和苦難的最糟糕局面--其中一些是新技術造成的。"

150多個國家在12月支持了一項聯合國決議，其中指出了新軍事技術的 "嚴重挑戰和問題"，包括 "武器系統中的人工智能和自主性"。

• “憤怒的小鳥” 據法新社根據官方數據統計，哈馬斯于10月7日對以色列發動了史無前例的襲擊，造成以色列境內約1160人死亡，其中大部分是平民。

哈馬斯還劫持了約 250 名人質，以色列稱仍有約 132 人滯留在加沙，其中至少有 29 人據信已被殺害。

據哈馬斯統治的加沙地帶衛生部稱，以色列的軍事反擊已造成加沙近 28,000 人死亡，其中大部分是婦女和兒童。

與許多其他現代沖突一樣，這場戰爭也是由廉價的無人駕駛飛行器（UAV）（又稱無人機）的擴散所決定的，這種飛行器使空中襲擊變得更加容易和便宜。

10 月 7 日，哈馬斯使用無人機投擲爆炸物，而以色列則利用新技術將其擊落。

以色列陸軍首次使用了一種由以色列初創公司Smart Shooter制造的人工智能光學瞄準鏡，它被安裝在步槍和機槍等武器上。

這位高級國防官員說："這有助于我們的士兵攔截無人機，因為哈馬斯使用了大量無人機。"

它讓每個普通士兵--甚至是盲人士兵--都成為狙擊手。

另一種使無人機失效的系統是部署一架帶有網的友軍無人機，它可以向敵方飛行器投擲網，使其失效。

這位官員說："這是無人機與無人機之間的較量，我們稱之為'憤怒的小鳥'。"

• 哈馬斯隧道 本雅明-內塔尼亞胡總理誓言**"摧毀 "哈馬斯的支柱之一是迅速繪制地下隧道網絡，以色列稱該組織的戰斗人員藏匿于此并劫持人質**。

該網絡非常龐大，陸軍將其稱為 "加沙地鐵"，美國西點軍校最近的一項研究稱，共有 1300 條隧道，綿延 500 多公里（310 英里）。

為了繪制隧道地圖，陸軍已轉向使用人工智能來學習探測人類并能在地下作業的無人機，其中包括以色列初創公司 Robotican 制造的一種將無人機包裹在機器人外殼內的無人機。

這位以色列高級國防官員說，這種無人機被用于加沙，"進入地道，在通訊允許的范圍內查看"。

這位官員補充說，戰前，由于向地面發送圖像存在問題，無人機無法在地下作業。

這場沖突引發了對人權的關注，但也鞏固了以色列作為世界領先的尖端防御系統制造商的地位。

華爾街日報上個月報道稱，美國--以色列的主要國際盟友和每年數十億美元軍事援助的提供者--正在訓練本國士兵使用智能射手的光學瞄準鏡擊落無人機。

圖：一名以色列士兵從以色列南部沿加沙邊境發射無人機

圖：以色列陸軍在加沙戰爭中部署了一些由 Al 支持的軍事技術

圖：以色列用人工智能繪制哈馬斯在加沙的地道網絡

參考來源: nbcrightnow

這項調查旨在確定能夠在 13 個與航空彈藥相關的研究領域開發最新解決方案的潛在來源。

美國國防承包商只有兩周的時間來表明他們對參與即將開展的空中優勢研究項目的興趣，這些項目涉及建模與仿真、飛機集成、目標跟蹤、導彈制導與控制以及用于無人機群的人工智能（AI）等使能技術。

位于佛羅里達州埃格林空軍基地的美國空軍研究實驗室彈藥局官員周二發布了2024年空中優勢廣泛機構公告項目的尋源通知（FA8651-24-S-0001）。

這項市場調查旨在確定具有專業知識、能力和經驗的潛在來源，以便在 13 個與空投彈藥相關的研究領域開發最先進的解決方案，這些領域包括

• 建模、仿真和分析；
• 飛機集成技術；
• 尋找固定目標跟蹤和數據鏈技術；
• 交戰管理系統技術；
• 高速引信
• 導彈電子設備
• 導彈制導和控制技術
• 先進彈頭技術
• 先進導彈推進技術
• 控制驅動系統；
• 導彈運載和釋放技術
• 導彈測試和評估技術；以及
• 人工智能和機器自主。

建模、仿真和分析旨在開發模型，以分析空中優勢概念，如相互通信武器、新型破壞機制、致命和新型破壞機制、若干目標定位和關鍵時間投送。詳細建模包括傳感器、空氣動力學、自動駕駛儀、導航和制導方案、推進、彈頭、引信、數據鏈、火控、發射器、懸掛、運載和釋放、誤差過濾器、環境（風、霧和塵埃）、殺傷力、脆弱性和威脅。

創新飛機集成技術旨在設計、開發和演示飛機集成技術的物理、電氣和邏輯接口。

尋找-固定-目標-跟蹤和數據鏈技術旨在開發探測飛機威脅的技術。感興趣的技術包括用于空對空導彈的小型數據鏈終端、保形數據鏈天線、替代波形以及支持空對空導彈群的數據鏈應用。

交戰管理系統技術力求在競爭日益激烈的環境中最大限度地提高飛機的生存能力，同時降低誤報率和交戰成本。這些技術可能只需要有限的機組人員監督，也可能是自主操作的。

高速引信涉及能夠安全啟動彈頭的電子安全和武器技術、目標探測裝置和制導綜合引信裝置，這些裝置能夠提供小型化、快速反應、精確的射程和位置信息，用于高閉合速度攔截慢速和快速移動的目標。

導彈電子設備旨在研究空對空導彈的動力和電子設備，涉及動力轉換和分配、發電和存儲技術、制導電子設備和熱管理。

導彈制導和控制技術旨在研究針對機動目標的制導算法、實時優化發射和能量管理、集成制導和控制、減少尋的器測量和最終控制鰭指令之間的延遲、尋的器技術和算法、目標狀態估計器以及第三方排隊。

先進彈頭技術旨在研究常規彈頭和概念彈頭技術，以利用技術摧毀、破壞、擊敗或剝奪相關目標的功能，從而使空射彈藥具備強大且經濟實惠的能力。

先進導彈推進技術涉及推進劑配方、顆粒結構、殼體技術、點火安全裝置、噴嘴技術和多脈沖發動機屏障。

控制執行系統旨在開發高效的導彈飛行控制，涉及微型執行器、高速執行系統、低成本控制執行技術、鉸接式導彈雷達罩、高速導彈折疊鰭概念以及先進的機身控制技術。

導彈運載和釋放技術旨在研究使用高速數據飛機到武器通信、吊艙結構以及飛機到武器電力轉換和分配系統的武器艙應用高密度運載。

導彈測試和評估技術尋求加密遙測方法，以減輕當前加密遙測系統的后勤負擔；自主飛行終止系統，以消除對機載飛行終止接收器和天線的需求；小型化和大功率導彈跟蹤信標；小型化爆炸物引爆模塊；以及雙重導彈跟蹤技術。

人工智能和機器自主旨在為成群的網絡協作和自主武器系統開發機器學習能力。

參考來源：militaryaerospace

英國國防部利用 SimStriker 機器人中的 ChatGPT 增強作戰訓練，使士兵與目標的動態對話成為現實。

英國國防部（MoD）計劃將 ChatGPT 語言模型集成到用于軍事演習的機器人靶標中，從而徹底改變近距離作戰訓練。戰斗訓練專業公司 4GD 獲得了國防與安全加速器的一份合同，將把先進的 ChatGPT 系統整合到其 SimStriker 機器人靶標中。

SimStriker：近身格斗訓練的突破性進展

由 4GD 于 2020 年開發的 SimStriker 已在英國科爾切斯特的 SmartFacility 使用，目前為英國陸軍第 16 空中突擊旅提供服務。2022 年，該設施記錄了超過 1200 小時的訓練，包括國防部警察和平民參與者在內的各種用戶都參與其中。

SimStriker 機器人目標具有 "命中區域 "傳感器，可記錄精確度和射速，為評估士兵表現提供寶貴數據。這些目標還擁有探測移動、光線和聲音的精密儀器。它們可以發出聲音，發出警報，使用非致命彈藥進行反擊，并在交戰時落在自己的基地上。

集成 ChatGPT，實現動態對話

在 11 月 27 日的最新公告中，4GD 披露了將 OpenAI 的 ChatGPT 系統集成到 SimStriker 的計劃，使士兵能夠與目標進行 "動態對話"。這一集成是與軟件解決方案公司 NIAXO 合作進行的，旨在通過引入多樣、逼真的互動來增強軍事訓練場景。

操作員可以配置或選擇預先配置的場景，并在培訓過程中與 SimStriker 進行口頭交流。這項創新性的開發將模擬社交媒體饋送和其他環境刺激結合在一起，創造了一個更加身臨其境和動態的訓練環境，從而使訓練更進一步。

英國國防部實現逼真訓練的戰略舉措

將 ChatGPT 集成到戰斗模擬機器人中的決定與全球軍事力量投資于增強現實和虛擬現實等技術以進行高性價比訓練的大趨勢相一致。雖然虛擬仿真具有優勢，但真實世界的訓練對于建立和保持作戰效能仍然至關重要。

英國國防部將 ChatGPT 納入 SimStriker 的舉措標志著互動培訓解決方案的最新發展，彌補了技術進步與實際作戰場景之間的差距。現代戰爭要求士兵在復雜的近距離環境中作戰，整合先進的語言模型旨在提供更加逼真和動態的訓練體驗。

用合成對話增強真實感

國防與安全加速器（DASA）強調了在 SimStriker 中添加 ChatGPT 的重要性，并強調了逼真訓練場景的必要性。目標是讓目標與士兵及其裝備進行 "合成對話"，包括社交媒體饋送。這一創新有望使訓練課程更加多樣、動態和身臨其境，有助于提高士兵的反應能力和決策技能。

4GD 業務發展總監詹姆斯-克勞利（James Crowley）對這一發展表示興奮，他說："DASA 授予我們這份合同證明，4GD 將與我們的行業合作伙伴一起，繼續調整我們的解決方案，以實現最佳的培訓效果。他補充說，人工智能的集成為城市戰爭場景增添了另一層真實感，進一步提高了軍事訓練模擬的效果。

隨著英國國防部對尖端技術的青睞，將 ChatGPT 集成到戰斗模擬機器人中標志著一個重要的里程碑，推動了英國武裝部隊近身格斗訓練的真實性和有效性。

參考來源：Interesting Engineering, Inc.

數字化作戰在未來幾十年的戰爭中至關重要。

軟件定義國防被認為是 "游戲規則的改變者"，對當今各國軍隊的使用至關重要。軟件將成為軍事能力的決定性特征。12月7日，德國網絡與信息領域服務局局長托馬斯-道姆（Thomas Daum）海軍中將在美國空軍歐洲航空航天協會主辦的法蘭克福TechNet跨大西洋國際會議上發表講話時說，沒有實現軍事行動數字化的國家將無法在戰場上生存。

"毫無疑問，任何軍事資產的火力仍然非常重要。"然而，如果你的坦克、艦艇和飛機不是數字化戰場上的一個網絡節點，你將無法生存。你需要更快地識別畫面。你們需要更好的決策。你需要更早、更精確地進行打擊，或者用更正式的話來說，信息優勢導致決策優勢，而決策優勢又會影響優勢"。

此外，道姆上將指出，透明戰場已經成為現實。

他說："我們已經實現了數字化，影響深遠的數字化，即使在偏遠地區也可以實現數據連接"。"智能設備、手機和微型無人機的創造性應用極大地提高了情報、監視和偵察能力，實現了互聯互通。再加上傳輸時間的縮短，確實縮短了戰術領導人的反應時間。

隨著戰斗速度的加快和決策時間的減少，當前和未來戰場需要更多的防御，因此軟件化戰爭至關重要。

這位海軍上將建議說，傳統上缺乏數字化的陸軍正在利用軟件定義的無線電推進作戰。他解釋說："多年來，我所看到的涉及陸地領域的唯一相關解決方案是發展聯合戰術火力支援"。"如今，有了帶寬更高的數字軟件定義無線電和數字傳輸波形，陸軍的新時代已經開啟。通過引入作戰管理系統，可以連接平臺，交換識別圖片，及時分配目標，優化該領域的殺傷鏈。"

不過，道姆也表示，士兵需要能夠理解和接受現代自動化數據交換的優勢，并知道如何通過平臺提高作戰能力。

這位海軍上將認為，連接地面作戰系統還將取得進一步的成果，包括集成內部總線系統和控制功能，以利用戰斗管理平臺。"然后以這種方式連接炮塔、連接火炮和指揮控制系統，有了這些，我們就可以在這個陸域進行第三方瞄準。"他澄清說，"炮塔可以自動返回通過網絡接收到的目標。這實際上就是軟件定義防御發揮作用的地方"。

在他的設想中，道姆將軟件定義國防視為軍事平臺。與坦克的數字化不同，坦克被視為移動計算機。他解釋說："軟件作為一種具體詳細的解決方案，不再是平臺的功能之一"。"相反，武器平臺變成了以一個巨大的互連網絡為中心的游泳、飛行或滾動武器載體，由軟件系統運行和操作。因此，歸根結底，艦艇、飛機和坦克只是圍繞著處理器和操作軟件系統的硬件。在我看來，護衛艦就是一個海上數據中心"。

為了實現這一愿景，軍隊將需要數據中心連接架構、基于云的高度自動化系統，并與人工智能和機器人技術相結合，以大大加快決策速度。

道姆還指出，軟件定義國防將有助于彌補軍隊在人員和物資方面的劣勢。

他說："這無異于一個新時代的開始，[隨著]現代戰爭的基本原則、架構原則、組織原則和作戰原則的轉變"。

參考來源：AFCEA

"我沒有信號 "是我們經常說的一句令人不安的話。這句話很煩人，因為它意味著我們無法接收智能手機上的電子郵件或信息，無法撥打電話，也無法訪問許多應用程序。對于作戰人員來說，沒有信號會影響任務的成功，甚至危及生命。

美國陸軍作戰能力發展司令部和陸軍研究實驗室的 "探路者 "計劃試圖通過 "先進動態頻譜偵察"（ADSR）來解決這一問題。它是針對戰場上的實際挑戰快速開發先進解決方案的成功范例。它也是與國防創新非營利組織軍民創新研究所（CM12）合作的成果，是通過與范德比爾特大學合作執行的首批 "開拓者 "項目之一。

應美陸軍第 7 訓練連的請求，ADSR 于 2023 年 9 月開始在德國多國聯合戰備中心對第 101 空降師的士兵進行測試。 它還將進一步用于北約和北約伙伴單位在該基地的訓練。

ADSR團隊成員、范德堡杰出駐校企業家亞當-杰伊-哈里森（Adam Jay Harrison）說："如果沒有開拓者公司，我們在ADSR項目中使用的技術很可能永遠不會面世"。"直到開拓者公司提出了陸軍的具體作戰需求，并提供了士兵參與的機制，我們才發現如何利用我們的技術提供令人信服的解決方案"。

人工智能驅動

ADSR 是一種由人工智能（AI）驅動的系統，可使美國陸軍的無線通信網絡感知并避開敵方干擾，減少可能使敵方瞄準陸軍部隊的射頻射頻輻射。

該技術最初是由范德比爾特大學的一個研究小組在美國國防部高級研究計劃局（DARPA）主辦的兩次挑戰賽中開發出來的，自2021年以來，該技術通過與田納西州坎貝爾堡101部隊的士兵進行一系列作戰實驗而不斷完善，同時還在羅馬尼亞東部的斯馬爾丹訓練區和西弗吉尼亞州中部的CMI2自適應實驗設施進行了實驗。

這已經贏得了立法者的贊譽。

參議員瑪莎-布萊克本（Marsha Blackburn，田納西州共和黨人）說："我們必須確保為美軍配備最先進的工具和技術，增強他們戰勝任何敵人的能力"。"這就是我一貫支持'開拓者'計劃的原因，該計劃利用范德堡大學和田納西大學等優秀大學的研究成果來解決陸軍最棘手的一些問題。在我們保持美國對對手的軍事優勢時，這種伙伴關系至關重要"。

為電子戰士兵提供動力

最近，來自第三步兵師的電子戰士兵在 "聯合決心"（Combined Resolve）演習中使用了新的 ADSR 技術。"聯合決心 "演習是美國陸軍在歐洲和非洲經常舉行的系列演習，在巴伐利亞的第七陸軍訓練司令部和多國聯合戰備中心舉行。舉行 "聯合決心 "演習的目的是評價和評估一個旅在復雜的多領域作戰空間中開展行動的能力，并加強與盟友和合作伙伴的互操作性和戰備狀態。

第三裝甲師網絡戰軍官布倫登-舒特（Brenden Shutt）中尉說："[旅戰斗隊] BCT 內的電子戰單元在瞄準敵人時總是在尋找優勢"。"能夠實時了解頻譜的傳感能力促使工作識別敵方的電磁特征，以便在戰場上迅速發揮作用。我們依靠戰術和技術的不斷創新來保持在電子戰中的優勢"。

2023年4月，第101空降師（空中突擊）在西弗吉尼亞州進行了測試，這是CMI2 "在現實訓練日推動創新 "活動的一部分，戰友們在測試新興技術的同時，還進行了基于真實場景的訓練。真實世界的試驗凸顯了 "開拓者 "計劃和 ADSR 等項目在將前沿學術研究應用于實際軍事方面的價值。

參議員比爾-哈格蒂（Bill Hagerty）表示："開拓者計劃仍然是陸軍、合作大學和田納西州之間令人興奮的合作伙伴關系"。通過該項目，陸軍獲得了前線作戰人員所需的最先進的技術能力，大學生接觸到了可用于塑造未來研究的實際問題，田納西州則受益于與 "開拓者-空中突擊 "相關項目所創造的高薪技術崗位。

參考來源：ClearanceJobs，Peter Suciu

美國歐洲司令部和美國印度洋-太平洋司令部將與首席數字和人工智能辦公室的算法戰爭局和國防創新部門合作，建立兩個BRAVO人工智能作戰實驗室，以加快從國防部（DOD）戰區作戰數據中學習。明年，實驗室將在美國聯邦政府范圍內組織多場 "BRAVO 黑客馬拉松 "活動，其中包括與聯盟合作伙伴共同組織的一些活動。

"BRAVO 黑客馬拉松為美國防部提供了一個實踐和推廣以用戶為中心的設計和敏捷軟件開發基礎的機會，"國防部負責算法戰爭的副首席數字和人工智能官喬-拉爾森（Joe Larson）說。"通過為在歐洲司令部（EUCOM）和印太司令部（INDOPACOM）建立人工智能作戰實驗室提供種子資金，將與作戰人員一起設計和測試數據分析和人工智能能力，而不是為他們設計和測試，從而提供信息并加強能力，使能夠準確地提供他們所需的信息，從而贏得勝利。"

這些多分類實驗室將收集戰區作戰數據，包括后勤、網絡和遙測數據，并與美國防部企業共享，為聯邦實體、行業、聯盟伙伴和美國公民之間的數字整合提供中心樞紐。BRAVO黑客馬拉松系列活動將繼續組織為期一周的活動，以便在軟件開發環境中整合任何分類的數據，該環境允許使用未經信任許可的開源軟件和商業軟件，以及未經批準用于生產系統的數據。

"我們將代表美國防部，將BRAVO的開發經驗部署到作戰司令部，舉辦有時間限制的黑客馬拉松活動，并不斷開發和整合從作戰戰區數據中開發的能力，"空軍首席數字轉型官兼BRAVO人工智能作戰實驗室執行代理斯圖爾特-瓦格納（Stuart "Dr" Wagner）說。"鑒于自由社會最大的競爭優勢在于創新與合作，實驗室將為國防部、工業界和聯盟合作伙伴提供一個物理和數字空間，在此進行偶然的社會碰撞，為應對同行競爭對手的挑戰提供原型解決方案。任何美國公民都有資格申請參加公共 BRAVO 黑客馬拉松"。

鼓勵聯邦政府雇員和聯邦承包商與這些實驗室分享用例、數據、基礎設施或潛在合作。希望與這些實驗室合作的美國公民和企業可與國防創新部門聯系。

國防創新部主任道格-貝克（Doug Beck）說："我們期待著與BRAVO實驗室合作，以確保希望使用國防部數據的開發人員和公司能夠快速訪問他們所需的環境，以展示操作相關性。"

這些實驗室將延續該系列自下而上解決問題的方法，由軍人、文職人員和聯邦承包商提出項目建議，并組成自組織團隊，在作戰司令部內開發原型。

美國陸軍歐洲司令部參謀長彼得-安德里西亞克少將說："在當今日益復雜的威脅環境中，使用新興的人工智能工具快速分析和利用數據以獲得決策優勢至關重要。在USEUCOM地區建立一個BRAVO人工智能作戰實驗室是該司令部的一項重要投資。在司令部的關鍵時刻，該實驗室將與盟友和合作伙伴一起，在應對一系列挑戰時實現更大的邊緣創新"。

該實驗室旨在將作戰司令部、國防部企業和聯盟伙伴的能力從數據攝取、系統集成到批準使用進行互聯。空軍的異構電子系統系統技術集成工具鏈（STITCHES）將把各種作戰司令部和服務級系統直接集成到實驗室。

在六個不同地點舉行的三次 BRAVO 黑客馬拉松活動中，已根據國防部的業務數據按三個分類制作了 81 個業務原型，其成本約為國防部現有最低可行產品創新管道（如小型企業創新研究計劃第二階段贈款）的 2%。

自 2023 年 3 月在佛羅里達州赫爾巴特菲爾德舉辦 BRAVO 10 黑客馬拉松以來，其中 33% 的項目已投入生產或獲得后續資金承諾，總額超過黑客馬拉松本身成本的 75 倍。之前活動中的數十個原型已獲得進一步資源支持，并在大型語言模型、太空發射、飛行遙測和生物識別、雷達彈性、無人系統、人員恢復、傳感和瞄準、用戶體驗、情報分析、態勢報告自動分析、戰斗損傷評估、關鍵通信系統可靠性以及法律和行政運作等領域對主要國防項目產生了影響。

瓦格納說："盡管BRAVO黑客馬拉松活動速度快、影響大，但仍然發現，從利用作戰數據開發能力、校準或戰術到在戰區使用，需要數月或數年的時間"。瓦格納說："我們正在部署這些實驗室，以便將這一時間縮短 100 倍--從數月或數年縮短到數天，最終縮短到數小時--方法是使數據分類確定和操作應用授權等官僚流程日益自動化。如果成功，將以比戰略競爭對手更快的速度調整能力和戰術，使之適應"。

BRAVO的名稱來源于20世紀20年代比利-米切爾（Billy Mitchell）頗具爭議的 "B項目戰艦轟炸試驗"（Project B battleship bombing trials），該試驗通過演示轟炸機擊沉戰艦，創造性地推翻了戰爭部長的首要資助目標。

為提升無人機在復雜空戰場景中的存活率, 基于公開無人機空戰博弈仿真平臺, 使用強化學習方法生成機動策略, 以深度雙Q網絡(double deep Q-network, DDQN)和深度確定性策略梯度(deep deterministic policy gradient, DDPG)算法為基礎, 提出單元狀態序列(unit state sequence, USS), 并采用門控循環單元(gated recurrent unit, GRU)融合USS中的態勢特征, 增加復雜空戰場景下的狀態特征識別能力和算法收斂能力。實驗結果表明, 智能體在面對采用標準比例導引算法的導彈攻擊時, 取得了98%的規避導彈存活率, 使無人機在多發導彈同時攻擊的復雜場景中, 也能夠取得88%的存活率, 對比傳統的簡單機動模式, 無人機的存活率大幅提高。

現代空戰環境錯綜復雜, 空空導彈和機載雷達性能不斷提升, 超視距空戰已經在現代空戰中占據主導地位[1], 空空導彈也早已成為打擊空中單位的主要武器。無人機作為空中戰場的理想作戰目標之一, 被普遍運用到軍事領域當中[2]。利用無人機可持續大機動的飛行特點, 采取高效的機動策略以提高無人機對導彈的規避、逃逸成功率, 對提升無人機的空戰生存能力而言至關重要[3]。

無人機規避空空導彈問題一直都是空戰的研究熱點。王懷威等[4]采用蒙特卡羅方法驗證了無人機實施常規盤旋機動規避導彈的效果。Imado等[5]利用微分對策法研究導彈與無人機差速博弈的問題。另外, 還有諸多針對導彈的規避方式[6-10]、規避效能評估[11-13]以及無人機最優或次優規避策略解析解[14-16]等方面的研究。以上方法依賴于完備的空戰對戰模型以求解在單枚導彈打擊情況下的最優機動策略, 當導彈數量變化時, 模型很難理解, 而且建立空戰對戰模型本身就是一個非常復雜的過程, 需要使用大量微分函數結合積分函數，才能表征無人機與導彈狀態屬性的轉移規律。

深度強化學習(deep reinforcement learning, DRL)算法在馬爾可夫決策過程(Markov decision process, MDP)基礎上, 采用端到端學習方式, 以態勢信息為輸入, 直接利用神經網絡獲取輸出, 控制智能體作出決策, 被廣泛應用于自動化控制當中[17-22]。范鑫磊等[23]將深度確定性策略梯度(deep deterministic policy gradient, DDPG)算法[24]應用于無人機規避導彈訓練, 在簡易模型下對固定態勢攻擊的空空導彈進行仿真驗證。宋宏川等[25]針對導彈制導規則設計成型獎勵, 用DDPG算法訓練無人機規避正面來襲的導彈, 對比典型規避策略, 訓練出了僅次于置尾下降機動的逃逸策略。

上述研究表明, 無人機能夠通過特定的機動方式來規避空空導彈的打擊, 而深度強化學習算法可以訓練出自動規避空空導彈的智能體。總體而言, 以往研究大多基于單枚導彈打擊場景。但是在超視距空戰中, 多枚導彈從不同方向鎖定無人機并發動協同攻擊的情況屢見不鮮。在這種情形下, DRL算法會存在狀態空間維度大, 狀態信息維度不斷變化, 神經網絡輸入維度難以固定, 算法收斂性能差等問題。

針對以上問題, 本文提出一種基于單元狀態序列(unit state sequence, USS)的強化學習算法(reinforcement learning method based on USS, SSRL)。在該算法中，首先，將導彈和無人機進行一對一的特征編碼，形成特征單元; 其次，根據距離優先級對所有編碼后的特征單元進行排序, 組合成一個USS; 然后，使用門控循環單元(gated recurrent unit, GRU)對USS中的特征單元進行特征融合, 提取其中的隱藏特征信息; 最后，將隱藏特征信息看作該時刻的狀態信息，并將信息傳入強化學習算法的神經網絡。將該算法分別應用于深度雙Q網絡(double deep Q-network, DDQN)[26]和DDPG算法上, 在公開無人機空戰博弈仿真平臺上進行訓練。仿真結果表明, 由SSRL算法訓練的智能體能夠學到連續規避機動策略, 控制無人機進行規避導彈機動, 增加導彈脫靶量, 提升無人機連續規避導彈的成功率。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）-大西洋研究中心和加拿大通用動力任務系統公司（GDMS-C）向加拿大自然科學與工程研究委員會（NSERC）成功申請了一項名為海軍信息空間自動監測（AMNIS）的三年期資助項目。AMNIS啟動會議于2020年10月14日舉行，許多教授、國防科學家和GDMS-C技術人員參加了會議。會議為這三個組織確定了許多行動。與DRDC和GDMS-C相關的一項行動是需要與任務相關的場景來幫助指導預期的研究。因此，DRDC率先描述了一個有代表性的海陸場景，使研究人員能夠更好地了解與AMNIS有關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。該任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對勢力還試圖偷竊這些物資。該情景描述了通過更好的處理技術和決策來改善信息流、共享和使用的必要性。該方案旨在引起進一步的討論，并幫助鞏固AMNIS參與者的研究課題。

1 引言

2015年，加拿大皇家海軍（RCN）的海上信息戰（MIW）概念[1]發布，概述了信息對RCN的影響。MIW的推出使人們非常需要關注信息，它既是皇家海軍使用的一種資源，也是為了更全面地使用和利用優勢而需要理解的一個概念。

該概念文件概述了信息的影響，包括其廣泛的可用性、皇家海軍對信息的依賴性以及信息的使用，特別是在戰爭中和作為戰爭倍增器的跨梯隊的使用。該概念文件還談到需要更好的處理技術來處理MIW功能領域內的數據量，如指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）、指揮和控制（C2）、情報、監視和偵察（ISR）以及態勢感知（SA）。

在MIW概念文件之后，2016年又發布了RCN信息戰戰略文件[2]。這里的重點是發展海戰MIW能力和能力，以支持國內活動（即加拿大的防御）和國際部署。盡管戰略文件指出了信息的更多傳統用途，如收集、利用和傳播，但它也認識到網絡武器領域是一個機動的地方，可以采取防御和進攻的行動。MIW的概念文件涉及物理、虛擬和認知領域，而戰略文件則談到了信息領域，從而表明了信息對于作戰人員的地位和重要性。

在概念和戰略文件之后，加拿大在2017年發布了新的國防政策[3]。該國防政策并沒有明確提到信息領域。然而，該政策確實催生了兩個最近的文件，繼續表明信息對RCN的重要性：2019年的DND數據戰略[4]，以及2020年的RCN數字海軍[5]。

數字海軍[5]支持加拿大國防政策[3]的創新目標，特別是那些涉及適應和利用新技術的能力。數字海軍 "作為一個指南，將數字技術與人結合起來加以利用，以確保未來海軍的成功和可持續。這份文件提出的前進方向涉及自動化、大數據分析、云計算、人工智能（AI）和機器學習（ML）方面的創新，成功是指通過上述手段做出數據驅動的決策的RCN。

數字海軍的概念促進了企業和運營RCN社區在決策中對數據的使用。在操作方面，這是為了將海軍團隊和水兵從日常工作中更平凡的方面解放出來，通過自動化功能，如基于規則的重復性任務。從更廣泛的操作角度來看，使用這種數字技術和技巧是為了更好地進行操作。

上面提到的所有文件都指出，希望將RCN推向一個信息組織，在這個組織中，信息是用來使用的，但也被用作防御和安全的工具。由于其中一些方面對RCN來說是新的，因此顯然需要一個由信息科學、人工智能、ML以及將這些與認知科學相結合的專家組成的強大而明智的科學團體，以開發更好的人類決策模型來支持RCN的目標。

1.1 發展科學專長

通過政府、學術界和工業界合作伙伴的參與，建立了一個強大而知情的科學界。這個群體完全有能力在與現代軍隊相關的科學和技術問題上取得進展，以幫助滿足國內和國外對加拿大武裝部隊（CAF）不斷增長的需求。

為了發展這個社區，在自然科學與工程研究委員會（NSERC）的聯盟計劃下，成立了一個DRDC（大西洋研究中心）、工業界（加拿大通用動力任務系統公司，GDMS-C）和學術界（達爾豪西大學）的伙伴關系。提交并被NSERC接受的提案名為《海軍信息空間自動監測》（AMNIS）。該提案概述了海上和陸地的信息問題，特別是數據整合、事件和警報的ML、信任和對抗性數據，以及信息的可視化和呈現供用戶使用。

為了給學術研究小組提供背景和指導，下面提供了一個大大簡化的行動的基于場景的描述。該方案包括許多問題，表明與AMNIS相關的可能研究途徑。這里的目的是培養研究人員對與DRDC和GDMS-C有關的問題的理解，使研究人員能夠發展自己的思路，幫助他們追求與他們的研究和AMNIS有關的創新方法、技術和發現。

這項工作的動機是基于兩個愿望，即：

1.描述一個現實但簡化的操作，其中存在與AMNIS相關的信息問題，以及。

2.強調在AMNIS項目下DRDC和GDMS-C感興趣的研究領域。

1.2 概要

其余各節將提供一個現實場景的發揮、可視化部分、性能建模、決策和學習的概述。每一節都包含了一系列的問題，這些問題的提出有助于為研究工作提供思考點和指導。

第2節描述了一個聯合行動的場景，陸地和海洋部隊共同支持人道主義任務。通過可能被破壞并有相關安全風險的節點相互連接和共享信息資源來實現這一目的。第3節討論了可視化在該場景中的作用及其對決策的影響。這包括物理環境的可視化表示，以及額外信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和多樣化技術合作的人類表現模型。第4節討論了如何利用數據檔案來開發和學習對抗性注入檢測方法。第5節以總結性意見完成了本文。