北約（NATO）研究任務組IST-152為在軍事資產上執行主動的、自主的網絡防御行動軟件智能體開發了一個概念和參考架構。在本報告中，這種智能體被稱為自主智能網絡防御智能體（AICA），這是先前版本的更新和擴展版本。

在與技術先進對手的沖突中，北約的軍事網絡將在一個激烈的競爭戰場上運作。敵人的惡意軟件將有可能滲入并攻擊友軍網絡和系統。今天對人類網絡防御者的依賴在未來戰場上將是站不住腳的。相反，AI智能體，如AICA，將有必要在一個潛在的通信中斷的環境中擊敗敵人的惡意軟件，而人類的干預可能是不可能的。

IST-152小組確定了AICA的具體能力。例如，AICA必須能夠自主規劃和執行復雜的多步驟活動，以擊敗或削弱復雜的敵方惡意軟件，并預測和盡量減少由此產生的副作用。它必須有能力進行對抗性推理，以對抗有思想、有適應性的惡意軟件。最重要的是，AICA必須盡可能地保持自己和自己的行動不被發現，并且必須使用欺騙和偽裝。

該小組確定了這種智能體潛在參考架構的關鍵功能、組件及其相互作用，以及實現AICA能力的暫定路線圖。

北約應該鼓勵成員國的學術界、工業界和政府對相關研究和開發的興趣。AICA有可能成為未來戰場上的主要網絡戰士，北約在開發和部署此類技術方面決不能落后于其對手。

AICA 的范圍和要求

為了描述其參考架構，假設AICA嵌入在一個物理軍事平臺上，其范圍是確保平臺所有相關計算機化功能的可用性和完整性，防止注入惡意代碼，以確保平臺的正確行為。檢測物理平臺的異常功能行為不屬于網絡防御智能體的范圍。這被認為是由其他操作監測和控制功能手動或自主完成的。

以無人機作為平臺案例，AICA的范圍可以如圖所示。

在圖中，計算能力是指支持無人機功能的主要計算機（一臺或多臺）。執行器是控制無人機物理元素的物理設備。這里假設這些設備包括計算機處理，可以成為網絡攻擊的目標，因此，應該由AICA保護。同樣的論點也適用于傳感器和通信組件。因此，在這個例子中，圖中強調的元素屬于AICA的責任范圍。

以下是一些關鍵的要求，可以看作是開發AICA架構的先決條件。

• 該智能體應以持久和隱蔽的方式嵌入在軍事平臺上。這里，隱蔽性是指智能體的能力，以盡量減少對手惡意軟件檢測和觀察智能體的存在和活動的概率。

• 智能體應能在其職責范圍內觀察各要素的狀態和活動，檢測敵方惡意軟件，同時保持對惡意軟件的最小觀察，并摧毀或降低敵方惡意軟件。

• 該智能體應能夠在被敵方惡意軟件破壞的環境中有效運行。

• 該智能體應能抵御破壞。

• 該智能體應能觀察和理解它所處的環境，為此它需要自己的相關環境世界模型。

• 智能體應能觀察和影響其保護下的所有計算元素，包括平臺的所有傳感器和執行器的計算元素。

• 所有相關的通信流量對智能體應是可觀察的。

• 當與其他友軍元素或外部控制器的通信受到限制或不可用時，該智能體應能有效地發揮作用。

• 智能體應在特定情況下發揮作用，如有限的計算資源（內存、CPU等）和特殊的環境條件（如溫度、氣壓、G-力、尺寸等）。

• 智能體在必要時應自主運作，也就是說，不依賴于外部友軍元素或外部控制器的支持。這意味著它必須能夠與平臺的所有計算組件互動，包括實時的傳感器和執行器的計算元素；做出自己的決定；并采取必要的行動。

• 應作出規定，使遠程或本地的人類控制器能夠觀察、指導和修改智能體的行動，當需要和情況允許時。

• 智能體應能制定非微不足道的（對對手來說非顯而易見的）計劃，以追求一個給定的目標，并且必須能夠執行計劃中規定的行動。

• 智能體應能自主地采取破壞性行動，如刪除或隔離某些軟件和數據，同時遵守指定的參與規則。該智能體應具有評估此類行動所涉及的風險和利益的手段，并作出相應的決定。

• 當需要和條件允許時，智能體應該能夠與其他友軍的智能體進行協作。為此需要協作計劃和談判機制。

• 智能體應該能夠進行自主學習，特別是關于敵人惡意軟件的能力、技術和程序。學習應該在離線和在線的情況下進行，新學習的知識應該能夠在智能體的操作過程中提供信息。

• 只要有要求，智能體應向外部控制器報告數據，使控制器能夠對智能體的可信度作出推斷。

• 智能體應能自我傳播到遠程友軍的計算設備。自我傳播應僅在特殊的和明確規定的軍事需要的條件下發生。

本報告的其余部分描述了一個能滿足這種要求的擬議架構。

報告的A部分提供了AICA的基本原理和操作概念，概述了其架構，并解釋了必要的數據如何在智能體中存儲和管理。

B部分對實現該架構的關鍵功能的可能方法進行了探索性討論。在這一部分中，第5節描述了智能體如何獲得有關其環境的信息并確定環境的狀態。第6節討論了智能體計劃其行動的方法，包括對行動后果的預測。第7節是關于智能體執行其決定的行動的方式。第8節解釋了智能體如何與其他智能體合作。第9節概述了智能體從其行動和觀察中學習的可能方法。

自主和半自主系統在一個系統的框架內運行，利用其自身的感知、認知、分析和執行行動的能力來實現其目標。無人系統對美國國防部（DoD）的采購程序提出了重大挑戰，該程序是為開發和部署人在環型能力而建立的。本論文的目的是對通過軍事采購程序開發半自主和自主系統的挑戰進行分析，以確定增加項目成功的可能性所需的最佳做法和趨勢。

分析的第二個目標是比較和對比具有自主能力的系統的測試和評估方法。測試和評估過程的目的是使決策者能夠管理技術風險，并在做出實戰決定之前評估能力的強大和成熟程度。自主系統需要嚴格的測試/制造策略，對大多數項目來說，這將導致成本超支和進度違反。此外，試圖跟上快速變化的技術步伐超過了美國防部使用尖端技術的成熟系統的能力。

圖12。DoDI 5000.02自適應采購框架。

在過去的二十年里，美國防部經歷了對無人機系統（UAS）的需求和依賴，以執行廣泛的軍事應用，包括情報、監視和偵察以及打擊和攻擊任務等。隨著無人機系統技術的成熟和能力的擴大，特別是在增加自主性的情況下執行行動的能力方面，采購專業人員和行動決策者必須確定如何最好地將先進的能力納入現有和新興的任務領域。為此，美國防部已經發布了多個無人系統綜合路線圖（USIRs），目的是建立一個 "未來25年的技術愿景"。此外，每個軍種都發布了類似的路線圖，強調自主系統不斷發展的作用（美國陸軍，2010年）、（美國海軍陸戰隊，2015年）、（美國空軍AF/A2CU，2016年）、（USIR，2011年）。然而，這些路線圖并沒有提供實際應用，說明如何能夠或應該將自主性納入旨在完成未來國防部任務領域的無人機系統平臺。因此，本研究以上述出版物的概念為基礎，從自主性的角度來描述無人機系統的能力，因為它們可能在未來的美國空軍軍事任務中實施。

這項研究采用了德爾菲法來預測未來20年的無人機系統任務領域，特別是在增加無人機系統自主執行此類任務的能力方面。德爾菲技術已被應用于許多類似領域，但在預測技術發展如何影響軍事行動方面取得了明顯的成功（Linstone & Turoff, 2002）。德爾菲技術使用的主題專家（SME）來自美國空軍社區的專業人員，他們負責無人機系統技術的日常操作、采購和研究。該研究使用了兩輪問題，以深入了解無人機系統社區認為最重要和可能被納入軍事任務領域的未來能力，以及不同的無人機系統社區如何看待自主性為軍事任務帶來的挑戰和機遇。

目的

美國政府面臨著保持作為世界上空間物體編目數據提供者的步伐挑戰。用非傳統的傳感器來增強能力，是一種快速和低成本的改進。然而，巨大的交易空間和未開發的系統性能要求給成功的資本化帶來了挑戰。本文旨在通過一個多學科的研究，更好地定義和評估增強功能的效用。

設計/方法/途徑

假設的望遠鏡架構在不同的時間里被建模和模擬，然后在啟發式算法中使用多目標優化對性能措施和約束進行評估。決策分析和帕累托優化確定了一套高性能的架構，同時保留了決策者設計的靈活性。

研究結果

建議將容量、覆蓋率和未觀察到的最大時間作為關鍵性能指標。在1017個架構中，共有187個被確定為最佳表現者。總共有29%的傳感器被發現在80%以上的頂級架構中。其他考慮因素進一步將交易空間減少到19個最佳選擇，這些選擇為每個空間物體平均收集49-51個觀測數據，平均最大未觀測時間為595-630分鐘，提供地球同步軌道帶的冗余覆蓋。這意味著與模擬的僅有政府的基線結構相比，能力和覆蓋面增加了三倍，未觀察到的最大時間減少了2小時（16%）。

原創性/價值

這項研究利用基于物理學的模型和現代分析技術，驗證了增強型網絡概念的效用。它客觀地回應了要求改進編目工作的政策，而不是僅僅依靠專家得出的點解決方案。

COGLE（COmmon Ground Learning and Explanation）是一個可解釋人工智能（XAI）系統，自主無人機向山區的野外部隊運送物資。任務風險隨地形、飛行決定和任務目標而變化。這些任務由人類加人工智能團隊參與，用戶決定兩架人工智能控制的無人機中哪一架更適合執行任務。這篇文章報告了該項目的技術方法和發現，并反思了復雜的組合問題對用戶、機器學習、用戶研究和XAI系統的使用環境所帶來的挑戰。COGLE創建了多種模式的解釋。敘述性的 "What"解釋比較了每架無人機在任務中的表現，以及基于使用反事實實驗確定無人機能力的 "Why"。可視化的 "Where"解釋突出了地圖上的風險，以幫助用戶解釋飛行計劃。研究的一個分支是研究這些解釋是否有助于用戶預測無人機的性能。在這個分支中，一個模型歸納的用戶研究顯示，決策后的解釋在教用戶自己確定哪架無人機更適合執行任務方面只有很小的作用。隨后的思考表明，用決策前的解釋來支持人類加人工智能的決策是一個更好的背景，可以從組合任務的解釋中受益。

引言

COGLE（COmmon Ground Learning and Explanation）是一個可解釋的人工智能（XAI）系統，用于自主無人機向山區的野戰部隊運送物資。COGLE中的任務是在一個模擬的世界中進行的，其中有山區和森林環境、水體和結構。圖1顯示了一個任務地圖和人工智能控制的無人機的飛行計劃。黃色的棒狀圖顯示了徒步旅行者的位置。彎曲的箭頭顯示了無人機的飛行計劃。地圖下面的時間線顯示了無人機沿其飛行計劃的高度。地圖上的符號表示物體。尖尖的符號是太高的山，無法飛過。曲線頂的符號是低矮和高大的山麓。綠色區域是草地。樹木形狀的符號代表森林。

最初，我們使用ArduPilot SITL1，它可以高保真地模擬低空飛行器的動作。ArduPilot的詳細模擬所需的計算資源被證明是不方便的，對于任務的戰略規劃來說是不必要的。低空飛行控制在商業自動駕駛飛機和業余無人機中被廣泛實施。為了專注于任務規劃，我們開發了一個精度較低的模擬模型（"ArduPilot Light"），在一個回合制的網格世界中，有五級高度和八個獨特方向。我們在ArduPilot SITL的API上模擬了ArduPilot Light的兼容編程接口（API）。圖2說明了COGLE的模擬網格世界的粗粒度，用于任務規劃。

圖 1 共同地面學習和解釋 (COgLE) 域中任務的示例地圖

圖 2 來自 COGLE 飛行學校的插圖展示了具有五個離散高度的模型以及當包裹從不同高度墜落時墜落區的擴大范圍

當無人機與處于同一高度或更高的障礙物飛得太近時，它們就會有墜毀的危險。如果無人機在森林、高山麓或水面上釋放其包裹，那么其包裹可能被損壞。包裹可能無法降落在河流、樹木或高山腳下。無人機飛得越高，其包裹在傘降過程中可能漂移得越遠。一個人工智能飛行員可能會在任務的開始、中間或結束時承擔風險。飛行員在任務中的早期決定會以微妙的方式與后來的決定產生互動。例如，在飛行計劃的早期，關于如何避開障礙物的選擇可能會導致在很晚的時候無法安全地接近選定的地點來投放包裹。

使用COGLE的早期版本，我們對用戶進行了自我解釋的研究，正如Gary Klein, Robert Hoffman, 和Shane Mueller等人所描述的。這樣的研究可以為參與者提供一個關于他們自己想要和使用的解釋種類的視角。用于無人機的人工智能飛行員是基于我們早期的深度強化學習者（RL）。他們在非常簡單的任務中表現出奇怪和次優的循環行為。研究參與者引用了無人機行為的觀察模式，指的是推斷的目標、效用和無人機的偏好。

在研究過程中，當被要求做出預測時，參與者經常的回答是 "我不知道"。研究參與者在自我解釋方面很有創意（"它怕水！"），但他們沒有可靠的依據來確定他們的解釋是否正確。事實證明，我們早期的人工智能控制的無人機的奇怪行為是由于他們有限的訓練造成的。

2018年美國國防戰略強調，有效實施自主性對于未來的交戰至關重要。這種實施的關鍵是測試和評估執行自主任務的系統的能力。本手冊的目的是為測試人員提供工具、方法和見解，以自信地對待空中平臺的自主性測試。選擇空中領域是由于其對空軍任務的適用性，并有助于確定本手冊的重點范圍。本手冊的目的不是要成為測試和評估自主性的詳盡參考資料；相反，本手冊的目標是為更多的調查提供一個啟動點。

本手冊首先概述了目的、關鍵定義和基本假設，以幫助澄清空軍測試中心的 "自主性 "含義。在建立了這種基礎性的理解后，介紹了自主性的測試方法。在機載平臺上測試自主性帶來了獨特的挑戰，因此，要想測試成功，應該利用以下五個原則。早期用戶參與、持續和累積反饋、簡化流程和產品、試點培訓方法和人機互動考慮。總體的測試方法分為兩個范式：測試的三個階段和敏捷開發與運營（DevOps）。

第二種范式的特點是，從目前的測試實踐到結合敏捷和DevOps的原則，有了更大的轉變。敏捷哲學強調個人和互動而不是流程和工具，強調工作產品而不是全面的文件，強調客戶合作而不是合同談判，強調響應變化而不是遵循計劃。它在現代軟件開發中發揮了重要作用，并且隨著自主性的發展，肯定會在未來發揮作用。此外，DevOps是一個革命性的概念，它整合了企業的開發和運營功能。這個過程依靠持續集成、持續交付、持續監控和記錄、微服務以及跨職能的協作團隊來快速實施高質量的產品。隨著空軍開始采用更多的敏捷和DevOps原則，它將能夠實現國防部 "以相關速度交付"、"組織創新 "和 "簡化從開發到實戰的快速、迭代方法 "的目標。

圖 自主性測試執行的四個組件

引言

為了最大限度地提高作戰人員的殺傷力，必須將自主性納入系統，但首先必須對其進行開發、測試和實戰化。2018年美國國防戰略摘要（參考文獻1）和2019年國防授權法案（參考文獻2）已經明確表示，將包含自主性的系統投入使用對于美國保持其競爭優勢至關重要。此外，這兩份文件都呼吁改革國防部的采購程序，以便 "以相關的速度 "產生結果。2019年，空軍首席科學家發布了《自主性：前進的道路》（參考3），該文件為推進自主技術水平建立了一個路線圖和框架，同時支持其向現有系統過渡。為了響應這一更高層次的指導，美空軍測試中心（AFTC）已經制定了一個戰略目標，即 "塑造未來的測試和評估能力，以最大限度地提高作戰人員的致命性"。這一戰略目標的一個關鍵原則是建立一種測試具有自主性和機器學習算法的系統的能力。本手冊支持AFTC的戰略目標，并為機載平臺上的自主性測試所應考慮的因素和方法提供參考。

本手冊的組織結構如下：首先，定義了本手冊的具體目的、關鍵術語和基本假設。此外，第一節概述了本手冊的范圍。下一節制定了在機載平臺上測試自主性的測試方法。本節首先詳細介紹了目前的測試范式應如何適應測試自主性。然后，它討論了應如何利用敏捷和開發與運營（DevOps）原則實施新的測試范式，以最大限度地提高自主性的有效性。最后，總結了測試自主性的要點，并強調了前進的道路。此外，還包括了包括當前自主性測試細節的附錄，以及其他一些有用的參考資料。

1.1 目的

本手冊的目的是為測試人員提供工具、方法和見解，以自信地測試空中平臺的自主性。由于自主性測試所面臨的挑戰的廣泛性和現有測試能力的整體不成熟性，本手冊的內容沒有明確定義具體的最佳實踐。相反，本手冊概述了自主性測試的注意事項，這些注意事項需要在測試過程的每個階段進行，以確保安全、可靠、有效的測試。本手冊旨在成為一個指南針，而不是一張地圖。

本手冊假設讀者有一些飛行測試經驗和/或技術背景。自主性的測試和評估從根本上說是一個多學科的冒險；因此，本手冊涉及一些成功所需的不同觀點。本手冊的目的不是要成為測試和評估自主性的詳盡參考資料；相反，本手冊的目標是為更多的調查提供一個啟動點。在整個國防部有許多研究，以及大量的學術研究，本手冊利用并試圖在此基礎上發展。此外，本手冊承認不能在真空中考慮自主性測試；它提出了自主性系統的開發者和獲取者需要與測試社區進行最佳整合的概念和框架。自主性測試的最終成功取決于未來的項目辦公室是否注意到這本手冊，并在項目的早期對測試進行適當的規劃。

1.2 關鍵定義

自主性：一套基于智能的能力，可以對部署前沒有預先編程或預期的情況作出反應，如《自主性利益共同體（COI）測試與評估》（參考文獻4）所定義。自主性構成了一定程度的自給自足和自主行為（由人類代理決策），如《自主系統的七個致命神話》（參考文獻5）所定義。

自主引擎：平臺或系統上的硬件，承載著自主軟件。

復雜系統：按照《復雜系統動力學》（參考文獻6）的定義，理解各部分之間的相互作用與理解各部分的功能同樣重要的一個系統。

服務：一個獨立的、封裝好的功能單元，通過一個定義好的接口（主要針對軟件）接收輸入并給出輸出，如《面向服務的建模》（參考文獻7）所定義。

任務：由一個或多個服務組成，在一個離散的、確定的時間段內完成一個特定的目標或行動。

信任：按照《組織信任的綜合模型》（參考文獻8）的定義，一方愿意在另一方的行動面前表現得很脆弱，因為他期望另一方會執行對信任者來說很重要的特定行動，而不考慮監督或控制該方的能力。信任主要建立在令人滿意的可靠性和準確性的組合上。

1.3 基本假設

盡管在上一節中對自主性進行了定義，但為了本手冊的目的，進一步澄清 "自主性 "的實際含義是很重要的。以下四個基本假設主要來自2012年國防科學委員會關于 "自主性在國防部系統中的作用 "的研究（參考文獻9），有助于磨練 "自主性 "的含義。

1."自主性 "從根本上說是基于軟件的。

2."自主性 "被認為是相對于特定的任務，在一個離散的時間間隔內，而不是針對整個系統。

3."完全自主 "系統是一個錯誤的說法。所有的自主性都必須在某些時候與人互動，因此被認為是一個人機聯合認知系統。

4.確定和爭論 "自主性水平 "對測試和評估系統是無益的，而且會產生反作用。

1.4 手冊范圍

本手冊著重于測試和評估空域的自主性。之所以選擇空域，是因為它與空軍的任務相關，也因為它給測試和評估企業帶來了獨特的挑戰，而這些挑戰在其他領域并不適用。雖然所介紹的是機載自主性應用的例子，但本手冊所介紹的大部分框架和工具都普遍適用于其他領域。

在本手冊中，被視為被測系統（SUT）的自主性類型是那些在物理世界中的實時應用，通常被稱為 "運動中的自主性"，如國防科學委員會。關于自主性的夏季研究（參考文獻10）。這與 "靜止狀態下的自主性 "應用相對立，后者對于建立一支更具殺傷力的部隊至關重要，并將在 "運動中的自主性 "系統的測試和實戰中發揮重要作用。運動中的自主性 "的例子可以在智能炸彈、無人駕駛航空系統（UAS）中找到，甚至可以作為載人平臺上的一個子組件（即F-16上的地面防撞系統）。確定一個系統是否構成 "運動中的自主性 "的一個有用的方法是用約翰-博伊德的 "OODA "循環來思考，該循環來自《輸贏論》（參考文獻11）。運動中的自主性必須：

• 觀察其周圍的環境，以建立一個世界觀。

• 在世界觀中確定自己的方向。

• 決定一個適當的反應。

• 根據該決定采取行動。

圖1給出了一個層次化的視角，說明了自主性對一個平臺的作用。平臺執行的任務是由各種任務組成的，這些任務建立在較低層次的服務之上。當本手冊中使用 "自主性 "一詞時，它指的是在任務或任務層面采取的行動，這些行動是由服務促成的。在大多數情況下，這些行動目前是由人類操作員執行的。傳統上，測試界并不測試或評估人類操作員，因此必須擴大測試范式，以納入類似人類操作員的自主任務或任務的評估標準。

為了更好地理解圖1，我們以壓制敵方空中防御（SEAD）任務為例。對于執行SEAD的戰斗機平臺來說，干擾敵人的雷達是主要任務之一。此外，像空域整合、空中加油和編隊飛行等任務可能都需要成功完成。而這些任務又需要大量的服務，負責操作各種有效載荷、飛機本身以及指揮和控制功能。

本手冊有意避免使用機器學習（ML）和人工智能（AI）的字眼。ML和AI是實現自主性的工具；本手冊中提出的策略適用于自主系統的測試，無論自主是如何產生的，也無論它如何運作。

這項研究是由本世紀以來自主系統的增加以及測試和評估其性能的挑戰性所驅動。對當前文獻的回顧顯示，提出了驗證自主系統的方法，但很少有實施。它暴露了當前驗證和確認方法中的一些差距，并提出了填補這些差距的目標。通過使用建模、軟件循環（SITL）和飛行測試，這項研究驗證了無人駕駛航空系統（UAS）的自主蜂群算法，并驗證了測試框架的一個典范。

在兩天的飛行測試中產生的13組三飛行器群數據提供了一個基線算法分析。在這些測試中，飛行器分離距離平均偏離理想狀態5.61米，分離距離違規率<6.39%。蜂群在最佳情況下實現了0.27米的平均偏差和0.43%的違規率。在5赫茲的更新率下，飛行器之間的平均數據包損失為4.94%，最佳通信滯后< 0.04秒。

通過定性和定量分析的搭配所創建的多方位經驗分析提供了對飛行器行為的完整理解。該分析還確定了算法和測試框架的各種改進領域。這項研究的結果形成了一個基線測試連續體，可用于對自主系統的正式驗證的各種后續調查。

目前，使用蒙特卡洛方法對導航系統進行分析可能很慢，而且計算成本很高。協方差分析是一種可以及時返回交易空間分析結果的工具，而且計算費用低廉。協方差分析工具大多是臨時性的或在專有接口內。這對導航領域來說尤其如此，因為大多數協方差分析的論文都是處理單一場景，并為所述場景編寫一個臨時的模擬器[1, 2]。

這項研究的目的是在一個新的模塊化和可插拔的導航框架庫--導航工具包中創建一個協方差分析工具。導航工具包是一個政府參考庫，可以與被稱為pntOS的模塊化和可插拔的傳感器融合架構一起開箱使用。在模塊化和可插拔的導航軟件包內創建一個協方差分析工具，將使研究人員能夠快速獲得交易空間分析結果，并使用與實際傳感器融合所使用的基本相同的代碼輕松進行自己的協方差分析模擬。研究人員將能夠利用導航工具包中預裝的大量的傳感器模型、算法和過濾器。

通過分析兩個不同的導航場景，解釋了這個協方差工具的創建。對這些不同的導航方案的結果進行了探討，以確定傳感器組合背后的好處和缺點。一個新的多普勒激光雷達速度傳感器首先用一組簡短的、四百秒的模擬飛行數據進行評估，以證明協方差工具的功能，并同時展示新傳感器的能力。最后的評估是使用3小時的飛行數據進行的。該方案將多普勒激光雷達速度傳感器與高靈敏度標量磁強計配對，以了解這兩種傳感器的組合如何改善導航解決方案。

這項工作從第二章開始，在第二章中介紹了用于創建協方差分析工具的軟件套件的背景。第二章還將描述我們將在未來的章節中使用協方差分析工具分析的用例。接下來的第三章和第四章是單獨的論文，介紹了協方差分析工具的兩個不同的使用案例。第三章在2021年的國家航空航天和電子會議（NAECON）上發表[11]。下一章，即第四章將之前的多普勒激光雷達速度傳感器與MagNav傳感器結合在一起，展示了兩個傳感器在組合導航方案中可以創建的解決方案，并將提交給《導航學會雜志》。最后，第五章總結了研究結果和工具的創建，然后以未來可能的工作作為結束。

摘要

自主系統的開發者需要通過測試來訓練和驗證他們的算法。最終用戶在決定如何有效利用系統時也可以使用這些數據。模擬是在真實環境中進行實驗的另一種選擇，它更安全，成本更低，并允許執行可重復和可控的實驗。傳統上，機器人專家使用的模擬器專注于與系統相關的細節，同時簡化了與環境、通信和資產間關系相關的方面。作為替代方案，CMRE提出了一個海事仿真框架(MSF)，可與機器人中間件(即MOOS和ROS)互操作，采用了一種硬件和軟件循環仿真方法，允許模擬通常被簡化的重要外部因素。這些擴展元素包含內容可以發現自主系統的開發人員可能不知道的交互，從而提高開發中的系統的健壯性。這項工作的目的是建立一個可配置和可擴展的仿真框架，以訓練和測試海事系統的自主行為，以協助系統開發者和支持最終用戶的操作決策。

該框架由高級體系結構(HLA)中的專用模擬器、聯邦成員模擬環境、平臺動態、傳感仿真、通信和直觀的可視化組成。提出的框架提供了一種模擬情況，包括復雜的海上操作的挑戰，以水下領域為重點，提供了比傳統方法更全面和現實的能力。到目前為止，MSF已經被用于支持地雷對抗(MCM)和反潛戰(ASW)任務中自主系統算法的發展，具有單個或多個車輛配置。