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

北約 SAS-124 研究技術小組(RTG)編寫了 “國防投資不確定性和風險的可視化設計”。

決策者通常面臨著根據不確定的信息和數據做出決策的風險。這在國防投資領域非常普遍,因為在測量、規劃和問題解決(如簡化假設)以及交流行為本身中都會出現不確定性。本報告提出了一個可視化設計框架,以指導分析人員選擇可視化方式,從而更有效地向決策者傳達不確定性和風險。此外,RTG 還收集了在實踐中對交流國防投資不確定性和風險有用的可視化方法,并對其進行了編目。

本報告分三部分撰寫。第一部分是背景,向讀者介紹了可視化設計研究的概念,并針對本研究的基本要素提供了分類方法。第二部分應用了第一部分中描述的概念和方法,從識別決策支持需求(從決策者和分析師處收集)到開發可視化任務,對設計框架進行了演練。第二部分的第 6 章 “數據類型 ”和第 7 章 “數據可視化中的人為因素 ”還介紹了如何將這些任務轉化為有效的可視化。第三部分是目錄,介紹了十五種在實踐中對交流國防投資不確定性和風險有用的可視化類型。

本報告將解釋 RTG 如何從不同國家的類似需求中提取并確定其通用組件。例如,德國的要求是 “繪制生命周期成本(LCC)不確定性圖,從而繪制項目采購成本不確定性圖”,加拿大的要求是 "在任何給定的財政年度,國防投資組合的成本超出預算的概率是多少?將需求與通用的分類標準統一起來,將有助于選擇更合適的可視化方法,并促進可視化方法的重復使用。繼續以我們的例子為例,顯示資金可用性的不確定性和風險的最佳可視化方法可能是方框圖,這在目錄中有所描述,它將資金的歷史趨勢與當前的資金申請重疊在一起。選定可視化方法后,分析師可使用 Tableau、Power BI 或自定義庫等各種可用工具實現其要求。附件 A 介紹了相關的開源和商業可視化庫和工具。

總之,成立 RTG 的目的是推動與國防投資相關的不確定性和風險可視化科學的發展。這項活動匯集了國防分析方面的廣泛經驗,以及與將官/旗官和政府高管交流的經驗。撰寫本報告的目的是改進以分析和證據為依據的決策。通過改進對不確定性和風險的溝通,決策者可以在共同的分析基礎上做出更明智的決策。

付費5元查看完整內容

相關內容

人工智能在軍事中可用于多項任務,例如目標識別、大數據處理、作戰系統、網絡安全、后勤運輸、戰爭醫療、威脅和安全監測以及戰斗模擬和訓練。

美國國防部(DoD)每年在小型企業創新研究(SBIR)方面的投資超過 10 億美元。這些 SBIR 工作類似于風險投資,超越種子資金的過渡被視為成功。對 2015-2018 年空軍 SBIR 投資的基線研究表明,8.8% 的工作獲得了長期資助。目前的數據允許對項目是否獲得長期資金進行評估;但是,沒有對技術是否過渡到國防部用途進行衡量。過渡是指 SBIR 投資項目投入實戰或融入軍事系統的速度。商業化是 SBIR 投資從種子基金轉向長期資金流(商業或政府)的速度。跟蹤國防部門 SBIR 開發技術的生命周期至關重要。本研究調查了 1681 家小型企業,以確定其 SBIR 工作的發展軌跡。我們提供了有關技術過渡到商業和軍事用途的速度的描述性統計數據。本研究還考慮了若干因素對過渡的影響,包括之前與國防部合作的經驗、利益相關者特征、資金概況和公司人口統計。

本研究發現,在參與國防部 SBIR 流程的企業生命周期中,過渡率為 44%,商業化率為 65%。此外,數據中最常見的阻礙因素包括:系統集成、主要技術適應性、政府管理、利益相關者參與和資金缺口。數據顯示,當企業員工超過 250 人時,SBIR 計劃的目標就會崩潰。最后,獲得 110 項獎勵的企業達到了實現 SBIR 計劃目標的最佳點。這項研究的結果將為國防部制定 SBIR 投資政策提供參考。

第二章將詳細介紹文獻綜述,其中匯集了有關將 SBIR 開發的能力轉化為軍事應用的調查內容。此外,第三章將討論所選方法如何幫助收集和評估數據集、解釋最有效的領域并確定改進機會。第四章將介紹研究結果和為回答上述四個主要研究問題而進行的分析,并介紹研究過程中的相關發現。最后一部分,即第五章,將以總結的形式進行討論和總結,并提供商業化和過渡率以及空軍部的軍事應用障礙。第五章最后將提出未來研究建議,以繼續豐富這一重要課題的知識體系。

付費5元查看完整內容

第五代 (5G) 技術的部署已被確定為包括軍事在內的各行業的關鍵戰略技術。美國防部(DOD)尤其強調了盡早采用 5G 技術以保持競爭優勢的重要性。然而,在戰術網絡中部署現成商用(COTS)5G 解決方案仍需進一步研究。戰術環境復雜多變,往往充滿敵意,給網絡通信帶來了獨特的挑戰。利用純軟件解決方案集成 5G 技術,實現戰術融合,可在成本、靈活性和可靠性方面帶來顯著優勢。本研究旨在收集和分析 5G 網絡實驗數據,以深入了解在戰術環境中部署和使用 5G 技術所面臨的挑戰和機遇。目標是推動開發更有效、更高效的網絡解決方案。這項研究揭示了顯式網絡切片的潛在性能權衡、5G 擴大頻譜接入的意義,以及 COTS 解決方案在加速戰術網絡開發方面的價值。提出的建議包括在實驗性戰術環境中全面實施網絡切片,以及探索用于資源優化和網絡防御的人工智能/ML 模型。

圖 1.1. 美通信陸戰隊員在加利福尼亞州 29 Palms 的一次野外訓練中安裝 COTS 解決方案。

論文闡述了戰術融合的復雜性及其與 5G 技術的融合,為現代國防通信的戰略需要指明了方向。

第 2 章 “背景和相關工作 ”首先簡要概述了 5G 的歷史,詳細介紹了支撐其徹底改變戰術通信潛力的關鍵技術創新。這一敘述不僅強調了 5G 的關鍵技術能力,還將討論置于相關著作的背景下,明確了本研究試圖解決的貢獻和差距。

第 3 章 “方法論 ”介紹了為探索 5G 的可擴展性及其增強美國海軍陸戰隊戰術網絡并與之整合的潛力而采用的研究方法。本章概述了實驗設計以及為評估 5G 在這些獨特環境中的實用性和有效性而制定的評估標準,為嚴格的實證調查奠定了基礎。在

第 4 章 “結果 ”介紹了實證研究的結果,詳細分析了 5G 網絡在戰術條件下的表現以及軟件解決方案在促進網絡整合方面的作用。分析的重點是評估戰術融合的可行性,利用數據為有關 5G 在支持戰術行動方面的適應性、復原力和作戰效能的討論提供信息。

最后,第 5 章 “結論與未來工作 ”對研究成果進行了總結,探討了在戰術網絡中采用戰術融合的戰略意義。它闡明了 5G 和戰術融合在增強未來國防通信系統方面的預期作用,同時也為進一步研究指明了道路。最后一章旨在總結本研究的見解,反思本研究對更廣泛的軍事通信技術討論的貢獻,并提出未來探索的途徑。

付費5元查看完整內容

在各層次,特別是在戰術邊緣快速傳播地理空間數據的能力,對于應對多域作戰條令所描述的威脅至關重要。美國陸軍工程研發中心地理空間研究實驗室(ERDC-GRL)正在研究如何優化最終用戶設備(EUD)使用的地理空間產品的格式、數據模型、文件大小和質量。本報告介紹了一種由定制軟件和開源工具組成的處理方法,用于優化陸軍地理空間標準可共享地理空間基金會和行業認可的產品,以便在 EUD 上利用。重點研究了綜合視覺增強系統(IVAS),但也對其他設備進行了研究,包括 Nett Warrior 和項目執行辦公室-士兵瞄準系統。此外,還開發了一種壓縮方法,在不降低數據質量的情況下將三維模型數據的大小減少了 9 倍。成果摘要介紹了解決剩余技術問題的步驟,并考慮了未來進一步優化地理空間數據以用于更多 EUD 和戰術應用的工作。

圖 15. 六種計算環境中消耗地理空間數據的陸軍系統總數。(圖片轉載自 AGC 2021。公有領域)。

付費5元查看完整內容

本論文以應用研究為基礎,研究了美國海軍當前的創新生態系統,旨在找出挑戰、障礙和可行的解決方案。評估涉及一項定性研究和一項定量研究,受訪者來自海軍各組織。定性訪談(研究 1)的結果用于揭示模式、概念和理論見解,為定量調查(研究 2)的設計提供依據。研究揭示了流程上的重大差距,包括組織間的溝通障礙和知識管理上的嚴重不足。此外,研究還強調了從業人員決策的不完善,對生態系統產生了負面影響。為了規劃前進的戰略路徑,我們整合了管理學、創新管理學和行為經濟學的相關理論。主要重點是促進生態系統內從業人員之間的緊密聯系,同時提高決策過程的整體質量。

圖:美海軍研究辦公室決策過程

付費5元查看完整內容

這項工作包括首個已知的基于能力的脆弱性分析過程,能夠評估暴露在核武器環境中的系統體系:核系統簇能力分析流程(NuSCAP)。該方法由 Python? 自動應用程序執行,通過調用美國戰略司令部損傷概率計算器 (PDCALC) 代碼、洛斯阿拉莫斯國家實驗室簡單核效應計算器 (SNEC) 程序和蒙特卡洛 N-Particle? (MCNP?) 代碼,計算八個核武器環境量的大小。將計算出的核武器環境值與用戶提供的模型中所有組件、子系統和系統的功能障礙閾值進行比較,以確定每個模型元素的功能。通過遍歷系統架構圖的路徑,確定殘余系統和系統級功能和能力。通過使用 Dijkstra 算法遍歷圖確定的離散退化狀態指標來報告能力。結果以 JSON 輸出文件和圖形可視化描述的形式提供。

三項案例研究展示了 NuSCAP 在三種不同的核武器爆炸場景下提供系統脆弱性分析的能力。這些研究分析了暴露于 10 千噸級核武器爆炸的具有代表性的美國陸軍常規系統。案例研究中考慮的爆炸與目標系統之間的地面距離從幾米到近 4 公里不等。由于目前無法獲得大多數組件的實際故障水平,因此研究結果是基于名義上但合理的功能障礙閾值得出的。這三個案例研究表明,NuSCAP 有能力判定核武器對軍事目標的影響并匯總損害情況,從而確定軍事系統的最大剩余能力。評估的能力包括發電、通信、目標觀察和識別以及武器系統交戰,這些能力都支持軍事單元射擊、移動和通信的基本需求。

本文討論了所需數據、這些數據的來源、現實建模和模擬面臨的挑戰以及未來的研究領域。此外,還提供了 NuSCAP 應用 Python 軟件包、數據文件和輸出文件。

付費5元查看完整內容

根據《2020 財年國防授權法案》第 230 節,美參議院指示美國防部長委托開展一項獨立研究,"確定政策選項并對這些選項進行成本效益分析,以加強國防部文職和軍事工作隊伍的數字工程及相關能力"。美國防部長要求國防分析研究所進行這項分析。

IDA 的分析涵蓋了國會列舉的廣泛的數字工程(DE)技能,包括軍事和民事技能。根據國會的定義,數字工程(DE)勞動力包括一系列廣泛的技能和群體,如下圖所示。為了進行分析,IDA團隊調查了以往和正在進行的勞動力改進計劃和提案,并將其分為四個方面:(1)必要的扶持措施(建立要求、衡量標準、資源和組織);(2)新人才輸送計劃;(3)教育和培訓計劃;(4)管理職業、能力和薪酬的計劃和結構。然后,該小組選擇了 24 項候選計劃,對其有效性、風險和成本進行了深入分析。

美國防部勞動力倡議的歷史

美國防部在核武器和核推進、空間系統、專業醫療和法律專業人員等領域擁有建設和維持高技能勞動力的豐富經驗。因此,IDA團隊結合當前為加強國防部技術人員隊伍(包括國防部的網絡安全、軟件、情報和采購人員隊伍)而開展的多項工作進行了本次分析。

IDA團隊注意到,加強DE人員隊伍的舉措可以建立在國防部現有授權和舉措的基礎上。國會已經授權了一系列教育和培訓計劃,包括學費補助、專業軍事教育、職業培訓和認證計劃(如根據《國防采辦勞動力改進法》建立的計劃)。職業和薪酬方面的授權包括實驗室、網絡和采辦人員的薪帶;提高科學、技術、工程和數學以及采辦人員的薪酬上限;關鍵技能的特殊晉升授權;以及軍事和文職人員輪換和交流計劃。國防部最近開展的其他活動包括重組軟件工程和測試與評估工作隊伍的分類和認證流程。

方法

IDA團隊審查了相關立法、立法提案、獨立委員會和小組的工作,以及IDA和其他研究中心編寫的研究和報告。總共審查了約 40 項現行法律條款、40 項國防部倡議、20 項待定法律條款以及 130 項獨立研究和報告建議,共計 230 項候選政策倡議。我們根據四項選擇標準,選擇了 24 項建議進行深入評估: (1) 涵蓋軍事和文職工作隊伍中所有指定的 DE 技能;(2) 涵蓋跨越職業生涯周期的四條工作主線(以及授權措施);(3) 包含被廣泛認為是 "最佳做法 "的倡議;(4) 目前正在審議的值得關注的、備受矚目的建議。我們評估這些候選建議的主要依據是其評估的有效性、風險和成本,其次是與其他建議 的協同作用和潛在的實施問題。

由于缺乏具體的 DE 勞動力需求和有限的數據,IDA 團隊為選定的建議制定了規劃系數,而不是確定的成本估算。這些規劃信息為設計不同規模的提高 DE 勞動力計劃提供了成本效益權衡的基礎。

國際開發協會小組在本文件中沒有將增加員工人數作為一項單獨的建議。我們需要進行需求分析和人力分析(詳見第 3 章),以確定是否需要增加人手,以及如果需要,應增加多少人手。盡管如此,從我們整理的成本數據中可以清楚地看出,DE 計劃的主要成本驅動因素之一是與擴大 DE 人員隊伍相關的人事成本。例如,如果 DE 人員增加 5%,即增加約 5000 人,僅工資一項每年就要花費約 5 億美元。

意見

本分析對 24 項選定提案逐一進行了評估。以下各節及其附表概述了IDA團隊對每項提案在實現勞動力轉型目標方面的成效評估,以及經評估的實施風險。大多數舉措都被評估為有效或高度有效,這在很大程度上是因為這些候選方案是從大量備選方案中篩選出來的。同樣,幾乎在所有情況下,風險都較低或適中。總體而言,這些評估確定了一套可行的構件,可以將其組合成一個具有成本效益的計劃,以改造DE隊伍。

促進措施

某些擬議的勞動力轉型扶持措施(如下表所示)對于確定需要加強的具體 DE 技能和群體、確定必要的勞動力改進行動的范圍以及提供必要的管理機制至關重要。需求分析將確定 DE 人才的缺口并有的放矢,確定由誰來填補這些缺口,以及這些人在工作隊伍中的什么位置最有效。同樣,人力管理系統將確保國防部能夠通過確定關鍵能力來塑造 DE 人才隊伍,并使軍事、文職和承包商人員的適當組合能夠提供這些能力。人力跟蹤和衡量標準也將支持現有人才的部署和對提高 DE 能力進展情況的評估。同樣,預算和資源管理--包括分配職位和中央基金以支持員工隊伍改進活動--將有助于確保計劃中的舉措得以實施。

新人才輸送管道

加強 DE 工作人員隊伍的關鍵在于引進新人才的能力。我們所考慮的大多數人才培養方案(如下表所示)都已在以前的申請中得到了驗證,預計會有效或非常有效,并且風險較低或適中。在傳統的人才輸送計劃中,入職成本從每人 20,000 美元到 100,000 美元不等。為武裝部隊建立專門的數字化招募單元的風險較高,因為可能會對既定的招募方法造成干擾。不過,如果實施得當,這種方法可能會很有效。我們考慮的最后一項建議--為文職人員建立數字化服務學院--實施成本高,邊際效益低。一個新的學術機構可能會發現很難與既有的文職機構競爭學生和教職員工。

教育與培訓

美國防部可以大量利用現有的軍事和民事機構,在已確定的 DE 領域開展教育和培訓。教育和培訓成本在很大程度上取決于勞動力的時間補償程度。我們考慮過的一種培訓機制是新兵訓練營,這是一種強化寄宿項目,因此成本相對較高。據估計,每名學員的成本大約在 18,000 美元到 32,000 美元之間。相比之下,只報銷學費的課程費用相對便宜,但需要仔細管理以確保有效性。國防采辦人員發展基金(DAWDF)目前平均每年為采辦人員提供約 1,500 美元的報銷培訓費用。國防采辦人員發展基金由負責采辦與可持續發展的國防部副部長辦公室(OUSD(A&S))下屬的人力資本倡議辦公室(HCI)和各軍種的采辦職業管理主任(DACMs)負責管理。我們評估的另一個培訓方案是強制性的通用 DE 培訓。國際開發協會小組認為,由于整個部門的經驗水平和職責差異很大,這種方法不太可能有效,而且考慮到參與者的時間機會成本,這種方法的成本也會相當高。這些培訓方案見下表。

職業、能力和報酬

任何足以起到激勵作用,并對足夠多的人產生重大影響的加薪都必然是代價高昂的。例如,考慮國防部目前在購置人員薪酬計劃(AcqDemo)中對技術職位的加薪。據估計,這些職位的薪資平均比總薪級表高出約 5%。在軍隊內部,特殊薪酬平均約為基本薪酬的 9%。這些替代薪酬作為吸引和留住人才的激勵措施,可以起到很好的效果。勞動力人才管理和有針對性的職業提升措施的成本和風險都相對較低,可與第 3 章所述的扶持措施一并實施。見下表。

下一步: 實現有效和高效的 DE 勞動力改進計劃

本分析為加強 DE 工作隊伍的成本效益戰略奠定了分析基礎。評估結果證實,四項工作中的每一項都有行之有效的組成部分。事實上,國防部在建立具有專業人才的工作隊伍方面有著豐富的經驗。國會已經向國防部提供了許多特別授權,而且正在開展直接或間接涉及 DE 勞動力的重要工作。成本規劃因素--雖然是暫定的--表明可能需要大量資源,并需要分析和決定重要的取舍。然而,還需要做更多的工作,才能將這些組成部分合并成一個連貫的計劃。下一步的重要工作是確定國防部對 DE 人員隊伍的要求,即所需人員的各種技能、數量和組合,以便確定和執行一整套協調一致的人員隊伍改進行動。

付費5元查看完整內容

1.1 報告的目的

本報告的目的是描述位于加利福尼亞州洛杉磯的美國陸軍作戰能力發展司令部(CCDC)西部陸軍研究實驗室(ARL-West)用于人類與機器人群互動研究的物理測試平臺,并介紹未來利用該測試平臺進行能力和實驗的機會。這是因為19財年ARL的集群項目,這是美國防部資助的研究人類與群體互動工作的一部分。

1.2 ARL集群項目

這里描述的ARL集群項目是ARL的車輛技術局(VTD)、傳感器和電子設備局(SEDD,現在的CCDC數據和分析中心[DAC])以及人類研究和工程局(HRED)的一項聯合工作。我們將集群定義為一組完全或基本自主的智能體,以集體的方式進行互動,以完成一項任務。在我們的工作定義中,我們也會偶爾提到一些場景,在這些場景中,智能體是合作運作的,但不一定是一個集體的整體(例如,當機器人被分配單獨的任務,形成合作目標的組成部分)。這些通常被稱為多智能體或多機器人系統。智能體群體可能是同質的或異質的。

結合團隊成員在車輛技術、傳感器/機器視覺、處理器芯片和功耗、人類因素和感知/認知心理學方面的經驗,我們對人與群的互動有了深入的了解,并推動了建立人與群互動測試平臺。我們合作的一個主要見解是,電源需求、芯片限制和傳感器能力可能會大大影響人類的表現或人類對機器人群或其他多Agent系統的反應,但在人類-自主-群體互動的模型中很少充分考慮這些因素。為了推動研究,并為在這些領域和相關領域的繼續探索奠定基礎,ARL集群團隊在ARL-West創建了一個實體集群測試平臺:集群與人互動性能室內研究平臺(AIRSHIP)。這個測試平臺將允許研究界面、物理限制、人類因素及其相互作用如何影響人類-集群的任務表現和人類心理/生理反應。為了適應廣泛的實驗可能性,該試驗臺可以高度定制一系列的任務場景、自主資產的數量和多樣性,以及固有的和強加的物理約束。

從我們的討論和文獻回顧中,從創意技術研究所(ICT)開發的虛擬試驗臺中,以及從建模工作(例如Humann和Pollard 2019)中得到的啟示,強調了開發一個物理試驗臺以解決人與機器人群的互動研究問題的必要性。在我們設計的測試平臺中,我們旨在實現以下特點:室內、小型、便攜、高度可定制、靈活,以適應廣泛的實驗。

在此,我們描述了AIRSHIP測試平臺的現有能力,并闡明了在目前可用的硬件和軟件條件下,可以在這樣一個物理測試平臺上進行的各類實驗,以及未來可能對測試平臺進行的改進。

1.2.1 相關的ICT項目

一個關于人與機器人群互動的聯盟項目正在由ICT進行,ICT是由南加州大學管理的陸軍大學附屬研究中心(UARC)。該項目正在研究使用帶有虛擬人類發言人的自然語言對話界面,該發言人作為人類操作員和機器人群之間的中間人。在ARL的投入和指導下,ICT創建了一個基于模擬的測試平臺,在用戶與虛擬發言人和機器人群互動時,收集他們的自然語言數據。

基于模擬的測試平臺運行一個虛擬的搜索和救援場景,其中人類用戶指揮一個由無人機和地面車輛(分別為UAV和UGV)組成的異質團隊。在模擬中,一個小鎮受到野火侵襲的威脅,鎮上的居民必須通過利用無人機和UGV的不同方式來拯救。例如,一些居民迷路了,必須被指示跟隨無人機到安全地帶。必須調遣一輛UGV來清除道路堵塞物。除非人類指揮官通過附近的無人機拍下他或她的聲音,并親自與這對夫婦交談,否則無法拯救一對 "頑固的夫婦"。一個虛擬的人類發言人可以作為人類指揮官和自主車輛之間的中介,但人類也可以單獨指示這些資產。野火隨著時間的推移而蔓延,目標是盡可能多地救援城鎮居民。不同的居民和其他挑戰可以隨機分布在城鎮地圖上,并且可以進行修改,以改變可用資產的數量、野火侵襲的速度和方向,并增加進一步的挑戰(如無人機的損失)。人類指揮官使用一個語音麥克風和兩個電腦屏幕與系統互動。一個屏幕顯示虛擬的人類代言人,另一個屏幕顯示城鎮的地圖。(見圖1指揮官的工作區。)如果參與者指定他們的一些無人機提供監視,那么火力的進展在地圖上是可見的。無人機的行為和虛擬人類發言人的行為是由兩個奧茲國的巫師在幕后控制的。該測試平臺的早期版本在Chaffey等人(2019)中有所描述。

圖1 ICT的人-機器人群互動虛擬試驗臺,顯示了野火地圖、模擬無人機和通過自然語言與用戶互動的虛擬人類報告員

1.2.2 機器人群測試平臺的需求和概念

虛擬測試平臺有很多優點,包括可移植性、快速修改,在某些情況下成本較低。然而,人類對模擬機器人群的反應與人類對物理機器人群的反應不同。Podevijn等人(2016a,2016b)表明了這一點,與模擬機器人相比,與物理機器人互動時,壓力的心理生理學標志物升高。與較大的群組和較小的群組互動,也產生了類似的模式(Podevijn等人,2016a;Podevijn等人,2016b)。

一個虛擬的機器人群可能看起來與真實的機器人群的虛擬表現相同,只要指揮官不與實際的代理人在一起就可以了。然而,在許多情況下,人類指揮官和其他互動的人將處于戰術邊緣,與機器人代理一起在現場。從這些場景的虛擬模擬機器人群中得出的結論可能不完全代表實際物理機器人群的結論,在物理機器人群測試平臺中復制之前,也許最好將其視為初步結論。

使用物理機器人群測試平臺的另一個原因是為了更好地包括與機器人代理一起工作的現實世界的挑戰--即他們的物理需求和限制。異質組隊模擬很容易對飛行時間、電力使用、機械堅固性、有效載荷能力、相機分辨率等做出不現實的假設。當這些不切實際的假設在模擬中實現時,其結果是無法復制人類與多人合作的許多重大挑戰的情景。我們承認,仔細考慮這些參數可以使它們在模擬中得到更忠實的實現,我們也承認,我們的物理測試平臺不能完全復制所有這些問題。例如,使用微小的、低成本的、可移動的無人機有一個警告,即它們不能在室外飛行。因此,實際的天氣影響不能包括在我們的測試平臺中。然而,我們的測試平臺天生提供了關于飛行時間、電力使用、有效載荷能力、機械堅固性等方面的現實物理約束。

為了不同的實驗目的,已經開發了各種虛擬和物理的異質組隊測試平臺。我們將在下面的章節中強調幾個關鍵的例子。

1.3 相關工作

在本節中,我們提供了一個不全面的概述,介紹了具有多機器人/蜂群測試平臺的研究項目,這些項目可以檢驗人與機器人群的交互性能。全面的回顧超出了本報告的范圍,因此在這里我們只提供與ARL研究密切相關或合作的項目的細節。

用于人與多Agent交互的多功能虛擬現實(VR)測試平臺是加速用戶推理操作、研究和分析(AURORA)-XR界面,該界面正在由ARL為戰場物聯網開發(Dennison等人,2019)。AURORA-XR目前有一個虛擬的城市街區,有一系列的傳感器和代理,可以虛擬地檢測虛擬友軍和敵軍的運動。人類指揮官可以通過虛擬攝像機畫面和虛擬傳感器數據,從視覺空間角度調出不同傳感器和無人駕駛車輛的視圖。這個設置可以在圖2中看到。該模擬可被修改以執行不同的模擬任務,并被建議由HRED用于研究訓練人類在人-代理團隊合作中的相關技能(例如,不確定性量化和視覺空間透視)。

AURORA-XR的一個主要目標是作為一個可視化工具和異地協作工具(通過AURORA-NET),其中不同地點的多個人類可以同時與VR中的沙盤表示進行互動,以參與多領域行動的協作決策。

混合倡議實驗(MIX)測試平臺(Barber等人,2008年)將無人車和攝像機的模擬與操作員控制單元(OCU)界面相結合,如圖3所示,允許用戶控制無人系統。OCU是可定制的,底層的自主性模擬器軟件(無人系統模擬器[USSIM])可用于模擬各種自動化程度不同的任務類型,包括偵察、目標識別和路線規劃等場景。MIX已經被用于各種研究中,用于智能代理的修改的OCU也是擴展研究的主題(Chen和Barnes 2014;Barnes等人2015)。

圖2 AURORA-XR的界面與實例的進給和攝像機角度

圖3 MIX測試平臺的OCU界面

在我們正在進行的工作中(Humann和Spero 2018;Humann和Pollard 2019),我們使用一個虛擬測試平臺來設計人類與無人機互動的適當算法并選擇適當的團隊規模。該工具可以模擬任何數量的人類、四旋翼無人機和固定翼無人機。人類被模擬為具有疲勞和工作負荷的現實效果。人類和自主資產執行監視任務,必須用相機掃過一個場地,以發現可能的危險,如車輛和火災(由固定翼無人機執行),然后對感興趣的點進行拍照(四旋翼無人機),最后分析以評估威脅程度(人類)。從這個分析中,可以從評估現場的整體準確性和速度方面分析向系統添加資產的回報。圖4顯示了模擬的一個例子截圖。

圖4 模擬截圖(Humann和Pollard 2019),顯示三個固定翼無人機、四個四旋翼無人機和兩個操作員合作執行監視任務

在ARL有兩項正在進行的工作,涉及多個分布式智能資產,正在為未來的工作開發測試平臺。第一個是分布式協作智能系統和技術(DCIST)的合作研究聯盟。這個項目將 "創建自主的、有彈性的、認知的、異質的群組,使人類能夠在動態變化的、惡劣的和有爭議的環境中參與廣泛的任務"(www.dcist.org)。DCIST的執行者已經討論了建立一個測試平臺(虛擬和/或物理)來測試智能系統的算法。雖然許多參與的學術機構都有自己的測試平臺供個人研究使用(例如,Pickem等人,2017年),但DCIST測試平臺的一個目標是使來自各合作機構的研究產品得到綜合實驗。

ARL正在進行的第二項工作是一個潛在的測試平臺,用于探索人類與智能系統的互動,將不同的人類互動模式與強化學習相結合,稱為自主系統的學習周期框架(Waytowich等人,2018;Goecks等人,2019)。他們實施了一個模擬,以探索使用人類示范來提高智能系統的能力(在引用的案例中,一個小型四旋翼無人機)。他們計劃繼續研究使用Crazyflie無人機在物理測試平臺上進行聯合互動的強化學習。

隸屬于南加州大學和ICT的研究人員在正在進行的研究中展示了多個機器人的協調行為(Tran等人,2018),同時自主飛行多達49架微型無人機(Preiss等人,2017)。他們還展示了最多三個人和六個無人機之間的用戶互動,這些無人機在房間里相互靠近導航(Phan等人,2018)。

付費5元查看完整內容

為響應國會任務,美國國防采購大學(DAU)通過美國防部贊助的大學附屬研究中心--系統工程研究中心(SERC)與采購創新研究中心(AIRC)簽訂合同,就美國防部雇員(政府文職人員、承包商和現役人員)可獲得的創新和新興技術采用培訓項目的現狀進行研究和報告。來自弗吉尼亞理工大學應用研究公司(VT-ARC)的AIRC研究人員通過文獻綜述、訪談和調查,對該主題進行了全面審查。本報告在廣泛研究的基礎上,介紹了美國防部、學術界和工業界的創新和新興技術采用培訓計劃的現狀,同時具體闡述了國會要求的五個列舉項目。

學術文獻提出,創新是在一個以知識為中心的過程中,在多個系統中認識和實施 "創造價值的東西 "的努力。為了確保本報告與文獻相一致,創新被定義為開發新的或明顯改變的服務、產品、流程、結構或政策。基于額外的文獻審查結果,該團隊開發了一個研究框架,以確定和評估整個部門、學術界和工業界的創新和技術采用培訓計劃。研究小組采用了三部分數據收集方法:公開資料搜索、有針對性的訪談和調查。然后對以下分類變量進行了分析: 培訓類型(DAU,美國防部,非政府),創新階段(識別,獲取,整合),功能區(DAU分類法),以及五類變化代理中的四類(創新者,促進者,領導者和用戶)。然后,VT-ARC總結了這些數據,以確定與研究相關的課程中的潛在差距。

結果表明,傳統學習機會最少的三個職能領域包括承包、生命周期物流以及測試和評估。這些職能部門在創新和技術采用的過程中都發揮著關鍵作用。履行這些職能的國防部工作人員在了解他們在采用過程中的作用以及促進關鍵創新和新興技術整合和運作所需的靈活性方面機會有限。

附錄A中詳細描述了已經開展的支持創新和新興技術的培訓計劃類型,以及提供培訓計劃的國防部和私營部門組織的名單。沒有收集有關參加任何培訓計劃后勞動力表現的指標。另外,沒有發現支持分析采用和創新合同方法與特定培訓計劃之間關系的數據。

最有趣的研究結果之一是,沒有培訓機會整合相關職業領域之間的必要聯系,以提供對新興技術途徑或過程的總體創新的統一理解。這種知識的缺乏影響了獲取的有效性,在訪談中被認為是至關重要的。提供跨組織和跨職能的學習機會將加強對角色和責任的理解,并將改善跨管道的信息流動,打擊 "圓柱形思維"。深入訪談還確定了其他五個關鍵點:流程和政策對采用有很大影響;針對具體差距的定制培訓是必要的;勞動力發展是一個關鍵的推動因素;文化對采用有很大的影響;組織之間的縫隙對創新和新興技術的采用造成限制。

雖然有兩個組織正在積極建立與創新和新興技術采用有關的新課程,但都沒有資源來解決本研究中發現的其他差距。研究小組沒有得到其他組織的課程擴展數據。基于課程開發的滾動性,很可能會有更多的傳統學習機會可用。這也意味著,一些課程將不再提供,幾乎沒有任何警告。

該研究的結論是,由于缺乏一個總體的部門新興技術創新培訓戰略,鼓勵了系統性的優秀個體。因此,許多獨立的組織采取孤立的舉措,根據該部的業務挑戰開發自己的培訓資源分配,有些比其他的更有效。雖然在戰術上很重要,但這些優秀的個體并沒有轉化為整個部門的人員能力,因為各組織之間的縫隙對關鍵的知識轉移造成了障礙。建議由高級領導人制定并倡導一項維和部新興技術過渡培訓戰略,并在整個維和部各層級的支持下進行。

付費5元查看完整內容

迅速設計專門針對特定應用的材料的能力取決于預測性材料模型的使用。在過去的幾十年里,多尺度建模已經成為構建材料模型的主要范式。本報告總結了作為美國陸軍作戰能力發展司令部陸軍研究實驗室跨領域工作的一部分,即2011年至2021年的材料多尺度研究企業(PE 611102.AA7.13 "新型材料的多尺度建模")在發展多尺度建模方法方面的工作。這項工作包括與兩個為期5年的合作研究聯盟(CRAs)的耦合研究:極端動態環境中的材料CRA和電子材料的多尺度/多學科建模CRA(PE 611104.AB7.09 "材料的多尺度建模中心")。

三個研究方向構成了整體工作。

第一個研究方向的首要目標是構建計算方法,以促進多尺度模型層次中的尺度模型之間的數據傳輸,以便通過直接連接尺度模型來構建多尺度模型。這個研究方向的一個主要貢獻是為尺度橋接開發了一個靈活的模塊化軟件環境。

第二個重點是開發新的方法,以便能夠從第一原理上探索真實材料的原子尺度結構特征與其宏觀特性之間的關系。該研究方向對一個領先的大規模第一原理軟件套件進行了重大改進,大大降低了對凝聚相系統的計算要求,同時擴展了該套件的功能,以解決軍隊的問題。

最后,第三個方向是致力于小規模塑性的中尺度建模的新方法,即材料內部位錯的運動。這個研究方向導致了一種獨特的計算能力的發展,使我們能夠將最先進的小規模塑性計算模型與有限元相融合。這種能力允許在有微觀結構的情況下對小尺度塑性進行精確建模。

圖6 嵌入協議的摘要。(a) 進行MD模擬以產生溶劑配置的平衡集合。(b) 對MD模擬中的單個分子("活性區域")進行嵌入CCSD(T)計算,紅圈表示。活躍區氧化時產生的電子洞由藍色電子云表示。附近的分子在B3LYP水平上處理,由藍色圓圈表示。更遠的分子使用點電荷MM模型處理,用棕色圓圈表示。

付費5元查看完整內容

在重大的情報失敗之后,美國情報界采用了情報界203號指令(ICD203)來促進分析的嚴謹性。我們開發了兩個心理測量量表,以檢查情報專業人員(N = 108)對構成ICD203的分析標準的認可程度,以及他們認為其組織對這些標準的遵守程度。ICD203的所有方面都得到了高度認可,并被歸入三個主要部分,并且認為組織的遵守程度很高。反映情報目標的方面比反映手段的方面得到更強烈的認可。ICD203的認可與自覺和積極的開放性思維呈正相關,而對組織合規性的感知則與自覺性、工作滿意度以及積極和規范性承諾呈正相關。

付費5元查看完整內容
北京阿比特科技有限公司