美國陸軍旋轉翼飛機的下一個機群除了擁有一套先進的技術和武器裝備外，還將允許在戰斗中使用更長的時間。這些飛機將可能是陸軍武庫中最先進和最復雜的系統。這意味著這些飛機可能需要飛行員在遠高于目前直升機的水平上進行多重任務。由于在駕駛這些飛行器時對飛行員的要求越來越高，實時監測飛行員的認知負荷、健康和福祉的需要已經成為完成任務的組成部分。有了實時的生理監測，就有可能跟蹤和了解任務認知需求的程度，以及在多域作戰（MDO）任務集的各個階段對飛行員的相關認知負荷（CWL）。然后，這些數據可以為領導層和團隊成員提供信息，并為操作人員提供關鍵的反饋。這些數據還將為駕駛艙布局的關鍵決策點提供信息，具體到人機互動。然而，仍有許多工作要做，因為在哪些措施能最有效地捕獲和量化CWL、如何最好地在駕駛艙內部署這些傳感器、以及如何量化數據以便于實時解釋結果以幫助決策方面還存在未知數。

為了支持擴大的未來垂直升降（FVL）任務，美國陸軍航空醫學研究實驗室（USAARL）正在進行研究。最終的目標是實施生理測量，作為在操作員狀態監測（OSM）驅動的適應性自動化環境中，評估CWL的一種手段。本報告對最近的CWL文獻進行了系統回顧，以確定哪些CWL評估技術在航空領域得到了最多的使用和成功，特別是在旋轉翼航空領域。首先，提供了CWL的正式定義，以及對CWL結構越來越感興趣的證據。隨后，對不同的CWL指標進行了簡要總結，并對使用多種指標，即綜合指標來評估CWL進行了考慮。

認知負荷定義

統一使用的CWL正式定義還沒有被整個研究界普遍接受。因此，人們經常發現，不同的研究人員使用不同的定義（Cain，2007）。為了保持一致性，我們采用了Van Acker等人（2018）的概念分析所提出的資源需求框架的定義： "心理負荷是一種主觀體驗的生理處理狀態，揭示了一個人有限的、多維的認知資源與所接觸的認知工作需求之間的相互作用。"

為了消除任何混淆點，請注意Van Acker等人（2018）使用了 "心理負荷"（MWL）一詞，而我們在本評論中使用的是 "認知負荷"。有關評估認知工作需求導致的認知資源支出的文獻，已經交替使用了這兩個術語（即心理和認知）（甚至有時在同一篇論文中交替使用）。圖1詳細說明了幾十年來每個術語的使用情況；"心理負荷 "一詞在文獻中出現的時間較早（Westbrook等人，1966年），比 "認知負荷 "使用的頻率更高。在USAARL進行的工作中，已經采用了 "認知負荷 "這一術語。

Van Acker等人（2018）的定義包括三個關鍵部分（關于這些要點的更廣泛討論，請參考Vogl等人，2020）。首先，CWL的發生是由于特定的人和特定的任務/環境（或任務+環境組合）的互動。這種應用認知資源來滿足任務需求的互動導致了對CWL的感知。這為資源需求框架奠定了基礎，該框架自卡尼曼（1973年）在其《注意力與努力》一書中首次提出以來，一直在不斷發展。第二，當認知資源被用于一項任務時，對于努力工作的人來說，他們的資源是有限的，如果一項任務對資源的需求超過了可用的限度，人的表現就會減弱。對內省的人來說，還可以觀察到，在某些情況下，可以比其他情況下更有效地滿足多種任務需求。Wickens（2008）通過多重資源理論澄清了這一看法，該理論指出，與其說有一個有限的資源庫可用于解決任務需求，不如用多重資源庫的模式來解釋多任務經驗。第三，Van Acker等人（2018）指出，CWL是一種主觀體驗的生理處理狀態；也就是說，人類理解并能夠溝通他們正在經歷CWL，他們的生理變化是CWL的一個功能。因此，評估CWL不僅可以通過任務本身的表現措施，還可以通過自我報告措施（即主觀措施）和監測生理信號的變化（即生理措施）。最后要說明的是，Van Acker等人（2018）的定義很適合于對這個概念的簡要介紹，但我們希望有一個更全面的定義，明確強調人類經驗的其他方面（如個體差異、情景因素、注意力等）以及CWL和績效的動態關系。關于CWL概念的更深入的定義和重新分析，見Longo等人（2022）。

自20世紀60年代首次正式提及CWL以來，它已成為一個越來越受歡迎的研究領域。在過去的十年里，根據谷歌學術搜索引擎的索引，CWL研究的出版物數量激增（圖1）。在過去的十年里，整個文章和標題中的精確短語匹配都遵循同樣的加速增長模式。這種加速增長的興趣說明了對更先進、更有效的生理指標、建模技術的調查，以及對改善航空和駕駛等安全關鍵領域性能的普遍重視。2015年，Young等人（2015）研究了CWL文獻，并確定了幾十年來的主要研究領域。在20世紀80年代，在CWL主要理論進展的持續發展中，軟件工程/計算機輔助設計（CAD）和自適應界面（即響應操作者CWL的自動化）等領域成為主要興趣。20世紀90年代，對CWL的研究在航空和駕駛領域繼續進行得最為頻繁。最終，在2000年代的前十年，駕駛領域將遠遠領先于其他領域，而鐵路領域的研究變得越來越有意義，航空和空中交通管制（ATC）保持穩定（圖5）。考慮到幾十年來的關注領域，很明顯，CWL評估是安全關鍵領域的一個重要組成部分，特別是在交通領域。

圖 1. 60 年來腦力負荷和認知負荷出版物的頻率。從谷歌學術搜索引擎獲得的頻率數據。

綜合認知負荷評估

正如所提出的CWL定義中所概述的那樣，CWL的概念在操作上是可以使用性能、生理學和主觀評價的措施進行量化的。這些測量類別在整個CWL文獻中被持續使用，每個類別都提供了一些不同評價標準的權衡（O'Donnell & Eggemeier, 1986）。快速的文獻搜索顯示，對這些測量技術已經進行了超過20,000次檢查（評論見Cain, 2007; Heard等人, 2018; Tao等人, 2019; Charles & Nixon, 2019; Vogl等人, 2020）。

表現和CWL是以一種反向的方式聯系在一起的，特別是在最佳的任務需求水平下，但這種關系并不簡單地歸結為一個上升，另一個下降。相反，通過自愿招募認知資源（即導致CWL增加的努力），性能可以保持在高水平而負荷增加。也就是說，人類可以付出更多的努力，調動更多的資源，或者隨著需求的增加而 "更努力地 "完成一項任務，以保持他們的表現。只有到了一定程度，也就是傳統上所說的 "紅線"，績效才會開始動搖，從而與高水平的CWL形成反向關系。圖2詳細說明了作為任務需求增加的函數的績效-負荷關系（改編自De Waard, 1996和Young等人, 2015）。這個修改后的區域模型說明了績效和負荷在D、A2和C區域有一致的反向關系，而在A1、A2和B區域則有更多的動態變化。以這個模型為框架，我們很容易看到，除非在D或B區域內觀察，否則主要的任務績效測量可能缺乏敏感性。由于績效指標通常是對任務效率的全面調查，它們很少對不同資源的認知負荷進行診斷性描述。雖然這些類型的性能指標可能在一個相對粗略的尺度上發揮作用，但它們對整個任務性能的干擾是最小的，因為數據往往是現成的。在航空領域，標準偏差、輸入活動和教員飛行員評級的措施已被廣泛用于區分高和低水平的CWL。

圖 2. 績效-認知負荷關系的描述（改編自 De Waard，1997 年和 Young 等人，2015 年）。

已經觀察到可識別的生理信號在不同程度的有經驗的CWL下發生變化，一些生理指標已經發現成功地作為CWL的操作措施。心率、心率變異性、瞳孔直徑、腦電圖（EEG）信號帶、通過功能性近紅外光譜（fNIRS）測量的腦氧飽和度以及許多其他指標，都有大量文獻支持它們作為CWL的代理測量。與性能指標不同，生理學指標允許研究人員挖掘發生在性能保持穩定（即A1和A2區域）而CWL正在積極變化的區域的CWL變化。在某種程度上，生理指標允許研究人員看到隨著任務需求的增加，"引擎蓋 "下發生了什么。這種在接近紅線時觀察CWL變化的能力說明了測量類別的普遍高靈敏度。此外，它為應用領域的研究人員提供了一種手段，以預測性能故障的發生，并在性能開始受到影響之前補救任務要求。然而，其他生理現象，如疲勞、焦慮或身體運動，可以高度干擾這些指標的整體敏感性。生理指標在其診斷性方面可以有很大的不同。一些生理指標提供了一個更全面的有經驗的CWL尺度，如瞳孔直徑或心率變異性。其他指標通過確定大腦內的激活區域，如EEG或fNIRS指標，或由特定的任務要求（即眨眼動態）驅動，顯示出更高的CWL資源診斷能力。目前正在進行的工作是限制生理傳感器的整體侵入性，以便向現實世界的應用邁進。一些傳感器的侵入性很小（如心電圖[ECG]、遠程眼球追蹤器等），而另一些則會造成較高的侵入性（如頭戴式眼球追蹤器、fNIRS、皮膚電活動等）。在航空領域，心率和心率變異性指標是使用最廣泛的生理學指標之一，因為它在敏感性、診斷性和對操作環境的干擾性之間有一個公平的平衡（Backs，1995）。然而，最近的研究已經接近于優化瞳孔直徑、fNIRS和EEG等指標，作為額外的生理測量指標在航空領域使用。

CWL是一種獨特的體驗，人類可以通過自省來識別和描述。因此，可以通過使用結構化的、經過驗證的、采取主觀測量形式的問題來捕捉這種自我報告的體驗。多年來，許多不同的CWL主觀量表已經在各研究領域進行了測試，并表明人類可以可靠地指出他們在特定任務中體驗到的CWL水平。總的來說，主觀衡量標準對CWL的變化顯示出很大的敏感性。主觀評分允許研究人員對圖2中描述的所有區域的CWL進行采樣。主觀指標也可以通過使用單維和多維措施，分別從低到高的診斷性范圍。單維主觀指標要求操作者評估他們所經歷的CWL的單一方面，例如通過評價努力支出、資源能力或一般CWL本身。多維度的主觀衡量標準更具有診斷性，因為多個問題或子量表涉及到CWL體驗的許多相似但不同的元素。不幸的是，如果在任務執行過程中完成主觀測量，其干擾性通常很高。因此，大多數主觀測量是在任務執行后完成的，要求操作者在回答問題時反思他們之前的CWL體驗。當然，一些單維的主觀衡量標準試圖規避這一限制，提示受試者在任務執行期間表明他們的主觀CWL，從而與診斷性進行權衡。總的來說，主觀指標被用作驗證系統和其他CWL指標的手段。這個研究領域中最普遍的衡量標準是美國國家航空航天局的任務負荷指數（NASATLX），它至今仍被廣泛使用。 NASA-TLX經常被用作航空領域的多維CWL主觀衡量標準，但有些衡量標準，如貝德福德負荷表和修正的Cooper Harper處理質量評分表，是專門為航空領域設計的，如今也被普遍用作單維衡量標準。

由于每種類型的認知負荷評估技術都有其自身的優勢和缺點，因此，將表現、生理和主觀測量結合起來，形成認知負荷的綜合測量似乎是很自然的。其邏輯是，由于這些認知負荷的每個反應都是從同一個人身上測量出來的，因此這些反應會相互關聯，如果一個反應失敗，其他的反應可以作為一個冗余的備份。當綜合測量顯示每個單項測量中的認知負荷都在增加時，我們可以確信所研究的操作者正經歷著更高水平的認知負荷，反之亦然，認知負荷的反應也在不斷減少。如果每個認知負荷評估指標出現不同的反應，考慮到這些反應是從一個人身上收集的，被研究的操作者的經驗就變得不那么清晰了，而且更令人費解。例如，操作員可以在主觀測量中報告低水平的認知負荷，但他們的生理測量表明負荷水平在增加，而他們的性能指標卻保持穩定。同樣，同樣的不一致性可以在不同的認知負荷測量中建模，每個人的反應都表示高、低或穩定的認知負荷。Hancock和Matthews（2019）探討了認知負荷評估的關聯、不敏感和不一致（AID）的概念，以創建一個框架，用它來理解綜合負荷評估指標的可能狀態。定義這些可能的復合認知工作負荷評估狀態的三維矩陣可以在圖3中看到。

圖3. Hancock和Matthews（2019）的認知負荷評估技術的關聯、不敏感和分離（AID）框架矩陣。每項措施都可以表明認知負荷反應的增加（+）、減少（-）或穩定（O）。由于每個狀態都由矩陣中的一個立方體表示，跨越性能（主要任務）、生理學和主觀測量的27種結果組合是可能的。當測量結果相互一致時（即所有測量結果都顯示認知負荷減少或增加），就會出現雙重關聯（用A-表示減少，用A+表示增加）。

Hancock和Matthews（2019）的AIDs分類法為復合認知負荷評估狀態，沿立方體矩陣的軸線呈現了認知負荷評估的三種主要方法。每種方法允許三種反應中的一種： 增加的認知負荷反應（+），減少的認知負荷反應（-），以及穩定的（即不敏感的）認知負荷反應（o）。結合每個單獨的測量的反應結果，產生一個三維矩陣，定義復合認知負荷測量的27個獨特狀態。當不同類型的負荷測量的反應相互匹配時（例如，生理和主觀測量所顯示的負荷增加），兩個測量之間就會發生關聯。如果兩種測量方法的反應彼此不一致，就會發生分離。雙重關聯（如圖1中A+和A-狀態所表示的）發生在所有三種測量方法都報告了相同的反應的情況下（即所有測量方法都顯示了認知負荷增加、穩定或減少的匹配反應）。同樣，當這時所有的測量方法都彼此不一致時，就會發生雙重離析。雖然雙重關聯簡化了認知負荷數據的解釋問題，但認識到影響測量結果趨同的因素可以幫助理解為什么會發生離散。Hancock和Mathews（2019）詳細闡述了這些措施之間的銜接問題，并確定了可能影響措施之間反應不匹配的常見問題。諸如測量方法之間的顆粒度、不同測量方法之間的認知負荷反應的時間、自我調節策略和負荷歷史等因素都會導致不同測量技術之間的不一致。歸根結底，這些問題仍未解決，但認識到它們的存在可以幫助解釋即使是最不相關的數據集。

本報告的目標

本報告研究了過去十年（2010年代）的CWL文獻，以擴展Young等人（2015）報告的趨勢。為了指導USAARL正在進行的CWL研究的發展，對航空領域的復合CWL評估文獻進行了重點搜索。旋轉翼和固定翼航空平臺都包括在搜索范圍內。從這些航空文章中，報告了不同CWL指標的使用頻率和成功率。同時還研究了作為個體差異（即飛行經驗）和研究平臺（即模擬器或飛機）功能的CWL評估的差異數據。最后，通過CWL評估的AIDs模型對綜合CWL指標的結果進行了研究。

自動化使系統能夠執行通常需要人類投入的任務。英國政府認為自動化對保持軍事優勢至關重要。本論文討論了當前和未來全球自動化的應用，以及它對軍事組織和沖突的影響。同時還研究了技術、法律和道德方面的挑戰。

關鍵要點

• 在軍事行動中部署自動化技術可以提高有效性并減少人員的風險。
• 在英國和國際上，自動化正被用于情報收集、數據分析和武器系統。
• 英國政府正在開發自動化系統；技術挑戰包括數據管理、網絡安全以及系統測試和評估。
• 軍事自動化的法律和道德影響受到高度爭議，特別是在武器系統和目標選擇方面。

背景

許多軍事系統都有自動化的特點，包括執行物理任務的機器人系統，以及完全基于軟件的系統，用于數據分析等任務。自動化可以提高某些現有軍事任務的效率和效力，并可以減輕人員的 "枯燥、骯臟和危險 "的活動。 許多專家認為，自動化和自主性是與系統的人類監督水平有關的，盡管對一些系統的定位存在爭議，而且對系統是否應被描述為 "自動化 "或 "自主 "可能存在分歧。英國防部在其 "自主性譜系框架 "中概述了5個廣泛的自主性水平，從 "人類操作 "到 "高度自主"。一個系統可能在不同的情況下有不同的操作模式，需要不同程度的人力投入，而且只有某些功能是自動化的。方框1概述了本公告中使用的定義。

方框1：該領域的術語并不一致，關鍵術語有時可以互換使用。

• 自動化系統。自動系統是指在人類設定的參數范圍內，被指示自動執行一組特定的任務或一系列的任務。這可能包括基本或重復的任務。

• 自主系統。國防科學與技術實驗室（Dstl）將自主系統定義為能夠表現出自主性的系統。自主性沒有公認的定義，但Dstl將其定義為 "系統利用人工智能通過自己的決定來決定自己的行動路線的特點"。自主系統可以對沒有預先編程的情況作出反應。

• 無人駕駛車輛。朝著更高水平的自主性發展，使得 "無人駕駛 "的車輛得以開發，車上沒有飛行員或司機。有些是通過遠程控制進行操作，有些則包括不同程度的自主性。最成熟的無人駕駛軍事系統是無人駕駛航空器，或稱 "無人機"，其用途十分廣泛。

• 人工智能。人工智能沒有普遍認同的定義，但它通常是指一套廣泛的計算技術，可以執行通常需要人類智慧的任務（POSTnote 637）。人工智能是實現更高水平的自主性的一項技術。

• 機器學習：（ML，POSTnote 633）是人工智能的一個分支，是具有自主能力的技術的最新進展的基礎。

英國政府已經認識到自主系統和人工智能（AI，方框1）的軍事優勢以及它們在未來國防中可能發揮的不可或缺的作用。在其2021年綜合審查和2020年綜合作戰概念中，它表示致力于擁抱新的和新興的技術，包括自主系統和人工智能。2022年6月，英國防部發布了《國防人工智能戰略》，提出了采用和利用人工智能的計劃：自動化將是一個關鍵應用。在全球范圍內，英國、美國、中國和以色列擁有一些最先進的自主和基于AI的軍事能力。方框2中給出了英國和全球活動的概述。

方框2：英國和全球活動

• 英國 英國政府已表明其投資、開發和部署用于陸、海、空和網絡領域軍事應用的自主和人工智能系統的雄心。最近的投資項目包括NELSON項目，該項目旨在將數據科學整合到海軍行動中；以及未來戰斗航空系統，該系統將為皇家空軍提供一個有人員、無人員和自主系統的組合。在2021年綜合審查發表后，政府成立了國防人工智能中心（DAIC），以協調英國的人工智能國防技術的發展。這包括促進與學術界和工業界的合作，并在紐卡斯爾大學和埃克塞特大學以及艾倫-圖靈研究所建立研究中心。

• 全球背景 對自主軍事技術的投資有一個全球性的趨勢：25個北約國家已經在其軍隊中使用一些人工智能和自主系統。有限的公開信息給評估軍隊的自主能力帶來了困難，但已知擁有先進系統的國家包括。

  • 美國。美國國防部2021年預算撥款17億美元用于自主研發，以及20億美元用于人工智能計劃。
  • 以色列。國有的以色列航空航天工業公司生產先進的自主系統，包括無人駕駛的空中和陸地車輛以及防空系統。
  • 中國。據估計，中國在國防人工智能方面的支出與美國類似。 分析師認為，這包括對情報分析和自主車輛的人工智能的投資。

俄羅斯和韓國也在大力投資于這些技術。在俄羅斯，機器人技術是最近成立的高級研究基金會的一個重點，該基金會2021年的預算為6300萬美元。

應用

自主系統可以被設計成具有多種能力，并可用于一系列的應用。本節概述了正在使用或開發的軍事應用系統，包括情報、監視和偵察、數據分析和武器系統。

情報、監視和偵察

自動化正越來越多地被應用于情報、監視和偵察（ISR），通常使用無人駕駛的車輛（方框1）。無人駕駛的陸上、空中和海上車輛配備了傳感器，可以獲得數據，如音頻、視頻、熱圖像和雷達信號，并將其反饋給人類操作員。一些系統可以自主導航，或自主識別和跟蹤潛在的攻擊目標。英國有幾架ISR無人機在服役，還有一些正在試用中。這些無人機的范圍從非常小的 "迷你 "無人機（其重量與智能手機相似）到可以飛行數千英里的大型固定翼系統。英國正在試用的一個系統是一個被稱為 "幽靈 "無人機的迷你直升機，它可以自主飛行，并使用圖像分析算法來識別和跟蹤目標。無人駕駛的水下航行器被用于包括地雷和潛艇探測的應用，使用船上的聲納進行自主導航。這些車輛還可能配備了一種技術，使其能夠解除地雷。

數據分析

許多軍事系統收集了大量的數據，這些數據需要分析以支持操作和決策。人工智能可用于分析非常大的數據集，并分辨出人類分析員可能無法觀察到的模式。這可能會越來越多地應用于實地，為戰術決策提供信息，例如，提供有關周圍環境的信息，識別目標，或預測敵人的行動。英國軍隊在2021年愛沙尼亞的 "春季風暴 "演習中部署了人工智能以提高態勢感知。美國的Maven項目旨在利用人工智能改善圖像和視頻片段的分析，英國也有一個類似的項目，利用人工智能支持衛星圖像分析。

武器系統

以自動化為特征的武器系統已被開發用于防御和進攻。這些系統包括從自動響應外部輸入的系統到更復雜的基于人工智能的系統。

• 防御系統。自動防空系統可以識別和應對來襲的空中威脅，其反應時間比人類操作員更快。這種系統已經使用了20多年；一份報告估計有89個國家在使用這種系統。目前使用的系統可以從海上或陸地發射彈藥，用于應對來襲的導彈或飛機。英國使用Phalanx CIWS防空系統。雖然沒有在全球范圍內廣泛采用，但以色列將固定的無機組人員火炮系統用于邊境防御，并在韓國進行了試驗。這些系統能夠自動瞄準并向接近的人或車輛開火。

• 導向導彈。正在使用的進攻性導彈能夠在飛行中改變其路徑，以達到目標，而不需要人類的輸入。英國的雙模式 "硫磺石"（DMB）導彈于2009年首次在阿富汗作戰中使用，它可以預先設定搜索特定區域，利用傳感器數據識別、跟蹤和打擊車輛。

• 用于武器投送的無人平臺。為武器投送而設計的無人空中、海上和陸地運載工具可以以高度的自主性運行。這些系統可以自主地搜索、識別和跟蹤目標。大多數發展都是在空中領域。英國唯一能夠自主飛行的武裝無人機是MQ-9 "收割者"，但有幾個正在開發中。英國防部還在開發 "蜂群 "無人機（方框3）。雖然存在技術能力，但無人駕駛的進攻性武器并不用于在沒有人類授權的情況下做出射擊決定；報告的例外情況很少，而且有爭議。 自主系統在識別目標和作出射擊決定方面的作用，是廣泛的倫理辯論的主題（見下文）。

方框3：無人機蜂群

無人機蜂群是指部署多個能夠相互溝通和協調的無人機和人員，以實現一個目標。在軍事環境中，蜂群可能被用來監視一個地區，傳遞信息，或攻擊目標。2020年，英國皇家空軍試驗了一個由一名操作員控制的20架無人機群，作為Dstl的 "許多無人機做輕活 "項目的一部分。蜂群技術還沒有廣泛部署。據報道，以色列國防軍于2021年首次在戰斗中使用無人機蜂群。

影響

自動化技術和人工智能的擴散將對英國軍隊產生各種影響，包括與成本和軍事人員的角色和技能要求有關的影響。對全球和平與穩定也可能有影響。

財務影響

一些專家表示，從長遠來看，軍事自動化系統和人工智能可能會通過提高效率和減少對人員的需求來降低成本。然而，估計成本影響是具有挑戰性的。開發成本可能很高，而且回報也不確定。提高自動化和人工智能方面的專業知識可能需要從提供高薪的行業中招聘。軍隊可能不得不提高工資以進行競爭，英國防部將此稱為 "人工智能工資溢價"。

軍事人員的作用和技能

自動化可能會減少從事危險或重復性任務的軍事人員數量。然而，一些軍事任務或流程，如高層戰略制定，不太適合自動化。在許多領域，自主系統預計將發揮對人類的支持功能，或在 "人機團隊 "中與人類合作。專家們強調，工作人員必須能夠信任與他們合作的系統。一些角色的性質也可能會受到自動化的影響，所需的技能也是如此。例如，對具有相關技術知識的自主系統開發者和操作者的需求可能會增加。英國防部已經強調需要提高整個軍隊對人工智能的理解，并承諾開發一個 "人工智能技能框架"，以確定未來國防的技能要求。一些利益相關者對自動化對軍事人員福祉的影響表示擔憂，因為它可能會限制他們的個人自主權或破壞他們的身份和文化感。

人員對自動化的態度：

關于軍事人員對自動化的態度的研究是有限的。2019年對197名英國防部人員的研究發現，34%的人對武裝部隊使用可以使用ML做出自己的決定的機器人有普遍積極的看法，37%的人有普遍消極的態度。有報道稱，人們對某些自主武器系統缺乏信任，包括在2020年對澳大利亞軍事人員的調查中。在這項研究中，30%的受訪者說他們不愿意與 "潛在的致命機器人 "一起部署，這些機器人在沒有人類直接監督的情況下決定如何在預定的區域使用武力。安全和目標識別的準確性被認為是兩個最大的風險。有證據表明，信任程度取決于文化和熟悉程度。

升級和擴散

一些專家提出了這樣的擔憂：在武器系統中越來越多地使用自主權，有可能使沖突升級，因為它使人類離開了戰場，減少了使用武力的猶豫性。蘭德公司最近的一份戰爭游戲報告（上演了一個涉及美國、中國、日本、韓國和朝鮮的沖突場景）發現，廣泛的人工智能和自主系統可能導致無意中的沖突升級和危機不穩定。這部分是由于人工智能支持的決策速度提高了。升級也可能是由自動系統的非預期行為造成的。

還有人擔心，由于自動化和基于人工智能的技術變得更便宜和更豐富，非國家行為者更容易獲得這種技術。這些團體也可能獲得廉價的商業無人機，并使用開放源碼的人工智能對其進行改造，以創建 "自制 "武器系統。關于非國家行為者使用自主系統的報告是有限的和有爭議的。然而，非國家團體確實使用了武裝無人機，而且人們擔心人工智能會使這種系統更加有效。

技術挑戰

正在進行的包括機器人和人工智能在內的技術研究，主要是由商業驅動的，預計將增加自動化系統的應用范圍和采用程度。該領域的一些關鍵技術挑戰概述如下。一個更普遍的挑戰是，相對于數字技術的快速發展，軍事技術的發展速度緩慢，有可能在部署前或部署后不久組件就會過時。

數據傳輸

無人駕駛的車輛和機器人經常需要向人員傳輸數據或從人員那里接收數據。這可以讓人類監督和指導它們的運作或接收它們收集的數據。在某些情況下，系統也可能需要相互通信，如在無人機群中（方框3）。軍方通常使用無線電波在陸地上傳輸數據，其帶寬（頻率的可用性）可能有限。在傳輸大量數據，如高分辨率圖像時，這可能是個問題。5G技術（POSTbrief 32）可能會促進野外更有效的無線通信。系統之間的無線電通信可以被檢測到，提醒對手注意秘密行動。對手也可能試圖阻止或破壞系統的通信數據傳輸。目前正在研究如何最大限度地減少所需的數據傳輸和優化數據傳輸的方法。更多的 "板載 "或 "邊緣 "處理（POSTnote 631）可以減少傳輸數據的需要。然而，減少通信需要系統在沒有監控的情況下表現得像預期的那樣。

數據處理

具有更高水平的自主性的更復雜的系統通常在運行時在船上進行更多的數據處理和分析。這要求系統有足夠的計算能力。一般來說，一個系統能做多少嵌入式數據處理是有限制的，因為硬件會占用空間并需要額外的電力來運行。這可能會限制需要電池供電運行的系統的敏捷性和范圍。然而，人工智能的進步也可能使系統更有效地運行，減少計算要求。由于未來軟件、算法和計算機芯片技術的進步，計算機的處理能力也有望提高。

訓練數據

創建和整理與軍事應用相關的大型數據集，對生產可靠的人工智能自主系統非常重要。機器學習（ML，方框1）依賴于大型數據集來訓練其基礎算法，這些數據可以從現實世界中收集，或者在某些情況下，使用模擬生成。一般來說，用于訓練ML系統的數據越有代表性、越準確、越完整，它就越有可能按要求發揮作用。準備訓練數據（分類并確保其格式一致）通常需要手動完成，并且是資源密集型的。

數據隱私：

一些人工智能系統可能會在民用數據上進行訓練。人們普遍認為，如果使用與個人有關的數據，他們的隱私必須得到保護。這可以通過對個人數據進行匿名化處理或只分享經過訓練的人工智能系統來實現。

網絡安全

由計算機軟件支撐的系統數量的增加增加了網絡攻擊的機會。網絡攻擊者可能試圖控制一個系統，破壞其運作，或收集機密信息。基于人工智能的系統也可以通過篡改用于開發這些系統的數據而遭到破壞。英國防部在2016年成立了網絡安全行動中心，專注于網絡防御。在英國，2021年成立的國防人工智能中心，有助于促進行業伙伴或其他合作者對高度機密數據的訪問。

測試和評估

重要的是，軍事系統要可靠、安全地運行，并符合法律和法規的規定。人工智能和自動化給傳統軟件系統帶來了不同的測試和保證挑戰。 進一步的挑戰來自于ML的形式，它可能不可能完全理解輸出是如何產生的（POSTnote 633）。人工智能軟件可能還需要持續監測和維護。利益相關者已經強調缺乏適合的測試工具和流程，并正在開發新的工具和指南。英國政府的國防人工智能戰略致力于建立創新的測試、保證、認證和監管方法。

倫理、政策和立法

目前的準則和立法

目前還沒有專門針對將自動化或人工智能用于軍事應用的立法。雖然它們在戰爭中的使用受現有的國際人道主義法的約束，但這與新技術的關系是有爭議的。在國家和國際層面上有許多關于人工智能更普遍使用的準則，這些準則可以適用于自動化系統。然而，2021年數據倫理與創新中心（CDEI）的人工智能晴雨表研究發現，工業界很難將一般的法規適應于特定的環境。2022年，英國防部與CDEI合作發布了在國防中使用人工智能的道德原則。

責任感

一些利益相關者強調，如果自主系統的行為不合法或不符合預期，那么它的責任是不明確的。這可能導致系統及其決定與設計或操作它的人類之間出現 "責任差距"，使法律和道德責任變得復雜。英國防部的原則說，在人工智能系統的整個設計和實施過程中，應該有明確的責任。國防人工智能戰略為供應商設定了類似的期望。

圍繞自主武器系統的辯論

這一領域的大部分法律和道德辯論都集中在武器系統上。然而，某些非武裝系統（例如，基于軟件的決策支持工具）可能在識別目標方面發揮關鍵作用，因此提出了許多與那些同時部署武器的系統相同的道德問題。

國際上對 "致命性自主武器系統"（LAWS）的使用存在著具體的爭論。這個術語沒有普遍認同的定義，它被用來指代具有不同自主能力的廣泛的武器。關于使用致命性自主武器系統的報告存在很大爭議，例如，由于系統使用模式的不確定性。 聯合國《特定常規武器公約》（CCW）自2014年以來一直在討論致命性自主武器系統的可能立法。它在2019年發布了指導原則，但這些原則沒有約束力，也沒有達成進一步的共識。雖然大多數參加《特定常規武器公約》的國家支持對致命性自主武器進行新的監管，但包括英國、美國和俄羅斯在內的其他國家認為，現有的國際人道主義法已經足夠。根據運動組織 "阻止殺手機器人"（SKR）的說法，83個國家支持關于自主武器系統的具有法律約束力的文書，12個國家不支持。

許多利益相關者認為，必須保持人類對武器和瞄準系統的某種形式的控制，才能在法律和道德上被接受。某些組織，如SKR，呼吁禁止不能由 "有意義的人類控制 "的自主武器系統，并禁止所有以人類為目標的系統。他們還呼吁制定法規，確保在實踐中保持足夠的人為控制。在其2022年國防人工智能戰略中，英國政府表示，識別、選擇和攻擊目標的武器必須有 "適當的人類參與"。作為回應，一些呼吁監管的非政府組織表示，需要更加明確如何評估或理解 "適當的人類參與"。包括英國政府在內的利益相關者建議的維持人類控制的潛在措施包括限制部署的時間和地理范圍。被認為會破壞人類控制的因素包括人類做出決定的有限時間和 "自動化偏見"，即個人可能會過度依賴自動化系統，而不太可能考慮其他信息。

公眾對該技術的態度

大多數關于軍事自動化的公眾意見調查都集中在自主武器系統上。SKR委托對28個國家的19,000人進行了民意調查。62%的受訪者反對使用致命性武器系統；這一數字在英國是56%。關于公眾對人工智能、數據和更廣泛的自動化的態度的研究發現，公眾關注的主要問題包括數據安全、隱私和失業。然而，公眾的觀點會因系統的功能和使用環境的不同而有很大差異。

這期雜志專門介紹了最近的多領域作戰研討會的成果。邀請了來自北約、學術界和工業界的專家來分享觀點，并建立一個共同的基礎，探討多域作戰對軍團總部的意義，特別是考慮到作為小型聯合行動（陸軍）的聯合特遣部隊總部的作用。戰爭正在快速變化，技術在戰場上的地位是我們可能沒有預料到的。研討會是磨練頭腦和避免意外的另一個步驟。必須努力確保我們的程序、戰法和產品能夠抓住進步帶來的機會。作為那些以指揮和控制為生的人，需要確保統一的意圖和任務，以及完成任務的效果，這些都是明確的，并且能夠有利于跨領域的協調工作。必須務實，集中精力解決需要解決的問題，并提醒自己，我們的行為很重要：這是合作的第一層，因為它確保我們都覺得是解決方案的一部分。

美國陸軍未來司令部的士兵致命性（SL）跨職能小組（CFT）正在研究通過頭戴式和武器式能力的組合來增強下馬步兵的新方法。根據SLCFT的指示，美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室的研究人員探索了加強輔助目標識別能力的技術，作為陸軍下一代智能班組武器計劃的一部分。

敵對環境中涉及潛在目標的復雜決策必須由下馬的士兵做出，以保持戰術優勢。這些決定可能是人工智能（AI）技術的強大信息，如AI支持的火力或指揮和控制決策輔助工具。例如，一個士兵發射武器是一個明確的跡象，表明該地區有一個敵對的目標。然而，一個士兵在環境中追蹤一個潛在的目標，然后放下他們的武器，這是一個模糊的、隱含的跡象，表明該目標受到關注，但最終被該士兵認為不是一個直接的威脅。在近距離作戰的環境中，與士兵狀態相關的隱性標記數據（如光電視頻、位置信息或火力行動）可用于輸入決策輔助工具，以得出真實的戰場背景。然而，需要對這些行動進行更徹底的檢查。此外，來自單個士兵的突發非交流行為在整個班級中的匯總可以增強戰術態勢感知。盡管它們有可能產生戰術影響，但這些狀態估計或行為指標往往不能以立即可用的形式獲得。

DEVCOM陸軍研究實驗室（ARL）的研究人員調查了一種通過機會主義感應來進行下馬士兵狀態估計的方法--一種不需要人類明確行動就能收集和推斷關鍵的真實世界數據的方法。在通過正常使用武器追蹤和攻擊移動和靜止目標時，連續獲得數據以解釋士兵的行為。這項工作中使用的士兵-武器行為分類方法主要來自人類活動識別（HAR）研究。然而，在這項工作中，為了提高行為結果的生態有效性，在眼球追蹤文獻中經常使用的實驗范式被反映出來，將眼球運動和認知推理聯系起來。具體來說，眼動跟蹤研究的一個子集的目標是收集和解釋與公開的視覺注意力有關的眼動事件（即固定、囊狀運動和追逐），這可以揭示認知過程和關于環境的客觀內容。在戰斗中，士兵們可能會將他們的目標停留在一個靜態的目標上（固定），當出現新的目標時迅速轉換目標點，有潛在的目標出現（囊狀運動），或者在潛在目標移動時跟蹤他們的目標點（平滑追擊）。

目前，頭戴式眼動跟蹤技術正在開發用于戰斗。然而，與校準誤差有關的凝視數據中的噪聲使其難以有效地使用這些數據。一個更突出的解決方案可能存在于士兵和他們的武器之間的互動中，這項工作使用傳統的HAR技術進行。執行HAR的主要方法是在一個人進行一些身體活動時，使用慣性測量單元收集時間序列數據。然后使用機器學習技術來訓練分類模型，根據數據信號預測行動。這種方法可以擴展到包括在人類與物體互動時對其運動的分類。在這種情況下，當近距離作戰的士兵與潛在的威脅進行互動時，武器的運動特征被伺機獲得，這為這些士兵在這種環境中做出的復雜決定提供了一個窗口。

論文中記錄并發表了對這一評估的全面分析。對來自動態士兵狀態估計的運動數據進行建模和分析以實現對形勢的理解。

執行摘要

A. 項目摘要

本項目的目的是深入了解影響飛行員認知負荷的因素，以幫助了解未來垂直升降機（FVL）的任務自動化要求。研究人員利用學術文獻來開發對影響飛行員認知負荷因素的理解。接下來，研究人員對陸軍旋轉翼飛機飛行員進行了半結構性訪談，以獲得認知負荷數據。之后，研究人員對所獲得的數據進行了定量和定性分析，開發了一個影響圖，對飛行員的認知負荷及其影響因素進行建模。最后，研究人員利用該模型和飛行員數據，為FVL任務自動化要求和未來研究需求提出建議。

B. 背景

美國陸軍正在開發新一代的飛機，作為FVL計劃的一部分。陸軍的意圖是通過開發新的平臺和作戰概念，在航空技術和能力方面實現一代人的飛躍，以便在競爭日益激烈和充滿挑戰的戰斗空間中取得成功。FVL計劃的核心是整合革命性和顛覆性的新技術，以推動陸軍航空的機械、方法和機組人員領域的變化。如果不增加自動化，由于FVL平臺上新技術、數據流和態勢感知工具的注入，飛行員達到認知過載的可能性增加。因此，FVL項目正在重新評估哪些任務應該被自動化，以避免飛行員的認知過載。

C. 研究結果和結論

這個項目表明，影響圖是一個有效的工具，用來模擬影響飛行員認知負荷的因素和因素關系。研究人員希望本項目的影響圖和數據能夠為未來關于飛行員認知工作負荷和FVL任務自動化需求的研究提供參考。

本項目最重要的成果是簡單和復雜的醫療救援任務情景下的認知負荷數值的顯著差異，如表ES-1所示。數據表明，飛行員的負荷根據任務的操作條件有很大的不同，在復雜的任務中飛行員的認知負荷特別大。這清楚地表明，在復雜情況下需要自動化來協助飛行員。

表ES-1. 簡單和復雜MEDEVAC情況下的參與者認知負荷值。

對主要因素影響的高層次分析，如表ES-2所示，表明隨著任務需求的增加和情景變得更加復雜，任務需求成為認知負荷的最大影響因素。此外，當從一個不太可能出現認知過載的場景（即簡單場景）過渡到一個可能出現認知過載的場景（即復雜場景）時，環境因素占認知負荷的最大增幅。因此，應該發展自動化，以減少任務要求和環境條件對認知負荷的影響。

表ES-2. 簡單和復雜MEDEVAC情景的主要因素權重中位數。

與主要因素分析相比，表ES-3中顯示的影響性子因素的排序列表提供了對自動化有意義的任務的更集中的洞察力。為了幫助避免認知過載，飛行員在復雜情況下最需要自動化，因為那是他們認知負荷最大的地方。拋開目前不適合自動化的子因素（如飛行員經驗），數據表明，受光照因素、飛行內協調要求和任務復雜性影響的任務應該被自動化。這將導致在高峰需求情況下最大的潛在認知負荷減少。

表ES-3. 在復雜的MEDEVAC情況下對認知負荷影響最大的8個子因素。

最后，參與者在后續訪談中表示，他們期望自動化能減少他們的認知負荷。雖然預期減少的幅度不同，但參與者普遍認為，在最有可能出現認知過載的復雜情況下，自動化將有助于減少飛行員的認知負荷。

總的來說，本研究的數據顯示，沒有一個子因素是如此的主導和有影響力，以至于它的自動化就可以大大減少飛行員的認知負荷。相反，研究人員評估說，可能需要在許多子因素領域實現自動化，以有意義地減少飛行員的認知負荷。

D. 對未來研究的建議

雖然這種方法的定性產出提供了有用的見解，但主要的收獲是確定了未來研究應該更深入地探索的領域，以告知有限的任務自動化要求。基于通過訪談和數據分析得到的信息，研究小組對未來的研究有三個建議。

首先，研究人員建議完成一項任務分析，以確定哪些有限任務會影響本研究中確定的影響因素和子因素。這些結果可用于評估任務自動化對飛行員認知負荷的潛在影響，使用離散事件建模和模擬工具，如改進性能研究集成工具（IMPRINT）。

第二，研究人員建議測量飛行員認知過載的經驗閾值，并用于補充本項目中確定的飛行員認知負荷的自我評估。這將允許開發更準確的認知工作負荷模型，并對任務自動化帶來的認知工作負荷減少的幅度提供更多的洞察力。

最后，研究人員建議評估低能力飛行員（即飛行經驗最少的飛行員）的認知工作負荷能力。這方面的知識將有助于告知哪些任務應該自動化，以避免最有可能出現認知過載的用戶群的飛行員認知過載。

摘要

本報告涵蓋了與設計評估人類和智能軟件Agent之間通信有關的問題，這些通信是實現協作關系所必需的。為了使人與Agent之間的互動在動態的現實世界中保持穩定，軟件Agent和人類都必須能夠在任務目標方面溝通他們的整體意圖。由于推理過程、能力和知識庫的不同，人類和Agent并不是人類團隊的模擬。我們討論了有效通信所涉及的技術問題，包括相互透明的模型、自然語言處理（NLP）、人工智能（AI）和可解釋的AI。由于缺乏使人類能夠洞察其隊友心理過程的心智理論，Agent很難預測人類的信息需求和未來行動。涉及多個Agent的協作計劃研究和合成共享心智模型的研究被作為嘗試將人類和Agent整合成一個協同單位典范。然而，我們的結論是，在人類和Agent在復雜的、不確定的任務中像人類團隊一樣通信之前，NLP、可解釋人工智能和人類科學的進展將是必要的。

1. 引言

自主系統的前景和問題都將改變未來系統的動態，這不僅體現在自主系統對社會的影響上，也體現在它們與人類的互動上（《經濟學人》2016；Schaefer等人，2017）。人類和自主系統之間的伙伴關系涉及到將人工和人類融合成一個有凝聚力的系統，這種結合意味著所有的優勢和限制（Bradshaw等人，2009；Chen和Barnes，2014）。自主系統的范圍可以從那些獨立的、只由人類偶爾監控的系統到由人類指導的、受到密切監督的系統（Barnes等人，2017）。能夠自主行動并根據新信息更新行動以實現其目標的軟件系統被確定為智能Agent（IA）；Russell和Norvig 2009）。在人類與IA的合作關系中，人類和IA共享決策空間的混合倡議能力，但人類擁有最終的權力，在危險的時間有限的情況下，允許靈活性，同時保持人類的責任（Chen和Barnes 2015；Barnes等人2017）。在大多數情況下，不可能先驗地將每個人分配到動態環境中的特定角色，因為他們的角色可以隨著情況的變化而改變。例如，自適應Agent可以在高工作負荷的任務段中掌握決策主動權，而不需要等待操作者的許可，但在正常的操作中會將決策主動權還給操作者（Chen和Barnes 2014）。一些與任務分配有關的規定性規則可以根據任務的優先級預先設定。其他規則可能會根據情況的緊急程度而改變（例如，在時間期限過后自主擊落來襲導彈[Barnes等人，2017；Parasuraman等人，2007]）。然而，在動態環境中，溝通、對意圖的理解和共同的態勢感知（SA）是有效協作的必要條件（Barnes等人，2017；Evans等人，2017；Holder，2018；Chen等人，2018）。

隨著IA復雜性的增加，有效通信的必要性也隨之增加。Cooke（2015）認為，高效的團隊合作關系更多的是取決于有效的互動，而不是擁有廣泛的共享知識庫。除了有一個共同的語言框架，每個團隊成員都必須知道什么時候向他們的伙伴推送信息，什么時候要求提供信息。因此，人類和IA不僅要有任務環境的SA，而且要有彼此角色的SA，以便在沒有公開交流的情況下回應伙伴的要求（Scherri等人，2003；Chen等人，2018）。我們討論三個主要的主題。第一個主題是對人-Agent架構的描述，以及為什么它與人-人團隊不同，強調相互透明度的重要性。接下來，我們討論了人類與人工智能（AI）系統通信所涉及的技術問題，包括多模態交互、語言限制、AI的類型以及可解釋AI（XAI）的重要性，以確保相互理解。最后，我們討論了共享意圖的重要性，以促進操作者和人工智能之間信息交互的自然節奏。

浮動航天器模擬器（FSS）是模仿衛星在空間運動的機器人載體。使用FSS可以在地球上對制導、導航和控制算法進行實驗驗證，然后再將其應用于空間，因為空間的錯誤是災難性的。此外，FSS是空間系統工程課程中大學生的一個重要研究和教育工具。然而，目前使用的所有FSS都是定制開發和昂貴的項目。本論文涵蓋了用于教學和研究目的的新型浮動航天器模擬器的開發、組裝和測試過程，該模擬器被命名為MyDAS，代表微型動態自主航天器模擬器。通過介紹MyDAS，一個小型的、簡單的和低成本的FSS，使FSS在大學和中學階段的研究和教育中得到更廣泛的利用。討論了MyDAS的不同推進配置及其相應的運動方程。對于一個特定的配置，選擇并測試了現成的氣動和電子組件。一個模塊化和標準化的3D打印框架將所有部件固定在一起，形成一個最終的剛性載體。最后，MyDAS在各種實驗中被測試，完成了全部的硬件功能。

1 引言

本論文進行小型化和簡化的浮動航天器模擬器（FSS）工作。本章簡要介紹了這項工作的動機和目標，以及本論文的結構。

1.1 動機

未來空間任務中的航天器需要靈活、自主的制導、導航和控制（GNC）算法，如對接、接近或清除碎片的操縱[1], [2], [3]。用硬件在回路中驗證GNC算法的一種方法是使用FSS，而無需將測試對象送入太空。盡管不向太空發射任何東西而大大降低了成本，但目前的FSS仍然需要大量的經濟和費時的工作來建造和操作，這只有專門的機構或公司才可能做到。除此之外，目前的FSS都是獨特的設計，沒有標準化。引入一種新的、負擔得起的、小而簡單的FSS可以使本科生甚至高中生以及業余用戶能夠使用FSS工作。提供這種機會可以增加為未來空間任務創造更好的GNC算法的成功機會。

1.2 目標

先前工作提出了一個更便宜、更小、更簡單的FSS的概念[4]，稱為MyDAS，代表微型動態自主航天器模擬器。提出了初步的計算機輔助設計（CAD）模型、材料清單、氣動圖、接線圖、兩種浮動配置和三種推進配置。本論文的目的是建立一個MyDAS的物理工作實例。為此，所有定制設計的部件應與購買的現成部件一起制造和組裝。所有的功能部件應先單獨測試，然后再組合。最終的裝置必須能夠使用壓縮空氣供應漂浮和推動自己。如果可能的話，在不使用推進系統的空氣的情況下，漂浮時間應超過5分鐘。此外，推進系統必須由機載計算機和機載電池控制。該裝置的硬件和軟件應是開源的，以使其可重復使用。作為其中的一部分，將提出一個成本估算。在未來的工作中，希望MyDAS能被積極用于驗證和改進GNC算法。

1.3 結構

如上所述，本論文是基于以前的工作，其中介紹了關于FSS的理論基礎和技術現狀[4]。理論基礎和技術現狀同樣適用于本論文，這就是為什么它們在本文件中沒有明確重復。在第2章運動方程中，以前工作中的簡化運動方程被指定用于其中一個推進配置。第3章氣動系統討論了MyDAS的氣動系統。第4章電子學中解釋了MyDAS的電路以及所有的電子元件。第5章框架設計的主要內容是構建和制造一個定制的、3D打印的框架，該框架將所有的部件固定在一起。第6章設置和測試描述了在組裝MyDAS的過程中對單個和組合部件的若干測試。在第7章實驗中，全功能的FSS被用在一個花崗巖試驗臺上，以證明其功能，以及描述某些推進方面的特征。最后一章的結論是對工作的總結以及對未來工作的建議。復制MyDAS的基本信息，如技術圖紙、材料清單和Python列表，可以在附錄中找到。此外，該代碼與CAD文件和更多不能打印在紙上的數據一起在網上提供。

知遠戰略與防務研究所陳嘯/編譯自：日本海上自衛隊干部學校網站******【知遠導讀】2019年，美國戰略與預算評估中心發表了《海上施壓戰略》，明確了“內線外線防御作戰概念”。美國陸軍和海軍陸戰隊作為在同一地理空間中作戰的軍種，為了適應安全保障環境的變化以及各自開發的作戰概念，定義了各自在A2/AD威脅圈內作戰的“內線部隊”并推動各種措施，但包括其定位、措施內容、不同點等在內的具體情況尚不明確。本文第一部分論述美國陸軍的“內線部隊”，第二部分論述美國海軍陸戰隊的“內線部隊”，分別梳理兩個軍種在目前正在開發的作戰概念中如何進行定位以及各自采取了什么措施。第三部分內容對美國陸軍和海軍陸戰隊進行比較和分析，根據兩者存在的不同點等推測美軍“內線部隊”的目標。**報告全文約14000字，篇幅所限，推送部分為節選。

****美國戰略與預算評估中心（CSBA）在2019年發表了《海上施壓戰略》（Maritime Pressure Strategy），其中明確提出了“內線/外線防御”相結合的新型作戰概念（Inside-Out Defense operational concept）。在該作戰概念中，下文將要提到的“內線部隊”平時在前沿部署，傳遞與美國安全承諾有關的可信賴信號，在發生沖突時迅速分散，在第一島鏈內采取具有抗毀性的態勢構建最初的防線，以此來對抗俄羅斯合并克里米亞之類的“既成事實化”攻擊（fait accompli），突破敵人的“反介入/區域拒止”（A2/AD）網絡。在該作戰概念中，**由于作為“內線部隊”的美國陸軍和海軍陸戰隊在同一個地理空間中發揮著類似的作用，因而有人提出美軍為了避免不必要的重復，應集中力量進行統一和補充，重新評估各軍種的作用。**美國陸軍和海軍陸戰隊“內線部隊”的目標是什么呢？本文以公布2017版《國家安全保障戰略》以后到當前（2021年7月）的時間段作為研究的主要對象，以美國陸軍及海軍陸戰隊的官方文件及美國議會的調查報告等為中心進行分析。第一部分內容是介紹美國陸軍的“內線部隊”，第二部分是介紹美國海軍陸戰隊的“內線部隊”，在梳理了對目前美國陸軍和海軍陸戰隊各自開發的作戰概念如何進行定位的基礎上，分析了兩個軍種為了具體實現這些作戰概念而采取了什么措施。在第三部分內容中，對美國陸軍和海軍陸戰隊進行比較和分析，根據其不同點等明確“內線部隊”的目標。美國陸軍的“內線部隊”****概要美國陸軍的“內線部隊”在作戰概念中被如何定位？美國陸軍在推進“多域作戰”（MDO）概念的進程中，陸軍訓練與條令司令部（TRADOC：Training Doctrine Command）在國防部發表2018年版《國防戰略》之后，公布了《多域作戰中的美國陸軍2028》（MDO 2028）。該文件指出，陸軍的目標是“融合（Convergence），旨在實現陸、海、空、太空、網絡空間、電磁頻譜等所有領域急速且持續的能力整合。之后，美國陸軍參謀長麥康維爾（Mc Conville）在2021年3月發表了題為《美國陸軍多域變革》（Army Multi-Domain Transformation）的文件。這份文件關于強化美國陸軍的核心能力，使美軍聯合部隊能夠在從競爭到沖突的階段中獲勝，變革為具備適當配置和能力的多域部隊，明確了變革的必要性及如何進行變革。美國陸軍通過利用新的能力和在前沿的部署，在過去戰區的內側和外側機動，擴大戰區范圍。“內線部隊”在戰區的內側遂行作戰任務，在敵對者的“反介入/區域拒止”圈內提供可信賴的戰場生存能力。另外，該文件明確了“內線部隊”用語的定義，在該文件末尾總結的“用語集”中，將“內線部隊”定義為“為了提供削弱區域拒止策略的可靠功能，能夠在敵對者的‘反介入/區域拒止’威脅圈內遂行持續作戰、且有恢復能力的多域部隊”。在“多域作戰”概念方面，與清晰區分“戰時”與“平時”的美國傳統思維方式有很大的區別，明確提出了能夠在所有階段與敵對國家進行競爭。在低于武裝沖突門檻的競爭階段，“內線部隊”確保能夠提供對抗敵人導彈、遠程多聯裝火箭、防空、網絡攻擊等的能力，通過展示這些能力，可以拒止敵人的“既成事實化”攻擊，支援友軍方面的敘事。另外，美國陸軍與聯合參謀部合作，通過聯合作戰演習、實驗、場景開發等持續性的分析，使“多域作戰”概念日益成熟起來。由此，“多域作戰”概念能夠與能力開發并行發展，并且能夠與聯合參謀部正在討論的JWC（聯合作戰概念）保持融合性。在該分析中，也顯示了“內線部隊”在沖突開始前的必要性。通過處于威脅之下的“內線部隊”，在危機和沖突中可以進行及時的聯合火力打擊和具備強韌性的指揮控制，在競爭階段通過其前沿存在，可以向同盟國和伙伴國展示美國的決心。如上文所述，美國陸軍的“內線部隊”在“多域作戰”概念中被定位為擔負各種作用的核心部隊，可以說是在麥康維爾參謀長謀求實現的陸軍變革態勢中占據重要位置的作戰概念。

**美國海軍陸戰隊的“內線部隊”**概要

美國海軍陸戰隊正在探討如何通過在2017年與海軍聯合發布的《競爭環境中的瀕海作戰（LOCE: Littoral Operationsina Contested Environment）》概念來應對敵對者構成的“反介入/區域拒止”（A2/AD）威脅。LOCE概念是以在瀕海地區陸上控制一方占據優勢為前提的作戰概念，其最終目標（ends）是“為了阻止在瀕海地區的進攻，在前沿確立持續的海上拒止能力”“在敵對環境下確立海上控制”。另外，美國海軍陸戰隊在被定位為LOCE下層概念的“遠征前進基地作戰（EABO：Expeditionary Advanced Base Operations）概念”中提出了“雙重體制（dual posture）構想”，即組合運用能夠在敵人“反介入/區域拒止”威脅圈內持久行動的“內線部隊”與不得不在敵人的遠程精確武器打擊范圍外部活動的大型水面艦艇等“外線部隊”執行任務。在EABO概念中，作為“內線部隊”提出的構想是裝備相對小型、不花費更多的費用、不易被探測到、能夠承受風險的作戰平臺，并且是低特征、不易被作為目標狙擊、由遠征型補給系統進行支援的“內線部隊”（Stand-in-force）。2019年7月就任美國海軍陸戰隊總司令的大衛·H·伯格（David H.Berger）將“內線部隊”定義為“在與戰術性的海軍作戰力量交戰時，以小規模、致命性、隱蔽性、高機動、易維持等特征應對高對抗性海空作戰任務的部隊”。另外，美國海軍陸戰隊在同一時期發表的《第38任司令官規劃綱要（The 38th Commander's Intent）》中強調了其重要性，提出“其他部隊要保持能夠遠離的距離，但海軍陸戰隊必須提供作為能夠持久存在的‘內線部隊’的能力”。美國海軍陸戰隊也認識到了在競爭階段中“內線部隊”的重要性，強調與在戰斗開始后讓部隊進攻相比，在戰斗開始前預先部署部隊更加重要。2021年4月，大衛·H·伯格在美國議會舉行的2022年度預算聽證會上，解釋了“內線部隊”的必要性。伯格強調，大規模的固定基地和陸上的基礎設施在敵人的遠程精確攻擊面前十分脆弱，并且從政治上可能實現的資源分配和該地區的態勢來看，應對發揮迅速性的新威脅是不現實的，需要配備“內線部隊”。除此之外，伯格還指出，海軍陸戰隊在2020年3月發布了《面向2030年的力量規劃》（Force Design 2030：FD2030），關于“內線部隊”的理解和分析是用于支援EABO概念的“FD2030”的原動力，并且也反映在2021年2月公布的《EABO暫定手冊》中。在第一版《EABO暫定手冊》中，將“內線部隊”應具備的能力定義為“為了與伙伴國合作，支援東道主國家的主權，對抗惡意行動，在發生沖突時與敵人近距離交戰，允許存在風險、能夠在競爭對手的武器交戰圈（WEZ：Weapon Engagement Zone）內持久行動的低特征部隊”。另外，除了近距離戰斗之外，“內線部隊”的作用還被設想為支援反潛作戰，通過在重要的海峽清理水雷（sanitize），擴大在水下作戰中的戰略優勢。在公布第一版“FD2030”一年以后，美國海軍陸戰隊于2021年4月公布了更新版“FD2030”。其中，在以海軍陸戰隊戰斗研究所（MCWL）為主體的學習活動中，討論了此前得到的教訓應該反映到“內線部隊”的觀點。另外，大衛·H·伯格就關于“內線部隊”表態稱，“內線部隊”在武裝沖突門檻下的作戰樣式中尤其重要，對整個美軍行動的貢獻與發揮“內線部隊”自身的殺傷性火力相比，擔負偵察與反偵察任務的可能性更大。關于這一點，美國海軍陸戰隊在2021年8月公布了“內線部隊”概念，并在其中進行了詳細說明。美國海軍陸戰隊的“內線部隊”需要在海軍與海軍陸戰隊的聯合“遠征前進基地作戰”概念中發揮各種各樣的作用，并且正在作為實現大衛·H·伯格總司令的海軍陸戰隊變革目標的概念而推動討論。

比較與分析以下內容將總結此前論述的美國陸軍“內線部隊”與海軍陸戰隊“內線部隊”所采取的措施，并根據其不同點等明確“內線部隊”的目標。定義美國陸軍將“內線部隊”定義為“提供削弱敵對者A2/AD的功能，在威脅圈內作戰、可存續且具有復原能力的多域部隊”。美國海軍陸戰隊將“內線部隊”定義為“與同盟國等協同對抗敵對者的惡意行動，在沖突時容許存在有可能進行 近距離戰斗的敵人WEZ（武器交戰圈）內的風險、并且能持久作戰的低特征部隊”。美國陸軍和海軍陸戰隊都將“內線部隊”定義為能夠在敵人的“反介入/區域拒止”（A2/AD）威脅圈內持久作戰的部隊。****威脅認識在主要的威脅認識方面，美國陸軍將被中國和俄羅斯運用新型作戰樣式在競爭階段先發制人，在沖突階段被敵對者組合多域作戰力量分裂和破壞美軍聯合部隊視為威脅，而美國海軍陸戰隊重視中國在海上的威脅，尤其是將中國的A2/AD能力視為在海上的重要威脅。最終目標（ends）美國陸軍的目標是通過在競爭階段保持優勢，在沖突階段突破敵人的“反介入/區域拒止”系統，獨立獲得機動自由，以此對抗中國和俄羅斯的新型作戰樣式，贏得作戰勝利。為此，美國陸軍將運用“內線部隊”持續控制自己的領域，發揮作為美軍所有領域協同中心的作用并且達成其目的作為“ends”。與此相反，美國海軍陸戰隊的“ends”，是“內線部隊”為達成“在前沿確立持續性的海上拒止能力，遏制在瀕海地區的進攻”“在敵對環境下確立海上控制”的目標發揮作用，而該“ends”也是被定位為EABO概念上層概念的LOCE概念的“ends”。作戰概念美國陸軍位于能夠持續發揮戰斗力的陸地上，試圖通過“多域作戰”概念起到作為全域協同中心的作用……(需要閱讀完整版本的讀者，可訪問知遠外軍防務開源情報數據庫（//www.knowfar.net.cn/）或下載“知遠防務”手機APP（//www.knowfar.tech/），即可訂閱全文.)

（平臺編輯：黃瀟瀟）