《探索军事决策支持系统中合成数据的保真度》

军事决策支持工具依赖于模型和仿真，因为对于即将到来的战斗没有历史先例可循。诸如强化学习等技术被用于通过仿真器生成合成数据。这引发了一个根本性问题：合成数据的质量如何影响整个决策支持的质量。本工作旨在探索仿真器的真实性与决策支持系统的预测质量之间的关系。引入了“保真度”这一概念，作为评估这些应用生成的合成数据质量的手段。为了解决这一研究问题，本研究采用了“参考-抽象模型”概念。本质上，抽象模型的保真度是通过将其与参考模型进行比较来评估的，参考模型可能也包含现实世界的数据。我们特别研究了士兵在清除村庄中敌方部队任务中的机动保真度。研究结果表明，生成的合成数据的质量与决策支持应用的预测性能之间存在直接相关性。其他结果还强调了各种参数如何影响运动保真度以及决策支持应用的性能。

决策是指挥与控制过程中的一个重要部分。随着作战跨越多个领域、包含许多动态部分，并且涉及可能也依赖先进计算机系统和人工智能的对手，决策支持系统对指挥官来说变得必不可少。

随着计算能力和人工智能的最新进展，模型和仿真作为军事行动决策支持工具的使用显著增加。决策支持系统（DSS）的目的是为指挥官和其他军事人员提供相关信息，增强决策过程并提升作战的战术意义。决策支持应用可用于任务规划、人力资源规划或后勤规划。

在任务规划中，研究不同的行动方案（COAs）。通过创建虚拟环境，可以开发行动方案、生成合成数据、测试其可行性、评估其有效性，并将它们相互比较。此类仿真的结果主要作为支持工具，通过指示任务的时间估计、潜在伤亡和物资损失，为指挥官提供有价值的见解和建议。DSS可以改变任务参数，为每组参数运行任务仿真，并根据仿真结果判断实现指挥官意图的有效性。由于行动方案可能变得非常复杂，我们认为仿真结果最适合支持规划过程中的子方面/角色，例如军事工程师。

因此，问题在于仿真器生成的合成数据的质量如何影响决策支持系统的性能。当我们提到数据质量时，我们特别关注模型是否能够以现实的方式忠实复制所研究系统的特性。

本工作旨在探索仿真器的真实性（其保真度）与使用此类仿真器的决策支持系统的预测质量之间的关系。因此，本研究深入探讨了模型各种参数的重要性。所研究的方法应用于一个实际用例，即专注于从占领军手中解放村庄场景的决策支持系统。

能够准确判断仿真器的不同保真度方面，可能有助于未来决策支持系统的开发。与其改变参数、生成合成数据并训练DSS，不如调整参数以提高保真度。因此，可以减少DSS的资源密集型训练。本工作通过准确测量军事力量的机动保真度，迈出了这一方向的第一步。