《兵棋推演中使用AI作为多域决策支持工具》

指挥与控制（C2）规划面临着日益复杂的挑战，例如相关数据的可用性越来越高，以及如何在可用的时间范围内处理这些数据。通过了解 “红队”对 “蓝队”潜在行动方案（CoA）可能做出的反应，规划人员可以利用人工智能（AI）兵棋推演的洞察力做出更好的战略决策。建模与仿真（M&S）工具与人工智能相结合，可通过消耗和处理作战图的观测数据，快速预测红队的行动方案（CoA）。介绍的 “红队反应”（RFR）是一种决策支持工具，它利用兵棋推演模拟器中的人工智能来寻找潜在的 “红队共同行动”。利用最先进的深度神经网络（DNN）算法，包括近端策略优化（PPO）和好奇心学习（Curiosity Learning），并将其集成到多智能体强化学习（MARL）环境中，RFR 智能体可根据奖励和行动选择多样性分别找到高性能和新型 CoA。在空中战术场景中，红方部队与蓝方部队进行了 17,587 次训练，取得了 91% 的胜率。该概念展示了人工智能在 C2 规划中的有效应用、如何利用云计算有效训练智能体，以及如何将该概念扩展到更大的问题。