数字孪生(DT)应用和相关技术有可能提高兵棋推演模拟的准确性,从而提供风险知情的决策支持建议。理论上可以开发作战环境的 DT,以持续收集来自作战兵力的数据,并创建计算模型或模拟来测试作战空间条件。有效实施 DT 可以为指挥官提供及时更新和调整的建议,从而为决策过程提供帮助。如果根据持续运行的模拟结果,先前建议的行动方案不再被认为是最佳方案,那么实时更新将告知指挥官。本论文对将支持 DT 的决策支持系统整合到海军陆战队规划流程并作为各级指挥领导的有效工具进行了定性评估。研究人员认为,通过将实时数据纳入模拟未来冲突,可以增强战争博弈过程,从而促进将数据分析纳入时效性决策,并有可能改善决策过程中的不确定性管理。提高对资源分配决策的认识和量化协助将使领导者受益。预期的挑战将是作战兵力的数字化进程以及让领导者适应新技术。

图. 数字孪生赋能在线战场学习,及在无人作战中的作战模式。

引言

美国海军陆战队历来将兵棋推演作为一种训练工具,用于培养海军陆战队员的决策技能,并在可控环境中评估领导者的计划过程,从而提供有用的反馈。兵棋推演还被用于测试不同的作战概念和发展条令(Bae & Brown,2021 年)。2017 年,海军陆战队司令罗伯特-奈勒将军建立了海军陆战队战争博弈与分析中心。战争博弈与分析中心计划于 2024 年开放,其主要任务是能力开发。该实验室将设在弗吉尼亚州的匡蒂科,海军陆战队作战实验室、海军陆战队大学和海军陆战队系统司令部可利用该实验室提出有分析支持的建议,以塑造未来的兵力设计和发展活动(冈萨雷斯,2021 年)。

海军陆战队还希望利用大数据分析、人工智能(AI)和机器学习(ML)等新兴技术,运行超过 1000 次的模拟,以确定战斗场景中各种结果的概率(South,2018 年)。这将有助于开发分析决策支持工具,为战术指挥官提供数据驱动的建议。为使系统能提出可行的建议,模拟必须由准确且最新的数据驱动。创建海军陆战队兵力的数字孪生(DT)以及从物联网(IOT)中收集的数据,可为海军陆战队提供必要的工具,以建立其希望采用的决策支持设备(Madni 等人,2019 年)。目前,海军陆战队的 DT 计划主要局限于网络管理和供应链协调。然而,随着数据传输的加快和物联网的普及,最先进的人工智能/ML 对 DT 的增强可以改善 DT 与指挥、控制、通信、计算机和情报(C4I)各方面的整合,从而推动战斗空间感知、持续决策支持分析以及在复杂的互联战场中保持决策优势。

A. 问题陈述

只有在数据本身可靠的情况下,利用人工智能和大数据分析进行决策支持才是有益的。例如,当指挥官审查数据并决定行动方案时,为其决策提供支持的建议可能已经过时。基于错误或过时数据输入的错误建议可能比没有数据更具破坏性。即使模拟使用的是准确的最新数据,只要变量保持静态,系统提供的建议也将一直有效。由于战术建议需要灵活适应战场条件的动态性质,因此有必要采用可将实时数据馈送纳入决策支持模拟工具的系统。

B. 目的说明

本研究的目的是探索数据传输应用和相关技术的潜力,以提高战棋模拟的准确性,从而为指挥官提供风险知情的决策支持建议。理论上可以开发作战环境 DT,以持续收集来自作战兵力的数据,并创建计算模型或模拟来测试作战空间条件。有效实施 DT 可以为指挥官提供及时更新和调整的建议,帮助决策过程。如果根据持续运行的模拟结果,先前建议的行动方案不再被认为是最佳方案,那么实时更新将告知指挥官。我们将研究私营部门和政府的 DT 计划,以确定此类系统的潜力。

C. 研究问题

  1. 融合 DT 能否使兵棋推演受益?

1.1兵棋推演的哪些应用将受益于 DT?

1.2 DT 如何增强海军陆战队规划流程和快速反应规划流程?

1.3 DT 能否增强参与者的知识流程?

2.DT 综合决策支持系统如何改进指挥官的决策周期?

2.1 决策支持系统能否减少战场上的不确定性?

2.2 需要哪些数据输入来开发海军陆战队兵力或作战环境的综合 DT?

2.3 决策支持系统能否缩短决策所需的时间?

2.4 何时需要自动决策,何时需要人工决策?

3.决策支持系统应纳入哪一级指挥系统?

3.1 在战争战术层面整合决策支持系统有何影响?

3.2 在作战层面整合决策支持系统有何意义?

3.3 在作战层面整合决策支持系统有哪些影响?

3.3 在战争战略层面整合决策支持系统有何影响?

D. 论文结构

本论文的其余部分由另外四章组成。第二章是对决策科学、兵棋推演和数字孪生应用及相关技术等主题的现有文献综述。第 III 章是对所选研究方法的概述。第 IV 章分析了将数字孪生融入兵棋推演和决策支持的可能性,以协助不同战争级别的指挥官。第 V 章介绍了由此得出的结论,包括建议以及对未来研究领域的建议。

成为VIP会员查看完整内容
104

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《网络战仿真中的多智能体强化学习》最新42页报告
专知会员服务
43+阅读 · 2023年7月11日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
38+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
VIP会员
相关VIP内容
《网络战仿真中的多智能体强化学习》最新42页报告
专知会员服务
43+阅读 · 2023年7月11日
相关资讯
相关基金
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
38+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员