近来技术的进步使得战场上对快速指挥与控制(C2)决策的需求变得非常重要。传统上,由专题专家(SME)利用其积累的知识、经验和专业技能制定行动方案,完成这些任务以实现预期目标。现在,技术进步了,战术领域的行动步伐也加快了。指挥官需要在很短的时间内,有时甚至是一瞬间,针对特定情况做出决策。这就需要在这些任务中引入自动化,从而使用基于人工智能(AI)和机器学习(ML)框架的算法。
ML 技术可分为两大类,一类方法需要大量真实情况数据进行训练(如监督学习),另一类方法则采用行动和奖励的概念(如强化学习 [RL])。还有许多混合技术以多种不同的方式将这两种方法结合在一起。深度强化学习(DRL)就是这样一种技术。在本报告中,我们将介绍利用 SME 和 DRL 算法开发的战场模拟数据比较分析和可视化工具。