现代战争,无论是侧重于动能任务、信息收集任务,还是这两种任务的组合,都是基于由众多 OWNFOR 和 OPFOR 实体执行的众多任务序列。为了应对战争的复杂性,专业作战人员多年来一直遵循军事决策程序(MDMP)。通过这种方法,任务(包括条件和标准)被用来确定必要的能力。然后才分配适当的实体执行任务。从使命(即任务)到能力再到物资,形成了清晰的逻辑联系。2003 年,“任务与手段框架”(MMF)作为 MDMP 的正式体现被制定出来。

遗憾的是,在许多物资研究中,都没有将 MDMP 作为 a]明确说明军事任务和 b]定量评估替代产品和服务的任务效用的逻辑基础。最大的挑战可能来自于有本体支持的 C4ISR 学科,在这些学科中,对实体的类型、属性和相互关系进行正式命名和定义是描述任务成功与否的基础。目前正在进行一项演示,利用多用途多层面框架来规划、监控和评估作战测试和支持开发活动的执行情况。最近,这项研究已扩大到支持 MINI-DASS(任务所需的信息-可发现的可用传感源),这是一项 ISR 信息生成方法计划,旨在明确态势了解与任务成功之间的关系。

这种单一的集成式 MMF 本体方法对研究、需求、测试、培训和分析活动具有重大影响,所有这些活动都在这一单一的概念模型中得到了相同的反映。

图 1. 为理解态势而获取相关信息的示意图。

信息生成技术的进步、新型传感器的购置以及移动设备的普及,导致产生了大量数据,并加大了从异构信息源中获取和检索相关信息的挑战。此外,由于情报、监视和侦察(ISR)资源的数量和能力有限,无法处理多种信息收集请求,因此有必要最大限度地利用这些资源,以提高所获信息的价值和及时交付。ISR 和动武军事行动都需要了解情况。

信息源和动能资产的数量和多样性不断增加,使作战行动越来越具有挑战性;在联军环境中尤其如此。不仅 ISR 和动能资产更加分散,而且联军行动通常是临时性和高度分散的。此外,不同的联盟政策也使联合行动更具挑战性。

在本文中,ISR 资产是指任何可向消费者(分析师、规划者、决策者)提供信息的信息源、生产者或容器。它可以是一个物理传感器、一个可收集数据的人为来源或一个可检索信息的信息容器(如数据库)。

图 1 显示了为理解态势而获取信息的高级外化过程。

这一周期的起点是需要了解态势,为军事决策提供依据。最初会产生一个任务驱动的信息查询。需要一个人机界面来翻译请求,以便计算机能够理解。然后,必须使用与任务相关的数据/信息源;需要发现这些数据/信息源,然后进行查询。为了收集必要的任务相关数据/信息,需要对信息进行相关性过滤,然后进行提取。提取的数据/信息随后可通过各种数据分析功能进行处理,包括融合、关联、聚合等。然后,信息可能会被分析人员利用,并传播给包括决策者在内的信息消费者。表征的关键要素包括

  • 必须与特定使命/任务相关联的信息查询
  • 机器理解所需的信息
  • 信息源(ISR 资产)的发现和可用性
  • 基于信息的资产层次结构,包括
    • 融合引擎
    • 信息处理技术(包括 PED、处理、利用和传播)
    • 情报产品
  • 需要将对态势的了解外部化
  • 功能,使手段提供的能力与任务要求的能力相匹配

这种外部化说明了需要收集、利用、处理、分析和传播的各种 ISR 资产,以提高对局势的认识和决策能力。在面对多种信息请求时,要优化联军 ISR 和动能资产的发现和利用,并通过为用户收集与任务相关的信息来加强从数据到决策的过程,就需要有支持收集规划和评估的自动化工具。

开发传感器本体的研究为传感器能力和属性提供了丰富的语义描述,已证明对传感器集成、ISR 资源任务分配和信息融合大有裨益。这一领域的工作可作为基础加以利用和扩展,以满足我们的研究要求。在我们的工作中,除了开发传感器属性、能力和可用性的表征外,我们还在开发由不同信息源产生的不同类型信息的正式表征,以及它们如何帮助弥补信息差距。高层次的信息需求需要分解成具体的信息请求,并根据这些本体的概念进行表达,以便于将需求与适当的信息源进行匹配。这些模型与适当的推理方案相结合,将改善目前的流程。

美国陆军研究实验室(ARL-SEDD、-CISD 和 -SLAD)和 AMSAA 正在就优化 ISR 和动能资产的效用以满足任务需求开展相关研究工作。这项研究工作的重点是开发一个 “任务和方法框架”(MMF),以优化利用现有的 ISR 和动能资产(手段)来获取行动(任务)所需的信息。这些目标旨在加强对态势的理解。

本文介绍了任务构建和所需能力的生成过程和模型,以及本体论的开发过程,本体论可帮助确定有哪些可用资产以及这些资产可提供哪些能力来满足任务所需能力。在本文中,数据和信息是同义词。

图 2. 按战争等级划分的 MOUT 任务布局。一般来说,高层任务被定义后,部分任务会传递给下层任务执行和/或进一步分解。蓝色虚线表示自上而下的推断关系。红色箭头表示时间向前推移。

图 3 任务循环示意图。第 4 层的任务通过 O4,1 操作器启动第 1 层的交互。O1,2 操作器改变第 2 层组件的状态。第 3 层计算出新的能力,最后与第 4 层循环中下一个任务所需的能力进行比较。如果第 3 级的当前能力达到或超过了下一个任务的要求,则流程继续。一个任务周期(即一个 360度周期)从开始到通过 O3,4 操作员进行最终能力/任务比较,可能代表一次开发测试或一次 ISR 任务。

图 5. MMF 的对立力量与时间前向操作器一起显示。请注意,OWNFOR(时间前向)操作器顺时针移动;OPFOR 逆时针移动。

成为VIP会员查看完整内容
6

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。
《作战战略和决策规划的数学模型》
专知会员服务
35+阅读 · 11月5日
《利用多维数据挖掘为作战规划提供决策支持》
专知会员服务
34+阅读 · 10月23日
《战斗管理辅助的系统性方法》
专知会员服务
83+阅读 · 2月1日
《多域作战环境下的军事决策过程》
专知会员服务
172+阅读 · 2023年4月11日
《多域作战环境下的军事决策过程》
专知
77+阅读 · 2023年4月12日
国家自然科学基金
11+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
0+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
3+阅读 · 2015年12月31日
国家自然科学基金
40+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
Arxiv
0+阅读 · 11月13日
Arxiv
0+阅读 · 11月11日
Arxiv
155+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
397+阅读 · 2023年3月31日
VIP会员
相关基金
国家自然科学基金
11+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
0+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
3+阅读 · 2015年12月31日
国家自然科学基金
40+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员