为了应对一个日益动态的作战环境的挑战,必须适应技术发展的快速步伐。无人系统(UxS)在改善美国海岸警卫队的卓越任务方面发挥着关键作用,并拥有巨大的前景。无人系统可以帮助找到遇险的海员。它们可以提高在海上探测非法毒品和移民贩运的能力,这样就可以最有效地分配有限的船只、船舶和飞机。UxS可以成为监测世界各地非法、未报告和无管制(IUU)捕捞活动的有力工具。在不断变化的北极地区,UxS可以帮助破冰船的导航,跟踪冰山和增加的船只交通,并监测其他商业活动的增长。未来将在一个可互操作的系统的互联范围内采用UxS,并使人工智能得到有效的整合,以便在这样的情况下和更多的情况下向海岸警卫队的操作员提供可操作的数据。能够实现最佳人机协作的UXS为海岸警卫队提供了改变游戏规则的机会。

海岸警卫队还将有目的地在复杂的海洋环境中抵御和管理无人系统。将采用适合海岸警卫队在所有领域的海上安全作用的反无人系统能力,以帮助确保海洋运输系统(MTS)的安全。此外,自动化、自主化和无人驾驶系统的采用有望改变海运业。

虽然海岸警卫队成功的关键一直是人,但无人驾驶系统提供了提高劳动力的性能和效率的前景,并作为一个真正的力量倍增器。海岸警卫队将寻求调整要求、采购、收购和资金,以确保UXS能够以需要的速度交付,并与劳动力和现有资产相结合。拥抱和整合UxS将在复杂和不断变化的环境中促进海上安全和保障。

无人系统的变化、威胁和机遇

引言

海岸警卫队的一系列广泛的任务要求海岸警卫队的人员和渔船、舰艇、飞机和海岸站都要做到最好。然而,海洋领域继续迅速变化并提出新的挑战。"当今世界的变化步伐正在加快。地缘政治战略竞争、经济动荡、气候变化影响、劳动力期望值的变化、不断发展的技术和新兴的海洋用途正在汇聚在一起,推动服务发生变化。" 非法、无管制和未报告的捕捞活动已取代海盗行为成为最大的全球海事威胁之一。毒品和移民的非法贩运正在向更远的地方转移,并持续对公众构成威胁。北极地区的海事活动正在增加。自然灾害继续威胁着海洋上和海洋附近的人们。对海岸警卫队服务的需求是强烈的,并继续增长。

在一个不断变化的海洋领域中保持意识和执行管理,仍然是几乎所有海岸警卫队任务的核心。在国内,"海洋环境的新兴用途--包括近海能源生产、无人驾驶船只和航空系统的使用以及商业空间活动--正在迅速扩大,对现有的监管和操作框架提出了挑战。" 更广泛地说,"国家竞争者、暴力极端分子以及日益强大和有能力的跨国犯罪组织(TCOs)都在继续试图利用海上的薄弱治理、岸上的腐败和海洋领域意识的差距来获得经济和政治优势。" 这些变化给海岸警卫队的任务执行带来了威胁和机遇,同时也增加了对海岸警卫队海上领域意识的需求,以支持美国和全球利益。

技术在不断进步,提供了新的工具和能力,可以帮助执行海岸警卫队的任务。"技术的快速发展,对海岸警卫队服务不断增长的需求,越来越多的动态操作环境,以及全球战略竞争,使目前执行任务的方式更加紧张。必须加强竞争优势,以配合影响海洋领域的变化速度。这是对行动的呼吁"。

UxS创造了机会,以新的方式将人员、资产、系统和数据结合起来,以创造一支更加灵活的部队。UxS可以填补覆盖面的空白,提高对形势的认识。UxS还可以提供新的能力,以增强载人任务。UxS可以将人类从一些任务中经常是肮脏的、偶尔是枯燥的、有潜在危险的工作中解放出来。UxS不能单独执行任务,但它们可以帮助保持人员准备状态,直到正好需要海岸警卫队人员的时刻。

海岸警卫队已经雇用了一些UXS,但主要是以分离和以平台为中心的方式进行的。海岸警卫队已经经历了一些项目的成功,如国家安全快艇上的中程无人驾驶航空系统(UAS),以及在海岸警卫队各水上和岸上单位使用的短程UAS。当与其他技术无缝整合时,作为技术生态系统的一部分,无人机系统可以成为一个力量倍增器,将传感器与作战决策者通过资产、网络、数据系统、高级分析和信息共享平台联系起来,并具有更高的速度和效率。必须保持灵活和适应性,以追求这一变革性变化。

虽然无人驾驶系统为海岸警卫队的就业提供了机会,但它们已经被海洋环境中的所有类型的行为者所使用,而且应该预期它们的存在将大幅增长。公民使用无人驾驶系统正在无意中影响着政府和商业船只以及沿海设施的日常运作。商业航天公司正在使用无人驾驶的驳船进行作业,航运公司正在将自主系统甚至完全自主的车辆纳入其船队。麻醉品贩子已经建造了小型的自制无人潜水艇,以秘密地在海上边界非法运输毒品。应该预料到,无人驾驶系统将在海洋环境中变得无处不在,必须为其影响做好准备。

了解海岸警卫队任务的变化、机会和风险,使能够构建一个愿景,为战略制定方向。

作战概念:UXS,作战/战术ISR

成为VIP会员查看完整内容
83

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。
澳陆军 | 《机器人和自主系统战略2.0》2022最新56页报告
专知会员服务
70+阅读 · 2023年2月23日
推荐!《无人系统和陆海空作战》500页技术手册
专知会员服务
166+阅读 · 2023年1月9日
《作战层面的人工智能》美国海军学院32页报告
专知会员服务
183+阅读 · 2022年12月17日
《 美国国防部:反小​​型无人机系统战略》38页报告
专知会员服务
204+阅读 · 2022年8月12日
《俄罗斯人工智能和自主性》258页报告
专知
24+阅读 · 2022年7月30日
国家自然科学基金
252+阅读 · 2017年12月31日
国家自然科学基金
11+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
45+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年6月22日
Arxiv
0+阅读 · 2023年6月20日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
VIP会员
相关VIP内容
澳陆军 | 《机器人和自主系统战略2.0》2022最新56页报告
专知会员服务
70+阅读 · 2023年2月23日
推荐!《无人系统和陆海空作战》500页技术手册
专知会员服务
166+阅读 · 2023年1月9日
《作战层面的人工智能》美国海军学院32页报告
专知会员服务
183+阅读 · 2022年12月17日
《 美国国防部:反小​​型无人机系统战略》38页报告
专知会员服务
204+阅读 · 2022年8月12日
相关基金
国家自然科学基金
252+阅读 · 2017年12月31日
国家自然科学基金
11+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
45+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员