随着建模与仿真(M&S)能力的成熟,它们未能增强作战能力,特别是在无人机战争中提供技术优势的能力。基于地理空间情报、个体人工智能和集体人工智能的 M&S 输入和直观生成地形的能力,为在通信和 GPS 受挑战的环境中整合无人机蜂群带来了机遇。M&S 提供了通过一小队控制人员对无人机蜂群进行指挥和控制 (C2) 的能力,包括进攻和防御中的战术运用以及多架无人机的杀伤链许可。由于输出显示信息和高级架构(HLA)广播语言是这些模拟的共同输入/输出(IO)流,因此这是提供传感器输入和控制输出以快速集成新兴无人机技术的共同接口。此外,将实时环境转换为虚拟/建构模拟的能力可创建一个不易受对手干扰的临时全球定位系统网络。信息技术基础设施的这些进步,加上无人机后勤能力、反无人机弹药和用于制定战术的机器学习方面的进步,使得基于 M&S 的训练可以无缝过渡到实施虚拟和建设性作战环境。

图 1-1 描述了目前在作战空间使用无人机的概念。每架无人机都是控制人员或控制人员团队的延伸。无人机必须不断获取和更新 WGS84 数据,为人类或战场上的其他无人机提供导航和参考。此外,无人机作为被动实体,是人类观察员的延伸。情报分析确实涉及人工智能增强,但不是在观察阶段。而是在解释阶段使用由人类控制的测量和信号情报(MASINT)进行分析,从而导致延迟。共享的 SQL 数据库随后由人工填充,以便在稍后阶段进行多学科融合。

图 1-2 描述了如何使用现有的应用程序接口 (API) 和算法来增强人工评估。作为无人机控制机制的 M&S 整合建议所面临的挑战和优势将作为本研究的范围进行讨论。这些评估基于个人作战经验、行业技术演示、当前无人机使用情况的开源报告和学术研究。

成为VIP会员查看完整内容
21

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。
《5G启发下的无人机蜂群测距方法》(含代码)87页报告
国家自然科学基金
32+阅读 · 2015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
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
1+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
5+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
1+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
156+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
20+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
32+阅读 · 2015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
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
1+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
5+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
1+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