《将无人机载作战系统引入未来威胁场景：机遇与挑战》14页报告

在未来的空战中，无人协同系统的整合将是一个潜在的巨大力量倍增器。其成功的关键因素将是编队情报、协调任务规划和跨平台任务管理。因此，构思下一代机载武器系统的任务需要一个整体的系统方法，考虑不同的航空飞行器、其航空电子任务系统和针对未来威胁的整体作战概念。为了尽早验证可能的解决方案概念并评估其作战性能，在过去几年中，在空中客车防务与航天公司未来项目中开发了一个动态多智能体战斗仿真。除了比实时更快的工程功能外，该仿真还可以进行实时人机对话实验，以促进工程师、操作员和客户之间的合作。本文介绍了动态任务仿真方法，以及在未来战斗航空系统（FCAS）研究中应用此工具所得到的启示，在此期间，我们清楚地认识到什么是未来应用的一个关键挑战。实施一个强大的高层规划算法，为复杂的空中行动生成临时任务计划，同时考虑反应性的低层智能体行为、人类操作员和在线用户输入。

1 引言

每一代新的战斗机都可以通过一个或多个技术飞跃来定义，这些技术飞跃使其与上一代的设计有很大区别。毫无疑问，自从大约15年前第一架第五代战斗机投入使用以来，几乎所有的设计学科都有了显著的进步。不同的飞机制造商，包括空客，已经宣布他们目前正在构思或研究第六代战斗机[1] [3]。与目前最先进的飞机相比，这些项目很可能在各个领域都有改进，如飞行性能、全方面和全模式隐身、低概率拦截雷达和通信或武器装备。但问题仍然存在：什么将是这一代的决定性因素，一个真正改变未来战斗空间的因素？

一个常见的假设是，未来的战斗空间将是 "高度网络化 "的，即所有参与的实体都可以交换他们的态势视图，并以近乎实时的方式创建一个共享的战术画面。一方面，这使得多个平台在空间和时间上可靠同步达到了以前不可能达到的程度。许多算法，特别是发射器定位或目标测距的算法，如果能从多个位置产生测量结果，会产生明显更好的效果。另一方面，高质量数据的可靠交换通过分配以前由单一平台执行的任务，使战术更加灵活。对作战飞机的主要应用可能是所谓的合作交战概念（CEC），这已经是美国海军针对反介入/区域拒止（A2/AD）环境的海军综合火控-反空（NIFC-CA）理论的一部分[4]，但其他应用也是可能的，例如合作电子攻击。所提到的概念主要适用于任务期间单一情况的短期范围，例如侦察或攻击萨母基地、空对空（A2A）作战等。然而，就整个任务而言，还有一个方面需要提及。鉴于所有参与实体之间的可靠通信，规划算法可以交换任务计划变更的建议，并根据其目标和当前的战术情况自动接受或拒绝。这在一个或多个不可预见的事件使原来的任务计划无效的情况下特别有用，尽管所有预先计算的余量。与其估计一个替代计划是否可行，并通过语音通信与所有其他实体保持一致（考虑到船员在某些任务阶段的高工作负荷和参与实体的数量，这是一项具有挑战性和耗时的任务），一个跨平台的任务管理系统可以快速计算出当前任务计划的替代方案，并评估是否仍然可以满足诸如开放走廊等时间限制。然后，一组替代方案被提交给机组人员，以支持他们决定是否以及如何继续执行任务。

将上述想法与现在可用的机载计算能力结合起来，由于最近在硬件和软件方面的进步，可以得出结论，未来一代战斗机将很有可能在强大的航空电子系统和快速可靠数据交换的基础上，采用卓越的战术概念进行作战。然而，这还不是我们正在寻找的明确游戏改变者--甚至现有的第五代战斗机已经应用了一些提到的概念，例如，在NIFC-CA背景下的F-35[4]。因此，下一步不仅要改进飞机的航电系统，而且要在完全网络化环境的前提下连贯地优化航电、战术和平台设计。这种方法允许思考这样的概念：如果得到网络内互补实体的支持，并非每个平台都需要拥有完整的传感器套件和完整的决策能力。因此，不同的平台可以针对其特殊任务进行高度优化，从而与 "单一平台做所有事情 "的方法相比，减少了设计过程中需要的权衡数量。很明显，一个专门的传感器平台不需要或只需要非常有限的武器装备，因此现在可用的空间可以用来建造更好的传感器或更大的燃料箱。这已经可以使该平台专门从事的任务性能得到显著提高，但有一样东西可以去掉，它的影响最大：飞行员。在这一点上，必须明确指出，目前没有任何算法或人工智能能够接近受过训练的机组人员态势感知和决策能力。这就是为什么在不久的将来，人类飞行员在执行战斗任务时将始终是必要的。然而，如果飞行员（或更准确地说，决策者）被提供了指挥无人驾驶同伴的所有必要信息，那么就不需要在同一个平台上了。因此，我们提出了一个概念，即一个或多个载人平台由多个无人驾驶和专门的战斗飞行器（UAV）支持。在下文中，我们将把至少一个载人平台和一个或多个由载人平台指挥的专用无人机组成的小组称为包。我们声称，由于以下原因，无人平台将作为有人平台的力量倍增器发挥作用：

• 无人机是可扩展的，而空勤人员是不可扩展的。因此，无人机可以执行高风险的任务，并允许采用只用载人平台无法接受的战术。

• 无人机更便宜（即使不考虑机组人员的价值），因为它们可以在性能相同的情况下比载人平台建造得更小。这意味着，在相同的成本下，更多的平台可以执行任务，更多的平台会导致更高的任务成功率。首先，因为有更多的冗余，其次，如果有更多的资产参与其中，一些任务可以更好地完成，例如发射器的定位。

• 不同的无人机和载人平台可以任意组合。在任务开始前，可以根据需要组成包。在任务期间，在某些限制条件下，也可以重新组合软件包，例如，如果交战规则禁止不受控制的飞行，则指挥平台之间的最大距离。这使得任务规划和执行有了更大的灵活性，预计也能保持较低的运行成本和材料损耗（"只使用你需要的东西"）。

像往常一样，没有免费的午餐这回事。在我们的案例中，所有上述优势对飞机设计师来说都是有代价的。不是按照一组技术要求优化单一设计的性能，而是必须设计多个平台及其子系统，使其在各种任务和组合配置中最大限度地提高整个系统的性能。在本文的其余部分，我们将介绍FCAS原型实验室（FPL），这是一个在FCAS背景下开发的模拟环境，用于解决这一高度复杂的问题。在第2章中概述了它在概念设计和跨学科技术原型开发中的作用后，我们将在第3章中介绍底层动态多智能体任务仿真的概念和架构。在第4章中，我们将介绍选定项目的结果，以概述该工具的多功能性。本文最后将介绍可能是未来最大的挑战之一，不仅对模拟，而且对一般的无人系统的引进。实施一个强大的高层规划算法，为复杂的空中行动生成临时任务计划，同时考虑反应性的低层智能体行为、人类操作员和在线用户输入。

FCAS原型实验室（FPL）：动态多智能体任务仿真

FPL的核心是一个动态多智能体任务仿真，可以在一台计算机上运行，也可以分布在多台机器上，并使用不同的附加硬件组件。为了方便兵棋推演的进行，对人机界面技术进行原型测试，或用于一般的演示目的，模拟中的所有载人机载资产都可以选择由硬件驾驶舱控制。如果没有人类操作员参与，模拟必须能够比实时运行更快。这对于在可能需要数小时的大规模任务中进行有效的开发和权衡分析尤为必要。为了以客观和公正的方式评估概念和技术，每个模拟任务的过程都是由预先定义的系统属性、物理效应的模拟和可配置的智能体行为和合作演变而来。不存在任何脚本事件，每一次新的模拟运行的结果都是完全开放的。蓝军和红军是在相同的假设下，以可比的抽象水平进行模拟。以下各章概述了如何在FPL中动态地模拟当前和未来机载系统的任务。介绍了我们的仿真结构，在对这类系统进行建模时最重要的设计权衡，以及行为建模的高层次规划/低层次控制方法。

架构

FPL的仿真架构由三个逻辑部分组成：应用、仿真控制和通信中间件。该架构的一个核心特征是，模拟被分割成几个应用程序。每个应用程序运行不同的模型，例如，有一个应用程序用于模拟自己的（蓝色）航空器、敌方（红色）航空器、综合防空系统（IADS）以及更多的模型，如下所示。所有的应用程序共享相同的标准化接口，并且可以任意组合。这种模块化允许只运行某个任务或项目所需的部分模型。所有的应用程序都是独立的可执行文件，可以在同一台计算机上以并行进程运行，也可以分布在几台机器上。通过交换编译后的二进制文件，来自不同公司的模型的整合是可能的，而不会暴露详细的基本功能。一般来说，不同公司之间的快速和容易的合作是FPL架构的一个主要驱动力。为此，提供了一个基础应用类，它提供了所有与仿真有关的功能，如仿真控制状态机、通信中间件接口和通用库，例如用于不同坐标系的地理空间计算。通过简单地实现一个新的基础应用实例，新的模型可以被添加到仿真框架中。所有应用程序的执行都由一个中央仿真控制实例控制。它提供了一个图形化的用户界面，可以根据需要启动、停止和加速模拟。在执行过程中，所有应用程序的运行时间被监控，仿真时间被动态地调整到最慢的模型。这使得分布式的比实时更快的模拟具有自适应的模拟时间加速。应用程序之间的通信是通过数据分配服务（DDS）标准[2]实现的。它使用发布-订阅模式在网络中实现了可靠和可扩展的数据交换。两个不同的分区用于广播仿真数据（如实体状态、仿真控制命令等）和多播命令和控制数据（如通过BUS系统或数据链路实际发送的数据）。DDS标准的开放源码实施被用来进一步方便与外部伙伴的合作。

图1提供了我们的模拟架构的概况，包括大多数任务所需的应用程序。如前所述，这个架构并不固定，几乎任何应用都可以根据需要删除或交换。如黑色虚线箭头所示，通过DDS中间件在仿真控制处注册一个基本的应用实现，可以集成新的模型。蓝色/红色背景的方框描述了己方/敌方系统，混合颜色的方框可供双方使用。仿真基础设施组件的颜色为灰色，用户界面的颜色为橙色。黑色箭头表示模拟过程中的通信，灰色箭头代表模拟运行前后的数据交换。

对于兵棋推演环节，不同的应用程序分布在FPL的多个房间内运行，以模仿真实的空中作业程序。在设置好一个场景后，蓝方和红方的操作人员使用任务配置工具，在不同的房间里计划他们的任务。空中行动指挥官留在这些房间里，而飞行员则分成两个房间，每个房间有两个驾驶舱来执行任务。蓝方和红方空军应用的任何飞机都可以从驾驶舱中控制，因此飞行员可以接管不同的角色，并相互对抗或作为一个团队对抗计算机控制的部队。所有房间都配备了语音通信模拟。任务结束后，各小组在简报室一起评估任务，可以从记录的模拟数据中回放。一个额外的房间配备了多个连接到模拟网络的PC，可以选择用于特定项目的任务，例如硬件在环实验。

建模

为FPL选择正确的建模范式事实上并不简单，因为它涵盖了操作分析工具（通常是随机的）以及工程模拟（通常是确定性的或混合的）的各个方面。这个决定的影响可以用一个例子来说明，即如何确定一架飞机是否被导弹击中。在随机模型中，这个决定是基于可配置的概率，例如，被击中的概率（导弹）和回避动作成功的概率（飞机）以及一个随机数。为了使最终的任务结果对单一的随机数不那么敏感，在实践中经常用不同的随机种子进行多次模拟运行。按照确定性的方法，导弹的飞出是根据导弹的发射方向、制导规律和固定的性能参数如推力、最大加速度等来模拟的。飞机在规避机动过程中的轨迹也是基于其初始状态、空气动力学、反应时间等。例如，当弹头引爆时，如果导弹和飞机之间的距离低于某个阈值，那么飞机就会被认为被杀死。在一个确定性的模型中，在导弹发射时已经知道飞机是否会被击中。确定性模型中必要的简化通常是通过引入固定参数来完成的，比如导弹例子中的距离阈值。混合模型允许使用随机数进行这种简化，例如，作为失误距离的函数的杀伤概率。

为了有效地测试和分析大规模的空中作业，在单台机器上有几十种蓝色和红色资产运行的情况下，模拟运行的速度至少要比实时快10倍（平均）。这对所用算法的时间离散性和运行时的复杂性提出了重大限制。为了保持快速原型设计能力，为新项目设置仿真或开发/集成新组件所需的时间应保持在较低水平。太过复杂的模型会带来更多的限制，而不是显著提高结果的质量。在这些方面，（更多的）随机模型在运行时间和开发时间上都有优势，更快。然而，在我们的案例中，有两个主要因素限制了随机模型的使用，使之达到最低限度。首先，模拟只有在给出他们的战术和演习成功与否的确切原因时才会被操作者接受。此外，随机模型是由数据驱动的，但对于未来自己和/或敌人的系统来说，所需的数据往往无法获得。对于已经服役多年并在测试或实际作战中多次射中的导弹，有可能估计其杀伤概率。然而，仅仅为未来的导弹增加这一概率是非常危险的，特别是因为随机模型对这些参数非常敏感。从我们的观点来看，通过将所有系统建模为基于技术系统参数的通用物理模型，可以实现对未来系统更健全的推断。第一步，通过模拟已知技术和性能参数的现有系统，对模型本身进行验证。对于未来的系统，技术参数会根据预期的技术进步、领域专家知识和他们的工具进行推断。坚持最初的例子，未来战斗机的回避机动性能的推断，例如，基于从CAD和流体动力学模型计算出的更高的升力系数，或基于更高的导弹接近警告器的分辨率和灵敏度。

客观评价未来概念在模拟中的表现的一个关键方面是环境和威胁的建模。必须考虑到，系统的方法在红方和蓝方都是有优势的。现代国际防空系统的危险来自于结合不同的系统，从非常短的距离到远距离。所有这些系统都有它们的长处和短处，但它们被组织起来，使个别的短处被其他系统所补偿，并使整个系统的性能最大化。因此，第一个困难是必须对大量的系统进行模拟，并且必须确定这些系统的个别优势和劣势。通用物理模型的方法可用于这两个方面。在通用防空系统模型被开发和验证后，它可以迅速将新的系统整合到模拟中。根据模拟的物理效果，可以估计敌方系统的作战优势和弱点或未来可能的威胁概念。另一方面，使用通用模型的困难在于，必须将真实系统的功能映射到通用模型中，以便保留所有重要的单个系统属性。这不可避免地导致了相当复杂和详细的通用模型。我们将以地基雷达组件为例，概述我们平衡复杂性和保真度的方法。如图2所示，IADS模拟中的一个实体由不同的组件组成。这些组件可以任意组合，以快速配置新系统。从功能角度看，地面雷达组件由控制器、探测模型和目标跟踪器组成。根据实体的当前任务，控制器选择所需的雷达模式，例如，360°搜索的监视或战斗搜索，如果一个特定的部门必须优先考虑。为了对付干扰或地面杂波，可以使用不同的波形。根据雷达的类型，如机械或电子转向的一维或二维，控制器有不同的可能性来适应搜索模式。在为一个波束位置选择了波形的类型和数量后，探测模型根据目标、地面杂波、地形阴影、大气衰减和电子对抗措施等方面的雷达截面模型，产生测量结果。测量误差是由取决于随机模型的信噪比引起的。由此产生的测量结果然后由目标跟踪器处理，它执行测量-跟踪关联和跟踪过滤。

这种详细模型产生的另一个困难是必须估计的参数总数。在这一点上也要注意，模拟中的所有数据都是不受限制的。这一方面是由于大多数项目的限制，但另一方面，它在日常工作中也有实际优势。我们必须牢记，模拟是用于概念验证，而不是用于详细的系统设计，所以在这个早期阶段使用机密的威胁数据会对基础设施和开发过程造成重大限制，而不会给结果带来重大价值。基于此，所有的威胁数据都必须根据公开的来源或来自内部项目和外部合作伙伴的非限制性数据进行估算。这再次导致了大量的数据，而这些数据的详细程度往往是非常不同的，或者是不一致的，例如，由于对限制性数据的去分类。随着我们模型的不断发展和多年来获得的工程专业知识，我们有可能为不同的当前和推断的未来威胁系统估计出一致的参数。这主要是在一个自下而上的迭代过程中完成的。根据现有的技术和性能参数，对缺失的模型参数进行估计以适应组件的性能。然后对单一系统的不同组件之间的行为和相互作用进行调整，以达到理想的系统性能。最后，在不同的情况下测试IADS内这些系统的协调，以使整个系统的性能最大化。