针对战场态势信息众多、变化趋势认知困难的问题,提出基于大模型的态势认知智能体框架和智能态势认知推演方法。从认知概念出发,结合智能体的抽象性、具身性特点,明确了智能体构建的3个关键环节:学习环境、记忆方式和产生知识机制;设计了战场态势认知智能体架构,包括记忆部件、规划部件、执行部件、评估部件以及智能体训练要点。在长期记忆部件中,围绕战场复杂状态建模特点,分析大语言模型、多模态大模型、大序列模型的运用问题。态势是现实世界中人们关注的事物状态及可能出 现的变化。 军事领域中,战场态势是指战场环境与兵 力分布的当前状态和发展变化的趋势[1] 。 战场态势感 知是对敌情、我情、战场环境所处状态的感知以及对作 战进程变化的理解,是实施作战指挥决策的基础支撑。 当前,战场态势信息来源分散、复杂高维、实时快变、多 元异构,信息的碎片化、片面化、不确定性问题严重,准 确把握变化的趋势对指挥员或指挥机构也越来越 困难。 针对上述问题,文献[2]通过改进加权平均法及优 化小波变换完成数据与图像融合处理;文献[3]将数据 分析和数据展现技术运用于态势感知,然而当前战场 态势的信息量已经达到海量级别,超出了人类认知极 限,容易导致片面的战场态势感性认知。 文献[4]基于 卷积神经网络提取复杂战场环境特征;文献[5]在战场 态势感知中使用注意力机制,生成围绕作战目的和作 战任务的态势认知;文献[6]探讨将表示学习、深度学 习、强化学习和群体智能等用于态势认知。 最近,人工 智能中的大模型技术发展迅速,一定程度建模了世界 通用知识。 基于大模型的自主智能体[7⁃8] 表现出了较 强的认知环境、适应环境的能力,给战场态势感知带来 了新的启发。 本文提出利用大模型构建态势认知智能体,智能 体在仿真环境下推演学习复杂态势规律,构建从战场 之“态”到预测战场之“势”之间的复杂映射关系知识。 态 势 认 知 智 能 体 与 AIGC ( Artificial Intelligence Generated Content)一样,有望生成多种态势的发展路 径,供使用人员最终决策。