• <em id="6vhwh"><rt id="6vhwh"></rt></em>

    <style id="6vhwh"></style>

    <style id="6vhwh"></style>
    1. <style id="6vhwh"></style>
        <sub id="6vhwh"><p id="6vhwh"></p></sub>
        <p id="6vhwh"></p>
          1. 国产亚洲欧洲av综合一区二区三区 ,色爱综合另类图片av,亚洲av免费成人在线,久久热在线视频精品视频,成在人线av无码免费,国产精品一区二区久久毛片,亚洲精品成人片在线观看精品字幕 ,久久亚洲精品成人av秋霞

            典型智能博弈系統技術分析及指控系統智能化發展展望

            更新時間:2025-12-27 17:58:26 閱讀: 評論:0


            2022年8月1日發
            (作者:風險把控)

            第2卷第1期

            2020年3月

            智能科學與技術學報Vol.2o.1

            ChineseJournalofIntelligentScienceandTechnologyMarch2020

            典型智能博弈系統技術分析及指控系統智能化發展展望

            李憲港1,李強1,2,3

            (1.陸軍研究院科技創新中心,北京100012;

            2.中國科學院自動化研究所復雜系統管理與控制國家重點實驗室,北京100190;

            3.青島智能產業技術研究院,山東青島266100)

            摘要:在智能化時代,戰場數據海量異構,無人平臺被廣泛運用,作戰空間由物理域、信息域向認知域加速拓

            展,對指揮控制的精確性、時效性、有效性提出了更高的要求,指揮與控制智能化為大勢所趨。在對典型外軍智

            能化指揮控制系統分析的基礎上,梳理了機器博弈技術的發展歷程,分析了機器博弈技術應用于智能指揮控制系

            統面臨的挑戰,提出了未來指揮控制智能化在對抗訓練、戰法創新以及指控系統架構設計與實現等方面的設想,

            以期為未來指揮與控制系統的發展提供借鑒與啟示。

            關鍵詞:機器博弈;指揮與控制;指揮對抗;籌劃?準備?執行?評估環;平行智能

            中圖分類號:TP273

            文獻標識碼:A

            doi:10.11959/.2096?6652.202004

            Technicalanalysisoftypicalintelligentgamesystemanddevelopment

            prospectofintelligentcommandandcontrolsystem

            LIXiangang1,LIQiang1,2,3

            eandTechnologyInnovationCenterofArmyResearchInstitute,Beijing100012,China

            teKeyLaboratoryofManagementandControlforComplexSystems,InstituteofAutomation,ChineseAcademyofSciences,Beijing100190,China

            oAcademyofIntelligentIndustries,Qingdao266100,China

            Abstract:Inthefutureeraofintelligence,themassiveandheterogeneousbattlefielddataandthewidespreaduseofun-

            mannedplatformswillacceleratetheexpansionofthecombatspacefromthephysicalandinformationdomainstothe

            cognitivedomains,whichwillputforwardhigherrequirementsfortheaccuracy,timelinessandeffectivenessofcom-

            mandandcontrol,ntheanalysisof

            typicalforeignintelligentcommandandcontrolsystem,themachinegametechnologydevelopmentcoursewasclarified,

            thechallengeofapplyingmachinegametechnologytointelligentcommandandcontrolsystemwasanalyzed,thefuture

            intelligentcommandandcontrolincombattraining,operationalinnovationandprospectiveofsystemarchitectureand

            implementationwasputforward,soastoprovidereferenceandenlightenmentforthefuturedevelopmentofcommand

            andcontrolsystem.

            Keywords:machinegame,commandandcontrol,commandconfrontation,planning-readiness-execution-assessment

            loop,parallelintelligence

            收稿日期:2020?02?03;修回日期:2020?02?27

            通信作者:李強,dr_liqiang1979@

            基金項目:青島市博士后應用研究基金資助項目(情報系統平行管理與控制理論及應用研究)

            FoundationItem:Post-DoctoralAppliedResearchPrograminQingdao(ParallelManagementandControlTheoryandApplication

            ResearchofIntelligenceSystem)

            第1期李憲港等:典型智能博弈系統技術分析及指控系統智能化發展展望·37·

            1引言

            指揮與控制是戰爭運用的重要手段之一,它

            隨戰爭的產生而誕生,必將隨戰爭形態的變化而

            不斷變化。在冷兵器、時代,參戰兵力少、

            戰場空間小、作戰節奏慢,指揮控制主要依靠人

            工計算和經驗決策。在信息化戰爭時代,戰場環

            境日益復雜,在軍事需求和信息技術雙輪驅動下,

            計算機輔助決策應運而生。在未來智能化時代,

            戰場數據呈現海量形態,無人平臺被廣泛運用,

            作戰空間由物理域、信息域向認知域加速拓展,

            對指揮控制的精確性、時效性、實用性提出了更

            高的要求,指揮與控制智能化成為大勢所趨。本

            文將在分析典型外軍智能化指揮控制系統的基礎

            上,通過剖析系統背后可能的支撐技術,分析技

            術應用面臨的挑戰,提出指揮與控制智能化的設

            想與展望,以期為未來指揮與控制的發展提供借

            鑒與啟示。

            2典型外軍智能化指揮控制系統

            近年來,美國積極推進指揮與控制智能化發

            展,先后啟動了“深綠”、空戰模擬系統、指揮官

            虛擬參謀、自動規劃框架等項目,它們通常都以縮

            短觀察?判斷?決策?行動(observe-orient-decide-act,

            OODA)循環時間為發展目標。

            (1)“深綠”系統

            受計算機軟件“深藍”戰勝國際象棋棋王卡

            斯帕羅夫的啟發,美國國防部高級研究計劃局

            DefenseAdvancedResearchProjectsAgency,

            DARPA)于2007年啟動“深綠計劃”,旨在開發

            通過計算機模擬仿真,預測戰場的瞬息變化,幫

            助指揮員提前思考,判斷是否需要調整計劃,并

            將指揮官注意力集中在決策選擇而非方案細節敲

            定上[1]。“深綠”系統主體由3部分組成,其中,

            提供智能化人機接口,支持用戶以

            草圖或語音的方式快速制定方案;“閃電戰”是計

            算推演模塊,主要對未來的多種可能進行快速多

            軌計算推演;“水晶球”是決策生成模塊,主要用

            于收集各種計劃方案,更新戰場當前態勢,向指

            揮員提出優先選項。從技術實現上來看,“深綠”

            采取的核心技術類似“深藍”,主要基于實時態勢

            的動態計算推演,通過辨識未來態勢發展的潛在

            關鍵節點,預測未來態勢發展變化,并對作戰方

            案排序提供建議。雖然“深綠”項目在驗收時只

            保留了成熟的“草圖到計劃”模塊,其他項目均

            被終止,但其通過智能算法解決戰爭這一復雜巨

            系統的實踐探索值得高度重視和思考。

            (2)指揮官虛擬參謀

            指揮官虛擬參謀(commander’svirtualstaff,

            CVS)是美國陸軍通信電子研究、開發與工程中心

            于2015年著手規劃,并于2016年啟動的項目。該

            項目借鑒蘋果語音助手Siri、IBM公司的“沃森

            Watson)”、谷歌公司的“即時(ow)”等產品理

            念,旨在綜合運用人工智能技術,應對海量數據源

            及復雜戰場態勢,為制定戰術決策提供從規劃、準

            備、執行到行動回顧全過程的決策支持,解決營級

            以下指揮員面臨的分析資源和參謀人員短缺問題。

            該項目主要規劃了如下8類能力[2]。

            y指揮員專用工具:為指揮員提供不受位置限

            制使用的手持指揮工具。

            y基于工作流的協作:支持指揮員和參謀制定

            和共享作戰數據資源。

            y數據匯聚:面向任務需求獲取并融合指揮

            數據。

            y集成敏捷規劃:進行戰爭設計、方案制定、

            作戰推演,并支持人機協作。

            y評估:基于當前、未來及替代方案等,向指

            揮員持續提供在線評估。

            y預測:基于態勢數據和當前計劃,識別和推

            理態勢的演變,生成具有一定置信度的未來態勢圖。

            y建議:基于特定領域知識自動生成建議、置

            信度評價及替代方案。

            y機器學習和用戶配置持續改進:持續改進系

            統以更好地支持用戶偏好。

            CVS項目的技術實現原理和實際應用效果尚

            未公布,但其中包括的智能人機交互、數據分析挖

            掘、方案推演評估、戰場態勢預判等功能表明:美

            軍在指揮控制智能化上已邁出實質性步伐。

            (3)AlphaAI空戰模擬系統

            2016年6月,美國辛辛那提大學與美國空軍

            研究實驗室合作開發的AlphaAI機器飛行員在空

            戰模擬仿真器上完勝著名空軍戰術教官吉恩?李上

            校。在這場人機對抗比賽中,AlphaAI作為紅隊擁

            有4架戰斗機,與之對抗的藍隊由人類飛行員控制

            的2架戰斗機組成。藍隊有預警機支持,且在導彈

            “從數據到評估再到決策”的自主輔助決策系統,

            “指揮官助理”

            ·38·智能科學與技術學報第2卷

            數量和質量上占優,紅方則憑借默契配合和超過人

            類250倍的戰術調整速度獲勝。AlphaAI的核心技

            術是遺傳模糊樹(geneticfuzzytree)[3],在與人類

            飛行員的較量中,運用遺傳算法學習訓練新的戰術

            規則并不斷進行優化淘汰,運用模糊推理技術形成

            類人的模糊邏輯思維能力,可生成在超視距空戰中

            主動攻擊、機動規避等攻防狀態下的飛機航路規劃、

            導彈攻擊、武器選擇等戰術策略。AlphaAI可同時

            躲避數十枚導彈并對多目標進行攻擊,還能協調隊

            友、觀察學習敵人的戰術,但其硬件成本只是售價

            500美元的普通個人計算機。

            從應用角度分析,AlphaAI是人工智能在戰術

            級空戰指揮領域應用的重要突破,未來不僅可以用

            于訓練人類飛行員,甚至可在極端條件下接管無人

            機的行動控制。

            (4)其他典型項目

            2017年,美國陸軍開發了適應性項目框架

            adaptiveprojectframework,APF)原型,旨在幫助

            指揮官和參謀人員分析軍事決策過程,評估機動、

            后勤、火力、情報及其他作戰行動,加快作戰規劃

            和指令發布速度。APF是一個自動化工作流系統,

            在任務規劃相關的標準圖形和地圖中嵌入了實時數

            據、條令數據,為軍事行動提供通用的參照系。

            2017年,DARPA啟動“終身學習機器(lifelong

            learningmachines,L2M)”項目,旨在發展下一代

            機器學習技術,使其具備從環境中不斷學習并總結

            出一般性知識的能力。L2M項目主要包括2項內容:

            一是研究可以持續從以往經驗中學習并將所學知

            識應用于新情況的機器學習機制,不斷擴展自身能

            力并提高可靠性;二是研究生物智能的學習機制,

            重點關注生物如何學習并獲得自適應能力,同時研

            究生物學習原理能否應用于機器學習系統以及如

            何應用等問題。

            2018年,DARPA發布“羅盤(collectionand

            monitoringviaplanningforactivesituationalscena-

            rios,COMPASS)”項目公告,旨在通過衡量對手

            對各種刺激手段的反應,幫助戰區聯合作戰司令部

            指揮官識別對手的真正意圖并進行正確高效的決

            策。羅盤項目有3個技術領域的目標:一是掌握對

            手長期意圖和策略;二是為戰術和動態作戰環境提

            供短期態勢感知;三是為指揮員建立可視化、智能

            化工具箱。

            縱覽典型外軍智能化指揮控制系統的發展,無

            論是“深綠”還是指揮官虛擬參謀,都用到了大量

            與機器博弈相關的技術與模型算法。為此,筆者從

            機器博弈技術的發展歷程進行審視,為指揮與控制

            智能化發展探索技術路徑。

            3機器博弈技術的發展歷程

            近代機器博弈的研究始于20世紀50年代,部

            分機構針對控制論先驅——香農曾提出的象棋博

            弈的編程方案開展了相關嘗試[4]。隨著計算機硬軟

            件性能的不斷提升,近年來,機器博弈領域先后取

            得了一系列重大突破。

            (1)圍棋:完整信息、高復雜度博弈

            圍棋的復雜程度遠高于國際象棋,用傳統極大

            極小算法難以在有限的時間內窮盡所有的落子狀

            態,因此一度被認為是人類智力游戲的皇冠。2016

            —2017年,谷歌公司的AlphaGo和AlphaMaster先

            后橫掃人類頂尖圍棋選手。2017年10月,AlphaZero

            更是在無先驗知識的情況下,在40天內“左右互

            博”下了490萬局棋,以100:0擊敗AlphaGo,成

            為第三次人工智能浪潮興起的標志性事件。

            AlphaGo的技術突破得益于深度學習算法的應用,

            決策過程大致可分3步[5]。一是通過學習專家棋譜,

            構建有監督學習策略網絡(supervisedlearningpol-

            icynetwork),以此為基礎,采用強化學習算法進行

            自我博弈,進化形成增強學習策略網絡

            reinforcementlearningpolicynetwork),輸出棋盤落

            子概率,模擬人類的落子棋感。二是采用強化學習

            的方法進行自我博弈,形成價值網絡(valuenet-

            work),輸出當前棋面下的贏棋概率,模擬人類勝

            負棋感。三是采用蒙特?卡洛搜索樹進行搜索驗證,

            加權融合有監督學習策略網絡、增強學習策略網絡

            和價值網絡,確定最后的落子方案,這類似于人類

            思考的過程。與AlphaGo相比,AlphaZero不需要

            進行第一步中的有監督學習,將其他步驟合并為基

            于蒙特?卡洛樹搜索的強化學習,改進了搜索方法,

            降低了算法復雜度。

            (2)德州撲克:不完整信息博弈

            不同于棋類比賽,德州撲克是一類不完整信息

            博弈問題,對局各方要在牌面信息不完全公開的情

            況下進行決策,計算機理解實現更為復雜。2017年

            1月,卡耐基梅隆大學Claudico的升級版——

            Li-

            bratus在德州撲克比賽中輪流擊敗了4名人類高手,

            同年4月,Libratus又完勝德州撲克“中國龍之隊”。

            第1期李憲港等:典型智能博弈系統技術分析及指控系統智能化發展展望·39·

            學者們總結了Libratus的決策過程,主要包括賽前

            納什均衡近似(ashequilibriumapproximation

            beforecompetition)、殘局解算(endgamesolving)

            和持續自我強化(continualself-improvement)這

            3個步驟,通過綜合運用強化學習、蒙特?卡洛反事

            實遺憾最小化等多種算法[4],其能以更快的速度

            同時在賽前和賽中學習某一手牌的戰略及人類的

            對策。

            (3)星際爭霸:不完整信息、多智能體博弈

            在圍棋和德州撲克之后,星際爭霸成為機器博

            弈領域下一個要攻克的堡壘。星際爭霸是一款由暴

            雪娛樂公司發布的多角即時策略類游戲,游戲玩

            家需操作兵種在地圖上采集資源、生產兵力并進行

            對戰,具有信息不完整、多角參與等特點,與棋

            牌類游戲相比,復雜程度更高,技術挑戰更大,對

            軍事應用也更有研究借鑒意義。2019年1月,

            DeepMind和暴雪娛樂公司舉辦了一場網絡直播,

            第一次公布了AlphaStar分別以2個5:0擊敗人類職

            業選手的比賽過程。AlphaStar的成功得益于

            DeepMind和暴雪娛樂公司在2017年聯合推出的基

            于星際爭霸2的人工智能學習環境SC2LE,世界范

            圍內的眾多科研團隊均參與了該平臺和算法的研

            究。AlphaStar應用多智能體學習算法,在有監督條

            件下進行對戰訓練,從而模仿高水平玩家的微觀操

            控和宏觀戰術,使其一開始就擊敗了95%的精英電

            腦玩家。在對決中,AlphaStar的行為由深度神經網

            絡生成,借助能與游戲引擎直接通信的原始界面觀

            察態勢,運用多種算法綜合進行局勢評估,輸出

            構成游戲內動作的一系列指令。AlphaStar采用的

            神經網絡架構為不完整信息下、長時間序列中的

            行為建模提供了有價值的參考。

            機器博弈具有天然對抗特質,與戰爭本質類似,

            將機器博弈技術的最新成果遷移至作戰指揮領域,

            應充分考量其面臨的現實挑戰,以期更好地為指揮

            與控制智能化發展提供預判。

            4機器博弈技術應用于智能指揮與控制面

            臨的挑戰

            相比人工智能曾經擊敗的國際象棋和圍棋項

            目,星際爭霸涉及戰法謀劃、擺兵布陣、資源采集、

            視角移動等更多的小型任務,致勝機理與現實戰爭

            更為相近。但將現有機器博弈技術應用于軍事領域

            指揮和控制,仍然具有很多技術上的挑戰,主要原

            因是與游戲相比,戰爭指揮在智能算法實現條件上

            具有以下突出特點。

            (1)戰場環境具有不透明性

            國際象棋、圍棋是典型的完整信息條件下的博

            弈游戲,對壘雙方全部掌握局面狀態;德州撲克屬

            于不完整信息對弈游戲,但未公開的牌面信息只可

            能發生在一定概率區間內,多輪博弈后可根據概率

            判斷。星際爭霸游戲雖然設置了“戰場迷霧”,雙

            方位置部署及發展策略初期均不可見,但一旦己方

            有一個單位運動到指定地域,那么該地區敵方的所

            有部署均一目了然。而在實際作戰中,受戰場環

            境、構工偽裝和偵察能力等因素的制約,“戰場迷

            霧”在物理作戰域仍客觀而廣泛存在,在網絡空

            間等新型作戰域甚至有愈演愈烈的趨勢。這種戰

            爭信息的不確定性,給基于先驗知識推理未知領域

            構建類似AlphaGo的深度策略網絡,帶來了極大

            的困難。

            (2)局面狀態具有高復雜性

            圍棋、國際象棋和德州撲克等類游戲的局

            面復雜度雖有不同,但均是一個有限集合。星際爭

            霸游戲中,作戰單元數量有上限,每個單元都存在

            一些復雜的內在狀態,且可能存在于地圖上的任何

            像素點上,這使得星際爭霸游戲需要處理的狀態

            空間和動作序列非常大,但使用現有算法和算力

            仍可解決。而在軍事行動中,戰場空間多維、參

            戰兵力多元、作戰方式多樣、對抗關系動態,呈

            現出開放的復雜巨系統特征,這不僅在算法層面

            上對如何進行更優顆粒度的戰爭抽象建模提出了

            挑戰,而且對現有人工智能芯片的運算能力提出

            了更高的要求。

            (3)對抗目標呈現非零和性

            機器博弈所攻克的類乃至電子競技類游

            戲,都是一種典型的零和博弈游戲,即對于參與博

            弈的各方,在嚴格競爭下,一方的收益必然意味著

            另一方的損失,博弈各方的收益和損失相加永遠為

            零,雙方不存在合作的可能。隨著全球一體化的發

            展和戰爭毀傷度的提高,在現代戰場上,必須要根

            據戰略總體目標、地緣政治環境和國際國內大局等

            因素,綜合研判作戰目標和結束時間點,以達成收

            益最大化。作戰活動既有可能在政治、民生、經濟

            等某一個層面達成“雙贏”,也有可能在雙方均無

            力開展下一階段行動時出現“雙輸”的局面。這種

            結束條件的復雜性和非零和特征,使得無法使用一

            ·40·智能科學與技術學報第2卷

            個單一的類似于AlphaGo的“贏棋概率”指標來評

            價行為選擇,價值網絡的構建必須綜合考慮政治、

            經濟、民生等多項指標。

            (4)行動進程具有強動態性

            傳統類游戲是一種輪次博弈,在對手做出

            決策前己方不能有任何動作,此時局面狀態是靜態

            的,這就為使用人工智能算法構建策略網絡,輸出

            當前局面下的棋盤落子概率提供了數據基礎和時

            間保障。星際爭霸游戲類似于戰爭,局面狀態連續

            演進,雙方可以同時進行操作,從本質上來說,

            AlphaStar將局面狀態根據時間片段進行了細化分

            割,再使用類似圍棋的解決方法。戰爭與星際爭霸

            都具有非輪次博弈的屬性,從實現原理上來說,使

            用時間離散的方法對局面進行分段靜態化是可行

            的,但與此同時,“戰場是一個不確定性王國”,

            戰場上每時每刻都充斥著兵力兵器的此消彼長,

            發生各類應急突發情況,使用時間離散序列的方

            式進行戰場抽象建模和策略網絡構建,必將面臨

            時間太粗則抽象模擬不

            夠真實”的問題。

            (5)行為規則具有不確定性

            類游戲的規則是一致、清晰且公平的,落

            子或出牌策略遵循共同的游戲規則。星際爭霸游戲

            雙方前期經濟總量一致,所處生存環境非常公平。

            而在現實戰爭中,敵對雙方經濟總量、科技發展水

            平和軍事力量總有強弱之別,戰爭進程和戰局變化

            很大程度上取決于經濟耐受程度和國民經濟動員

            能力。出奇制勝的作戰樣式和另辟蹊徑的作戰思

            維不僅為各方所允許,甚至是各方推崇追尋的目

            標。這種規則不對等、動態變化的特征,使得建

            立一個通用的算法來解決戰爭問題具有了更大的

            不確定性。

            5指揮與控制智能化發展展望

            2019年9月,美軍提出了重塑競爭力的“馬賽

            克戰”概念[6]。試圖打造一個由先進計算傳感器、

            多樣化集、作戰人員和決策者等組成的具有高度

            適應能力的彈性殺傷網絡,將觀察、判斷、決策、

            行動等階段分解為不同力量結構要素,以要素的自

            我聚合和快速分解的無限多種可能性來降低己方

            脆弱性,并使對手面臨的問題復雜化,從而制造新

            的“戰爭迷霧”。這一理念匯集了作戰云基礎設施、

            多域指揮與控制、忠誠僚機等多個概念,體現了美

            軍應對大國博弈的最新作戰理念與思想。指揮與控

            制系統的智能化發展可充分借鑒美軍作戰理念思

            想、智能化指控系統發展和機器博弈技術應用,從

            對抗訓練、戰法創新、指控系統架構設計與實現等

            方面搶占人工智能軍事應用新高地。

            (1)通過人機博弈對抗提高作戰訓練水平

            從人工智能的發展歷程可見,計算機只能學習

            人類知識,而人類無需向機器學習的情況已然發生

            改變。一方面,可通過建立類似于星際爭霸、魔獸

            世界等軍事即時戰略游戲的方式,訓練指揮員的思

            維能力。由人類提出我方戰法、機器基于預先建

            立的戰法規則庫設計敵方戰法,進行人機博弈式

            推演,同一戰法可推演多個輪次,不斷優化完善

            行動方案,以持續的人機博弈對抗提升指揮員戰場

            大局觀。另一方面,可通過虛擬現實(virtualreality,

            VR)、增強現實(augmentedreality,AR)、混合現

            實(mixedreality,MR)等技術,訓練士兵的戰術

            素養。讓士兵沉浸式融入作戰場景,不斷面對戰場

            中可能發生的爆炸、社情、武器操控等情況,以期

            增強士兵的戰場經驗知識和操控技能體驗,從而不

            斷提高實際臨戰反應。

            (2)通過自我博弈對抗生成創新戰法

            作戰謀略與戰法運用自古以來都是指揮員智

            慧和經驗的集中展現。AlphaZero在沒有先驗知識

            的情況下進行自我博弈,進而下出令人類棋手無法

            想象的一招。AlphaAI戰勝空軍著名教官,既得益

            于其指揮速度(從感知到決策不到1ms),更受益

            于機器學習生成的新式戰術策略。借鑒此類技術,

            指揮員可在局部感知戰場態勢的不完整信息條

            件下,綜合運用模糊推理、生成對抗網絡等讓

            機器進行自我博弈對打,對所有可能戰法開展計算

            推演與價值評判,從中尋穩中求勝的“好招”、險

            中求勝的“奇招”和意料之外的“妙招”,克服了傳

            統思維定勢導致的戰法運用局限性問題,大大提高

            了戰場想象力。

            (3)通過平行智能構建未來指控架構體系

            將機器博弈相關技術應用于平臺級指揮控制

            已得到初步實驗驗證,應用于體系層級還需要研究

            指揮對抗活動的機理改變。參考文獻[7]分析了指揮

            對抗活動從作戰平臺上升到體系層可能面臨的物

            理域上的規模尺度變化、信息域上的障礙與“迷霧”

            以及認知域上的理解偏差和決策沖突等深層機理

            變化,提出了體系層指揮對抗的籌劃?準備?執行?

            “時間太細則復雜度劇增、

            第1期李憲港等:典型智能博弈系統技術分析及指控系統智能化發展展望·41·

            評估(planningreadinessexecutionassessment,PREA)

            環對策思路,其核心思想是以平行智能為基礎,以

            決策為核心,以各層級PREA環的嵌套穩定運行推

            動每個任務周期內執行效果持續正向累積,最終達

            到塑造態勢的任務目標[8]。這種思路為經典OODA

            環的“以快制勝”機理在體系層級賦予了新的內涵,

            也為日益復雜、多樣、不確定的戰場指揮與控制系

            統的發展提供了體系架構層面的借鑒,在對抗機理

            上與美軍的“馬賽克戰”概念一致,即接受不那么

            完美的解決方案、強調各個環節和要素的協調高效

            運行、突出效果的累積等。同時,在此體系架構下,

            可持續開展態勢認知、輔助決策、協同控制等具體

            階段的任務設計與實現。

            (4)通過計算推演提高戰場態勢認知水平

            態勢認知是指揮控制活動從信息域向認知域

            跨越的重要標志,也是后續智能決策或自主控制的

            重要前提。從字面理解,態勢可分為“態”(即當

            前狀態)和“勢”(即未來形勢)2個方面。一方面,

            可運用模式識別技術和深度學習算法為機器建立

            視覺的智能,處理從戰場傳感器中獲取的聲音、視

            頻和文本等傳感數據,從中抽取隱藏的有用特征,

            并將其進行特征分類和可視化呈現,生成敵我戰場

            態勢圖。另一方面,基于戰場環境多元和信息不完

            整等情況,可綜合AlphaStar和Libratus的優勢,借

            鑒應用并改進多智能體學習和增強學習等算法,根

            據當前態勢計算推演并預測未來態勢,為指揮決策

            提供參考。

            (5)通過人機混合智能提升輔助決策分析能力

            現代戰爭多元參與、多域展開等特點愈發明

            顯,而決策是指揮控制和克敵制勝的關鍵,使用人

            機混合智能提升決策水平已成大勢所趨。一方面可

            優先生成行動方案。借鑒AlphaGo模式,構建策略

            網絡和價值網絡,分別輸出后續行動方案的概率分

            布和價值估值,運用搜索樹算法進行搜索驗證,實

            現多種作戰計劃的優選優化和滾動迭代,輔助指揮

            員定下戰斗發起時機,選擇重要作戰方向,進行任

            務編組分配等。另一方面可提出臨機處置建議。

            AlphaGo的快速走子模型將13層卷積神經網絡簡

            化為2層神經網絡,走子速度比有監督的學習策略

            網絡模式快出1000多倍[9],因此較適用于解決戰

            爭這類不確定性大的復雜系統問題,可借鑒類似思

            路在戰場環境突然改變時為指揮員臨機決策處置

            提供優選方案建議。

            (6)通過有人/無人協同強化武器平臺智能控制

            當前,隨著武器裝備自主智能水平的提高,蜂、

            魚、蟻等無人集系統逐漸進入戰場,有人/無人

            集系統的協同行動控制問題日益成為關注重點。一

            方面,對于小規模有人/無人平臺來說,可參考類似

            AlphaStar多智能體建模方法,基于戰場態勢、交戰規

            則和業務邏輯等,對無人平臺進行分布式行動規劃與

            調度,通過對行為控制的反饋調節,實現人機功能的

            動態分配和控制權限的動態調節;另一方面,對于大

            規模有人/無人集控制來說,可考慮通過Petri網信

            息流圖智能生成各行動單元的具體任務及規則,采用

            戰場語義解析與一體化智能動態編排,實現人?人、

            人?機的行為理解和自適應動態規劃控制。

            6結束語

            本文對典型外軍智能化指揮控制系統進行了

            分析,梳理了機器博弈技術的發展歷程,分析了

            機器博弈技術應用于智能指揮控制面臨的挑戰,

            提出了指揮控制智能化在對抗訓練、戰法創新以

            及指控系統架構設計與實現等方面的發展設想,

            尤其在體系層指揮控制系統架構設計上與美軍

            概念進行了分析比對,為后續發展提

            供了借鑒與啟示。

            參考文獻:

            [1]胡曉峰,榮明.作戰決策輔助向何處去——“深綠”計劃的啟示與

            思考[J].指揮與控制學報,2016,2(1):22-25.

            HUXF,ooperationdecisionsupportsystemsgo:

            inspirationandthoughtonDeepGreenPlan[J].JournalofCommand

            andControl,2016,2(1):22-25.

            [2]李婷婷.美軍軍事智能化研究現狀與啟示[C]//第五屆中國指揮控

            制大會論文集.北京:電子工業出版社,2017:90-94.

            uctionandinspirationtomilitaryintelligentofAmerica[C]//

            Proceedingsofthe5thChinaConferenceonCommandandControl.

            Beijing:PublishingHouseofElectronicsIndustry,2017:90-94.

            [3]胡曉峰,賀筱媛,陶九陽.AlphaGo的突破與兵棋推演的挑戰[J].

            科技導報,2017,35(21):49-60.

            HUXF,HEXY,o’sbreakthroughandchallengesof

            wargaming[J].Science&TechnologyReview,2017,35(21):49-60.

            [4]中國人工智能學會.中國人工智能系列白皮書——機器博弈[R].

            2017.

            apersonartifi-

            cialintelligenceinChina:computergames[R].2017.

            [5]SILVERD,HUAGA,MADDISOCJ,ingthegame

            ofgowithdeepneuralnetworksandtreesearch[J].ature,2016(529):

            484-489.

            [6]利用人工智能,填補能力短板,美軍推出“馬賽克戰”新理念[].

            參考消息,2019-09-15.

            “馬賽克戰”

            ·42·智能科學與技術學報第2卷

            Usingartificialintelligencetofillgapsincapability,theusarmyin-

            troducesanewconceptof“Mosaicwarfare”[].Referencenews,

            2019-09-15.

            [7]陽東升,姜軍,王飛躍.從平臺到體系:指揮對抗活動機理的演變

            及其PREA環對策[J].指揮與控制學報,2018,4(4):263-271.

            YAGDS,JIAGJ,atformstosystemsofsys-

            tems:onmechanismevolutionofcommandconfrontationandits

            PREAloop[J].JournalofCommandandControl,2018,4(4):263-271.

            [8]陽東升,張維明.PREA環及其平行智能[J].指揮與控制學報,2019,

            5(4):274-281.

            YAGDS,opanditsparallelintelligence[J].

            JournalofCommandandControl,2019,5(4):274-281.

            [9]陶九陽,吳琳,胡曉峰.AlphaGo技術原理分析及人工智能軍事應

            用展望[J].指揮與控制學報,2016,2(2):114-120.

            TAOJY,WUL,pleanalysisonAlphaGoandperspec-

            tiveinmilitaryapplicationofartificialintelligence[J].Journalof

            CommandandControl,2016,2(2):114-120.

            [作者簡介]

            李憲港(1983?),陸軍研究院科技創新中

            心工程師,主要研究方向為科技信息、指揮

            與控制等。

            李強(1979?),在站博士后,陸軍研究院

            科技創新中心高級工程師,主要研究方向為

            平行指揮與控制、平行情報、未來網絡信息

            與電子技術等。


            本文發布于:2022-08-01 16:04:54,感謝您對本站的認可!

            本文鏈接:http://m.newhan.cn/falv/fa/78/50799.html

            版權聲明:本站內容均來自互聯網,僅供演示用,請勿用于商業和其他非法用途。如果侵犯了您的權益請與我們聯系,我們將在24小時內刪除。

            留言與評論(共有 0 條評論)
               
            驗證碼:
            推薦文章
            排行榜
            Copyright ?2019-2022 Comsenz Inc.Powered by ? 站長QQ:55-9-10-26
            主站蜘蛛池模板: 国产v亚洲v天堂a无| 亚洲午夜久久久影院伊人| 成人免费精品网站在线观看影片| brazzers欧美巨大| 国产人妖av一区二区在线观看 | 亚洲av高清一区二区三| 国产精品黄色一区二区三区| 国产成人最新三级在线视频 | 国产视频不卡一区二区三区| 亚洲中文日韩一区二区三区| 亚洲欧美日韩国产成人| 国产精品亚洲第一区在线| 亚洲国产精品乱码一区二区| 色网站免费在线观看| 性色av不卡一区二区三区| 欧美国产综合视频| 韩国三级+mp4| 亚洲成在人线在线播放无码| 国产亚洲天堂另类综合| 中文字幕乱码一区二区免费| 白嫩人妻精品一二三四区| 男人av无码天堂| 亚洲人成黄网站69影院| 国内精品久久久久影院网站| 国产xxxxx在线观看免费| 国产精品白浆在线观看免费 | 撕开奶罩揉吮奶头高潮AV| 五月天中文字幕mv在线| 人人妻人人做人人爽| 重口SM一区二区三区视频 | 私人高清影院| 免费视频一区二区三区亚洲激情 | 天堂网亚洲综合在线| 欧美极品色午夜在线视频| 亚洲女同同性少妇熟女| 不卡一区二区三区在线视频| 青青操国产| 视频精品亚洲一区二区| 国产好大好硬好爽免费不卡| 人妻少妇无码精品专区| 久久影院午夜伦手机不四虎卡|