无人机作战样式因其特有的“快、精、廉”等特点被广泛用于现代战场,并取得了非凡的实战效果。总结现代战场无人机作战特点,结合世界先进的反无人机技术,分析目前无人机作战样式存在的不足,并以此为出发点,以满足未来战争需求,应对防空反无人机技术体制为目的,探索军用作战无人机未来发展方向,以期为军用无人机及其作战样式的研究提供参考。

历代战争中,指挥控制(C2)都是重要的赋能手段。信息化战争时代,未来战场对C2方式提出了新的挑战。通过分析信息时代网络赋能指挥控制的特点,对C2功能和方式空间进行了研究,定义了信息时代5种C2方式原型,并对各方式原型目标和要求进行了详细辨析,分析了其成熟度水平和成熟度迁移模型,最后讨论了未来战场对C2的挑战。对于帮助作战人员分析当前C2领域存在的问题,明确当前和未来需要的指挥控制能力,提升各级指挥员指挥控制、近实时管理复杂动态不确定作战使命的能力,具有一定参考价值。

近年来,美国立足大国高端竞争,采取一系列措施强化网络空间作战能力,维持网络空间领域全方位领先地位。采用文献研究、案例研究、系统研究、跨学科研究等方法,梳理分析国内外智库、学界关于美国网络空间作战现状和发展的相关研究文献,以最新公开的美国网络空间作战实践案例为支撑,区分战略指令、作战力量、武器技术、演习演练四项主要发展内容,兼顾政治、科技等跨学科、跨领域影响因素,系统性、全要素梳理美国网络空间作战最新发展动态。最后,归纳总结新动态,从加强顶层规划设计,加强专业人才培养,加强网络武器研发预置,加强网络空间攻防演练等方面进行了创新思考,为我军网络空间作战能力建设提供启示和借鉴。

无人机集群协同区域搜索能够有效地获取任务区域地面信息,降低环境不确定度。基于区域划分、机群均衡分配以及启发式算法的传统集群协同区域搜索方法依赖于事前设计规则且计算量大,属于不可生成规则算法。考虑任务环境不确定性,算法须满足快速性、智能性和鲁棒性,基于涌现理论的无人机集群协同搜索方法因信息融合能力强、具有高度的智能性而被采用。演化学习算法和强化学习算法是涌现理论中主要组成部分,这两类算法可根据不同的环境和任务生成新的集群行为规则。将系统分析和总结当前无人机集群协同搜索方法研究现状和进展,并据此指出现有研究中的不足以及未来的发展方向。

针对当前无人空战仿真中,缺乏支持全流程作战指挥控制建模与仿真这一问题,结合当前无人空战仿真系统相关研究,系统梳理和研究指控模型构建方法,通过探索不同仿真层级不同类型的无人机指挥控制建模原理和方法,设计并且构建了一套适合指挥信息系统装备特点的指控模型仿真系统。通过进行符合预设约束的想定设定,对目标作战任务进行了效能评估和对比,可为无人空战相关指挥信息系统装备的论证、评估方式提供理论和现实指导。

提出一种基于本体的军事术语知识图谱构建方法,用于获取军事术语数据中的语义信息并构建军事术语知识图谱。该方法在军事术语数据分析的基础上构建军事术语本体,采用基于规则的方法和基于预训练模型的方法抽取军事术语关系,并使用图数据库存储军事术语知识,可以构建出高质量的军事术语知识图谱,支持语义搜索、智能问答等智能化应用。

从人工智能技术的概念、原理和分类入手,重点分析了人工智能技术三类主要军事应用场景和八个重点军事应用方向,并综合运用技术专利分析成熟度评估方法和高德纳技术成熟度曲线,对人工智能军事应用八个重点方向进行成熟度评价。

有人/无人平台编队可以充分利用无人平台的低成本、可消耗优势,扩展有人平台的作战空间,提高有人平台态势感知、穿透杀伤和生存能力。针对美、英、法、澳、韩等国有/无人编组技术的发展动态进行了调研综述,举例说明了外军有/无人编组在海、陆、空等作战域中的典型应用,并分析了有/无人编组在传输组网、远程测控、自主决策和人机交互等方面的技术挑战和关键技术途径。最后对有/无人编组技术的发展趋势进行了展望,可为未来联合作战体系中的协同作战样式和相关领域的技术研究提供参考借鉴。

随着无人机战技性能的不断提升以及战术战法的广泛运用,无人机蜂群协同作战给当前防空系统带来了全新的挑战。通过梳理分析近年来无人机蜂群作战运用案例,总结了当前无人机蜂群作战运用的特点,阐述了发展反无人机蜂群作战指挥控制系统的必要性和紧迫性。由此,结合当前世界各军事强国反无人机蜂群作战指挥控制系统的现状,对未来反无人机蜂群作战指控系统发展提出了一些启示建议。

以深度强化学习为核心的智能博弈技术在游戏领域内的突破和进展为海空兵棋AI的研究提供了借鉴。智能体架构设计是需要解决的关键问题,良好的架构能够降低算法训练的复杂度和难度,加快策略收敛。提出基于随机博弈的海空跨域协同决策博弈模型,分析了相关的均衡解概念;在分析典型智能体框架基础上,针对海空兵棋推演决策博弈过程,提出基于多智能体分层强化学习的智能体双层架构,能够有效解决智能体间协作和维度灾难问题;从兵力协同、智能体网络设计、对手建模和训练机制共4个方面分析了关键技术。期望为海空兵棋AI设计实现提供架构指导。

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。

俄乌冲突是无人智能装备自研发列装以来运用最为广泛的一次局部冲突。在此次冲突中出现的各型无人智能装备给传统的杀伤链带来了一系列的变动与挑战。为研究无人智能装备在俄乌冲突中的作战运用及对杀伤链的影响,根据公开报道信息从杀伤链的角度对丰富杀伤链感知节点可选项、降低杀伤链杀伤成本和缩短杀伤链闭环时间三个方面分析了无人智能装备在俄乌冲突中的运用情况和特点。基于俄乌双方无人智能装备运用的经验教训,提出了无人智能装备发展的启示与建议。

人工智能的进步深刻改变了各行各业,智能空战就是其中的典型代表之一。根据空战游戏的特点,构建了智能空战模型,主要包括样本集合的获取以及适用于空战决策的网络模型选择。结合空战连续状态、连续动作、现有战术动作等的特点,通过对比多个智能学习网络模型,选择DQN算法作为智能空战的模型,同时借助飞行模拟游戏DCS,采取与游戏内自带敌人对战的方式进行动态交互训练,得到能够在一定程度上操作战机作战的模型与具有参考价值的空战案例,通过对这些案例的分析,形成了胜/负/平局三类样本数据集。仿真结果表明,本文所构建的智能空战模型不仅有助于生成新的对策案例样本,而且有助于丰富空战战术。

作战能力需求分析是作战概念开发过程中的关键环节,在形式化描述作战概念能力需求分析问题的基础上,通过定性与定量结合,设计了一种基于深度强化学习的作战概念能力需求分析方法。该方法通过模拟仿真实验,获取高可信度的仿真小样本数据集;基于经验数据构建作战概念的代理模型,并以高可信度仿真数据集为输入,应用多目标优化算法对代理模型进行优化训练;最后,将训练得到的代理模型与深度强化学习框架进行交互寻优,实现作战概念能力需求的反向探索。选取“超越式登陆”为实例进行验证,实验结果表明方法可行。

信息化技术牵引战斗力生成遇到瓶颈,倒逼人们通过智能技术寻求破解难题。人工智能在军事领域战术层面取得部分突破,但在战役层面,辅助作战规划和决策需求最大,遇到的困难也最多。实现战役层智能规划不可盲目乐观,必须科学论证发展思路和技术途径,通过借鉴成功案例,回归人工智能本质,依托成熟技术,分阶段、分步骤、分领域地逐步实现目标。

人工智能技术的飞速发展,影响、制约、引导甚至主导现代作战方式。尤其在指控领域,人工智能技术通过指控系统与装备,深刻影响着指控活动各要素、各环节。然而,受限于人工智能技术新质性和军事系统特殊性,人工智能对指控的影响在非战争期间不易显性捕捉,难以显性度量。因此,从人工智能与指控的关系、人工智能对指控要素的影响方式、人工智能对指控的影响趋势、人工智能与指控协同进化面临的风险与挑战四个方面,系统挖掘人工智能对指控领域的作用机理。所得结论可以辅助军事人员更好地把控战场,把控战争,迎接智能化时代战争挑战。

针对空战环境中弹目攻防双方的对抗特性,提出了一种基于博弈论的弹目攻防决策方法。基于导弹目标运动数学关系得到状态方程,根据弹目攻防对抗机理建立“一对一导弹-目标”动态博弈模型,确定弹目双方策略集与收益矩阵,提出混合策略纳什均衡求解方法,并结合模型滚动预测方法获得该策略空间的纳什均衡点。算例仿真结果表明,基于混合策略下导弹制导律为该策略空间的纳什均衡点,且该方法可以减小导弹对目标的脱靶量,提高导弹的命中精度,为导弹攻防作战提供了依据。

针对当前多军兵种联合作战实战化训练的需求,建模和仿真领域的未来目标是创建统一的真实-虚拟-构造(LVC)集成架构,支持快速集成模型和开展仿真,用于联合作战训练、战术协同、拟制作战计划和评估等。通过探究LVC概念内涵和应用领域,分析美军LVC训练网络发展计划,梳理了分布式任务作战、联合仿真环境和美海军模拟训练三个典型LVC系统应用范例。借鉴美军应用LVC解决联合训练的经验做法,给出加快构建我军一体化联合训练的启示,为我军联合训练环境建设提供有价值的参考。

在战场上敌我双方作战的过程中,准确地预测敌方的兵力部署将有利于我方的作战。基于兵棋推演的态势数据,通过训练图神经网络,提出了预测敌方未知算子位置的方法。首先,在对数据进行预处理后,实现了态势到图结构数据的转化,构造了兵棋态势的图结构数据集,用于图神经网络的训练。其次,根据兵棋态势及其数据的特点改造了GraphVAE模型,实现了兵棋态势图结构数据的补全。最后设计了基于补全后的图结构数据,计算敌方算子位置的方法。通过实验证实了该方法的有效性和可行性。

针对作战系统的智能化设计问题,提出了基于Agent的人工智能技术概念框架和应用方法。首先,阐述了Agent概念,讨论了在作战系统中研究Agent的重要意义。然后,介绍了基于Agent的人工智能研究框架,列举了Agent在作战系统中的多种应用方式。最后,分析了Agent技术发展趋势及其作战应用可能面临的风险与挑战。

分析了无人作战平台的能力特点,设想了无人作战体系在海战场中的协同应用场景,设计了无人作战体系的指挥控制系统组成与指挥控制结构,对无人作战体系指挥控制中的主要关键技术进行了分析,促进无人作战平台在海战场中的协同作战应用。

军事法规对现代军事行动意义重大。针对查阅文本效率低、易出错的问题,综合运用检索和知识图谱技术构建军事法规问答系统。通过优化TF-IDF模型为法规条款建立便于逐层检索的数据结构,提升检索效率;运用知识图谱技术为法规条款生成大量知识,赋予问题理解能力;根据军事法规特点设计问句处理和条款检索算法,以短答案、条款内容和答案来源构成完整解答。分析和测试表明,构建的底层数据层次性强、语义丰富,实现的问答原型系统能够准确回答多角度提问,融合了检索与知识图谱技术的优势。本系统可为指挥员处理涉法问题提供决策辅助,所述技术同样适用于其他领域法规。

智能博弈对抗算法不仅充分利用了博弈模型的刻画精度,还通过神经网络的强大计算能力和强化学习的试错机制求解均衡解,使得智能博弈对抗算法在诸多领域都取得了不错的效果。通过多智能体博弈学习、多智能体博弈强化学习和多智能体博弈深度强化学习三个层面对智能博弈对抗算法进行了系统梳理,并与情报领域的工作进行了相应映射,论证了智能博弈对抗算法运用在情报领域的可行性和必要性,最后给出了智能博弈对抗算法在情报领域的具体应用以及后续提升质效的有效措施。

美国海军非常重视模拟训练系统的体系能力建设,从顶层自上而下规范海军的模拟训练体系,按联合、海军合同、平台、系统四个层次建设可分可合、多级联动的训练系统,支持全球指挥控制系统海军部分(GCCS-M)、水面舰艇、潜艇、飞机等多种作战兵力,形成面向海空联合体系对抗的战训一致的训练能力,对我国海军的模拟训练体系建设具有重要的借鉴意义。

面向行人和车辆的重识别技术已在情报分析领域得到成功应用,但是对于舰船目标的重识别技术研究还比较缺乏,对此本文提出了一种基于双重特征融合的海上去雾重识别网络,用于海面舰船目标的情报分析和监管。首先,为了降低负样本对特征的影响,采用了视角辅助的自适应查询扩展方法和基于相似度的特征融合方法。其次,在重识别分支的浅层嵌入了去雾分支,利用权重共享技术提取无雾特征,并通过上采样技术和金字塔模型重建去雾图像,以增强网络在低能见度场景下的识别能力。最后,提出了一种基于伪交并比的非极大值抑制方法,通过修正检测框置信度来提高船舶目标的检测精度。实验结果表明,所提方法的性能优于现有方法,并且各模块对网络性能都有贡献。

惯性导航技术对舰艇、水面水下无人系统以及水中兵器作战效能的发挥具有重要的保障和支撑作用。概述了陀螺仪的发展历程,分别从舰艇、水面水下无人系统以及水中兵器三个方面介绍了惯性导航技术在海上装备中的应用,梳理了初始对准技术和传递对准技术,总结了应用于水面水下无人系统的常见组合导航技术,归纳了多普勒惯性组合导航的关键技术,并据此给出了惯性导航技术的研究展望与发展建议。

大数据和人工智能技术在军事领域中的广泛应用使智能化战争逐渐成为一种全新的战争形态。基于智能化战争的特点,阐述了传统武器装备所面临的挑战,提出了数字化、智能化战争条件下武器装备体系发展的策略,对提高武器装备体系效能、赢得未来战争的主动权具有一定的现实意义。

近年来,基于深度强化学习的机器学习技术突破性进展为智能博弈对抗提供了新的技术发展方向。针对智能对抗中异构多智能体强化学习算法训练收敛速度慢,训练效果差异大等问题,提出了一种先验知识驱动的多智能体强化学习博弈对抗算法PK-MADDPG,构建了双重Critic框架下的MADDPG模型。该模型使用了经验优先回放技术来优化先验知识提取,在博弈对抗训练中取得显著的效果。论文成果应用于MaCA异构多智能体博弈对抗全国竞赛,将PK-MADDPG算法与经典规则算法的博弈对抗结果进行比较,验证了所提算法的有效性。

现代战争已成为体系之间的对抗,作战体系评估是加强作战体系建设的重要途径。讨论了作战体系评估的内涵和当前面临的挑战,分析了传统方法在作战体系评估中的应用和局限性,对新兴的复杂网络、兵棋推演、深度学习等评估方法进行研究和分析,提出了关于作战体系评估方法研究的思考。

智能化战场态势评估是实现智能化作战指挥的基础和关键。随着机器学习的快速发展和在军事领域的广泛应用,以及战场数据获取能力的提高,基于机器学习的数据驱动的战场态势评估成为目前研究的热点。对战场态势评估的概念和基于机器学习的战场态势评估研究现状进行了概述,分析了现有基于机器学习的战场态势评估存在的问题,并对其解决思路和研究方法进行了展望。

作战任务规划主要用于支撑作战方案计划的战前拟制和战中调控,现代战争的快节奏、高强度以及复杂性,使指挥员及参谋机构难以承担重任,迫切需要利用智能技术提高决策的自动化和自主化水平。因此,对作战任务规划概念和现有方法进行梳理,分析军事应用局限性和战争复杂性带来的困难,阐述智能方法在威胁判断、时空推理、策略生成与评估、策略学习与成长等方面辅助作战任务规划的必要性,进一步给出作战任务智能规划的框架设计及理论依据,对未来实现智能化作战任务规划提供借鉴。

利用卫星仿真工具包(STK)建立了Starlink星座覆盖模型,对其在南北纬70°范围内的覆盖能力进行了仿真分析,具体分析了星链星座对华盛顿、北京、中国台湾、基辅四个地点及其所在四个地区的覆盖能力。仿真结果表明,目前,星链星座能够达到对南北纬约60°之间地区的100%覆盖率,1.5版星链卫星开始覆盖两极地区,星链星座向实现全球覆盖方向稳步发展;星链星座对华盛顿、北京以及基辅等高纬度地区能够实现24小时全覆盖,且覆盖重数较大;对中国台湾等低纬度地区还有部分时刻无法实现连续覆盖,但整体覆盖能力正稳步提升。

系统梳理了美军大中型无人艇的发展历程和主要研发试验单位,分析了各型号无人艇的研发特点,从体系设计、能力建设和试验试用等方面阐述了美军无人艇发展带给我们的启示,为未来我国水面无人装备发展提供参考。

近年来,水下系统逐渐向无人化、智能化和集群化方向发展。作为水下无人系统集群的关键技术,感知与协同技术在海洋应用场景中表现出巨大的潜力。首先,回顾水下无人系统集群的国内外发展历程,阐明我国开展水下无人系统集群研究的紧迫性和可行性。其次,从水下感知和协同技术两个层面进行论述,详细阐述了水下声学和光学感知技术,以及水下协同通信、协同控制、协同定位与导航技术的研究进展。最后,针对水下无人系统集群在感知和协同方面所面临的难题,给出后续研究的发展方向,为水下作战任务提供技术参考。

我们正迎来人类发展的第四次浪潮,正处于从信息社会向人类社会-物理世界-信息空间融合的智能社会的关键转型期。近年来,计算和信息技术飞速发展,深度学习的空前普及和成功将人工智能(AI)确立为人类探索机器智能的前沿领域。与此同时,得益于器件的革命性进展和人工智能(AI)的发展,脑机接口(BCI)植入技术同样快速落地,这意味着BCI+AI 碳基硅基融合的开始,然而,硅基和碳基运算的底层逻辑存在根本差异,脑的智能机制仍有待进一步探索。本研究提出的视觉认知引导的孪生AI深度网络,是由个人意识驱动的深度网络技术,通过捕捉并解析个体的思维模式和创意灵感,为每个用户量身打造独特的视觉世界。在这样的环境中,每个人都成为自己创造世界的视觉主导者,打破物质和意识的壁垒,得以展现丰富的个性和创造力。

无人集群作战已成为现代战争的常态模式,有人节点与无人集群的协同控制是充分发挥无人系统作战效能的关键。对国外无人集群发展路线进行了梳理,描述了可能的海上无人集群与有人舰艇协同作战样式,分析了未来战争对智能无人集群作战使用以及能力持续提升需求,探讨了集群协同指挥控制对有人舰艇作战体系兼容性、架构开放性以及群体智能性的要求;最后提出了一种海上无人集群有人/无人协同控制架构,给出了能够适应分布式和集中式控制的功能服务部署思路,促进海上有人/无人集群协同能力快速形成。

对人工智能技术在军事情报领域应用与研究现状进行了分析梳理,以期为后续军事情报研究提供借鉴。从情报智能分析与军事指挥决策方面,梳理总结了人工智能在军事情报工作中的发展与应用现状。基于情报工作流程,分析了人工智能技术下的军事情报服务模型。系统梳理了美国智能情报系统典型项目研究发展状况,并对人工智能在军事情报领域重点发展趋势及技术难点进行了探析。

面向体系对抗趋势下不断提升的战争复杂性,引入基于模型的系统工程方法到复杂体系作战建模设计中,通过梳理体系作战的建模需求与内在机理,采用统一架构框架(Unified Architecture Framework,UAF)提出基于场景的体系作战建模方法。以多目标搜索攻击任务为案例,构建了相应的战略、运行、资源、服务等视图模型,并开展了逻辑仿真验证,可为体系作战设计与建模仿真提供依据及参考。

现代战争呈现多域协同、多任务并发、多要素耦合的新形态,对作战任务规划提出了新的挑战。对复杂的作战任务进行合理分解和规范化描述是提高任务规划科学性、提升任务规划效率和任务完成质量的有效手段。在系统阐释作战任务分解相关概念的基础上,提出作战任务分解的基本原则,借鉴“霍尔三维结构”模型,提出基于“时间维、逻辑维、活动维”的作战任务分解策略,定义了元任务的规范化描述形式,从时序、逻辑和功能三方面对元任务之间的关系进行了规范化描述,应用案例研究表明,所提出的方法对于复杂作战任务的合理化分解和规范化描述可行且有效。

无人机蜂群作战正朝着智能化、实战化迅猛发展,将在未来战场上造成巨大威胁,反无人机蜂群作战研究势在必行。针对无人机蜂群发展历史、研究进展、实战运用情况进行分析;并从探测跟踪、硬毁伤、软杀伤手段三方面梳理国外反无人机蜂群作战研究现状,其中,硬毁伤手段包括通过常规武器、定向能武器和武装格斗无人机对抗打击,软杀伤手段包括电子干扰、欺骗控制。最后,提出反无人机蜂群作战的未来发展趋势:无缝全面探测预警和高效智能决策部署;常规新型武器协同,软杀伤硬毁伤结合;多维智能体系作战,标准制定刻不容缓。