安科信息网

安科信息网 首页 行业 信息技术 查看内容

智能化态势认知技术与发展建议

2020-7-22 08:25| 发布者: 科技汇| 查看: 39| 评论: 0|来自: 防务快讯

摘要:   引言   态势认知是在多源信息融合和态势要素感知的基础上,对战场态势的感知、理解和预测,如目标识别、威胁估计、作战行动预判和未来战况走向预估等,是指挥控制活动从信息域向认知域跨越的重要标志。因此, ...

  引言

  态势认知是在多源信息融合和态势要素感知的基础上,对战场态势的感知、理解和预测,如目标识别、威胁估计、作战行动预判和未来战况走向预估等,是指挥控制活动从信息域向认知域跨越的重要标志。因此,全面准确地掌握战场态势成为指挥员决策的基础。未来多域联合作战中,作战空间向陆、海、空、天、电和网络,以及认知域、社会域等方向拓展,作战力量结构更灵敏轻便且精干高效,可在广阔空间中进行非线式、不规则和广域疏散部署,可根据作战需求进行快速灵活重组,能实现物理域、信息域和认知域深度跨域聚能。由于仅依靠人工处理已无法满足瞬息万变的战场变化,也无法为指挥员提供及时有效的态势信息,因此需借助计算机的分析和处理能力以及人工智能技术,从海量战场情报中提取重要信息,形成作战知识,以辅助指挥员高效完成战场态势的认知活动。未来空战中,有人/无人机混合编队协同作战等新型对抗模式带来了海量数据、复杂协同态势和急剧压缩的决策时间等挑战,这些均对及时和准确的战场态势认知提出了更高要求。因此,智能化态势认知对于现代和未来作战指挥决策意义重大。

  1、态势认知需求

  随着智能化联合作战形态的不断演进和发展,战场态势正发生着巨大变化,对战场态势分析与预测的速度和精度要求也不断提升。通过对各类侦察感知手段的智能组网,全方位和多维度捕获战场态势信息,进而构建战场态势大数据库。态势信息处理需利用人工智能等手段分析比对获取的战场数据,并进行战场态势信息融合处理,实时响应指挥员决策的关键信息需求,并积累大量的态势数据供机器学习使用。同时,在态势理解基础上,从对战场目标状态的分析预测逐步向战场局势优劣研判和态势可能演变趋势预判等“势”的分析上深化,从而获取快、全、准和深的战场态势认知结果。

  1. 1 多域联合作战中态势认知新难题

  多域作战推动联合作战力量要素从联合走向融合,使得战场态势变得更复杂、认知更困难。多域战打破了军种和领域间的界限,在陆、海、空、天和网络等作战域以及电磁频谱、信息环境和认知维度等领域进行密切协同,使各军种的作战力量能够从联合转变为真正的融合。泛在云联的基础网络与联合作战网络密切交融,不同空间域的作战行动相互配合且互为支撑,作战效果不断叠加与补充。多域作战行动的多领域、多角度和多方向使敌方很难抓住主要进攻方向,且多样化攻击手段可在抓住敌方弱点时多措并举,使其防不胜防,取得显著杀伤效果。因此,多域联合作战态势变得越来越复杂,战场态势理解和认知变得越来越困难。目前只是针对某个特定领域初步实现态势的智能理解,而横跨海、陆、空、天和网络等领域的战场态势的智能理解与预测具有极大的技术挑战性。

  1.2 有人/无人协同作战中的态势认知新挑战

  分布式作战环境下,有人/无人协同作战推动人机协作从指令化走向一体化,使战场态势认知更自主、时间更紧迫[4]。鉴于目前全自主智能无人系统并不成熟且种类不完备,有人/无人协同作战将成为典型作战样式。若有人飞机(或车辆)中的人无需对智能化的无人机进行精准控制,将极大减轻人的负担,同时提高编队的作战效能。而无人平台智能作战的全域多维、自主涌现和不确定等特点,以及新质力量编成和新型作战样式的引入,又使基于网络化作战概念的信息互连互通和态势共享协同方式无法满足有人/无人作战群的需求,而自主战场态势的理解与认知将对智能化辅助决策技术提出更高的时效性要求。

  2、态势认知支撑技术

  目前,人工智能技术在智能化感知与信息处理、智能化指挥控制辅助决策及无人化军用平台等领域扮演着越来越重要的角色[5]。下文重点介绍推动战场态势认知向智能化不断演进和发展的相关支撑技术。

  2. 1 仿生智能算法

  仿生智能算法是人工智能领域一个重要分支,是近年来新兴技术,已广泛应用于多目标优化、生物系统建模、机器人控制和决策支持等领域[6]。仿生智能算法中,每一个个体均为具有经验和智慧的智能体,个体间存在互相作用机制,通过相互作用形成强大的群体智慧来解决复杂问题[7],具有不因个别个体出现故障而影响群体对问题求解的鲁棒性,以及系统通信开销少易扩充等特点,因此在求解多因素/变量复杂优化问题中显示出强大的潜力。仿生智能算法具有巨大的军事应用潜力,可用于无人平台运动控制、无人编队航路规划、联合作战力量部署和战场局势优劣评估等,有助于解决多域联合作战敌方可能行动方案的判断、有人/无人协同作战中作战力量的布势等态势认知难题。

  2.2 边缘计算

  边缘计算是一种网络边缘执行计算任务的新型计算模型,相比于云计算模型,能够更加迅速和可靠地响应用户需求[8⁃9]。边缘计算将强计算资源与高效服务下沉到网络边缘端,具有时延更低、带宽占用更少和隐私保护性更好等特点。边缘计算与人工智能技术相结合存在着巨大的军事赋能潜力,可用于解决重点目标防卫、战场异常事件检测以及战术作战力量的快速组合、分配与运用等态势认知问题,有助于解决有人/无人自主系统协同作战中作战力量的态势自主认知的难题。

  2.3 人机融合技术

  人机融合智能理论着重描述了一种由人、机和环境系统相互作用而产生的新型智能形式,它既不同于人的智能也不同于人工智能,而是一种物理性与生物性相结合的新一代智能科学体系[10]。人机融合智能将人作为机器或算法的一部分宝贵资源,具有巨大军用应用潜力,是人工智能的重要发展方向。在有人/无人协同探测、协同干扰、协同打击和协同作战等模式中,可用于聚焦态势生成、态势信息主动推送等态势认知问题,有助于解决时空推理和作战资源分配等复杂且时间紧迫的计算任务,以及战役布势等态势认知难题。

  2.4 分布估计算法

  分布估计算法是一种新兴的智能进化算法,是统计学习与进化计算的结合。分布估计算法采用一种全新的进化模式,通过一个概率统计模型描述备选解在解空间的分布特征,先采用统计学习方法从群体整体宏观角度建立一个描述解分布的概率模型,再对概率模型随机采样产生新的种群,不断重复以实现种群进化,直至达到终止条件[11⁃12]。相比于遗传算法,分布估计算法利用群体间概率模型更新下一代种群生成下一代最优解,具有更强的搜索能力和更快的收敛速度。分布估计算法是人工智能中进化计算领域出现的一种崭新算法,具有广泛的军事应用前景,可用于解决多无人飞行器自主任务临机规划、联合作战力量战场布势等态势认知难题。

  2. 5 智能博弈技术

  智能博弈指采用模拟仿真技术,对当前战场态势的可能发展变化进行模拟[13⁃15]。智能博弈技术通过模拟仿真,将战场状态、作战企图和筹划方案等信息进行关联分析,对战场发展趋势以及可能发生的事件和风险进行推演,形成敌方趋势预判、我方行动构想以及战场环境趋势预报与分析等态势预测产品,为指挥员决策、作战筹划规划和作战行动控制等提供支撑,从而缩短指挥员对情况观察判断时间,提升指挥信息系统对战场态势分析预测能力。

  2. 6 沉浸式技术

  伴随着云计算、大数据和人工智能等技术的快速发展,军事仿真在装备建设、军事演习、作战训练与后勤保障等领域相继取得重要进展,尤其是近年来虚拟现实和增强现实技术的快速发展,使得计算机生成的虚拟图像可实时和动态地融合到人体能感知到的真实环境中,而沉浸式技术正是虚拟现实和增强现实技术发展的最新成果[17⁃18]。与传统的静态沙盘和作战地图相比,沉浸式军事训练系统不受场地限制,可在参战官兵眼前呈现出包含网络和电磁等跨空间的动态逼真场景,从而提供一种身临其境的现场感。采用沉浸式技术构建的军事训练虚拟战场,有助于指挥员对未来战争提前具有感性认知,确保指挥员对战场态势做出正确而快速的理解与认知。

  3、态势认知技术的发展建议

  分析国内外学者有关态势认知技术的研究成果可见,目前基本形成了对目标意图识别及航迹预测等特定领域的“点”态势智能理解,但仍难以形成横跨海、陆、空、天和网络等多域的“体系”态势智能认知。因此,需围绕算法赋能的异构信息处理、知识驱动的事件关联推理、人机融合的态势聚焦生成和平行仿真的局势推演预测等开展关键技术研究。

  1)算法赋能的异构信息处理,提升态势信息的综合处理能力。面对不断增长的战场数据量,结合人工智能和认知计算等技术,发挥机器在海量图像视频中的目标检测与跟踪、文本提取与理解等智能处理中的优势,大幅提升情报处理效率和对军事目标的理解能力。开展仿生智能算法和人机融合等技术研究,以解决战场目标/低小慢目标的及时发现、准确识别和全程跟踪;开展分布估计算法、边缘计算和机器学习等研究,以解决海量图像视频数据及时处理与有效利用等难题。例如,美军在算法战等新概念的推动下,着力推动加快美国防部融入人工智能与机器学习技术的速度,将国防部海量数据快速转换为可用情报,其中Maven 项目已帮助美国特种作战司令部情报分析人员识别“扫描鹰”无人机拍摄的视频中的物体。

  2)知识驱动的事件关联推理,提升战场态势演化的掌控能力。未来态势感知从信息获取为主向信息深度认知利用为主转变,强调信息优势到决策优势,要求能够从全球传感器采集的海量和异构数据中自动提取、关联和融合,形成跨时空、跨领域和跨任务的知识体系,同时能够学习借鉴指挥员进行态势研判的专业知识。开展仿生智能算法、智能博弈技术、边缘计算和分布式估计算法等研究,进行态势理解与认知的模式挖掘与推理,并将实际战场环境与知识体系关联,实时和自动生成战场局势和趋势等“势”的研判结果及支撑证据,帮助指挥员快速识别敌方意图,并准确预测态势变化。例如,美军在捕获本·拉登的过程中,从海量数据中挖掘敏感事件,形成关键线索,进而实现了目标的快速锁定。

  3)人机融合的态势聚焦与推送,提升态势信息的精准服务能力。态势图精准服务与群体共享指伴随多军兵种的协同作战过程,主动学习用户的作业行为,实现精细化态势图生成、高准确度服务和共享群体态势认知。开展人机融合技术、仿生智能算法、智能博弈和沉浸式技术研究,充分发挥机器计算能力和人类综合与创造能力,提供伴随作战过程的态势精准保障与人机理解能力,使指挥员对关注的战场情况一目了然,实现多层和多域的综合态势生成、聚合与解聚。例如,美军已形成了从通用作战态势图(COP)到用户定义作战图(UDOP)再到互关联通用作战态势图(IR⁃COP)等系列态势图族,从而提高了态势信息的整合能力,满足了不同用户需求。其中,UDOP 旨在提供用户定义的态势精确认知,而IR⁃COP 则侧重于实现对情报监视与侦察(ISR)信息、情报信息及作战计划信息的整合、组织与高效利用,实现指挥控制(C2)能力的最大化。

  4)平行仿真的局势推演与预测,提升指挥员塑造战场态势能力。智能化辅助提升指挥员快速理解与准确预测战场态势成为一项全新的技术挑战。指挥员不仅要全面准确分析、理解、判断与评估当前战场局势,更要基于当前战场的“态”准确预测未来战局发展的趋势与走向。开展智能博弈、人机融合技术和边缘计算等研究,构建与真实系统一致和平行的仿真战场态势环境,基于实时战场态势信息,在线仿真模拟战场目标运行状态,并根据我方行动方案计划和掌握的敌情,快速推演未来不同时刻的敌我体系化对抗的可能态势和走向,为辅助指挥员超前决策和临机调整作战方案/计划提供时间窗口。例如,美军在“深绿”项目的“水晶球”模块中开展了基于战场实际情况的快速模拟推演,并通过对未来作战方案的可能选项实现对未来可能态势的生成、评估和监测。

  4、结束语

  本文分析了多域战和有人/无人协同作战样式的特点,以及对态势认知技术新挑战。结合人工智能技术的发展趋势,给出了破解态势推理与计算、态势推演与预测等研究中技术难题的智能化技术发展思路,为更好实现战场态势认知智能化提供了依据。最后,给出了态势认知技术的发展建议,不仅可为开展战场态势认知技术研究提供支持,也可为开展辅助决策分析和自主决策等作战问题研究提供参考。

文章免责声明:

本网站文章(含转贴文章)版权归原作者所有,所刊文章观点仅代表作者本人的观点,与本网站立场无关。如有侵权或其他问题,请联系我们,我们将在有效时间内处理,侵权等法律责任由上传者全部承担,与本站无关。

最新评论

登录之后发表您得观点!
  • 发布新帖

  • 微信

  • 手机端

  • 返回顶部