军事智能时代的集成科学.pdfVIP

专题导读

军事智能时代的集成科学

着云计算、深度学习、大模型等新兴基础技术的进步，人工智能在军事领域的应用日益广泛，并被认为具

有从根本上改变战争方式，推动战争形态发生革命性变化的潜力。集成科学是以信息为主导揭示更具竞争优势

的体系演进规律，研究通过结构进化聚合多质态资源使其具有更加广泛和有效的能力，指导特定领域的体系

构建。面向军事智能的集成科学方法理论研究是军事智能发展和应用领域中极为基础且重要的研究课题之一，

也是美国国防领域最受关注、最具热点的研究方向之一，是美国国防部高级研究计划局（DefenseAdvancedRe-

searchProjectsAgency，DARPA）等机构产生科学突破和创新的基础，是美军研提新质作战样式、催生军事智能

优势的新引擎。

本专题围绕军事智能集成的体系构建理论与方法、军事智能的集成运用技术与方法、人机异构智能的集成

理论与方法、军事智能集成环境设计理论与方法等内容，收录13篇学术论文，包括综述、技术研究、案例研究等

多种形式。这些论文观点新颖、分析深刻，可为军事智能集成问题研究提供有益参考。

围绕军事智能集成的体系构建理论与方法：

“飞机检查单的OPM军事概念模型”以飞机检查单为例，研究了基于对象过程方法论（object-process

methodology，OPM）的军事概念模型开发方法，通过建立军事概念模型时侧重规则对作战活动的约束，提供了一

套符合作战规则约束的智能集成体系框架设计方法。

“基于智能体深度强化学习的体系任务分配方法”，提出的作战体系分布式任务分配算法，为各作战单元

设计了独立的策略网络，通过采用集中式训练、分布式执行的方法对各作战单元智能进行集成，即使在没有中

心指挥控制节点协调的情况下，该框架依然能够独立地实现作战任务的高效分配。

“面向未来的无人机跨域任务协同激励机制研究———基于通证思想”，针对去中心化模式下集成激励不足

的问题，提出利用通证打破物理世界与虚拟世界之间的壁垒，以“任务激励”的模式使各作战单元通过执行任务

获得协同积分奖励，提升无人机跨域任务协同生态的自组织能力，并通过一个实例分析了该机制在具体场景中

运行的整个过程。

“面向智能博弈的策Transformer方法综述”，从协作式团队博弈、竞争式零和博弈和混合式一般和博弈

共3个角度梳理了智能博弈模型，从认知的角度出发定义了运筹型博弈、不确定型博弈、涌现探索型博弈、群体

交互型博弈共4类智能博弈认知模型，从问题可信任解、基准学习方法、策略训练平台共3个视角给出智能博

弈求解方案，并为面向相应策的预训练方法提供了参考。

围绕军事智能的集成运用技术与方法：

“集成学习研究现状及展望”，从集成回归和集成分类两个方面，总结分析了集成学习有效性的理论依据、

提升集成学习多样性的方法；分析了bagging、boosting、stacking、核学习、集成深度学习等集成学习典型方法

的研究进展，并讨论了集成学习未来需要关注的重点问题。

“基于空间分块的CGF注意力感知方法”，基于空间分块思想实现了对战场空间的高效感知及动态管理，

集成感官感知注意力机制（视、听）及感知主体实例偏好，应用价值排序建立了相应的价值模型，在不损失感

知精度的同时能够有效提高感知效率。

“联合投送任务规划方案智能集成评估”，建立了联合投送任务各评估指标与规划方案评估目标间的映射

模型，并给出了基于深度学习和群智能算法综合运用的联合投送任务规划实施方案智能评价模式，有效提升了

联合投送任务规划方案的评价精度。

围绕人机异构智能的集成理论与方法：

“从‘可解释’到‘可接受’：一种作战策背景下的人机智能融合新视角”，对人机智能融合主要解思路

“可解释性”方法的有关研究进行了梳理，分析了作战策背景下该原则的局限性。在此基础上提出“可接受性”

概念并从“策者需求”、“智能方法优化方向”出发明确其具体能力要求，以提供一种新的指导原则促进人工智

能应用于实际作战策。

“一种基于人机融合的态势认知模型”，基于人机融合思想对现代战场指挥控制中的态势认知问题进行建

模，利用弹性知识库框架、动态调整分工等技术路线，搭建起了一套可行的态势认知模型，使得模型在合理表征

指挥控制态势认知的前提下，结合人与机器的优势，达到指挥控制条件下人与机器的有效协同。

“有人/无人集群任务规划系统集成框架”，针对动态环境下无人集群任务规划问题，构建了包含无人平台自

主行为规划系统、无人