美空軍科學諮詢委員會2019財年將開展三項研究課題

原標題：美空軍科學諮詢委員會2019財年將開展三項研究課題

根據美空軍部長9月27日一份標題為《美空軍科學諮詢委員會（SAB）2019財年研究》職權範圍備忘錄的要求，SAB將在2019財年開展以下三項研究。

1、面向21世紀的訓練和教育技術（TET）

研究背景

最近增強現實（AR）和虛擬現實（VR）技術不斷發展，並且正在打造新的混合現實，這種形式超越了傳統的實際虛擬建設範式。這些技術可用以改進空軍教育和訓練，提高熟練程度並降低成本。空軍利用這些些虛擬技術還可以提高熟練程度和戰備水平。

然而，通過AR/VR技術改進空軍訓練需要克服一些挑戰，包括多級安全性和與傳統訓練系統的兼容性。

研究內容

● 調查虛擬和建設性元素在空軍訓練中的用途、有效性，並確定增強現實訓練可能滿足哪些需求。

● 確定增強現實的最新商業能力，這些能力必須與空軍教育和訓練以及近期、中期和長期AR/VR技術息息相關。

● 研究航空教育和訓練司令部(AETC)和其他空軍一級司令部如何利用AR/VR和其他技術提高學習速度和深度，以滿足複雜教育和訓練需求。檢查其他軍種如何使用AR/VR來滿足教育和訓練需求。

● 評估增強現實為空軍的任務訓練所帶來的獨有益處。衡量訓練的時間、成本和質量，以及增強現實所需的額外投資。

● 確定AR/VR能力應用時存在的不足。

● 確定相關技術和流程，確保AR/VR訓練系統在整個壽命周期內與空軍系統保持同步以保持配置控制。

● 為空軍近期、中期和長期的科學技術工作提供路線圖，以便使空軍能夠充分利用先進訓練和教育能力。識別相關技術以衡量潛在AR/VR訓練能力的影響。

2.建模、模擬和分析（MS＆A）的保真度以支持空軍決策

研究背景

空軍使用空軍作戰集成能力(AFWIC)來評估選項，整合相關流程，以做出採辦和投資決策。AFWIC廣泛使用MS＆A，以加深對替代系統潛在特性、有效性和價值的理解。潛在的分析能力通常涉及系統之系統框架；在該框架中，具有不同保真度的模型和工具的組合可以用來模擬任務性能。由於這模糊了對基於物理的個體原則的可追溯性，很難量化或理解這種聚合MS＆A結果的保真度。空軍將探究如何表徵和提高MS＆A的保真度以及可信度，以更好理解空軍投資決策。

研究內容

● 審查並描述複雜系統和系統之系統MS＆A的當前最新技術水平。

● 確定與空軍任務相關的最佳模型和集成框架。

● 描述相關環境以便將基於物理的模擬與交戰級、任務級和戰役級的模擬相聯繫，包括各級之間的誤差和不確定性，並確定限制整體保真度的關鍵因素。

● 確定改進措施以便為MS＆A保真度的VV&A流程提供認證，並維護複雜模型並支持建模環境的配置管理。

● 評估是否可以擴展物理水平模擬中的不確定性量化（UQ）的現代方法，以提供型系統級MS&A保真度的改進量化，並推薦實施計劃。

● 推薦適當的實驗設計和不確定性量化技術，以提高決策者對MS＆A的信心以支持投資決策。

● 建議採納先進技術以提高複雜系統級MS＆A環境中不確定性的保真度和量化。

3.用於目標定位和識別的多源數據融合(DFT)

研究背景

未來空軍在競爭環境下的作戰將需要新型感測、打擊、指揮和控制架構，以確保任務成功。空軍傳統ISR平台的偵測、定位和識別目標能力將受到先進的動能和非動能威脅的挑戰。利用國防部空間、地面和非傳統空基感測器的替代型感測CONOPS與新興的大型空基商業地球感測星座相結合，可提供實時目標監視、位置和身份識別所需的原始數據。情報來源、網路來源或甚至公開可用信息（PAI）的數據可以提供額外的、預測性的目標位置，定位和識別和意圖信息。這些不同的多源數據需要實時傳輸、驗證、集成和融合到可操作產品中，提供與決策、任務和行動時間表相一致的速度。

通過利用先進的機器學習和數據分析技術，商業部門最近在數據融合、對象識別和決策輔助技術方面的實現了大量多源數據的融合。但空軍任務對數據質量、延遲、穩健性、可靠性和安全性有特點要求，這將影響對特定融合架構可行性的決策。空軍將更好地理解強大的數據融合架構的選項和潛在益處，以最大化發揮多源非傳統感測的效用。

研究內容

● 確定所需的數據產品以支持目標定位和識別，以及相關的解析度、保真度、延遲、準確性和及時性要求。

● 確定傳統和非傳統數據源的組合，以支持競爭環境下目標的定位和目標識別。

● 描述政府和商業融合功能的有效性，包括高級決策支持、機器學習、數據分析和人機界面。確定當前數據融合的能力缺口，並評估未來科技工作以彌補這些差距。

● 定義與輸入數據和信息源的特徵無關的強大數據融合過程和體系結構。評估數據管理策略以支持這種融合。

● 評估當前空軍網路帶寬限制對數據產品效用和及時性的影響。研究集中數據處理和「邊緣」數據處理之間的交易以管理這些限制。確定優化利用數據產品所需的任何網路改進。

● 確定上述方法的潛在對策和漏洞，包括數據融合過程中的網路漏洞以及通信網路的降級。

● 推薦用於評估潛力融合能力的方法，包括MS＆A、試驗和操作演示驗證。

來源：美國《防務內情》/圖片來自互聯網

軍事科學院軍事科學信息研究中心 吳海

編輯：劉偉雪

如需轉載請註明出處：「國防科技要聞」（ID：CDSTIC）

人工智慧

陸軍

海軍

空軍

航天

網路空間

電子信息

核武器

精確打擊

新概念武器

基礎科學

技術

與能源

與製造

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！