人工智能和机器学习在防御性太空对抗中的应用

学术 2024-11-05 20:41 山东

电话 | 010-82030532 手机 | 18501361766

微信 | tech9999 邮箱 | yw@techxcope.com

来源：防务快讯

作者：李晓文朱虹

简介：2024年，美国兰德公司发布《人工智能和机器学习在防御性太空对抗中的应用——决策支持工具能力验证》报告，研究了人工智能/机器学习（AI/ML）作为防御性太空对抗任务决策支持工具的适用性，并对发展防御性太空对抗AI/ML工具提出了建议。本文编译了报告的主要内容。

图1 《人工智能和机器学习在防御性太空对抗中的应用——决策支持工具能力验证》报告

1引言

2019年，兰德公司的空军计划部门承接了美太空军委托的一项研究工作，评估能否将AI/ML工具用作决策辅助工具，帮助作战人员从现有的天基作战方案中迅速选出适用的方案，以保卫和防守已被敌方确定为攻击目标的太空系统。该项工作采用自定义方法实现了典型的生成式对抗网络（GAN）体系架构，并在此基础上开发了初步的AI/ML决策支持原型工具。本次发布的报告对2019年的AI/ML决策辅助工具进行了改进。

2对AI/ML决策辅助工具的技术改进

防御性太空对抗工具由两部分组成。第一部分是一个可访问的网页式用户界面，用于浏览太空对抗决策环境。第二部分是一个后端AI/ML决策支持模型。用户界面与后端模型通信，后端模型针对用户界面中指定的红方防御性太空对抗挑战提供经过优化的蓝方响应。

2.1 改进建模仿真

项目组重组了现有模型的代码，以提高其可维护性和可扩展性。首先将先验模型从Octave移植到Python中，以适应建模仿真结构、AI/ML算法和用户界面之间的接口技术。在不改变建模仿真结构外部特性的情况下，将其功能细分为各个模块，既简化了基础逻辑，又消除了代码冗余。在此过程中，定期对建模仿真结构进行输出验证，以确保其性能与先前的项目相匹配。项目组还在模型中加入了双曲线开普勒方程，因此模型可以评估更多挑战和响应轨迹。

2.2 改进AI/ML模型体系架构

2019财年开发的AI/ML决策支持模型（见图2）基于一个生成式对抗网络（GAN）体系架构。该体系架构包括一个生成器G(.)，该模型与一个判别器D(.)进行交互，从而使经过调整的生成器实现有用的模仿行为。该模型的核心理念是，如果模型学会了模仿数据集中的各种“正确”响应，最终训练出来的模型就会成为一个有效的蓝方策略模型。结果证明，该策略只取得了相对成功。模型学会了提出有效响应，但这些响应未必总是非常有效。

图2 生成式对抗网络模型示意图

改进后AI/ML决策支持模型从原来主要基于GAN的体系架构，转而采用单一时间步长的参与者-评价者算法强化学习（RL）体系架构。这种新型模型体系（见图3）保留了对抗性子组件路径（红线），用于训练模型，以学习场景的有效内部表征和蓝方响应。但是，在基础模型结构上增加了第二条信号路径（蓝线），如果蓝方在现实世界中执行了所生成/提议的响应，该路径会估算蓝方的回报。使用这种“评分估算器”模型，可以通过一种称为梯度下降的迭代数学算法来更新蓝方的响应策略模型。因此，通过增加一个额外项，修改了学习目标；这个额外项可激励策略模型，求出评估员算法预期评分的最大值。为此，将更新后的模型称为RAGAN-P。

图3 改进后的RAGAN-P模型示意图

更新后的RAGAN-P模型体系整合了用于检查有效性的传统参与者-评价者算法强化学习体系架构（如图3黄色方框所示），以及用于有效性评分的奖励增强型生成式对抗网络体系架构（如图3红色方框所示）。这种混合型体系架构能更好地体现作战方案和场景的内部结构，同时还能生成高分的蓝方响应作战方案。

3防御性太空对抗工具的工作流程

防御性太空对抗工具的使用可以分为三个步骤：（1）指定红方挑战；（2）从AI/ML工具中抽取蓝方响应方式示例；（3）描述各个蓝方响应方式的时延特征。

（1）步骤一：指定红方挑战

首先要求用户选择目前正在进行的红方挑战。如图4所示，红方备选作战方案包括直接升空或子轨道攻击。这种工具的作战部署需要将任何其他相关的红方威胁作为可选项。此类部署还依赖于太空态势感知（SSA）数据管道，以自动选择红方作战方案。如果不能直接传送及时且适当的太空态势感知数据（如红方拦截器轨迹），该工具的有效性可能会大打折扣。无论使用哪种工具或方法，均需利用及时和相关的太空态势感知数据来制定蓝方作战方案。

图4 在仿真页面上，系统提示用户选择一项红方作战方案

一旦选择了红方作战方案，就必须通过选择该作战方案的详细参数（如燃尽速度和燃烧终止点弹道倾角，在图5中显示为“推进后的”速度和角度）来定义该方案。在运行仿真之前，需对参数进行验证，以确保红方挑战具有可行性。点击“验证红方挑战”按钮（图5底部）可检查所选红方作战方案的参数是否代表有效的红方挑战。如果是，该工具就会绘制拦截轨迹曲线图。如果不是，该工具会显示失败消息，并且不提供蓝方作战方案。如果挑战有效，则进入下一步（点击图5底部的“运行仿真”按钮）。

图5 系统提示用户为直接升空拦截作战指定红方参数

（2）步骤二：从AI/ML工具中抽取蓝方响应方式示例

点击“运行仿真”按钮后，即可将红方作战方案参数提交给后端AI/ML决策模型。该模型会生成一组蓝方响应方式。每个蓝方响应方式都是为应对相同红方挑战而设计的有效潜在作战方案。蓝方行动实例包括操控受攻击的卫星、部署诱饵或发射护卫卫星拦截攻击导弹。每种蓝方作战方案都会获得一个任务效能评分、响应方式所需的加速度或速度变化，以及其他信息，例如部署的诱饵数量。

为了让用户了解模型建议的整体有效性，模型会生成关于整个蓝方响应方式组合的有效性柱状图。图6显示了针对一种红方作战方案的100个AI/ML生成的蓝方响应方式有效性评分样本分布。

图6 应对红方作战方案的100个蓝方作战方案有效性评分分布图

为了让用户详细了解每种推荐的备选方案，图7列出了一些蓝方作战方案以及每个任务效能水平相应的参数值。该列表为用户和作战人员提供了一个备选作战方案“信息看板”，这些备选方案按有效性评分从高到低的顺序排列。这些蓝方作战方案示例由专为此任务设计的后端AI/ML模型生成。

图7 AI/ML模型生成的蓝方响应方式示例列表

（3）步骤三：描述各个蓝方响应方式的时延特征

点击信息看板上的某个蓝方作战方案（图7）后，会生成一张时延敏感度曲线图（如图8），用于详细说明延迟执行响应作战方案会导致的后果，即等待时间过长可能导致建议的作战方案失效。

图8 蓝方作战方案时延敏感度曲线图

4报告提出对发展防御性太空对抗AI/ML工具的建议

4.1 对本项研究的建议

报告对防御性太空对抗AI/ML工具提出了以下发展建议：

（1）为防御性太空对抗任务的AI/ML决策支持实用工具制定相应的开发计划和指南：这类开发计划和指南可包括用户利用适当感知网格和数据来源的数据管道，对本项目中开发的更全面、更综合的工具版本进行评估，以及将该工具作为原型部署到防御性太空对抗作战中心。

（2）优先建立太空态势感知数据管道：报告认为，美太空军应开发新的或利用现有的太空数据和信号源，作为美国太空军各种决策支持工具和管道的输入信息，借助有效的AI/ML辅助决策获益。

（3）在训练美太空军的同时，部署AI/ML决策辅助工具：报告认为，美太空军需开发一个更全面的工具版本，将之作为防御性太空对抗作战人员的训练工具。这将使受训人员有机会针对太空系统的各种敌对活动选择不同的作战应对方案，并深入了解作战方案的优点和局限性。

4.2 对未来研究工作的建议

报告认为，美太空未来应开展如下工作，以支持AI/ML决策辅助工具在太空作战中的应用：

（1）研究在太空作战中运用AI/ML对作战条令的影响，为AI/ML在太空作战中的应用制定更详细的作战条令。

（2）通过投入相应的人力、物力和财力，改进人机界面，使其更加科学合理，并利用博弈论模型开发AI/ML算法。

http://mp.weixin.qq.com/s?__biz=MzI5MTkwOTQyMg==&mid=2247651727&idx=2&sn=a5ffd63ed29e5f586498cf363d4845c1

空天大视野

远望智库航天研究院旗下航天领域前沿资讯平台

最新文章

美空军前参谋长：取得胜利的关键是战斗机和轰炸机而非四轴飞行器

人工智能和机器学习在防御性太空对抗中的应用

美空军B-21轰炸机或在未来空中优势计划中扮演更重要角色

NASA的焦虑：新总统会继续推进载人登月吗？

国外防空武器建构原则及发展趋势

未来冲突中空中威胁的演变

美国空军启动第950频谱战大队和第17电子战中队

俄罗斯借助“急使”低轨卫星控制“地理扫描”侦察无人机

HAPS联盟推出首个HAPS参考架构系列：空中蜂窝塔

推演报告：美国如何应对与X国发生的重大太空对抗事件

美国陆军无人机战略转型

美国在“奥库斯”活动中演示各种无人机、高空气球等系统

运输航空与低空经济融合的商业前景与实践

太空探索技术公司的“星链”卫星 | 新品推荐

电子战的数字化演变

俄乌战争：诱饵无人机

集成"蝰蛇 "综合电子战系统的F-16 战斗机完成首飞

台湾推出自主研发的高空通讯气球

美太空系统司令部发布《指挥计划》

美军2025年开始部署Meadowland卫星对抗系统

美国太空部队试图打破中国远程精确打击杀伤链

陆军即将正式将“微型高空气球”作为监视行动的新要求

浅谈太赫兹高速通信在空间网络中的应用

兰德公司研究军用有人及无人驾驶飞机出厂成本参数化成本估算

隐身飞机并非完全看不见

俄乌战场上的对敌防空压制系统（SEAD）

HAPS联盟白皮书为建立高空平台系统可接受的风险水平提供指导

美太空军“草场”电子战系统通过系统验证测试

“第六代战机”——B-21“突袭者”

“星链”系统发展及发射部署情况分析

美航母舰载无人空战中心发展概览

面向手机直连的星载相控阵：关键技术与未来展望

美军的新型垂直起降运输机面向印太地区分布式作战

俄乌战场上的对敌防空压制系统（SEAD）

美国陆军牵头研发用于战场防空的高超音速火炮系统

浅析电子战下无人机的新出路

日本将在北约太空战略中发挥作用

美国空军的电动垂直起降飞机

巴基斯坦的歼-31 PK 印度的苏-30MKI，结果会怎样？

乌克兰的电子战：北约空中力量能力发展的初步经验教训

国外卫星互联网相关技术及规则发展分析

超近程/近程防空雷达：卷土重来

关岛陆基宙斯盾导弹防御系统初探

全球反卫星武器（ASAT）综述

第二届临近空间领域技术与产业大会会议通知

太空系统在俄乌冲突中的应用

美军未来空战利器——协同作战飞机

智能化无人装备发展现状及趋势研究

美陆军V-280“勇士”飞机将催生“远程突击”新型作战概念

五角大楼的新高超音速技术

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉