本文概述了模拟训练系统的优点和局限性以及陆军对模拟训练系统的投资情况,另外还介绍了最近举行的旅战术竞赛的成果。

自 19 世纪初以来,无论是模拟还是数字模拟,都为各级人员的认知发展提供了支持,并使军队能够适应快速的技术变革。模拟是进行兵棋推演的众多工具之一。

模拟--被定义为随着时间的推移实施一个模型--提供了一个安全失败、潜在对抗的环境,参与者可以体验其决策和行动的后果。在培训和教育中,导师引导的反思可以通过体验式学习提高认知能力。另外,分析人员也可以利用模拟兵棋推演的成果来支持部队发展和创新。

图 1:陆军保护机动战术训练器

澳大利亚陆军兵棋推演的起源可追溯到 1893 年,当时还是中尉的约翰-莫纳什(John Monash)将军在海军和军事俱乐部倡导使用兵棋(手动模拟)作为职业发展活动。1984 年,陆军兵棋推演中心(AWGC)成立,并使用手动(也称为模拟)计算机辅助和自动(数字)兵棋推演来支持个人和集体训练。如今,陆军的模拟能力由陆军知识局(DAK)(前身为陆军知识中心(AKC))下属的陆地模拟与兵棋推演中心(LS&W)负责。

本文将概述模拟的益处和局限性,介绍陆军目前的虚拟和建构模拟能力,并概述建构模拟如何为最近的旅战术竞赛提供支持。除了在陆军内部推广使用模拟,本文还旨在强调旅战术竞赛的益处,并概述个人和单元如何为今年的赛事做好准备。

模拟的益处和局限性

"所有模型都是错误的,但有些模型是有用的;实际问题是,模型要错到什么程度才会没用"。

  • George E. P. Box

实战模拟、虚拟模拟和建设性模拟,或这三者的任意组合,都是陆军必不可少的训练工具,但它们不能--也不应该--取代实战训练演习的要求。虽然模拟使我们的人员能够进行否则可能无法实现的训练,但模拟是一种模型的实施,是对真实世界的长期再现。

正如乔治-博克斯(George Box)在上述引文中指出的那样,所有模型都是错误的,这主要是因为它们是对现实的简化。毕竟,不可能准确复制现实世界。然而,正如引文中所指出的那样,只要了解了模型的局限性,就不应该一味地否定模型的作用,而是仍然可以利用模型来产生培训效益。本节将重点讨论虚拟和建构模拟的一般优势和局限性。

益处

虚拟仿真和建设性仿真可为陆军带来以下益处:

灵活性。模拟平台可使人员在通常无法使用的设备和/或地形上进行训练。它提供了了解未来作战环境的机会,并减轻了训练场地和设备可用性的限制。此外,模拟还能支持一系列情景,为培训对象带来新的挑战,为部队发展提供信息,并支持战术、技术和程序的创新。

可重复性。与野外训练演习不同,特别是陆军训练级别(ATL)5 或更高的演习,虚拟和建设性模拟活动可以很容易地重新设置--包括重新设置到活动的特定点。这样,指挥官就能确认学习目标的实现情况,或解决参与者表现出的具体弱点。此外,情景模拟一旦设计完成,只需极少的额外人力或资源,就能在连续几天或较长时间内为多个培训对象提供支持。使用模拟场景可以让个人和团队在开始实地培训前学习或温习基本课程。这种方法可使这些有限的培训机会集中在更高级的作战技能上,而这些技能可能也已在模拟中 "演练 "过。

成本。除去与建立、运行和维护模拟能力相关的成本,规划和执行模拟训练活动的成本远远低于同类实战训练活动。使用模拟可减少资源消耗,如燃料以及车辆和设备的其他运营成本。进行分布式模拟时,需要将多个地点连接到单一的合成训练环境中,这样就不需要将人员和设备集中在一个地点进行训练。就建设性模拟而言,它使总部人员能够进行演习,而无需将士兵和设备部署到实地。此外,虽然需要一些辅助人员来控制模拟单元,但支持和参与训练活动所需的人员总数却大大减少。

风险。模拟训练使人员能够在没有相关风险的情况下进行危险任务的训练;此外,它还消除了与实地训练演习相关的环境风险。

图 2:美国海军战争学院在战时使用模拟技术

局限性

虽然模拟是陆军必不可少的训练工具,但其局限性可能会影响其在训练活动中的应用。下面列出了其中一些局限性:

消极训练。使用虚拟仿真和建设性仿真有可能造成负面训练,特别是如果模型存在影响训练进行的局限性或错误。确保在模拟中准确模拟能力需要模拟人员不断努力,并且必须在执行前通过情景测试加以确认。在个人培训中,平台界面与现成的商业计算机游戏(COTS)相似,可能会分散培训对象的注意力。此外,缺乏 "恐惧因素 "和环境因素(如高温或体力消耗)也会影响受训者对模拟训练的感知,并可能导致过度自信。

与任务式指挥系统整合。陆军目前的模拟能力不具备与我们的任务式指挥信息系统连接的能力。因此,受训人员要么将模拟平台作为活动的一部分,代替正常的作战管理系统,要么将模拟信息手动传输到作战管理系统。虽然后者更可取,但会带来人为错误的风险,并增加支持活动所需的演习人员数量,尤其是 ATL 5 及以上级别的活动。虽然这一限制将通过陆地模拟核心 2.0(LS Core 2.0)项目加以解决,但在短期内仍将是一个制约因素。

规划方面的考虑。除非重新使用预先存在的场景,否则与模拟训练相关的规划考虑因素通常与实地训练演习相当。除了进行正常的演习规划流程外,规划人员还需要与模拟规划人员保持定期联系,以便在整个开发过程中对情景进行验证和确认。这可确保情景中的所有要素都正确无误,并能实现培训目标。对模拟场景的后期修改可能会给地形、部队或场景带来错误,从而影响训练活动的实施。

陆军的虚拟和建设性模拟能力

LS&W 负责向 DAK 提供陆军模拟和兵棋推演支持。他们负责管理陆地模拟网络(LSN),该网络在七个作战模拟基地(BSS)之间提供持久的网络连接,以支持本地和分布式模拟教育和培训。除这些固定设施外,2022 年还建立了一些临时 LSN 节点,以便在需要点(PoN)提供模拟支持。作为 LS Core 2.0 项目的一部分,计划进一步扩大 LSN。

陆军使用三个软件平台开展基于虚拟和建构模拟的训练。它们是虚拟战斗空间 3 (VBS3)、钢铁野兽专业版 (SB PRO) 和联合冲突与战术模拟 (JCATS)。这三个程序或程序的组合可实现包括 ATL 7 在内的训练。下表提供了每种模拟适合支持的训练级别的基本概况。值得注意的是,平台之间存在重叠,在这种情况下,培训目标将影响使用哪种模拟软件。

图 3: ATL 各模拟平台的使用情况。

下面简要介绍每个平台:

VBS3。VBS3 由 Bohemia Interactive 制作,是一款为陆军提供虚拟仿真能力的 COTS 软件。VBS3 提供了一个环境,个人和团队可在此进行演练,制定和完善战术、技术和程序 (TTP),并进行决策演练,直至 ATL 4。 该软件允许培训对象扮演多种模拟角色,从下马步兵到装甲车乘员。软件中的模型复制了操作员在实际系统中的体验,尽管有一些限制。当他们通过步枪瞄准镜观察时,他们看到的就是通过 EF-88 瞄准镜看到的景象。操作界面和控制方式与大多数电脑/控制台游戏类似,学习起来相对简单。

图 4:VBS3 中的 Kapyong 战场

除了支持个人和集体训练外,VBS3 还可用于支持创建训练视频和战场再现等其他 PME 活动。去年,在 VBS3 中创建了 Kapyong 地形,以支持澳大利亚皇家军团第三营(3 RAR)的 PME 活动。

虽然 VBS3 非常适合在较低的 ATL 下进行单兵训练和集体训练,但它在单次模拟训练中可操作的实体数量有限。尽管如此,VBS3 仍经常用于支持 ATL 6 或 ATL 7 的活动,在这些活动中,VBS3 与建设性模拟连接,并向培训对象提供模拟传感器馈送。在这种情况下,它不仅能复制总部通常可用的传感器,还能提供在建设性模拟中创建的战斗空间的三维视图。

SB PRO。SB PRO 是 eSim Games 生产的一个 COTS 平台,为陆军提供了建设性模拟能力。虽然 SB PRO 可用于支持 ATL 1 至 ATL 3 的训练,但人们普遍认为,在这一级别上,VBS3 为开展此类训练提供了更好的平台。作为一种建设性模拟,该软件能够根据用户选择的一系列行为来控制模拟中实体的反应;这使得单个操作员可以控制一个排甚至一个战斗小组。除了支持战场的二维表示(这是建设性模拟的标准),SB PRO 还能生成战斗空间的三维视图。这使操作员能够从任何呼号的角度来观察战场。它使培训对象能够更好地了解地形及其对陆军能力和行动的影响。

SB PRO 为全军上尉课程、战斗军官高级课程、旅战术训练和旅战术竞赛提供了支持。作为 COTS 产品,SB PRO 比较容易学习,熟悉培训只需 2-3 个小时。此外,通过与 eSim Games 签订合同,陆军人员可以在个人电脑上免费安装 SB PRO 个人版(SB PRO PE)。这为人员提供了在自己的时间内使用模拟软件进行个人 PME 的机会,并有助于减轻模拟技能的易损性。有关如何获取 SB PRO PE 家庭使用许可证和 SB PRO 培训视频的信息可通过 ADELE 上的 Decisive Edge 获取(课程:SB PRO PE 家庭使用许可证和 SB PRO 培训视频): Decisive Edge - Army Wargaming PME (adele.edu.au)(仅限国防人员)。

JCATS。JCATS 由美国劳伦斯-利弗莫尔国家实验室开发,是陆军的大型建设性模拟,可用于支持联合训练、实验、分析、规划和任务演练。该系统可为所有作战空间操作系统提供功能,并能进行多方演习。

JCATS 可支持 ATL 5 活动,但通常用于 ATL 6 及以上。部分原因是该平台的复杂性增加,导致情景开发时间延长,并要求对支持演习的模拟交互人员进行为期四天的培训。2022 年,除了支持 "重要前景 "和 "海洋地平线 "演习外,JCATS 还开展了指挥所演习(CPX),作为后勤军官基础课程的一部分。在这一活动中,受训人员接触了各种场景,包括再补给行动、伤员后送、车辆回收、战俘运输和拘留、应对简易爆炸装置以及野狗袭击配给商店。

为决策创造安全的对抗环境

澳陆军司令部第 01/22 号指令 "陆军兵棋推演 "旨在通过三项工作重振陆军兵棋推演。其中,作为兵棋推演 PME 工作的一部分,该指令指示设立旅战术竞赛。2022 年的比赛为参赛者提供了一个机会,让他们探索在与思维自由、适应能力强的对手进行同伴间交战时的认知压力。

比赛在安全失败的环境中进行,通过导师引导的反思和个人学习,提高了参赛者的战术敏锐度。在设计比赛的过程中,LS&W 试图展示和推广陆军的模拟能力,提高人们对 SB PRO PE 家庭使用许可证的认识,并为陆军兵棋推演指令的最终状态做出贡献。

图 5:"红方兵力"在 2022 年旅战术竞赛中突袭 "蓝方兵力"人员

在 2022 年 7 月至 11 月期间,LS&W 分两个阶段开展了竞赛。竞赛的第一阶段使用计算机控制的敌方场景,让参赛者熟悉模拟平台,并使单元能够为随后的竞赛阶段选择自己的团队。在旅际竞赛中,各参赛队要从自己的驻地出发,通过后勤网络在骑兵或机械化步兵场景中进行实时的兵力对兵力交战。

到达战斗模拟地点后,每个小组都会收到一个场景,并有一个小时的时间进行鉴赏、制定计划和下达命令。交战结束后,每个小组都要听取中央裁判的汇报,并有机会使用 SB PRO 进行详细的指导员主导的行动后回顾(AAR)。

有六个单元参加了旅战术竞赛,并请选定的参赛者就活动提出意见/建议:

  • 作为一名主控官,从这次竞赛中看到了哪些益处?

在野战活动之前,会与连指挥小组一起进行模拟训练,以了解他们在部署前的状况。理想情况下,模拟训练将在实战演习前几周进行,训练以连队可能接受的任务为导向"。

"部队对部队"活动的性质考验了巡逻队指挥官快速分析敌情和地形的技能,迫使他们考虑敌人会如何行动来削弱 BLUFOR 完成任务式指挥的能力。这为他们提供了一个极好的机会来练习和完善他们的快速计划周期,同时也展示了队员指挥官之间的协作计划。面对坚定、聪明和狡猾的敌人,检验计划的价值是巨大的,观察到部队在整个比赛中学到的一些关键经验包括

  • 评估在什么情况下可以安全地以速度换安全的能力。
  • 通过 "半枪/半目视 "实现分散的相互支持原则的重要性,这大大提高了部队的整体态势感知能力和生存能力。
  • 报告、评估和提供有价值建议的艺术必须准确无误。

图 6: 一名排长在查看旅战术竞赛的 AAR 录像时学到了宝贵的一课

  • 作为参赛者,从这次经历中学到了哪些重要经验,以及如何将这些经验融入到以后的比赛中?

巡逻队可以并将作为独立实体行动。ROBC(团级军官基础课程)教你将巡逻队分开,但绝不能只派一辆车执行任务。这次比赛使其明白,在与活生生的、有思想的、训练有素的敌人竞争时,'战斗奔跑'的心态会导致毁灭。只要两辆车能保持相互支持,就可以允许它们之间有相当大的距离,但也必须愿意冒险,将距离拉得更远,以利用各种机会。在一个完美的世界里,一支骑兵巡逻队将固定下来,另一支巡逻队将利用已发现的敌人,但情况并非总是如此,如果不冒一些风险,就可能错失良机"。

接受以速度换安全的风险,以赢得主动权,占据关键和决定性的地形。这一点在第一场比赛中尤为重要;我们首先到达了决定性地形,这为我们应对红方兵力的推进奠定了基础。我们不仅确保了目标的侧翼(高地),还采取了有效的战斗阵地,这使我们在接触时占据了明显优势。如果我们不冒风险快速推进到第二道报告线(琥珀色边界),我们就不得不与目标展开较量,情况就会有不同的发展"。

  • 作为一名参与者,与适应性强的同级对手作战的经历如何培养了战术敏锐性?

这次经历可以看出,认为敌人不会采用和使用澳大利亚的 TTP 和条令将导致失败。一直都知道这一点,但这次比赛强化了想法。特别是,当从一条认为容易遭到伏击的道路上高速前进时,遭到了包抄。确定了这条道路,但认为敌人根本不会考虑使用这条道路,因为风险很高,但错了。了解到,为了掩护侧翼,许多任务将变成中队的工作"。

作为一名指挥官,在制定计划时,需要考虑敌人最危险的行动路线和最佳对策。必须评估是否需要将部队部署在足够近的地方,以便我们能迅速将四门火炮瞄准目标,或者是否需要利用间隔来阻止一支规模相近的近距离部队包抄侧翼。总之,不会再像以前那样总是在目标或道路上巡逻,因为那样很容易控制,因为这对敌方指挥官来说太容易预测了"。

随着比赛的进行,裁判们注意到参赛者的战术敏锐度有所提高,因为他们从之前的比赛中吸取了经验教训,并将其应用到了随后的场景中。在回顾比赛过程时,裁判提出了以下看法:

各队往往急于进行近距离战斗,从未真正寻求对态势的了解,随后再通过大规模效应来取得优势。

除了参赛者的个人学习之外,这项活动还提供了组织学习的机会--LS&W 保留了整个旅战术竞赛期间生成的所有 AAR 文件。培训机构可以访问这些文件,以确定趋势和培训差距;此外,单元可以将 AAR 用作单元 PME 活动的一部分。最后,虽然 2022 年的活动已经结束,但个人和单元仍可访问旅战术竞赛场景,以支持专业发展或单元培训活动--详情请联系当地的 BSS。

筹备 2023 年旅战术竞赛

LS&W 已开始筹划 2023 年旅战术竞赛。有兴趣参加今年比赛的个人和单元现在就应开始准备。定期开展模拟训练活动,特别是使用 SB PRO PE,可确保人员熟悉虚拟和建设性模拟平台。这些培训活动提供了地形分析和决策方面的练习和训练,再加上指导员指导的分析与评估和反思,可提高参赛人员的战术敏锐度,确保他们在认知上为比赛做好准备。此外,定期访问 BSS 可确保人员专注于与对手作战,而不是在进行实时对等交战时试图记住按什么键。

参考来源:THE COVE,by David Hill

成为VIP会员查看完整内容
29

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
机甲战中的人机协同:释放无人系统的力量
专知会员服务
38+阅读 · 1月27日
《在互补战场上进行多场战斗》
专知会员服务
15+阅读 · 1月20日
《电子游戏军事化》66页
专知会员服务
40+阅读 · 1月9日
北约:下一代指挥与控制
专知会员服务
65+阅读 · 1月5日
马赛克战:重新定义战场
专知会员服务
57+阅读 · 2023年12月5日
军事领域的人工智能: 实用工具
专知会员服务
71+阅读 · 2023年11月25日
未来士兵系统
专知会员服务
55+阅读 · 2023年10月15日
作战中的人机编队
专知会员服务
58+阅读 · 2023年10月15日
通过大语言模型和人工智能的力量改变军事规划
专知会员服务
122+阅读 · 2023年9月1日
《超视距空战中计算机生成兵力的行为建模》
专知会员服务
70+阅读 · 2023年7月10日
国外有人/无人平台协同作战概述
无人机
88+阅读 · 2019年5月28日
NLP实践:对话系统技术原理和应用
AI100
34+阅读 · 2019年3月20日
基于姿态的人物视频生成【附PPT与视频资料】
人工智能前沿讲习班
32+阅读 · 2019年1月28日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
实战 | 基于深度学习模型VGG的图像识别(附代码)
七月在线实验室
12+阅读 · 2018年3月30日
进攻机动作战中的机器人集群
无人机
20+阅读 · 2017年12月4日
Spark机器学习:矩阵及推荐算法
LibRec智能推荐
15+阅读 · 2017年8月3日
侦测欺诈交易(异常点检测)
GBASE数据工程部数据团队
19+阅读 · 2017年5月10日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2014年12月31日
国家自然科学基金
39+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
132+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
326+阅读 · 2023年3月31日
Arxiv
56+阅读 · 2023年3月26日
Arxiv
115+阅读 · 2023年3月24日
Arxiv
16+阅读 · 2023年3月17日
Arxiv
26+阅读 · 2020年2月21日
VIP会员
相关VIP内容
机甲战中的人机协同:释放无人系统的力量
专知会员服务
38+阅读 · 1月27日
《在互补战场上进行多场战斗》
专知会员服务
15+阅读 · 1月20日
《电子游戏军事化》66页
专知会员服务
40+阅读 · 1月9日
北约:下一代指挥与控制
专知会员服务
65+阅读 · 1月5日
马赛克战:重新定义战场
专知会员服务
57+阅读 · 2023年12月5日
军事领域的人工智能: 实用工具
专知会员服务
71+阅读 · 2023年11月25日
未来士兵系统
专知会员服务
55+阅读 · 2023年10月15日
作战中的人机编队
专知会员服务
58+阅读 · 2023年10月15日
通过大语言模型和人工智能的力量改变军事规划
专知会员服务
122+阅读 · 2023年9月1日
《超视距空战中计算机生成兵力的行为建模》
专知会员服务
70+阅读 · 2023年7月10日
相关资讯
国外有人/无人平台协同作战概述
无人机
88+阅读 · 2019年5月28日
NLP实践:对话系统技术原理和应用
AI100
34+阅读 · 2019年3月20日
基于姿态的人物视频生成【附PPT与视频资料】
人工智能前沿讲习班
32+阅读 · 2019年1月28日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
实战 | 基于深度学习模型VGG的图像识别(附代码)
七月在线实验室
12+阅读 · 2018年3月30日
进攻机动作战中的机器人集群
无人机
20+阅读 · 2017年12月4日
Spark机器学习:矩阵及推荐算法
LibRec智能推荐
15+阅读 · 2017年8月3日
侦测欺诈交易(异常点检测)
GBASE数据工程部数据团队
19+阅读 · 2017年5月10日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
31+阅读 · 2014年12月31日
国家自然科学基金
39+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员