《基于AI的动态任务分配策略实现多智能体系统有意义人类控制》报告

自主智能体的进步有望通过支持包括侦察、避障、路径规划和目标检测在内的广泛任务，彻底改变多域作战。然而，当组建人类与自主智能体的混合团队时，由于双方不同的心智模型以及处理和理解世界的方式，挑战随之产生。本研究致力于满足创建联合认知系统的需求，以利用人类和自主智能体双方的优势，从而在诸如情报、监视与侦察、协同作战、搜救行动或战场医疗后送等任务中加强协作。此类军事行动需要协调具有不同能力和复杂相互依赖性的多个智能体与资产，这对决策和资源管理构成了挑战。本文提出一种基于协同式设计的方法，以改善指挥控制决策，重点在于多智能体系统内任务分配与协调的可观察性、可预测性和可导引性原则。协同式设计方法涉及评估多个智能体各自子任务之间的相互依赖性及其所需能力（例如，感知目标的能力、避障能力或保持在关注区域的能力）。此方法适用于多样化的团队，包括无人飞行器、有人驾驶车辆或基于地面控制站的人员操作。所提出的联合认知系统方法评估人类和自主智能体之间的相互依赖性与能力，结合环境因素、任务参数以及在线监控（状态与行为感知），来推荐哪个智能体应处理特定任务。本研究展示了一项实验的结果，该实验在3D模拟器中，由具有不同能力的人类和自主智能体组成的不同多智能体团队执行搜救任务。团队被配对以评估人类操作员如何可能发展出不同水平的能力，从而在任务的每个子任务中获得其自主智能体不同水平的支持。测试了八种不同类型的机器学习算法，最佳模型在预测最优任务分配方面达到了超过80%的准确率。本研究的结果旨在找到人类与自主智能体控制之间的最佳平衡，帮助最小化自动化滥用以实现有意义的控制，同时预测错误或检测操作员失能。这可使未来的指挥控制系统能够收集传感数据（观察），帮助解释并预测（预见）能力，以便在不同团队成员之间更好地进行分配（导引）。这样的系统可以增强联合全域指挥控制，用于分布式团队和混合团队中的资源管理，从而在AI支持下实现更快的决策。

联合全域指挥控制的未来

联合全域指挥控制代表了一种复杂的决策制定方法，旨在快速利用所有作战域的能力，以在竞争和冲突场景中获得战略优势。如所述，JADC2涵盖太空、网络、空中、陆地和海洋五个域内的三项核心功能：感知、决策与行动。JADC2依赖于由先进传感技术构成的多域传感系统，例如光电图像或红外、高光谱成像、雷达（被动和主动）、声学传感器、侦察卫星等。这些来自不同域的数据产生了分布在时间和空间维度上的海量信息。有效管理这些数据对于支持作战管理和指挥决策至关重要，以确保准确信息及时送达适当的团队或智能体，从而实现期望的作战结果。这些数据点需要一个统一的多域网络来整合各种信息来源，而不是依赖孤立的数据管道，以创建一个全面的联合域态势感知图景。这种集成方法有助于更全面地理解作战环境。此外，如图1所示，应用机器学习、人工智能和预测分析可以进一步完善此过程，提供先进的数据融合和快速解读能力，以将此图景转化为行动。在文中，他们强调指挥控制的一个主要目标是确保准确信息被及时传递给适当的决策者，从而展现敏捷性并促进团队间的互操作性。为实现这一点，量子通信、人工智能和自主系统等技术进步至关重要。未来的JADC2设想了一个类似云的环境，以实现共享情报、监视和快速数据通信，从而加速决策。这些技术促进了以远超人类能力的速度和规模快速处理数据。文中强调了人工智能和机器学习在自动化和集成海量信息以及支持决策过程中的作用。人工智能和机器学习特别擅长在快速演变的动态、多变量环境中检测模式。通过连接地形、天气、行为模式等不同的情报来源，人工智能可以预测某些事件并对动态环境做出响应。在未来指挥控制系统中，人工智能有潜力跨不同梯队、域和作战资产同步多项行动，从而利用关键的机会窗口。随着战场越来越多地由配备智能传感器的无人地面车辆、空中飞行器、水下航行器、水面航行器组成，这种能力尤为相关。启用人工智能的系统可以评估作战环境中来自不同来源的信息，并利用历史数据来推荐行动，从而减轻认知负担，使人类指挥官能够进行快速、有效的决策。