作为 CAF JADC2 AUAR 项目的一部分,本文研究了联合全域指挥与控制系统的需求,特别是开发中的先进作战管理系统(ABMS),以考虑极有可能发生的授权分布式作战。本文认为,先进作战管理系统不应只关注高层决策者和传统指挥与控制要素的需求,而应考虑到部队一级的使用。报告介绍了空军单位级情报部门的作用和职责,将其作为一个使用案例来说明这一点,以便在整个联合兵力中进行开发。

正文

美国空军前参谋长戴维-戈德芬(David Goldfein)将军将开发中的先进作战管理系统(ABMS)比作优步(Uber)的共享乘车应用。他描述了共同行动图(COP)的相似之处,该图可以显示汽车和司机的位置,也可以显示 "巡航导弹和攻击型无人机 "的位置,从而实现乘客与汽车或射手与目标的高效自动匹配。在军事方面,这样一个系统展示了从传感器到战斗管理再到射手的连接,这样,人与人之间的第一次互动就是海军巡洋舰指挥官提出交战选择,以供最终决策。这种描述非常优雅,戈德费恩将军无疑是想为大众提供一个有用的说明,但即使是对联合全域指挥与控制(JADC2)结构中的 ABMS 系统进行更多的技术描述,似乎也仅限于能够实现更有效的中央指挥控制的系统。为了对抗未来高度对抗性的环境,像 ABMS 这样的工具必须考虑整合各层次更广泛的用户。如果从一开始就不考虑任务指挥的分布式执行和广泛使用,就有可能过度依赖集中决策,从而忽视下级操作人员的兵力倍增能力,并在无法与 C2 连接时危及作战效能。空军单位级情报(ULI)在支持飞行行动中的作用、能力和近期经验表明,需要扩大 ABMS 的范围,以实现弹性的 JADC2 和有效的联合全域作战(JADO)。

空军部对联合防务与发展组织的愿景认识到,"与近期的低强度冲突行动相比,JADC2 需要更大程度的分布式执行、更高程度的授权,以及对中央规划和任务指导的更少依赖"。"由于通信能力下降和作战环境发生重大变化等原因,需要通过 "基于条件的授权 "来实现这一点。授权允许通过使用任务类型的命令进行任务指挥,将上级指挥官的意图明确传达给行使授权的下级指挥官。这与空军正在开发的未来分布式作战概念(如 "敏捷战斗部署"(ACE))非常吻合,该概念设想部队在没有与空中作战中心(AOC)和其他 C2 平台所体现的传统集中式 C2 结构进行可靠通信的情况下开展行动。当除最短距离通信外的所有通信都被切断时,空中远征联队(AEW)指挥官或在不同作战地点的更低级别的指挥官可能不得不在只有上级指挥官最新意图的情况下执行本地 C2。从逻辑上讲,这种分布式指挥调度可能涉及本地/可通信区域内多个领域和服务的能力。这种最具战术性的 JADC2 将需要通过及时准确的友军信息和敌方情报来实现。

ABMS 旨在提供态势感知,使 JADC2 成为可能。它是一个系统,旨在通过通用应用程序和软件开发工具包(SDK)将传感器与作战管理联系起来,使开发人员能够构建将信息传递到这些应用程序的平台。组件应用程序包括数据源、人工智能/机器学习(AI/ML)、数据融合、COP 以及最终的 C2 功能。利用人工智能/ML 融合和评估所有可用传感器数据并将其显示给决策者的方法令人鼓舞,但现有文件显示,指挥应用程序的主要客户是 "未来的空间、空中、网络和全域指挥与控制战斗管理者",并列出了传统的 C2 角色职业领域。这些职业领域通常与 AOC 和战术 C2 平台等传统 C2 元素相关,这意味着其重点是改进当前模式下的决策制定,而不是重点构建可实现上述最分散和最授权形式 C2 的工具。尽管 ABMS 尚处于起步阶段,传统的 C2 要素是一个合理的起点,但必须扩大客户范围,将支持战术决策者的参与者包括在内,直至单个射手。ULI 飞行员已经执行或预计执行的功能为 ABMS 功能的更广泛应用提供了范例,这些功能将实现分布式 JADC2。

AFTTP 3-3.IPE 将 ULI 结构概述为一个应急情报网络 (CIN)。CIN 包括 1. 作战情报单元(CIC),负责综合内部和外部来源,提供全来源分析,以支持联队指挥官、任务规划人员、飞行单位以及网络防御和兵力保护等其他联队职能部门,此外还负责协调联队向 AOC 等上级部门的情报报告;2. 情报人员纳入联队任务规划单元(MPC),以提供量身定制的威胁分析和目标数据;3. 中队情报人员向飞行员提供针对任务的情报简报,进行任务后汇报,并向中央情报中心报告从汇报中获得的情报。图 1 所示的所有这些职能对联队的行动都至关重要,可帮助指挥官做出决策,并为飞行员、保卫人员和联队其他人员提供威胁情报,通常还提供蓝色作战数据,特别是来自空中任务指令(ATO)等 AOC 文件的信息。简而言之,如果能够提供必要的情报和作战数据,并利用有助于进行定制分析的工具,ULI 可以使决策制定深入到最底层,包括在某些平台上执行任务时进入驾驶舱。

图 1 CIN 的功能和关系

从条令上讲,AOC 的情报监视和侦察处(ISRD)负责向部队提供其所需的大部分作战情报。情报监视和侦察处应以部队支助小组为中介,通过情报摘要(INTSUM)、跟踪威胁位置的作战命令(OB)更新、汇集和评估所有部队关于打击目标和威胁位置及战术变化的汇报数据的任务摘要、目标定位和武器设计数据,为联合作战环境情报准备工作(JIPOE)提供最新信息,并对总体局势进行评估,同时还是答复部队信息请求(RFIs)的主要枢纽。在实践中,ISRD 的人员数量和单位经验通常不足以在支持其他 AOC 部门和 ATO 生产的同时履行所有这些职能--这已经是一项几乎不可能完成的任务。ABMS 所宣称的传感器融合、自动提示和 COP 生成等目标将使 ISRD 的许多分析、目标定位和收集管理流程自动化或辅助化,但不应将其视为简单启用 AOC 与部队之间现有等级条令关系的一种方式。无论是由于物理距离、通信问题,还是由于缺乏定制产品所需的相关经验,AOC 的部队支持人员往往不具备满足部队需求的能力。

鉴于在日益复杂的作战环境中,部队一级需要大量的支持功能,而且预期 AOC 支持不会像条令所规定的那样完整,因此 ULI 空军人员经常依赖人工数据处理和分析。和平时期,根据联队任务定制的 JIPOE 是通过对一系列情报界(IC)来源的研究建立的。战时更新则来自任何可用来源,包括原始报告。由于缺乏来自 AOC 的足够详细的信息或更新频率,用于任务规划的威胁 OB 是通过相对较新的多情报可视化工具(如 MIST 和 Thresher)建立的,尽管要求分析人员融合多种来源以得出最终评估结果。飞行员提供的任务数据仍需汇报并手动输入报告系统,目前这些系统几乎无法向大型多重情报工具提供反馈,因此必须临时纳入威胁位置和战术评估。空中和防空行动固有的联合性质往往也要求 ULI 人员了解兄弟部队的能力,这通常是通过经验和关系而非正式流程实现的。这些例子仅涵盖了较为传统的飞行支持要求,但其他任务(如兵力保护和网络空间防御支持)对 ULI 空军人员的要求可能会成倍增加。

考虑战术级情报人员(如 ULI)以及他们所支持的分布式指挥官的信息需求,应从一开始就纳入 ABMS 等系统。毫无疑问,向联合部队指挥官(JFC)、部队指挥官及其 C2 机构等高级决策者提供信息仍然至关重要,但启用 JADC2 的系统同样需要预测权力如前所述被下放的情况,并随时准备为责任加重的低级别人员提供量身定制的信息。最近的 ULI 经验和针对 ACE 情景的规划展示了一些在单位层面执行的职能实例,这些职能在理论上可能是 AOC 或其他 C2 要素的职责。这些功能包括:为有机传感器建立作战侦察目标甲板,以满足当地的信息需求;直接向空中的飞行员传达具有时效性的威胁或目标更新信息;以及执行先进的目标开发以实现打击。了解这些可能的非理论使用案例的全部范围,并将其纳入 ABMS 开发和其他 JADC2 概念中,将使有能力的 ULI 飞行员能够利用而不是围绕经过测试的工具和理论支持真正的分布式行动。通过利用人工智能/人工智能支持的数据融合和显示,消除来自不同来源的人工处理和分析,该领域的有意开发可简化 ULI 的许多任务。

认识到像 ULI 这样的行动者在开发 JADC2 系统中的重要性,突出了使系统在对抗性、分布式行动中发挥作用的一些额外要求。考虑到在不断变化的作战环境中,授权可能会迅速改变,因此必须在不同的用户访问权限中预置权限和数据显示,以便在上级失去连接时自动激活。考虑到用户可能会搬迁到条件较差的地方,系统应能在连接较少或没有连接的情况下运行。这就需要在本地网络上进行本地存储和继续运行,直到恢复更广泛的连接,然后提供一种同步和突出显示已更改信息的方法。所有这一切都需要对高层领导的风险承受能力进行认真的讨论,而不是理论上的讨论,以便在获得最佳数据和合格分析师的情况下,在最基层做出决策。

这种情况不仅适用于分布式空中行动。在空军条令中,纳入系统开发可将作战决策权下放到最基层的分布式执行,这与其他军种的基本概念也是一致的。例如,陆军的任务指挥概念是 "授权下级根据情况决策和分布式执行",使用任务命令明确概述指挥官的意图。联合海上条令还强调了海军长期以来的传统,即 "任务指挥涉及集中指导、协作规划以及分布式控制和执行"。因此,条令框架存在跨多领域授权的可能性,如果适当地集成到 JADC2 系统中,就可以通过与 ULI 相当的实体支持来实现。这些系统最终将使下放的权力能够跨域行使指挥控制权,尽管要在整个联合兵力中建立有效的全域作战知识还有很多工作要做。

即使有了先进的通信和数据处理技术,假定传统 C2 结构中的决策在对抗性行动中会有效也是不明智的。像 ABMS 这样的 JADC2 规划和系统开发必须预见到真正下放权力的影响,以及最基层指挥官和操作人员的信息需求。空军 ULI 提供了一个例子,说明如果将其纳入这些新开发的范围,用户集合就能随时支持分布式行动

成为VIP会员查看完整内容
90

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。
《可靠且可扩展的军事物联网架构》
专知会员服务
61+阅读 · 2023年8月7日
《军事背景下能力规划的概念模型》
专知会员服务
114+阅读 · 2023年3月28日
《自主系统的人为控制》
专知会员服务
50+阅读 · 2023年2月13日
【2022新书】深度学习归一化技术,117页pdf
专知
17+阅读 · 2022年11月25日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
1+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
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
133+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
327+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
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
1+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
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