湯潤澤，張承龍，李林林

(北京電子工程總體研究所，北京 100854)

0 引言

隨著大數(shù)據(jù)、云計算以及人工智能等大量高新技術(shù)的蓬勃發(fā)展，智能化作戰(zhàn)武器平臺和無人作戰(zhàn)體系迎來空前巨大的發(fā)展機遇和挑戰(zhàn)。2014年11月，美國國防部首次提出了以人工智能為重點的“第三次抵消戰(zhàn)略”。由此可見，以人工智能為代表的先進(jìn)技術(shù)正在打開未來顛覆性戰(zhàn)爭的大門，智能無人系統(tǒng)在未來作戰(zhàn)體系中，將逐步由介入轉(zhuǎn)化為支撐，并最終扮演主導(dǎo)力量的角色[1-2]。

當(dāng)前，全球局勢正在經(jīng)歷快速發(fā)展和持續(xù)變革的階段，我國國家利益拓展和周邊安全形勢面臨巨大威脅和挑戰(zhàn)。為了有效保衛(wèi)國家的領(lǐng)空利益，發(fā)展具備與時俱進(jìn)的智能無人作戰(zhàn)能力迫在眉睫[3-4]。

無人作戰(zhàn)具有實時對抗、非完全信息博弈、不確定性大、群體協(xié)作、高動態(tài)等特點，同時也面臨著戰(zhàn)術(shù)變化多、時效性強、系統(tǒng)復(fù)雜等諸多挑戰(zhàn)。為了搭建攻防兼?zhèn)?、能力完善的智能無人作戰(zhàn)體系，必須獲得OODA概念上的優(yōu)勢(觀察-判斷-決策-行動，如信息探測能力、電子戰(zhàn)能力、通信能力和火力打擊能力)。因此，如何將人工智能技術(shù)與傳統(tǒng)無人作戰(zhàn)需求進(jìn)行有機融合，形成一套高效智能的無人作戰(zhàn)系統(tǒng)，具有十分重要的科研價值和應(yīng)用意義。

本論文首先深入分析了當(dāng)前智能無人作戰(zhàn)的發(fā)展現(xiàn)狀，并梳理總結(jié)了未來智能無人作戰(zhàn)的關(guān)鍵技術(shù)方向，隨后分別提出了人工智能在戰(zhàn)場態(tài)勢預(yù)判與博弈對抗中的應(yīng)用，最后對智能無人作戰(zhàn)的發(fā)展進(jìn)行了總結(jié)和展望。

1 智能無人作戰(zhàn)現(xiàn)狀及未來技術(shù)研判

1.1 人工智能在無人作戰(zhàn)中的應(yīng)用

近些年來人工智能技術(shù)突飛猛進(jìn)，在語音識別、圖像辨識、運動感知等眾多領(lǐng)域，紛紛取得了歷史性的突破進(jìn)展。2016年，AlphaGo與李世石進(jìn)行了一場萬眾矚目的圍棋大戰(zhàn)，最終人工智能AlphaGo以4∶1的結(jié)果完勝人類，一時間掀起了社會上的廣泛熱議，推動了人工智能技術(shù)的又一次發(fā)展浪潮。隨后，AlphaGo的研制團隊DeepMind趁熱打鐵，宣稱要挑戰(zhàn)更為復(fù)雜的《星際爭霸》游戲，更是將人工智能技術(shù)推上了無所不能的神壇。圍棋和《星際爭霸》這2款游戲同戰(zhàn)場軍事指揮控制有著十分緊密的聯(lián)系，尤其是星際爭霸與軍事戰(zhàn)爭有著極高的相似度[5-6]。因此，受此啟發(fā)，將人工智能技術(shù)運用在軍事作戰(zhàn)指揮成為了很自然的選擇。下面分別介紹國內(nèi)外人工智能在無人作戰(zhàn)中的應(yīng)用情況。

(1) 空戰(zhàn)人工智能系統(tǒng)(Alpha AI)

美國空軍一直以來在無人作戰(zhàn)領(lǐng)域，大力發(fā)展人工智能在軍事裝備與技術(shù)上的應(yīng)用。例如，與美國辛辛那提大學(xué)聯(lián)合研發(fā)的空戰(zhàn)人工智能系統(tǒng)阿爾法AI(Alpha AI)就是代表之一[7-9]。

2016年6月，Alpha AI在模擬空戰(zhàn)的演練中，以百分之百的勝率擊敗了美國空軍退役上?；鳌だ睿M空中對戰(zhàn)場景如圖1所示。參與人機對戰(zhàn)的基恩·李上校并非等閑之輩，他作戰(zhàn)經(jīng)驗豐富，曾經(jīng)駕駛過多種機型，擁有數(shù)千小時的飛行經(jīng)驗。在空中模擬對戰(zhàn)場景中，研發(fā)人員甚至有意限制Alpha AI所控制戰(zhàn)斗機的作戰(zhàn)能力，以便探索其能力閾值。即使如此，Alpha AI仍然能夠擊敗人類飛行員，體現(xiàn)出人工智能技術(shù)在無人作戰(zhàn)領(lǐng)域的驚人威力。

圖1 模擬空中對戰(zhàn)場景Fig.1 Aerial combat simulation

(2) 美軍“深綠”系統(tǒng)(Deep Green)

美軍推出的“深綠”系統(tǒng)計劃，是美國國防部高級研究計劃局(DARPA)支持的一項面向美國陸軍指揮與控制領(lǐng)域的研究項目?！吧罹G”系統(tǒng)是把人工智能引入作戰(zhàn)輔助決策的一項嘗試探索，示意圖如圖2所示[10-12]。

圖2 “深綠”系統(tǒng)概念示意圖Fig.2 Schematic diagram of the concept “deep green”

“深綠”系統(tǒng)的核心技術(shù)本質(zhì)上是基于戰(zhàn)場實時態(tài)勢的動態(tài)仿真。對于戰(zhàn)場上復(fù)雜多因素綜合作用的過程，很難使用傳統(tǒng)的數(shù)學(xué)公式進(jìn)行描述，這恰好是動態(tài)仿真最為擅長的部分。通過仿真的手段，可以使得“深綠”系統(tǒng)量化地估計未來某一時刻的戰(zhàn)場狀態(tài)，以期掌握戰(zhàn)場態(tài)勢局面。

然而，運用仿真的方式對戰(zhàn)場變化進(jìn)行預(yù)測也存在一大漏洞，即無法應(yīng)對分支太多的情形。包括戰(zhàn)場環(huán)境變化、隨機過程不確定性、敵方戰(zhàn)術(shù)策略、我方應(yīng)對策略等都會導(dǎo)致分支出現(xiàn)。而各種不確定性的組合產(chǎn)生數(shù)據(jù)爆炸，導(dǎo)致仿真模擬的計算資源和時間成本過高，這是“深綠”系統(tǒng)所遇到的最大難題。雖然由于種種原因，美軍于2011財年高調(diào)宣布暫?！吧罹G”計劃，其思路和方法值得借鑒。

(3) 中國兵棋AI“先知”(CASIA-先知v1.0)

人工智能技術(shù)應(yīng)用在國際象棋領(lǐng)域，催促了“深藍(lán)”(Deep Blue)的誕生，人工智能技術(shù)應(yīng)用在圍棋領(lǐng)域，促成了AlphaGo的成功，那么將人工智能技術(shù)運用在更復(fù)雜、更靈活、更加不透明的不完全信息博弈對抗兵棋領(lǐng)域，也一定會產(chǎn)生出超越人類最高水平的人工智能體。2017年9月，由中科院自動化所研制的人工智能程序“CASIA-先知v1.0”，在“賽諸葛”兵棋推演人機大戰(zhàn)中，與全國決賽階段的8名實力選手激烈交鋒，并最終以7∶1的戰(zhàn)績大勝人類選手[7]。兵棋推演過程如圖3所示。

圖3 兵棋推演示意圖Fig.3 Schematic diagram of wargame rehearse

1.2 未來技術(shù)發(fā)展研判

針對以上智能無人作戰(zhàn)現(xiàn)狀的分析，對未來技術(shù)發(fā)展進(jìn)行研判，總結(jié)出智能自主感知技術(shù)、高可靠性通信技術(shù)、任務(wù)規(guī)劃與決策技術(shù)等亟待應(yīng)用在無人作戰(zhàn)領(lǐng)域的關(guān)鍵技術(shù)。

(1) 智能自主感知技術(shù)

智能自主感知技術(shù)是指一種無須或僅需極少的人為干預(yù)，通過接收自身探測或外部信息支援的數(shù)據(jù)，如陸海空天電網(wǎng)等多域信息源，就能憑借機器自身性能智能自主感知到準(zhǔn)確的環(huán)境信息。未來智能自主感知技術(shù)的發(fā)展，一方面是結(jié)合現(xiàn)有的傳感器完成對不同模態(tài)感知數(shù)據(jù)的融合，比如激光測距儀、全景相機、GPS、慣導(dǎo)、雙目攝像機等多種傳感器集成新型的融合；另一方面是探索具有仿生或者類腦性質(zhì)的新型傳感器，比如動態(tài)視覺感知、角度感知、光流和焦點流感知、觸覺感知等等。智能自主感知計算，能夠豐富大量的作戰(zhàn)信息，而準(zhǔn)確的信息感知是作戰(zhàn)的基礎(chǔ)，能夠用于無人作戰(zhàn)系統(tǒng)戰(zhàn)中進(jìn)行任務(wù)規(guī)劃、目標(biāo)分配與決策打擊等。

(2) 高可靠性通信技術(shù)

高可靠性信息交互是無人作戰(zhàn)系統(tǒng)獲取作戰(zhàn)信息的重要途徑，也是實現(xiàn)協(xié)同作戰(zhàn)的基礎(chǔ)，無人作戰(zhàn)系統(tǒng)通信技術(shù)應(yīng)具備高可靠性、足夠的帶寬、可靈活接入的動態(tài)特性。目前如火如荼的5G通信技術(shù)擁有高速率、低功耗、低延時、高通信密度的特點，其突破不僅僅體現(xiàn)在速度方面的升級，更重要的是低延時和高通信密度的特點能夠讓信息覆蓋得更廣。

(3) 任務(wù)規(guī)劃與決策技術(shù)

智能任務(wù)規(guī)劃與決策技術(shù)是智能無人作戰(zhàn)系統(tǒng)實現(xiàn)自主作戰(zhàn)的關(guān)鍵技術(shù)，即在一定程度上模仿或替代人的思維，對外界獲得的信息進(jìn)行分析判斷和處理，制定任務(wù)并實現(xiàn)作戰(zhàn)決策。作戰(zhàn)任務(wù)規(guī)劃是軍事信息系統(tǒng)的核心，通過深度強化學(xué)習(xí)等人工智能技術(shù)的應(yīng)用，對獲得的戰(zhàn)場態(tài)勢信息進(jìn)行融合處理，針對作戰(zhàn)任務(wù)，綜合分析敵我雙方作戰(zhàn)資源、作戰(zhàn)能力、對抗措施、使用部隊、作戰(zhàn)地域武器裝備、飛行航跡等作戰(zhàn)要素。智能決策系統(tǒng)可以與“觀察-調(diào)整-決策-行動”O(jiān)ODA作戰(zhàn)鏈相結(jié)合，從4個角度出發(fā)，運用大數(shù)據(jù)和機器學(xué)習(xí)方法提取有人作戰(zhàn)的戰(zhàn)斗經(jīng)驗，并結(jié)合Monte Carlo搜索樹、滾動時域優(yōu)化等方法，在實時條件了達(dá)成任務(wù)規(guī)劃與決策。

因此，結(jié)合當(dāng)前先進(jìn)的科學(xué)技術(shù)，在未來智能無人作戰(zhàn)中，集中力量發(fā)展相關(guān)關(guān)鍵技術(shù)的落地應(yīng)用，成為未來戰(zhàn)爭取得主動權(quán)的必要手段。下面選取軍事指揮作戰(zhàn)過程中最重要的2類場景，即態(tài)勢預(yù)判與博弈對抗，對人工智能技術(shù)在其中的應(yīng)用進(jìn)行探索。

2 無人作戰(zhàn)態(tài)勢預(yù)判中的關(guān)鍵技術(shù)

本節(jié)針對無人作戰(zhàn)態(tài)勢預(yù)判的問題，采用深度學(xué)習(xí)技術(shù)搭建基本模型，實現(xiàn)了人工智能技術(shù)在無人作戰(zhàn)領(lǐng)域的初步探索。

隨著大數(shù)據(jù)時代的到來，戰(zhàn)場態(tài)勢預(yù)判面對的數(shù)據(jù)量呈井噴式增長，迫使作戰(zhàn)指揮方在決策支持層面，面臨前所未有的挑戰(zhàn)?；谏窠?jīng)網(wǎng)絡(luò)架構(gòu)的深度學(xué)習(xí)模型，以其出色的特征提取、多層學(xué)習(xí)和表達(dá)能力，為軍事態(tài)勢預(yù)判系統(tǒng)的研究提供了新的思路。與傳統(tǒng)方法相比，基于深度學(xué)習(xí)的態(tài)勢預(yù)判方法，對于數(shù)據(jù)信息的識別以及推理分析能力，都具有顯著的優(yōu)勢，能夠有效深入地處理和分析大數(shù)據(jù)。

在無人作戰(zhàn)態(tài)勢預(yù)判中，同時需要關(guān)注以下幾點關(guān)鍵問題：

(1) 戰(zhàn)場態(tài)勢理解

在作戰(zhàn)指揮中，通過分析判斷戰(zhàn)場敵我情況，充分掌握戰(zhàn)場態(tài)勢，并做出臨機決策制定行動計劃。因此，研究發(fā)展智能無人作戰(zhàn)系統(tǒng)，首先必須解決的就是戰(zhàn)場態(tài)勢理解問題。一方面，需要在不完備信息對抗的戰(zhàn)場上，從眾多復(fù)雜多變的戰(zhàn)場態(tài)勢信息中，提取真實、有效的信息；另一方面，利用獲取的信息有效轉(zhuǎn)化為機器語言實現(xiàn)機器理解。因此，解決以上兩方面的問題是有效進(jìn)行戰(zhàn)場態(tài)勢理解的基礎(chǔ)。

(2) 戰(zhàn)場信息處理

在未來戰(zhàn)爭中，從海量數(shù)據(jù)中提取重要戰(zhàn)場信息的能力是能夠真正制約戰(zhàn)場決策的關(guān)鍵環(huán)節(jié)。因此，為了有效處理戰(zhàn)場信息，不僅應(yīng)著重關(guān)注戰(zhàn)場信息大數(shù)據(jù)挖掘方面的研究，同時也要關(guān)注戰(zhàn)場重要信息選取的難題。利用已有演習(xí)的真實數(shù)據(jù)，通過構(gòu)建符合戰(zhàn)場態(tài)勢特性的深層神經(jīng)網(wǎng)絡(luò)進(jìn)行逐層訓(xùn)練，能夠加強對戰(zhàn)場態(tài)勢的抽象理解。

(3) 作戰(zhàn)意圖預(yù)測

AlphaGo的成功啟示我們，在對雙方每一步作戰(zhàn)意圖可以進(jìn)行準(zhǔn)確預(yù)測的前提下，利用人工智能技術(shù)，可以實現(xiàn)模擬環(huán)境下自我對抗演練。

在作戰(zhàn)行動的推演中，準(zhǔn)確預(yù)測敵方下一階段的作戰(zhàn)意圖面臨巨大挑戰(zhàn)。首先，作戰(zhàn)意圖的預(yù)測是通過已知的態(tài)勢信息數(shù)據(jù)進(jìn)行推演，一定要確保推演信息的數(shù)據(jù)可信度，否則會增加了作戰(zhàn)意圖預(yù)測的難度；其次，作戰(zhàn)雙方在決策過程中不會按照一致的方案進(jìn)行博弈，即任何戰(zhàn)爭中從來不存在固定的游戲規(guī)則，必須根據(jù)態(tài)勢情況進(jìn)行摸索和判斷；最后，政治、外交等許多難以量化的諸多因素也會摻雜影響作戰(zhàn)意圖的判斷，尤其對于戰(zhàn)略級的作戰(zhàn)意圖，并非是簡單的局部作戰(zhàn)行動的疊加。因此，解決以上3方面的問題是有效進(jìn)行戰(zhàn)場作戰(zhàn)意圖預(yù)測的基礎(chǔ)。

根據(jù)以上3方面問題的研究，本節(jié)提出基于深度學(xué)習(xí)的態(tài)勢預(yù)判模型如圖4所示。首先對各方面探測器感知到的戰(zhàn)場態(tài)勢信息進(jìn)行分析、判斷，提取與戰(zhàn)場決策有關(guān)的重要信息進(jìn)行處理，最后結(jié)合指揮員的作戰(zhàn)經(jīng)驗，最終得出完備的態(tài)勢預(yù)判信息[13-14]。

圖4 基于深度學(xué)習(xí)的態(tài)勢預(yù)判模型Fig.4 Situation assessment model based on deep learning

3 無人作戰(zhàn)博弈對抗中的關(guān)鍵技術(shù)

近年來，深度強化學(xué)習(xí)在諸多復(fù)雜序貫決策問題中取得巨大突破，最為典型的例子即2016年AlphaGo在圍棋比賽中戰(zhàn)勝韓國頂級職業(yè)選手李世石，AlphaGo從此名聲大噪，深度強化學(xué)習(xí)技術(shù)(DRL)也逐漸引起了世人的廣泛關(guān)注。由于融合了深度學(xué)習(xí)強大的表征能力和強化學(xué)習(xí)有效的策略搜索決策能力，深度強化學(xué)習(xí)已經(jīng)成為實現(xiàn)人工智能頗有前景的學(xué)習(xí)范式。本節(jié)圍繞無人作戰(zhàn)博弈對抗智能化的問題，利用深度強化學(xué)習(xí)技術(shù)開發(fā)作戰(zhàn)智能體，搭建了基于深度強化學(xué)習(xí)的博弈對抗基本模型，能夠解決復(fù)雜戰(zhàn)場環(huán)境下的識別和決策問題[15-17]。

在博弈對抗作戰(zhàn)場景下，首先要解決的就是任務(wù)分配的問題。任務(wù)集建模是動態(tài)在線策略生成的核心，但針對多場景、多任務(wù)的大規(guī)模作戰(zhàn)資源管控問題一直面臨維數(shù)災(zāi)難的難題。深度神經(jīng)網(wǎng)絡(luò)在高度結(jié)構(gòu)化數(shù)據(jù)的特征提取方面表現(xiàn)格外優(yōu)異，因此首先選用深度神經(jīng)網(wǎng)絡(luò)對戰(zhàn)場博弈信息進(jìn)行提取整合。將戰(zhàn)場態(tài)勢和作戰(zhàn)任務(wù)作為輸入，根據(jù)不同的作戰(zhàn)策略建立對應(yīng)的價值函數(shù)Q，將對應(yīng)的Q值作為輸出，可以實現(xiàn)戰(zhàn)場多場景、多任務(wù)集的基本建模。同時，針對戰(zhàn)場資源管控的多任務(wù)特點，可以建立多Agent的DQN網(wǎng)絡(luò)，如圖5所示。每個Agent利用蒙特卡羅樹搜索結(jié)構(gòu)實現(xiàn)作戰(zhàn)策略更新，并在Agent之間實現(xiàn)DQN網(wǎng)絡(luò)參數(shù)與不確定集約束的并行計算與迭代，實現(xiàn)基于分布式特征函數(shù)逼近的最優(yōu)作戰(zhàn)任務(wù)集建模，從而解決作戰(zhàn)任務(wù)分配的智能化模型。

圖5 多DQN網(wǎng)絡(luò)信息傳遞示意圖Fig.5 Information transfer schematic diagram based on muti-DQN network

運用DQN對作戰(zhàn)網(wǎng)絡(luò)信息資源化進(jìn)行整合之后，就需要作出戰(zhàn)場決策。從DeepMind挑戰(zhàn)《星際爭霸2》得到的經(jīng)驗來看，機器學(xué)習(xí)采用從零學(xué)習(xí)的策略是不可取的，復(fù)雜戰(zhàn)場環(huán)境中的決策更是如此，對模型初始階段的訓(xùn)練應(yīng)當(dāng)依托人類經(jīng)驗進(jìn)行訓(xùn)練，在模型能夠自行處理部分簡單任務(wù)后，再進(jìn)行自我模擬對抗的強化學(xué)習(xí)將更加有效，這也是深度強化學(xué)習(xí)的精髓所在。將深度神經(jīng)網(wǎng)絡(luò)與強化學(xué)習(xí)結(jié)合，利用仿真推演平臺將戰(zhàn)場數(shù)據(jù)與作戰(zhàn)博弈對抗決策進(jìn)行綜合處理分析，利用決策模型依托真實數(shù)據(jù)和兵棋模擬數(shù)據(jù)進(jìn)行自我博弈，從而不斷提高作戰(zhàn)博弈對抗決策的效能?；谏疃葟娀瘜W(xué)習(xí)的博弈對抗模型訓(xùn)練模型如圖6所示。

圖6 基于深度強化學(xué)習(xí)的博弈對抗模型Fig.6 Game countermeasure model based on DRL

4 未來發(fā)展的初步構(gòu)想

現(xiàn)階段美國等軍事強國實施了多項無人作戰(zhàn)裝備研發(fā)計劃，并部署開發(fā)了支撐智能無人作戰(zhàn)系統(tǒng)的關(guān)鍵性技術(shù)，如自主智能感知、自主任務(wù)規(guī)劃與決策、分布式協(xié)同作戰(zhàn)、多域作戰(zhàn)計劃等，無人作戰(zhàn)系統(tǒng)呈現(xiàn)蓬勃發(fā)展的趨勢。借鑒現(xiàn)有無人作戰(zhàn)系統(tǒng)技術(shù)及概念，未來智能化無人作戰(zhàn)系統(tǒng)應(yīng)具備如下形態(tài)特征：完善的信息獲取能力；可自主完成目標(biāo)識別、作戰(zhàn)任務(wù)規(guī)劃、作戰(zhàn)決策、自主發(fā)射等功能；適應(yīng)不同環(huán)境實現(xiàn)多域部署；單個平臺獨立完成作戰(zhàn)，多平臺間協(xié)同作戰(zhàn)擴展作戰(zhàn)能力；自主監(jiān)測、自主保障功能，可免維護實現(xiàn)長期可靠作戰(zhàn)值班。為實現(xiàn)上述功能，應(yīng)結(jié)合無人作戰(zhàn)的特點，關(guān)注影響未來發(fā)展的核心技術(shù)方向。

(1) 云作戰(zhàn)單元的統(tǒng)一化描述及優(yōu)選

智能無人作戰(zhàn)系統(tǒng)智能自主作戰(zhàn)的理念不是將作戰(zhàn)資源間功能及性能的差異最小化，而是充分重視這些差異，以便面對各種不同的任務(wù)需求，都能從資源池中選擇出相應(yīng)能完成任務(wù)的作戰(zhàn)資源。將作戰(zhàn)資源虛擬為云服務(wù)是對作戰(zhàn)單元統(tǒng)一描述的一種方式，但是如何定義云協(xié)同中統(tǒng)一的語義，確保同一個術(shù)語在不同域之間表示相同的含義，以及如何保證這些術(shù)語能夠完成地描述作戰(zhàn)資源的功能等問題，仍需要深入研究。

(2) 復(fù)雜場景體系架構(gòu)的搭建

智能無人作戰(zhàn)屬于一種極為復(fù)雜的作戰(zhàn)場景。架構(gòu)方法搭建是解決大型復(fù)雜信息系統(tǒng)分析設(shè)計問題的一種行之有效的手段。體系架構(gòu)的核心思想是利用多視圖方法，從不同利益相關(guān)者的角度認(rèn)識和分析研究對象，將復(fù)雜問題分解為一系列簡單問題，通過簡單問題解的總和得到復(fù)雜問題的解。

(3) 跨域信息融合能力

在智能無人作戰(zhàn)環(huán)境中，來自各域的傳感器所探測信息的類型、精度、范圍、刷新頻率等都是不同的，甚至差別很大，這便對跨域信息融合能力提出了挑戰(zhàn)。為此，應(yīng)構(gòu)建合理的跨域信息融合體系，以使帶寬通過有限的網(wǎng)絡(luò)通信能力，達(dá)到滿足戰(zhàn)需的戰(zhàn)場態(tài)勢感知能力。

(4) 先進(jìn)的數(shù)據(jù)鏈系統(tǒng)

數(shù)據(jù)鏈系統(tǒng)是智能無人作戰(zhàn)的神經(jīng)系統(tǒng)，當(dāng)前各軍種的數(shù)據(jù)鏈雖可以實現(xiàn)簡單的互聯(lián)互通，但難以實現(xiàn)靈活的協(xié)同作戰(zhàn)。為了實現(xiàn)基于云協(xié)同的多域指揮控制，應(yīng)對各軍種各自建立的數(shù)據(jù)鏈系統(tǒng)進(jìn)行統(tǒng)型，制定統(tǒng)一的數(shù)據(jù)鏈構(gòu)建和使用標(biāo)準(zhǔn)，以便在滿足面對不同需求而利用不同的數(shù)據(jù)鏈進(jìn)行通信的同時，又能夠在各域之間進(jìn)行通暢的、安全的、抗干擾的戰(zhàn)術(shù)通信。

(5) 未來新型戰(zhàn)術(shù)戰(zhàn)法研究

基于智能無人作戰(zhàn)的跨域作戰(zhàn)是一種新型的作戰(zhàn)方式，與傳統(tǒng)的單兵種作戰(zhàn)、多兵種間有限度的聯(lián)合作戰(zhàn)有較大差別，因此需要對新的戰(zhàn)術(shù)戰(zhàn)法進(jìn)行研究，構(gòu)建戰(zhàn)術(shù)戰(zhàn)法數(shù)據(jù)庫，并積累跨域作戰(zhàn)經(jīng)驗。

5 結(jié)束語

隨著技術(shù)的進(jìn)步，智能無人作戰(zhàn)系統(tǒng)在連續(xù)作戰(zhàn)能力、計算能力、自主化水平、可靠性等方面不斷發(fā)展，將進(jìn)一步融入到陸?？崭黝I(lǐng)域，消除了人的限制，作戰(zhàn)系統(tǒng)反應(yīng)速度、作戰(zhàn)能力將得到極大提升。論文研究了智能無人作戰(zhàn)系統(tǒng)現(xiàn)狀，梳理了其主要特點及關(guān)鍵技術(shù)，提出了智能無人作戰(zhàn)系統(tǒng)發(fā)展的初步構(gòu)想與關(guān)鍵技術(shù)方向，成果可用于智能無人作戰(zhàn)系統(tǒng)發(fā)展參考。智能無人作戰(zhàn)系統(tǒng)是一項極具潛力的作戰(zhàn)概念，后續(xù)還需要加強進(jìn)一步的投入，期待通過不斷研究使其早日應(yīng)用實踐，在未來無人作戰(zhàn)環(huán)境中發(fā)揮重要作用。