人工智能赋能的反无人机任务式指挥系统：推进美陆军跟上现代战争的步伐

来源：专知智能防务

图：2021 年，在亚利桑那州尤马试验场进行的测试中，'苍狼 '2C 无人机拦截器的两种变体被发射。动能拦截器为美国陆军提供了灵活的短程反无人机系统能力。（照片由美国陆军提供）。

战争的新特点之一是单向无人机系统（UAS）的扩散。在乌克兰和伊拉克/叙利亚，正在进行的战斗由廉价生产的无人驾驶飞机组成，这些飞机装满炸药，通过全球定位系统（GPS）或全球导航卫星系统（GLONASS，相当于俄罗斯的全球定位系统）飞行到距离安全发射点数百公里之外的精确目标位置。然而，现有的用于对抗敌方无人机系统的任务式指挥系统缺乏必要的技术能力，无法在当今战场上充分捍卫战斗力。用于反无人机系统（C-UAS）的任务式指挥系统需要人工智能（AI）、机器学习和自动化来协助操作员做出决策，并能同时使用击溃机制。此外，当前的实战系统缺乏与新兴工业探测和击溃系统的数据互操作性，导致基地防御操作中心（BDOC）拥有多个 '封闭 '网络来击溃共同的威胁。

本文明确了在美国陆军 C-UAS 任务式指挥系统中实施人工智能、机器学习和自动化的要求。当前的 C-UAS 任务式指挥系统依赖操作员完成手动识别和交战过程，该过程针对每个威胁按顺序进行，对于试图压倒防御能力的多个威胁的场景来说不切实际。通过实施本文中的建议，美国陆军将拥有一个在应对当前和未来敌方无人机系统威胁和战术方面具有竞争优势的任务式指挥系统。

反无人机系统流程

     

C-UAS 流程采用主动防御措施，包含四个不同的要素：检测、识别、决定、击败。这一顺序为评估无人机系统在不同作战环境中造成的威胁以及应用自动化加强操作员行动的可能性提供了一个有用的框架。在联合部队中，这一流程在 BDOC 中得到了积极应用，BDOC 是 C-UAS 资产和系统的负责协调、管理和使用节点。

图：反无人机系统流程

手动交战的挑战

     

前沿区域防空指挥与控制（FAADC2）是美国陆军目前的任务式指挥系统，它提供了探测、识别和使用动能和非动能击溃效果的网络架构。FAADC2 自 1989 年以来美国防部一直在使用。

FAADC2 系统目前在识别、决定和击溃阶段使用手动交战流程，这极大地阻碍了切实有效地击溃敌方威胁，尤其是在仅有几秒钟时间做出决定的情况下。操作员必须手动查询每条雷达轨迹，并针对敌对目标手动处理每个防御系统，既耗时又容易出现人为错误。

图：前沿区域防空指挥与控制用户界面提供共同空中图像。

推进 C-UAS 任务式指挥系统的建议：人工智能辅助识别

     

应将人工智能集成到任务式指挥系统中，以提高探测敌机航迹的作战效率。这种集成可为操作人员提供持续的分析能力，对基地防区内的空中轨迹进行询问。人工智能的优势在于能够从先前记录的数据中分析和识别模式。C-UAS 任务式指挥系统应将先前记录的威胁数据存储在秘密的云存储库中，以便人工智能识别系统在整个战区范围内访问，以人类操作员无法达到的速度和精度整合空中轨迹数据。

人工智能识别和鉴定威胁空轨并及时向人类操作员发出警报的能力将降低任务饱和度，并使操作员能够保留最终的空轨鉴定权。将人工智能纳入航迹识别将提高操作员识别的准确性，并缩短识别威胁所需的时间，增加向地面部队发出迫在眉睫的威胁警报的时间，从而保存战斗力。

自动交战：推进决定和击败阶段

     

为解决目前 FAADC2 人工交战流程的局限性，一旦操作员确认空中航迹具有敌意，美国陆军应在决定和击败阶段实施自动化流程。通过采用自动化，FAADC2 系统将自动使用适当的方法进行交战，直至击败威胁。这种自动交战能力将大大缩短交战响应时间，使操作员能够集中精力识别威胁和消除空域冲突，而系统则会选择和监控击溃方案，以最有效的方式进行拦截，避免人为错误。此外，C-UAS 流程保留了 HOTL，以确保仍有人参与发射决定。

自动交战将不再需要人类操作员手动选择每个单独的轨道，并执行多步骤的顺序过程，以发射拦截器，并针对每个评估的威胁发射陆基 '法阵 '武器系统或托盘式高能激光器。有了自动判定和击溃能力，操作员就可以对人类确认的敌方轨迹进行人工监督，而 C-UAS 判定和击溃系统则有能力使用多种武器系统同时进行攻击，以大规模打击多种威胁，实现真正的联合武器防御火力。自动击溃能力将增加对无人机系统的拦截，缩短交战时间，大幅减少人为失误，并显著提高击溃无人机群攻击的概率。

C-UAS 的未来：人工智能辅助识别，自动化决定胜负

     

人工智能将为人类操作员提供在雷达的全部潜能范围内识别拥挤空域中多条航迹的能力。威胁识别的唯一限制将是雷达在探测试图规避或掩盖其特征的无人机系统方面的性能。人工操作员仍可手动询问航迹，并保留将空中航迹划分为友好或敌对航迹的最终权力。

决定和击败阶段的自动化将提高 C-UAS 任务式指挥系统的效率，在人工确认空中航迹为敌方航迹后，可自主同时与无人机系统交战。通过云存储库存储的实时数据融合，以及随着威胁战术、技术和程序不断发展的先进机器学习算法，将使自动化系统能够评估被人类操作员标记为敌对的空轨所构成的威胁级别，并确定适当的应对措施，如使用拦截器等动能系统或启动电子战对抗措施。这种自动化不仅能节省宝贵的交战时间，还能减轻人类操作员的负担，使人类能够专注于威胁识别和挫败监督。

增强未来战争能力

     

美国陆军应立即将机器学习和自动化融入 FAADC2 任务式指挥系统的识别、决策和击败阶段。通过利用当今可用的自动化、人工智能和机器学习技术，任务式指挥系统可以适应和学习在战斗中观察到的当前威胁，并提高无人机系统拦截的成功率。通过自动化缩短威胁识别时间、增强拦截能力和提高精确度，将为应对新兴无人机系统技术和威胁提供战术优势，特别是那些针对战略资产、部队集结地和高优先级地点的威胁。随着对手不断创新和部署无人机系统，包括喷气式 '沙赫德-238 '无人机系统，操作人员将有几秒钟的时间来正确探测、识别、判断和击败敌方空中航迹。美国陆军必须走在威胁的前面，而不是等待适应。