北京某部队军区联合作战指挥教学训练系统解决方案-凯源恒润北京监控安装工程公司
凯源恒润北京监控安装工程公司针对北京某部队军区当前院校面向联合作战指挥教学的指挥员训练中存在的海量联合作战知识查询、战例溯源与重推、作战场景认知和蓝军博弈等典型训练需求,从顶层设计角度提出了面向理论教学的问答式指挥员训练、面向战例研究的延伸式指挥员训练、面向想定教学的认知式指挥员训练和面向对抗训练的博弈式指挥员训练4类新模式,分别深入分析了支撑4类训练模式的基于大模型的军事知识智能问答、军事事理图谱构建与分析、平行战场与态势认知、融合在线学习的蓝军行为树建模等关键技术,可为院校开展具有一定数智化特征的指挥员训练提供方法路径支撑和实现方式借鉴。
面向联合作战指挥教学的指挥员训练是院校培养指挥员联合作战指挥能力、完善指挥员联合作战知识结构的重要方式,通常以训练系统为训练支撑条件,用数字化战场环境模拟复杂战场,用敌我作战实体表征作战力量,用规则约束交战行动。随着信息化、智能化战争形态加速嬗变和一大批智能化技术竞相涌现,未来战争对指挥员尤其是联合作战指挥员的能力素质要求越来越高,迫切需要融合新兴数字化、智能化技术推动面向联合作战指挥教学的指挥员训练模式创新。1.1 海量联合作战知识查询需求
为培养未来信息化、智能化战争的指挥人才,指挥员不仅要系统地学习政治理论、军事思想、军事战略、指挥理论、武器装备等基础理论知识,还要深入学习新兴的作战概念、作战样式、新质装备等理论与技术深度融合的知识板块,指挥员需要掌握的联合作战知识呈指数级增长。在联合作战指挥理论教学中,需要适应指挥员“即查即用”的知识查询需求,着力解决知识量增长和知识快速查询之间存在的显著矛盾。当前,研究人员运用新兴技术满足指挥员海量联合作战知识查询需求,是联合作战理论教学领域的热点问题。1.2 战例溯源与重推需求
战例教学是指挥员训练的必要环节,一般采用兵棋推演系统作为支撑手段。基于兵棋推演的战例教学是联合作战指挥教学中的重要内容,指挥员不仅可以研究战例的发生背景、交战双方的作战企图和战法行动,还可以梳理总结作战得失、形成经验,从而探索战争基本规律,提高作战指挥能力。基于兵棋推演的战例教学一般采用复盘式推演模式,即对战例的背景、经过等进行完全复现。指挥员以多重角色扮演方式开展推演,可以帮助指挥员从初级的了解战争向更高层次的主动设计战争迈进。1.3 作战场景认知需求
想定教学是面向联合作战指挥训练的重中之重,通过为指挥员构造面向未来的作战场景,让其沉浸式深入研究作战方法、拟制作战计划、规划作战行动、指挥部队作战,通过作战思维训练助力提高指挥员战争设计能力。在想定作业过程中,指挥员需要不断调整作战方案,在作战方案寻优和“虚拟”指挥控制部队过程中锤炼作战指挥能力。在指挥员开展作战筹划和指挥控制过程中,面对纷繁复杂的战场态势,系统需要快速准确地响应指挥员关键信息需求,并研判战场态势。为增强指挥训练系统的作战场景认知能力,研究人员需要从新质技术层面着眼,引入满足和支撑作战场景认知需求的新兴技术,在指挥员想定教学中开展模式创新研究。
1.4 蓝军博弈需求
红蓝对抗是面向联合作战指挥员训练的基本形式,通过构建某方向或者某领域的对抗场景,红蓝双方甚至多方分别按照己方的作战概念和作战方法,在动态、逼真的模拟战场展开攻防训练,蓝军扮演了“磨刀石”的作用,对于红方熟悉“假想敌”的概念战法、行动策略具有不可替代的作用,其中,蓝军建模的逼真度和可信度直接影响红蓝对抗质效。AlphaGo出现后,需要改进蓝军建模方法,更为有效地模拟蓝军作战行为,这可以为红军提供更逼真的作战对手。
针对面向联合作战指挥教学指挥员训练的4类典型新需求,研究人员需要引入和应用新兴数字化、智能化技术,锚定理论教学、战例研究、想定作业和博弈对抗等领域,深入开展具有数智化特征的新质联合作战指挥教学内容和模式创新研究,创新构建问答式联合作战理论教学、延伸式联合作战战例教学、认知式联合作战想定教学和博弈式联合作战对抗训练4种训练新模式。
2.1 面向理论教学的问答式指挥员训练模式
面向理论教学的问答式指挥员训练模式如图1所示。该模式立足当前和未来智能问答技术发展,采用“指挥训练系统+问答功能”的模式,在指挥训练系统中嵌入智能问答功能,依托“即问即答”“随问随答”的智能化知识查询助手,辅助指挥人员在任意教学时节实现海量知识的快速获取、重点知识的回顾温习、新质知识的智能探索,通过智能问答,催生新知识、新理念、新机理,启发指挥人员理论思维。同时,还可以采用“联合作战理论知识问答系统”的模式,开发专用的知识问答系统,在提供海量知识卡片、课程资料、百科知识等基础上,有效实现知识智能问答,还可按照指挥员指挥能力强弱点和学习兴趣,进行知识短板推荐和兴趣推荐。面向理论教学的问答式指挥员训练模式,可以引领理论教学向着主动学习、探索学习、研讨学习的方向发展。面向战例研究的延伸式指挥员训练模式如图2所示,该模式可归纳为4个步骤。第一步,“言他”式战例原案推演,即推演所用作战编成和战法与战例完全一致,推演人员在熟悉初始态势基础上,根据战例参战力量、作战阶段和主要作战行动,按照作战进程发展开展推演,推演结束后,深入开展复盘分析和专家研讨,分析指挥得失和行动经验,形成战例推演报告。第二步,“言他”式方案优化推演,即针对战例原貌推演发现的指挥得失、行动规划等问题,对战例作战方案进行优化,完善参战力量运用方式和时机,修正打击目标和行动路线等,以期达成更佳作战效果。第三步,“顾我”式当前能力推演,即将进攻方换为同等规模的己方现役同类部队,在同等作战背景和战场环境下,通过设计己方主要作战行动,执行与进攻方相同的作战任务,与交战方开展对抗推演,研究己方战法的可行性。第四步,“顾我”式未来能力推演,即瞄准己方未来一定时期装备发展、作战概念创新和战法行动模式的发展趋势,进一步革新参战力量、优化行动方法,在同样的虚拟战场上与得到战力增强的未来对手展开较量,为完善己方与未来可能对手的战法打法提供参照依据。该指挥员训练模式每一步的核心都在于分析战例发展脉络、挖掘胜战机理,从而帮助指挥员提升指挥能力和作战思维。2.3 面向想定教学的认知式指挥员训练模式
面向想定教学的认知式指挥员训练模式如图3所示。该模式的核心环节是指挥决策前的态势认知环节,态势认知以指挥员指挥能力和作战经验为基础,突出数据驱动和智能技术赋能,通过数智技术加持,实现态势要素感知、态势理解和态势预测。态势要素感知主要是感知战场中敌情、我情、战场环境等作战要素,完成对战场实体、作战事件和战场环境的识别,建立战场实体之间的关联关系,判断战场目标的属性信息,形成对战场态势的基本认识。态势理解是基于态势要素感知的战场态势深度分析,主要实现识别敌方作战意图、识别敌方作战样式、研判攻防要点、掌握我方作战计划执行情况、对抗态势评估和分析战场环境对作战态势走向影响等。态势预测主要完成对战场态势走向和演变情况的预测,包括战场实体之间关系预测、兵力部署调整预测、敌方威胁预测、敌方意图演变预测、局部态势演变趋势预测、作战征候预测、敌方行动预测等。该模式中指挥员指挥训练系统的定位发生本质变化,由数据承载者、态势展现者变为数据分析器和认知模型集,实现指挥员态势认知的数据化辅助和智能化支持。2.4 面向对抗训练的博弈式指挥员训练模式
面向对抗训练的博弈式指挥员训练模式如图4所示。该模式的核心要义是红方指挥人员在智能助手的辅助下与蓝方智能体展开人机博弈,其中红方智能助手和蓝方智能对手是支持该模式的两大支柱。红方智能助手聚焦智能辅助决策,通过作战体系分析、作战能力分析、战场环境分析、打击任务分析、任务规划分析、弹目匹配分析等多域决策分析,辅助指挥员研判态势、确定任务、选择目标、优选弹药、规划行动,进而突出指挥员工程化决策思维训练,既支持作战全局的掌控,又聚焦局部场景的细节,提高指挥员对抗训练的质效。蓝方智能对手[5]聚焦“演真扮像”蓝军,以蓝军行为建模为核心抓手,使得智能体具备高逼真模拟蓝军行为的能力,有效支撑指挥员与蓝军假想敌开展人机博弈对抗,不断提升指挥员应对复杂战场情况和临机处置的能力。4类指挥员训练模式是由新兴技术驱动的,分别是基于大模型的军事知识智能问答技术、军事事理图谱构建与分析技术、平行战场与态势认知技术、融合在线学习的蓝军行为树建模技术。3.1 基于大模型的军事知识智能问答技术
近年来日趋成熟的大模型技术,因其优异的对话能力,为实现面向理论教学的问答式指挥员训练模式提供了可能。基于大模型技术原理,为满足问答式指挥员训练模式中海量知识查询需求,最理想的技术路线是将海量军事知识加入到训练数据中,重新训练大模型,精简版本地化部署的大模型的军事知识智能问答技术框架,如图5所示。该技术框架以开源大模型为基础,可采用基于检索增强生成(Retrieval Augmented Generation,RAG)技术的知识增广方法,集成军事领域知识库,包括军事思想、作战理论、外军知识、武器装备知识、战场环境知识、作战规则知识等,为大模型提供额外的数据输入,大模型在回答教员和学员问题时首先从集成军事领域知识库中检索相关数据,然后基于这些数据智能生成问题答案,从而提高问答准确度。3.2 军事事理图谱构建与分析技术
事理图谱技术是支撑战例脉络剖析、汲取战争经验、挖掘制胜机理的核心技术,事理图谱是一种描述事件间演化规律的有向图,结构上由节点和边组成,分别表示事件和事件间关系,其中事件间关系一般包括顺承关系、因果关系、蕴含关系、条件关系以及上下位关系等,事理图谱本质是具备时序演化特征的动态知识图谱。军事事理图谱构建过程如图6所示,可以分为战例事件建模、战例事件抽取、关系抽取3个步骤。战例事件建模,即根据战例资料,使用由事件句子、事件类型、事件触发词、论元(实体)、论元角色组成的战例要素结构,对战例进行事件建模,得到数据化战例事件表示模型。战例事件抽取,通过模式匹配、机器学习、BERT-BiLSTM联合模型等技术从战例事件中抽取触发词和论元(实体),形成战例元事件集合。关系抽取,基于关系知识库匹配技术获取因果、顺承等事件关系,最终构建战例事理图谱。通过以事件驱动的事理图谱脉络传导分析,指挥员可直观梳理战例发展脉络,通过对战例事件的演化预测,把握战例事件的走向,科学分析战例结果出现的原因。3.3 平行战场与态势认知技术
平行战场与态势认知技术框架如图7所示。构建平行战场是实现指挥员态势认知的前提条件,平行战场构建以战场数字化技术为基础,构建战场实体的数字孪生模型,通过不断接收战场态势数据,持续更新实体模型参数、行为意图等,使得战场实体的数字孪生模型不断逼近实际战场实体的状态和行为,即通过数据交互和模型演化,使得数字孪生模型能平行反映战场实体,从而为在平行战场中实现态势认知提供基础条件。态势认知技术的核心是建立基于知识的推理机,包括领域知识库、态势研判规则和知识推理模型等。领域知识库的构建,需要覆盖面向对象的知识、基于逻辑的知识、基于本体的知识和基于关系的知识等知识类别,态势研判规则制定,需要综合考虑要素关系研判规则、作战意图识别规则、作战态势识别规则等,知识推理模型以领域知识库和态势研判规则为基础,形成基于规则的推理、模板匹配推理、贝叶斯推理、基于本体的推理等推理模型库。以基于知识的推理机为依托,指挥员在平行战场中实现态势感知、态势理解和态势预测,生成多种行动策略,通过多种行动策略的并行仿真推演,客观评估行动策略的优劣,将最优行动策略转化为对作战力量和武器装备的指挥控制信息,反馈到实际战场中,提高指挥员指挥决策的科学性和合理性,有效应对“战场迷雾”影响。3.4 融合在线学习的蓝军行为树建模技术
融合在线学习的蓝军行为树建模技术如图8所示,包括蓝军行为树离线构建、蓝军行为树概念建模、蓝军行为树在线学习和蓝军行为树规则库4部分。蓝军行为树离线构建,依托蓝军行为树实例库开展任务实例化学习,并根据示例任务完成情况进行行为树探索优化,形成反应式行为表示,经领域建模人员执行蓝军行为树校核、验证与确认(Verification, Validation and Accreditation, VV&A)后,加入至蓝军行为树规则库中。蓝军行为树概念建模,以蓝军领域专家为知识库,通过领域知识提取,采用“实体-行为-任务-交互”(Entity-Activity-Task-Interaction,EATI)建模法[11],即从作战实体、行为、任务和交互4个方面描述作战过程,进而由领域建模人员构建形成蓝军行为树概念模型,确保军事专家和领域建模人员形成对蓝军行为树模型的一致性理解和认识。蓝军行为树在线学习,聚焦战场态势不确定性和对手行为不可预测性,提高蓝军智能体环境适应性和决策鲁棒性。指挥员在智能助手辅助下与蓝方智能体开展指挥对抗和策略博弈,提高指挥员灵活应对假想敌可能行动的能力。凯源恒润北京监控安装工程公司从面向联合作战指挥教学的指挥员训练典型需求出发,对标理论教学、战例研究、想定教学和对抗训练4个教学训练领域,科学设计了问答式、延伸式、认知式和博弈式指挥员训练新模式,针对性分析了核心支撑技术,提出了技术实现框架,为智能化条件下创新面向联合作战指挥教学的指挥员训练提供参考借鉴。
