El sistema de armas láser simuladas de apoyo a la toma de decisiones para combatir enjambres de drones con aprendizaje automático es un Escuela Naval de Postgrado tesis de Daniel M. Edwards.
Esta tesis muestra la aplicación del aprendizaje automático para proporcionar apoyo automatizado en la toma de decisiones a los combatientes que manejan sistemas de armas láser en intrincados escenarios tácticos. El estudio aprovechó el entorno de software de modelado y simulación Swarm Commander del Instituto de Modelado, Entornos Virtuales y Simulación (MOVES) de la NPS para generar conjuntos de datos simulados que incluían escenarios de juegos de guerra en los que un sistema de armas láser a bordo se defendía de amenazas de enjambres de drones.
Estos conjuntos de datos simulados se emplearon para entrenar un algoritmo de aprendizaje automático que permitiera predecir la estrategia de combate óptima en un espacio de batalla complejo con diversos enjambres de drones. Se evaluaron varias técnicas de aprendizaje automático y, en última instancia, se eligió el método de árbol de clasificación. El algoritmo final mostró una impresionante precisión global de 96% en la predicción correcta de los resultados del enfrentamiento, teniendo en cuenta los tipos de amenaza de los drones, las cantidades y las estrategias de ataque de los sistemas de armas láser.
This research underscores three key findings: (1) the value of modeling and simulation in aiding the development of tactical machine learning applications, (2) the potential of machine learning to enhance support for future tactical operations, and (3) the broader potential of machine learning and automation to alleviate the cognitive burden on future warfighters faced with critical decisions in complex threat environments.
Fecha de publicación- Septiembre de 2021
La simulación de la ayuda a la toma de decisiones del sistema de armas láser para combatir enjambres de drones con aprendizaje automático contiene las siguientes secciones principales:
- Introducción
- Revisión bibliográfica
- Tácticas de comandante de enjambre y experimentación de aprendizaje automático
- Resultados y optimización de datos
- Conclusión
Aprobado para su difusión pública. La distribución es ilimitada.
C-UAS Hub no es propietario de este contenido y proporciona un enlace para los usuarios en el fondo de la página para acceder a ella en su ubicación original. Esto permite al autor o autores hacer un seguimiento de las métricas importantes del artículo relacionadas con su trabajo. Todo el mérito es de su legítimo propietario.
Autor- Daniel M. Edwards
Véase también
Informe de la GAO: Tecnologías de enjambre de drones
Diseño experimental de un arma láser de alta energía basada en un UCAV
Post Image Credit: Adobe Stock by fotos de la suerte
