Apoio à decisão do sistema de armas laser simuladas para combater enxames de drones com aprendizagem automática é um Escola de Pós-graduação Naval tese de Daniel M. Edwards.

Esta tese apresenta a aplicação da aprendizagem automática para fornecer apoio automatizado à decisão para os combatentes que gerem sistemas de armas laser em cenários tácticos complexos. O estudo utilizou o ambiente de software de modelação e simulação Swarm Commander do NPS Modeling Virtual Environments and Simulation (MOVES) Institute para gerar conjuntos de dados simulados envolvendo cenários de jogos de guerra em que um sistema de armas laser a bordo se defendia contra ameaças de enxames de drones.

Estes conjuntos de dados simulados foram utilizados para treinar um algoritmo de aprendizagem automática para prever a estratégia de envolvimento ideal num espaço de batalha complexo com diversos enxames de drones. Foram avaliadas várias técnicas de aprendizagem automática, acabando por ser selecionado o método da árvore de classificação como a abordagem preferida. O algoritmo final apresentou uma impressionante precisão global de 96% na previsão correcta dos resultados do combate, tendo em conta os tipos de ameaças de drones, as quantidades e as estratégias de ataque do sistema de armas laser.

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.

Data de publicação- setembro de 2021

Simulated Laser Weapon System Decision Support to Combat Drone Swarms with Machine Learning contém as seguintes secções principais

  • Introdução
  • Revisão da literatura
  • Tácticas de comandante de enxame e experimentação de aprendizagem automática
  • Resultados e otimização de dados
  • Conclusão

Aprovado para divulgação pública. A distribuição é ilimitada.

O C-UAS Hub não é proprietário deste conteúdo e fornece uma ligação para os utilizadores no fundo da página para aceder à mesma na sua localização original. Isto permite ao(s) autor(es) registar métricas importantes do artigo relacionadas com o seu trabalho. Todos os créditos vão para o seu legítimo proprietário.

Autor- Daniel M. Edwards

Ver também-

Relatório do GAO: Tecnologias de enxame de drones

Técnicas de atenuação baseadas na água e integração de redes para combater enxames de drones

Projeto experimental de uma arma laser de alta energia baseada num ACST

Crédito da imagem do post: Adobe Stock por fotos da sorte