详情
26
面向复杂战场的多粒度指控模型构建与动态评估演化
摘要
智能化战争要求指控模型从一次性建模转向持续性认知。该问题针对多粒度模型割裂、评估滞后、置信度不足等瓶颈，提出构建可随战场变化持续演进的多粒度指控模型体系，突破快速生成、跨层级一致性保持、在线动态评估与演化等关键技术，形成边构建、边运行、边评估、边优化闭环，支撑智能指控与无人协同等应用，具有重要理论与实战价值。
分类
关键技术
内涵
针对智能化战场高动态、强对抗、多域融合特征，突破静态建模与离线评估模式，构建可随战场变化持续演进的多粒度指挥控制模型体系，实现边构建、边运行、边评估、边优化的持续性认知，解决模型粒度割裂、评估滞后等问题。
背景
聚焦指挥控制建模仿真向智能化、闭环化、体系化跃升的核心瓶颈。理论层面推动建模从静态描述向动态认知演进，构建可解释、可演化、可验证的新框架；技术层面突破多粒度模型快速生成、跨层级一致性保持、在线动态可信评估与数据知识双驱动演化等关键技术，形成闭环能力；应用层面支撑平行推演、智能指控、无人协同、数字孪生等工程，提升认知优势。未来5年有望在典型场景原型验证与局部部署，成为智能内生的关键突破口。
难点
传统建模仿真采用静态建模、离线仿真、事后评估线性流程，模型粒度割裂，战略、战役、战术独立建模，构建周期长，评估滞后于态势发展。在跨域作战、无人集群协同等典型场景中，模型置信度不足、跨层级一致性差、难以持续保障，仿真结果难以支撑高时效指挥决策；战场环境快速演化与作战样式持续创新，使一次性建模成果快速失效，模型无法随任务动态调整，形成“建用脱节”。亟需突破动态在线评估与自主演化瓶颈。