鄭少秋，梁汝鵬，吳 浩，袁 翔，張政偉*

（1.中國電子科技集團公司第二十八研究所，南京 210007；2.中國電子科技集團公司信息系統(tǒng)需求重點實驗室，南京 210007）

0 引言

當前，隨著人工智能、云計算、先進通信等技術(shù)發(fā)展，作戰(zhàn)兵力正朝無人化、智能化、模塊化方向發(fā)展。無人自主裝備快速切入戰(zhàn)場前沿，極大地拓展了對抗的時空約束，模塊化兵力支持面向任務(wù)的動態(tài)靈活組織，在為對手制造認知和決策困境的同時，極大提升了作戰(zhàn)體系效能。作戰(zhàn)兵力發(fā)展逐步引發(fā)戰(zhàn)爭形態(tài)、制勝機理的變革。戰(zhàn)爭形態(tài)日益復(fù)雜多變，分布式、多域聯(lián)合、智能化的體系作戰(zhàn)成為未來戰(zhàn)爭制勝關(guān)鍵。在此背景下，美軍相繼提出了“算法戰(zhàn)”［1］、“馬賽克戰(zhàn)”［2-3］、“聯(lián)合全域作戰(zhàn)”［4］等新型作戰(zhàn)概念。

隨著無人化、智能化、模塊化作戰(zhàn)單元的廣泛運用，作戰(zhàn)兵力的可組合性和作戰(zhàn)效能得到顯著加強，但對作戰(zhàn)決策的快速協(xié)同、精準聚優(yōu)提出了更高要求。傳統(tǒng)的以指揮員為中心的“指揮員決策、機器輔助計算”的作戰(zhàn)決策范式，難以滿足未來作戰(zhàn)時效性、精準性要求，迫切需要研制與未來戰(zhàn)爭相匹配的智能作戰(zhàn)決策能力。

1 相關(guān)工作

圍繞智能化作戰(zhàn)決策，許多研究者做了諸多工作［5-8］，包括情報信息處理、作戰(zhàn)態(tài)勢研判、作戰(zhàn)任務(wù)規(guī)劃等方面。具體地，在情報信息處理方面，邢世宏等［9］提出將遷移學(xué)習(xí)應(yīng)用于艦船目標識別；李婷婷等［10］提出智能訂單方法進行態(tài)勢產(chǎn)品服務(wù)；廖鷹等［11］分析了戰(zhàn)場態(tài)勢分層表示與理解機理，并據(jù)此提出了面向態(tài)勢理解的復(fù)合架構(gòu)深度學(xué)習(xí)模型。在作戰(zhàn)態(tài)勢研判方面，胡曉峰等［12］將注意力機制應(yīng)用于態(tài)勢認知，提出戰(zhàn)場態(tài)勢感知注意力機制框架；康凱等［13］基于貝葉斯網(wǎng)絡(luò)推理模型進行態(tài)勢相關(guān)估計，實現(xiàn)對陸戰(zhàn)場的實時變化態(tài)勢動態(tài)分析、理解與判斷。在作戰(zhàn)任務(wù)規(guī)劃方面，邢思遠等［14］將Apriori 數(shù)據(jù)挖掘方法應(yīng)用于武器使用規(guī)律挖掘研究，支撐根據(jù)不同地形、協(xié)同規(guī)律進行兵力推薦；季軍亮等［15］將啟發(fā)式算法應(yīng)用于兵力編組。總體而言，主要將人工智能技術(shù)應(yīng)用到作戰(zhàn)決策單一環(huán)節(jié)業(yè)務(wù)，提升其自動化、智能化水平。

近年來，隨著AlphaGo［16］、AlphaStar［17］模型在圍棋、星際爭霸游戲?qū)诡I(lǐng)域的成功應(yīng)用，為聯(lián)合作戰(zhàn)決策提供新的技術(shù)思路，研究者逐步將深度強化學(xué)習(xí)技術(shù)應(yīng)用到作戰(zhàn)決策中。曹雷［18］對基于強化學(xué)習(xí)的博弈對抗方法進行了綜述，并對軍事決策應(yīng)用進行分析。閆實等［19］將強化學(xué)習(xí)應(yīng)用于多機載雷達傳感器調(diào)度管理。曹雷等［20］提出將深度強化學(xué)習(xí)應(yīng)用于作戰(zhàn)計劃優(yōu)選。Toubman 等［21-22］基于空戰(zhàn)行為規(guī)則，使用強化學(xué)習(xí)最優(yōu)組合生成戰(zhàn)斗機行為。Rijken 等［23］將深度學(xué)習(xí)應(yīng)用到空戰(zhàn)行為訓(xùn)練中，構(gòu)建的智能體在空戰(zhàn)對抗中成功擊敗人類選手。

然而，實際的作戰(zhàn)要遠比圍棋、星際爭霸等游戲?qū)箞鼍皬?fù)雜，決策難度更高，錯判的代價也更高。主要體現(xiàn)在以下方面，1）聯(lián)合作戰(zhàn)場景具有高動態(tài)、強對抗性，作戰(zhàn)目標會動態(tài)調(diào)整，難以簡單地將“高勝率”作為決策衡量的唯一指標，因此，需要人機高效、持續(xù)地進行交互式學(xué)習(xí)，機器必須能夠理解指揮員動態(tài)變化的作戰(zhàn)決心。2）聯(lián)合作戰(zhàn)兵力的種類、行為空間、協(xié)同策略規(guī)模等均遠遠高于游戲，導(dǎo)致決策模型的計算復(fù)雜度更高，迫切需要高效的模型學(xué)習(xí)方法提升模型學(xué)習(xí)收斂速度和魯棒性。因此，需要研究面向作戰(zhàn)的高效智能模型學(xué)習(xí)方法。

基于此，聚焦未來戰(zhàn)場聯(lián)合作戰(zhàn)兵力智能組織難題，本文提出了人機共生的作戰(zhàn)決策系統(tǒng)發(fā)展愿景，包括運行概念、系統(tǒng)架構(gòu)，并深入分析實現(xiàn)人機共生面臨的挑戰(zhàn)，提出技術(shù)解決思路。在此基礎(chǔ)上，從人機交互與理解、戰(zhàn)場態(tài)勢認知、智能作戰(zhàn)決策、模型可信賴可解釋增強等方面，提出關(guān)鍵技術(shù)體系，支撐指揮員高階戰(zhàn)場認知能力與機器強大搜索能力融合，最終形成準確、可信、全局（最）較優(yōu)的兵力規(guī)劃方案，為新一代指揮控制系統(tǒng)創(chuàng)新發(fā)展提供借鑒。

2 發(fā)展愿景

針對作戰(zhàn)決策，人機共生作戰(zhàn)決策系統(tǒng)發(fā)展愿景是通過人機的合理分工、充分協(xié)作，使得指揮員聚焦頂層的、模糊的、邊界不確定的問題，并依托智慧和經(jīng)驗將其轉(zhuǎn)換為具體的、清晰的、邊界確定的優(yōu)化問題，而后利用機器智能的強大搜索能力進行求解，指揮員根據(jù)機器快速求解結(jié)果，進行研判評估、迭代優(yōu)化，其核心是通過人機協(xié)作，為指揮員提供更多的試錯空間，進而大大提高作戰(zhàn)方案發(fā)現(xiàn)概率。

2.1 系統(tǒng)運行概念

假定某時刻，紅藍雙方在某地域正面開展作戰(zhàn)對抗，紅方指揮員依托人機共生作戰(zhàn)決策系統(tǒng)，通過人機協(xié)同制定作戰(zhàn)計劃，人機共生作戰(zhàn)決策系統(tǒng)運行概念如下頁圖1 所示，具體過程如下：

圖1 人機共生的智能決策過程

Step 1：系統(tǒng)引接戰(zhàn)場實時態(tài)勢，進行多源態(tài)勢信息處理融合，并在軍事知識圖譜的支撐下，完善補充態(tài)勢信息要素，呈現(xiàn)于指揮員；

Step 2：指揮員基于語音、圖像、文本、視頻、虛擬現(xiàn)實等多模態(tài)的交互手段，進行態(tài)勢感知、理解和干預(yù)；

Step 3：指揮員理解上級作戰(zhàn)意圖，研判敵方作戰(zhàn)目標體系，開展作戰(zhàn)任務(wù)分析和作戰(zhàn)目標選擇，形成敵方目標打擊清單及毀傷效果要求，作為智能決策模型學(xué)習(xí)的目標狀態(tài)；

Step 4：指揮員基于聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺，開展兵力模型構(gòu)建，設(shè)計作戰(zhàn)想定，并進行大樣本仿真對抗，形成大量仿真對抗樣本，在此基礎(chǔ)上，利用深度強化學(xué)習(xí)等技術(shù)，開展紅方智能決策模型訓(xùn)練和生成，并將其引入到作戰(zhàn)想定中進行自博弈，如此反復(fù)，直至在構(gòu)設(shè)的作戰(zhàn)想定中達到期望的作戰(zhàn)效果，即智能決策模型學(xué)習(xí)的目標狀態(tài)，輸出作戰(zhàn)決策模型；

Step 5：指揮員將戰(zhàn)場實時態(tài)勢接入作戰(zhàn)決策模型中，依托聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺，推演戰(zhàn)場態(tài)勢發(fā)展，生成作戰(zhàn)決策計劃建議；

Step 6：指揮員根據(jù)作戰(zhàn)計劃建議，開展計劃干預(yù)或確認，如果不滿足作戰(zhàn)任務(wù)要求，則重新開展態(tài)勢處理分析、作戰(zhàn)任務(wù)分析、目標選擇清單及毀傷效果調(diào)整等；如果滿足作戰(zhàn)任務(wù)要求，則進行確認或微調(diào)，形成最終的作戰(zhàn)計劃；

Step 7：指揮員將向作戰(zhàn)兵力下達最終的作戰(zhàn)計劃，并密切監(jiān)視戰(zhàn)場態(tài)勢變化。

人機共生智能決策核心能力主要體現(xiàn)在以下兩個方面：

1）人機交互式協(xié)同決策，大幅度縮短指揮決策周期

在人機共生決策過程中，Step1～Step3 以人為主，Step4～Step5 以機器為主，而后在Step6 中進行人工判斷，如果不滿足作戰(zhàn)任務(wù)要求，則重新從Step1 開始，否則進入Step7。一方面，通過采用高效、可靠的多模態(tài)人機交互手段，人機指揮載荷得到合理分配，分別發(fā)揮指揮員理解復(fù)雜戰(zhàn)場態(tài)勢、宏觀趨勢的優(yōu)勢，和機器智能在大規(guī)模、模式化快速方面的計算優(yōu)勢，同時規(guī)避人工指揮決策作業(yè)效率低、輔助決策系統(tǒng)缺乏指揮藝術(shù)性等問題，實現(xiàn)揚長避短。另一方面，通過人機交互式、迭代式協(xié)同決策，在決策過程中，指揮員持續(xù)對機器智能決策質(zhì)量進行評估，快速形成決策質(zhì)量優(yōu)化的閉環(huán)，快速輸出高效可行的作戰(zhàn)計劃，指揮員人在回路的干預(yù)能夠確保最終輸出作戰(zhàn)計劃的有效性，以及性能的持續(xù)提升。

2）機器遍歷搜索決策空間，創(chuàng)新戰(zhàn)法發(fā)現(xiàn)與全局優(yōu)化

在人機共生決策過程中，在Step4 中，基于聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺，能夠超越人類腦力思考和戰(zhàn)爭實踐的邊界，根據(jù)自博弈或?qū)嶋H作戰(zhàn)數(shù)據(jù)訓(xùn)練，訓(xùn)練形成智能體內(nèi)生智慧，并持續(xù)演進。而后，面向作戰(zhàn)任務(wù)，借助機器的強大搜索計算能力，通過遍歷搜索，拓展戰(zhàn)場決策容量空間，創(chuàng)新發(fā)現(xiàn)全新戰(zhàn)法，實現(xiàn)面向任務(wù)的全局（局部）的最優(yōu)方案搜索。在智能模型訓(xùn)練過程中，可以利用群體智能對抗技術(shù)、種群聯(lián)賽機制等，實現(xiàn)持續(xù)對抗演進，可有效提升機器生成的決策建議的多樣性、泛化性，以及對復(fù)雜多變戰(zhàn)場環(huán)境的動態(tài)適應(yīng)性。

2.2 系統(tǒng)總體架構(gòu)

人機共生作戰(zhàn)決策系統(tǒng)架構(gòu)如圖2 所示，主要包括人機交互層、指揮業(yè)務(wù)層、智能支撐層和硬件資源層。

圖2 人機共生作戰(zhàn)決策系統(tǒng)架構(gòu)

人機交互層主要提供語音、文本、視頻等多模態(tài)人機交互手段，支撐指揮員和機器高效交互與敏捷響應(yīng)，并通過交互式迭代學(xué)習(xí)，持續(xù)提升人機互理解水平。

指揮業(yè)務(wù)層在人機交互基礎(chǔ)上，智能理解指揮員動態(tài)變化的作戰(zhàn)決心，結(jié)合多源戰(zhàn)場實時態(tài)勢信息，研判確定對敵打擊目標清單及毀傷效果要求，基于智能支撐層提供的決策模型生成作戰(zhàn)決策和行動控制指令建議。

智能支撐層主要由軍事知識圖譜、聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺組成。其中，軍事知識圖譜實現(xiàn)作戰(zhàn)條例、作戰(zhàn)規(guī)則、作戰(zhàn)兵力能力的形式化建模，聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺在仿真空間為指揮業(yè)務(wù)提供數(shù)據(jù)管理、模型訓(xùn)練和能力持續(xù)成長服務(wù)。

硬件資源層，主要為系統(tǒng)運行、智能模型訓(xùn)練與推理、軍事知識服務(wù)等提供計算、存儲、網(wǎng)絡(luò)、安全等資源支撐。

3 關(guān)鍵問題與解決思路

3.1 如何讓機器理解指揮員動態(tài)多樣的作戰(zhàn)意圖

當前，缺乏高效精準的作戰(zhàn)意圖解析方法，一是由于各軍兵種文化差異，缺乏標準化的聯(lián)合作戰(zhàn)指令描述手段，機器無法理解形式不一的作戰(zhàn)指令。二是戰(zhàn)場情況多變，對作戰(zhàn)意圖的理解需要充分結(jié)合上下文信息補充，復(fù)雜度高。

針對此問題，一是提供作戰(zhàn)意圖規(guī)范化描述，通過構(gòu)建聯(lián)合任務(wù)清單，針對各類任務(wù)，確定任務(wù)的要素組成、描述規(guī)范，提出形式化描述方法和標準化的描述語言，通過作戰(zhàn)簡令的方式，降低人機交互的復(fù)雜度。二是，通過構(gòu)建軍事知識圖譜，實現(xiàn)作戰(zhàn)知識的顯式描述，形成先驗軍事知識庫，為指揮員作戰(zhàn)意圖理解提供上下文知識，提升對作戰(zhàn)意圖的動態(tài)理解能力。

3.2 如何實現(xiàn)對大規(guī)模兵力的決策空間高效搜索

智能決策模型訓(xùn)練本質(zhì)是一個優(yōu)化問題求解的過程，需要保持全局探索能力和局部挖掘能力的平衡。一方面，需要盡量保持解的求解過程的穩(wěn)定性，提升解的泛化性與實際效能；另一方面，需要盡量降低解的計算復(fù)雜度，提升解的收斂速度。由于作戰(zhàn)兵力逐步向模塊化、分布式方向發(fā)展，作戰(zhàn)體系構(gòu)建時兵力的可組合性指數(shù)增長，使得基于聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺進行作戰(zhàn)兵力決策空間搜索復(fù)雜度極高，對當前算法、算力帶來極大挑戰(zhàn)。

針對此問題，一是通過多粒度兵力建模、分層建模方法，在聯(lián)合作戰(zhàn)博弈對抗訓(xùn)練平臺中構(gòu)建聚合級兵力模型，降低決策問題本身的搜索空間。二是采用更加高效的模型訓(xùn)練算法，如遷移學(xué)習(xí)、課程學(xué)習(xí)等技術(shù)，將模型訓(xùn)練問題分解為由易到難多階段任務(wù)，逐步學(xué)習(xí)，提高決策空間搜索的收斂速度。

3.3 如何確保機器決策結(jié)果的可信賴、可理解

從軍事倫理角度，軍事問題決策要求高可信、高可靠和可解釋，確?；谌斯ぶ悄艿臋C器決策結(jié)果的可信賴和可理解是需突破的難點問題。

針對可信問題，可構(gòu)建分層決策模型，實現(xiàn)各層解耦，涵蓋作戰(zhàn)任務(wù)、交戰(zhàn)規(guī)則、裝備能力，通過分層隔離誤差，構(gòu)建多層次模型體系，涵蓋基礎(chǔ)規(guī)則、交戰(zhàn)規(guī)則、戰(zhàn)斗力計算、智能決策模型等多個層級，實現(xiàn)逐步可信。

針對可解釋性問題，尤其是基于大數(shù)據(jù)的機器學(xué)習(xí)、深度學(xué)習(xí)方法黑箱問題，可采用“軍事知識+作戰(zhàn)數(shù)據(jù)”雙重驅(qū)動機制，將知識嵌入到數(shù)據(jù)驅(qū)動的模型中，提升深度學(xué)習(xí)等新方法的可解釋性。

針對可靠性問題，利用主動學(xué)習(xí)等人機交互式學(xué)習(xí)方法，通過人在環(huán)路干預(yù)，為模型訓(xùn)練增強引導(dǎo)信息，實現(xiàn)人機共生的作戰(zhàn)決策新范式。

4 技術(shù)體系

圍繞人機共生智能決策關(guān)鍵問題以及解決思路，從人機交互與理解、智能作戰(zhàn)決策、模型可信賴可解釋增強等方面，提出關(guān)鍵技術(shù)體系，如表1 所示。并圍繞作戰(zhàn)決心/指令機器理解、作戰(zhàn)兵力狀態(tài)表示、基于課程學(xué)習(xí)的作戰(zhàn)決策模型訓(xùn)練加速、基于聯(lián)賽機制的作戰(zhàn)決策模型多樣性保持策略等技術(shù)進行詳細分析。

表1 技術(shù)體系

4.1 作戰(zhàn)決心機器理解技術(shù)

指揮員作戰(zhàn)決心是動態(tài)變化的，系統(tǒng)需要能夠?qū)⑵鋭討B(tài)、準確、完整地轉(zhuǎn)換成機器智能學(xué)習(xí)訓(xùn)練的優(yōu)化目標和約束條件。

鑒于此，基于各類作戰(zhàn)方案，構(gòu)建聯(lián)合作戰(zhàn)任務(wù)清單，定位作戰(zhàn)任務(wù)框架、關(guān)聯(lián)關(guān)系，并利用自然語言處理技術(shù)對指揮員決心進行識別分類和關(guān)鍵要素（槽位信息）提取，確定作戰(zhàn)任務(wù)類型、關(guān)聯(lián)子任務(wù)，以及任務(wù)關(guān)鍵要素，即為打擊目標清單及毀傷效果要求，明確各子任務(wù)主要內(nèi)容與序列關(guān)系；利用模糊綜合評判方法、知識圖譜技術(shù)，對識別確定的任務(wù)及其關(guān)鍵要素進行量化完善，確定優(yōu)化目標和約束條件，如作戰(zhàn)初始態(tài)勢、終極態(tài)勢、邊界條件、兵力規(guī)模等，形成機器可以理解的語言表示，支撐機器智能模型訓(xùn)練，具體技術(shù)路線如圖3 所示。

圖3 作戰(zhàn)決心/指令機器理解

4.2 作戰(zhàn)兵力狀態(tài)表示學(xué)習(xí)技術(shù)

由于作戰(zhàn)對抗的動態(tài)性，作戰(zhàn)兵力之間會存在復(fù)雜的合作關(guān)系，一般采用分層強化學(xué)習(xí)進行模型學(xué)習(xí)，進而降低模型訓(xùn)練的計算復(fù)雜度［24］。其中，在分層強化學(xué)習(xí)模型中，針對低層次作戰(zhàn)兵力狀態(tài)表示，如何最大化利用鄰域信息是一個值得研究難題，對作戰(zhàn)兵力策略實際運行效能具有重要影響。

基于此，考慮利用圖模型、注意力技術(shù)，對各作戰(zhàn)兵力間交互關(guān)系進行建模，基于神經(jīng)網(wǎng)絡(luò)的注意力機制進行特征自動聚合和選擇，能夠自動選擇并聚合有助于決策的關(guān)鍵信息，將所選特征匯集，得到智能體的狀態(tài)表示，在傳統(tǒng)兵力狀態(tài)表示基礎(chǔ)上，強化對兵力間交互信息的表達水平，可以更深度地挖掘作戰(zhàn)兵力使用的實際環(huán)境信息，從而學(xué)習(xí)出更加高效的決策策略，具體作戰(zhàn)兵力狀態(tài)表示學(xué)習(xí)［25］如圖4 所示。

圖4 作戰(zhàn)兵力狀態(tài)表示學(xué)習(xí)

4.3 基于聯(lián)賽機制的作戰(zhàn)決策模型多樣性保持策略

聯(lián)合作戰(zhàn)任務(wù)具有多樣化、高動態(tài)復(fù)雜場景特點，對智能決策模型泛化性提出很高要求。

基于此，研究多樣化對手池（各種風(fēng)格）及價值回報的設(shè)計和構(gòu)建方法，并基于種群進化思想不斷迭代優(yōu)化決策模型［3］，直到模型效果穩(wěn)定，以提升模型對不同作戰(zhàn)場景、不同作戰(zhàn)對手的適應(yīng)性。

1）基于聯(lián)合作戰(zhàn)場景的價值回報函數(shù)設(shè)計

結(jié)合聯(lián)合作戰(zhàn)場景，借鑒人類指揮員經(jīng)驗，研究價值回報函數(shù)設(shè)計方法，使生成的決策方案能夠逼近作戰(zhàn)實際，并保持種群的多樣性。

2）異構(gòu)種群持續(xù)對抗方法

研究異構(gòu)種群持續(xù)對抗方法、種群更新迭代方法，保證智能模型的多樣性同時，能夠有效提高決策模型的泛化能力，進而提升作戰(zhàn)決策對不同作戰(zhàn)場景、不同作戰(zhàn)對手的適應(yīng)性。

4.4 基于課程學(xué)習(xí)的作戰(zhàn)決策模型訓(xùn)練加速技術(shù)

分布式模塊化作戰(zhàn)兵力廣泛運用極大提升了決策空間搜索復(fù)雜度，使得模型訓(xùn)練難度大、收斂速度慢。

因此，可考慮使用課程學(xué)習(xí)、遷移學(xué)習(xí)技術(shù)，按照執(zhí)行任務(wù)、對手等級、運行環(huán)境等由簡（低）到繁（高）設(shè)計的思路，研究如何面向聯(lián)合作戰(zhàn)任務(wù)進行多階段［25］、難度遞增的課程設(shè)計方法［26-27］，模型逐步訓(xùn)練，提升模型訓(xùn)練效率。如圖5 所示，首先對簡單任務(wù)進行學(xué)習(xí)，如紅軍僅使用地面防空武器摧毀藍軍指揮所。然后進一步加大任務(wù)難度，如紅軍使用多武器協(xié)同，摧毀藍方指揮所；在經(jīng)過逐步學(xué)習(xí)后，最終使用全部武器協(xié)同摧毀藍軍多個指揮所及全部兵力。

圖5 基于課程學(xué)習(xí)的作戰(zhàn)決策模型訓(xùn)練加速

5 結(jié)論

人機共生作戰(zhàn)決策采用高效、可靠的新型人機交互手段，打造人機協(xié)作的作戰(zhàn)決策空間，一方面充分發(fā)揮機器強大計算搜索能力優(yōu)勢，有效降低指揮員指揮載荷，另一方面，通過博弈對抗訓(xùn)練創(chuàng)新戰(zhàn)法，采用人在環(huán)路的交互式學(xué)習(xí)機制保證決策可信，人機共生決策將成為作戰(zhàn)決策系統(tǒng)的重要發(fā)展方向。本文提出了人機共生作戰(zhàn)決策系統(tǒng)運行概念和總體架構(gòu)，分析其關(guān)鍵問題和解決思路，并提出了作戰(zhàn)決心機器理解、作戰(zhàn)兵力狀態(tài)表示、作戰(zhàn)決策模型高效訓(xùn)練等關(guān)鍵技術(shù)及其實現(xiàn)路線，能夠為新一代作戰(zhàn)決策系統(tǒng)、智能指揮控制系統(tǒng)等發(fā)展提供借鑒參考。