XiaoMi-AI文件搜索系统
World File Search System多域环境
多域环境中的敏捷美国陆军师
2022 年 10 月发布的《战地手册 (FM) 3-0》《作战》编纂了多域作战 (MDO)，使其从作战概念发展成为战役和战术理论。它涵盖了陆军在竞争、危机和武装冲突（大规模作战行动或 LSCO）时期作为联合部队的一部分开展行动的当代方法。1 FM 3-0 解释说：“多域作战是联合兵种使用所有联合和陆军能力来创造和利用相对优势，从而实现目标、击败敌军并巩固联合部队指挥官的利益。”2 MDO 寻求通过首先实现跨多个域的效果融合来建立时间机会窗口。然后，敏捷编队利用这些机会，利用深度和作战耐力来取得成功。3
与敌人作战，而不是按照计划作战：多域环境中的目标细化委员会和敏捷目标确定
尽管与 TRB 相关的许多流程在之前的演习中或由其他单位部分实施，但 IIIAC 在 TRB 中的意图是在单一机制的支持下正式化这些流程。集体功能、产品、关键联络人以及 TRB 的执行方法使 IIIAC 能够执行融合，将整个战场的效果与多域环境所需的速度和准确性相结合。军团目标企业能够调整优先级和资源以瞄准敏捷且适应性强的敌人，为下属单位创造条件以利用创造的机会窗口并取得战场成功。通过对每个 ATO 内的目标优先级进行关键调整，TRB 使军团专注于与敌人作战而不是计划。
人工智能支持的传感器融合 - 北约的 ACT
背景：要取得决定性的胜利，需要卓越的战场意识。建立这种意识的关键是收集、处理和融合来自不同传感器的数据，特别是在多域环境中。在这个项目中，我们试图探索使用机器学习融合现有传感器的价值。该项目将制定实施多传感器融合的技术路线图和一个或多个演示器，以突出并具体说明这种方法对选定传感器的价值。演示器可以使用实时或模拟的传感器数据构建。在之前的 MCDC 项目中，对问题的各个方面进行了探索，最终出版了《人工智能、自动化和机器人军事用途指南》。
（PT）海上无人使用的反贵族系统（Musas）
Musas项目的主要目的是开发和提供一个C3模块（任务系统和互操作性层），以在开放的服务建筑中运行，以多域环境（空气，表面和地面）的自动驾驶汽车，专注于反贵族战争任务。次要目标是整合通信安全网络，传感器，战斗管理系统，空气，表面和地下自动驾驶汽车和武器，以增强系统的ASW功能。为了实现目的目标，并增强了有助于海上弹性的水下控制，该项目促进了方法和协同作用的识别，以便将这种建筑与海港和海上监视和保护（Harmspro）和海上（SEMI）和海上（半海事）的自动源系统（MAS MCMCMCM MCMESCO项目）相结合。
ASPJ - 2021 年夏季特刊 - 空军大学
当前的网络安全模式对大多数恶意网络行为者无效。此外，旧模式基于被动努力、基于硬件的解决方案和纸面演习，错误地暗示安全是标准。国防部 (DOD) 应过渡到更现代的框架，实施主动措施来保护其网络，并使其能够在拒绝、降级、间歇或有限带宽 (D-DIL) 环境中运行，从而提供任务保证。国防部需要迅速而大规模地彻底改变网络防御的计划、执行和维持方式，以确保在最具争议的环境和未来冲突中的网络可用性。为了在多域环境中实现联合部队的任务保证和网络优势，国防部必须改变当前的全球互联网模式。如果不这样做，只会加剧现有问题，并为对手创造大量利用国防部网络的途径，导致这些网络在战斗中无效，无法支持作战人员。
陆军供水规划指南 - CASCOM
多域作战环境对我军和联合部队的威胁在危险性和规模上远大于最近在伊拉克和阿富汗的经历。近邻对手已表明他们意图获得并保持战略位置优势，试图阻止美国和其他国家在陆地、海上、空中、太空和网络空间领域行动自由。这种大规模作战行动将使我们重返多兵团作战的战场，其特点是对我们的士兵的医疗要求和对我们的装备的维护更为复杂。燃料、弹药、食物和水的消耗是多域部队最重要的需求特征。保障部门向战场上分散且高度机动的部队提供优化支持的能力将受到考验。多域作战的战术、作战和战略规划必须持续进行，因为预期多域部队将 100% 参与作战。多域环境的快速性要求机动性和分布性，以确保美国部队能够在规定的时间内完成任务。
长期规划工具 - 摩尔堡
训练有素、战备就绪的部队对于陆军在多域环境中的大规模地面战斗中竞争、应对危机、赢得冲突和巩固成果至关重要。要实现训练有素、战备就绪的部队，需要进行长期规划，以便能够达到所需的熟练程度。长期规划会随着时间的推移对训练事件和资源进行排序，以确定训练对象、训练内容、训练时间和训练地点。最终会发布年度训练指南和长期训练日历。长期规划工具 (LRPT) 是数字训练管理系统 (https://atn.army.mil/unit-training-management-(ut m)-en/dtms-knowledge-base) 中的一项功能，可帮助指挥官制定长期训练日历。它提供了一种可视化表示，以协助指挥官对达到必要的任务熟练程度所需的训练事件进行排序。用户界面简单，在制定训练日历方面具有灵活性，并集成了 FM 7-0 中的理论概念。
联合全域命令和控制中的任务保证
urrent网络安全范例对大多数恶意网络参与者无效。此外，旧的范式基于反应性努力，基于硬件的解决方案和纸钻，它们虚假地暗示安全性作为标准。国防部（DOD）应过渡到更现代的框架，该框架实施积极的措施以确保其网络并使他们能够以拒绝，退化，间歇性或有限的带宽（D-DIL）环境进行操作，从而提供任务保证。国防部需要一项迅速而大规模的承诺，以彻底改变网络防御的计划，执行和维持，以确保在最受欢迎的环境和未来冲突中的网络可用性。为了实现跨多域环境中联合力量的任务保证和网络优势，该部门必须从当前的全球互联网模型转移。不这样做，只会加剧现有问题，并为广告赛（Adver-Saries）开发DOD网络的优势而创造许多途径，使这些网络无法进行战斗，并且无法支持战斗战斗机。
SPIE 论文集 - Vung Pham
美国陆军设想在拥挤、竞争激烈的环境和多域战中作战并取得胜利，而网络中心战 (NCW) 的革命性能力是必不可少的。NCW 的特点是地理上分散的部队能够获得高水平的共享战场空间感知，通过自主将人员、平台、武器、传感器和决策辅助设备连接到一个网络中，可以利用这种感知来实现战略、战役和战术目标。未来的战场网络将产生大量数据，其数量可能超出数量。在多域战中，特别需要基于极不确定环境下大量异构、稀疏、嘈杂和定义不明确的数据的实时决策新技术。此外，人类有时已经完全适应了传感技术带来的信息。因此，建立在庞大信息源网络上的指挥架构更容易受到潜在的灾难性机器与人决策冲突的影响，也容易受到包括对手的欺骗、干扰和遮蔽在内的网络威胁，最终可能导致决策失败。在本文中，研究人员介绍了基于人工智能的概念化可视化分析框架的验证结果。研究人员的最终目标是将成熟的技术整合到本地指挥部和全球物流中心的态势感知技术中，以便在远征多域环境中对航空平台和自主系统进行有效的后勤指挥和控制。关键词：网络中心战、实时决策、人工智能、机器学习、网络安全、可视化分析、态势感知、状态感知系统、基于条件的维护、零维护、物流
1 化学、生物、放射和核 (CBRN) ...
化学、生物、放射和核 (CBRN)（职业管理领域 74）职业发展计划第 1 章职责化学部队的任务是开展行动，保护部队和国家免受大规模杀伤性武器 (WMD)/CBRN 威胁和危害。化学部队的存在是为了在 CBRN 环境中进行大规模作战行动 (LSCO) 的移动和机动。友军必须保留行动自由，并能够在包括 CBRN 环境在内的复杂战场条件下运用各种能力。CBRN 专家计划、进行和评估个人和集体 CBRN 培训，并就各种 CBRN 威胁和危害向各级指挥官提供技术建议。CBRN 专家还计划、准备和执行 CBRN 操作，以支持多域环境中的 LSCO。CBRN 专家使用防御系统，包括 CBRN 侦察和监视系统 (R&S)、CBRN 净化系统和其他 CBRN 危害检测、识别和警告系统。此外，CBRN 专家还支持减少威胁合作和安全合作 (SC)、大规模杀伤性武器拦截行动、CBRN 主动防御、开展选择性大规模杀伤性武器消除行动、CBRN 被动防御、CBRN 后果管理和所有危害响应。化学兵团为陆军提供了一支训练有素的 CBRN 专家队伍，他们可以评估和减轻威胁和危害，同时保护友军免受伤害。第 2 章转型美国模块化部队将组织 CBRN 能力纳入连、营、旅、师、军和陆军级梯队。美国陆军化学兵团的作战概念是开展 CBRN 行动以支持 LSCO，包括打击大规模杀伤性武器和防护作战职能，通过部署排规模的 CBRN 部队和专业技术元素或团队，按任务组织到适当的 CBRN 或其他任务指挥总部。 CBRN 专家的独特之处在于，他们擅长通过大规模杀伤性武器扩散预防、大规模杀伤性武器反制、CBRN 防御和 CBRN 后果管理活动来应对各种 CBRN 威胁和危害，以支持陆军、联合部队和国家的战术、作战和战略目标。考虑到最近发生的事件，尽管国际军备控制努力，许多政府和恐怖组织仍将 CBRN 武器视为关键的权力工具。因此，大规模杀伤性武器和国土安全是国家关注的问题，CBRN 专家已加强了 CBRN 部队保护的高调角色，其范围超出了战术战场，包括对国内外美国主要设施的 CBRN 防御。此外，CBRN 专家必须准备好支持从和平时期军事交战到 LSCO 的突发事件。CBRN 操作的复杂性需要多技能、技术型 CBRN 士兵和领导者，能够执行一系列相互关联的 CBRN 和战士任务。随着陆军组织结构和任务集的发展，CBRN 专家也必须随之发展。CBRN 专家必须在身体上、精神上和道德上做好准备，以应对持续、动态和高节奏的行动所产生的压力，这些压力将成为 21 世纪部队训练和作战部署的特征。