我们的跨越式侦察和攻击飞机——RAH-66 科曼奇和 AH-64 长弓阿帕奇——是现实。我们知道它们目前的能力,并能预见它们为未来战场带来的未来潜力。我们正在根据这些能力制定未来理论。与此同时,研发界和业界继续创造使能技术——数字通信和其他联系——我们需要最大限度地发挥这些系统的潜力。未来的战场将是流动的、快节奏的和非线性的。传统的纵深、近距和后方作战的战场框架将变得越来越复杂和模糊。
虽然 IT/CA 预算由 IT 和网络能力组合而成,但资金主要用于支持 IT 能力。IT/CA 预算中的 IT 部分支持国防部的基础设施(网络、数据中心)、业务管理系统(人力资源管理、财务管理和采购)以及对作战空间(战场感知和指挥与控制)的投资。IT 预算正在稳步增加,以增强国防部的 IT 能力和计划。同样,IT/CA 预算中的 CA 部分也在稳步增加,以支持国防部立即应对网络威胁、减少网络安全漏洞和确保国防部信息优势的努力。
2.陆军作战理论出版物 (ADP) 将陆地机动描述为空中机动和地面机动的结合。除了向岸上投送两栖部队之外,空中机动将由陆军发起和控制。空中机动作战为指挥官提供了快速部署轻型部队和支援机械化和装甲地面部队的能力,无论是作为陆地机动的一部分还是作为投送陆地力量的一种手段。无论是在战术上还是在作战上,它都将是一项持久的要求。1 有效运用空中机动需要理解和实践。空中机动也必须在整个联合部队中灌输。
美国及其盟军的作战行动继续凸显无人系统在现代作战环境中的价值。作战指挥官 (CCDR) 和作战人员重视无人系统的固有特性,尤其是其持久性、多功能性和降低对人类生命的风险。美国军种正在所有领域迅速增加这些系统的部署数量:空中、地面和海上。无人系统为联合指挥官提供了多种能力,使其能够在整个军事行动范围内开展行动:环境感知和战场感知;化学、生物、放射和核 (CBRN) 检测;反简易爆炸装置 (C-IED) 能力;港口安全;精确瞄准;精确打击。此外,这些无人系统提供的能力还在不断扩展。
美国及其盟军的作战行动继续凸显无人系统在现代作战环境中的价值。作战指挥官 (CCDR) 和作战人员重视无人系统的固有特性,尤其是其持久性、多功能性和降低对人类生命的风险。美国军种正在所有领域迅速增加这些系统的数量:空中、地面和海上。无人系统为联合指挥官提供了多种能力,以在各种军事行动中开展行动:环境感知和战场感知;化学、生物、放射和核 (CBRN) 检测;反简易爆炸装置 (C-IED) 能力;港口安全;精确瞄准;精确打击。此外,这些无人系统提供的能力还在不断扩展。
在岛礁上部署支持中国信息中心战战略的飞机更有可能利用有限的大型飞机支持基础设施。解放军可能会将岛礁资源用于能够执行指挥、控制和通信 (C3);情报、监视和侦察 (ISR);或电子战的飞机,通常称为特殊任务飞机。根据中国的信息化战争战略,这些平台代表了南海冲突中最重要的能力,解放军将寻求在冲突中实现战场信息控制。在岛礁上飞行的 C3 和 ISR 飞机反应更快,在南海的停留时间比从中国大陆起飞的特殊任务飞机多 3 到 4 个小时。
美国及其盟军的作战行动继续凸显无人系统在现代作战环境中的价值。作战指挥官 (CCDR) 和作战人员重视无人系统的固有特性,尤其是其持久性、多功能性和降低对人类生命的风险。美国军种正在所有领域迅速增加这些系统的部署数量:空中、地面和海上。无人系统为联合指挥官提供了多种能力,使其能够在整个军事行动范围内开展行动:环境感知和战场感知;化学、生物、放射和核 (CBRN) 检测;反简易爆炸装置 (C-IED) 能力;港口安全;精确瞄准;精确打击。此外,这些无人系统提供的能力还在不断扩展。
与此同时,现代冲突区从线性战场转变为横跨多个领域和维度的广阔战场,对战争的认知方面提出了更高的要求。最近的战役凸显了技术上更先进的 C4ISR 在所有冲突层面上提供的优势,现在人们越来越接受 C4ISR 能力对军事理论的影响。决策者正在寻求更优化的传感器几何形状以增强覆盖范围,以及通过安全、普及的通信网络实时流动信息,以实现信息优势。先进的数字工具和数据处理能力正在得到利用,这将有助于简化决策流程并缩短 OODA 周期。
美国及其盟军的作战行动继续凸显无人系统在现代作战环境中的价值。作战指挥官 (CCDR) 和作战人员重视无人系统的固有特性,尤其是其持久性、多功能性和降低对人类生命的风险。美国军种正在所有领域迅速增加这些系统的部署数量:空中、地面和海上。无人系统为联合指挥官提供了多种能力,使其能够在整个军事行动范围内开展行动:环境感知和战场感知;化学、生物、放射和核 (CBRN) 检测;反简易爆炸装置 (C-IED) 能力;港口安全;精确瞄准;精确打击。此外,这些无人系统提供的能力还在不断扩展。
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》。
