预测对手位置并建模不确定性

当前战斗仿真软件在自动化规划方面的开发，普遍没有把战争迷雾纳入方法之中。这份论文要回答的正是这个缺口：当人工智能控制的部队拿不到人类指挥员在同等情况同样拿不到的情报时，它还能不能做出合理的规划？作者 Kenneth J. Maroon 的判断是，让 AI 直接读取精确的敌军位置，会使仿真输出失真，因为现实规划中本就不存在这种精确性。对做作战仿真、自动化规划和 AI 行为建模的人来说，这个问题今天仍然成立：仿真里的 AI 越“全知”，用它检验出来的方案就越不可信。

论文给出的是一套方法，而不只是问题陈述。它让 AI 代理依据典型的情报产品去预测和评估敌军可能所在的位置，并进一步把这些位置所对应的风险影响聚合起来。研究工作在 Naval Postgraduate School 的 MOVES Institute 完成，方法在战斗仿真环境中演示，并在多个战斗场景下评估性能。从论文列出的主题词看，覆盖面包括建模与仿真、自动化规划、战斗建模、预测建模、风险评估、人工智能以及编队评估，线索是从情报输入一路走到风险输出。标题把“预测对手位置”和“建模不确定性”并列，也提示这两件事在作者那里是同一个问题的两面。

关键判断之一是“信息对等”。论文明确提出，一支由人工智能控制的部队，应当在缺少人类在同情况下同样拿不到的信息时仍能运作。换句话说，AI 不该因为接口方便就获得人类没有的战场态势。这一点针对的是现有仿真软件的普遍做法：不处理 fog-of-war，直接把精确敌位交给规划器，作者认为这使输出不够真实。这是一个方法论层面的批评，而不只是工程实现上的瑕疵——它质疑的是仿真结论的可信度来源。

关键判断之二是关于方法的有效性。论文不只预测位置，还提出把不同可能位置的风险含义聚合起来的方法；用作者的话说，结果显示了不确定性在战斗仿真中的重要性，也说明其风险聚合方法可以是有效的。需要说明的是，材料给出的结论是方向性的——“有效”是在作者设置的多个战斗场景中评估得出的，摘要层面没有给出具体的误差指标或对比数值。因此读者能确认的是方法被实现、被演示、被评估，并得到了正向结论，但无法从摘要判断其精度量级。

这些结论意味着什么？我的解读是：它把不确定性从仿真里一个可以忽略的装饰项，变成了规划回路中的一等公民。如果 AI 必须像人一样在情报不完整时决策，那么对 AI 规划的评估标准也要跟着变——不再只问它在已知敌位下能不能赢，而要看它在敌位不确定时如何下注、如何承担风险。对实践的影响有两层：做仿真的人需要重新考虑给 AI 喂什么信息；做 AI 规划的人则需要一个能把位置分布转成风险度量的环节，而论文提供的正是这样一个环节的描述。

这份资料适合做作战仿真、自动化规划、AI 行为建模与风险评估的读者，尤其是关心“仿真里的 AI 是否公平地受制于战争迷雾”这一问题的同行。读完可以拿走的是一套问题框架和一条方法链路：从典型情报产品出发，预测敌方位置，聚合风险，再在仿真场景中检验。边界也需要说清楚：它是一篇博士学位论文，结论建立在作者选定的战斗仿真环境和多个场景之上，材料中没有给出跨环境的泛化验证，也没有给出可复用的量化基准；如果要在自己的系统里落地，仍需要按自己的场景重新做评估。论文经批准公开发布、分发不受限制，获取本身没有门槛，但这不改变其结论的场景依赖性。

PREDICTING OPPONENT POSITION AND MODELING UNCERTAINTY Title PREDICTING OPPONENT POSITION AND MODELING UNCERTAINTY Item Type Thesis Authors Maroon, Kenneth J. URI https://hdl.handle.net/10945/66102 Publisher Monterey, CA; Naval Postgraduate School Date Issued 2020-09 Rights This publication is a work of the U.S. Government as defined in Title 17, United States Code, Section 101. Copyright protection is not available for this work in the United States Download date 2026-11-04 22:58:20 Link to Item https://hdl.handle.net/10945/66102 Downloaded from NPS Archive: Calhoun NAVAL POSTGRADUATE SCHOOL MONTEREY, CALIFORNIA DISSERTATION PREDICTING OPPONENT POSITION AND MODELING UNCERTAINTY by Kenneth J. Maroon September 2020 Dissertation Supervisor: Christian J. Darken Research for this dissertation was performed at the MOVES Institute. Approved for public release. Distribution is unlimited.