跳到正文
arXiv cs.AI· Matthew L. Corbett·· 10 小时前AI 评分25

AGAMOTTO:面向时间敏感战术行动方案评估与生成的 AI 框架

AGAMOTTO: An AI-Enabled Framework for Time-Critical Tactical Course-of-Action Evaluation and Generation

AI 导读

美国陆军 NGC2 项目下的 AGAMOTTO 框架正在开发中,用于在实时作战中动态探索行动方案(COA),弥补现有 C2 平台缺乏集成仿真能力的短板。初步实验验证了该框架的可行性,同时揭示了 AI 工具在作战环境中部署的潜在收益与实际约束,并提出一套可行的训练策略。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:当前的指挥与控制(C2)平台缺乏集成仿真能力,无法让指挥官在实时行动中动态探索行动方案(COA)。本文介绍了作为总体 NGC2 计划一部分的 AGAMOTTO(面向军事行动、战术威胁与结果的高级指导与分析)开发中的持续研究与贡献,该计划推进了陆军对战术突击套件(TAK)等 C2 系统的现代化工作。本文概述了当前设计、初步发现以及剩余研究任务,重点说明已完成的工作将如何支持未来时间受限环境下的战术决策。虽然完整系统仍在开发中,但初步开发与结果已证明 AGAMOTTO 的可行性。早期实验既凸显了在作战环境中部署 AI 赋能工具的潜在收益,也揭示了实际约束,并介绍了经验教训以及一种可行的训练策略,以使 AI 生成的 COA 在战术场景中可行。
主题: 人工智能(cs.AI);机器学习(cs.LG)
引用为: arXiv:2611.24568 [cs.AI]
  (或 arXiv:2611.24568v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24568

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Matthew Corbett [查看电子邮件]
[v1] 2026年11月18日星期三 15:04:02 UTC(7,162 KB)

来源:arXiv cs.AI · arxiv.org