【防务动态】DARPA：新能力的关键是算法而不是平台
作者：中国航空工业发展研究中心 张洋
DARPA2016年度展示日："致力于加快改变游戏规则的技术转型"
更多关于DARPA的文章，请回复DARPA查阅！
[据美国《航空周刊与空间技术》网站2016年5月13日报道]2016年5月11日，美国国防部国防高级研究计划局（DARPA）在国防部举行了演示日活动。如果这个活动是在20世纪70年代至90年代举行的，那么它会一直聚焦于先进的平台，例如隐身技术演示验证机、无人机或X飞机。
本次演示日上仍有平台模型，例如赢得“垂直起降实验飞机”项目竞争的“雷击”（LightningStrike）分布式电驱动飞行器，以及“海上猎手”（Sea Hunter）无人驾驶反潜水面艇等，它们也吸引了观众的注意力。但是也有许多用于展现天空中纵横交错的数字流的动画演示，这种数字流将有人驾驶和无人驾驶飞机连接在一起。对这些，人们谈论的是算法，而不是平台。
DARPA也曾经是计算和软件的先锋，例如它曾创造因特网。但是，它的许多标志性突破都与硬件有关：卫星导航、精确弹药、“海弗蓝”（F-117的前身）。但现在，DARPA正在越来越多地将智能加入军用系统。该局许多专项计划面对的问题是新的平台或者引入新能力与新技术的机会在变少，例如美军目前计划使用洛马公司的F-35长达60年时间，而美国下一种新型战斗机在2030年前不会出现。这样，就需要把各项新能力赋予给现役的各种平台，其挑战在于这些平台专有的任务系统通过带宽有限又脆弱的数据链交换信息，而插入新能力必须比对手做得更快和更有经济可承受性，这样后者就没有时间做出反应，或者需要耗费更多的成本进行应对。
对此，美国工业界正在为它们各种封闭的架构发展开放式任务系统，这样就能在无需对整个武器系统进行费时费钱的重新认证的情况下增加软件和硬件。DARPA的重点则是利用这种开放性，通过使用软件算法为现有各种平台带来各项新的能力。
一个案例是该局的“对抗环境中的目标识别与适应”（TRACE）专项，旨在为驾驶舱引入机器学习算法，帮助驾驶员在与某个目标或威胁交战时维持态势感知。该专项的总目标是在3秒内自动地定位和识别一个目标，而一名驾驶员解译一幅显示器上的合成孔径雷达图像可能需要花费4分钟。该专项面临的挑战是机器并没有数百万幅图像，用来学习如何识别一辆坦克与一辆导弹发射车之间的区别，或识别一辆在外场被改装过的车辆。因此，DARPA正在利用建模和迁移学习来训练该系统，其中后者允许算法利用相似度来推断识别一辆现有车辆的改装版。
另外一个案例是该局的“分布式作战管理”（DBM）专项。它旨在发展决策助手，帮助人类操作员们在对抗环境中、在数据链遭到干扰的情况下，仍有序地驾驭由有人驾驶和无人驾驶平台、它们的传感器、电子战系统和武器组成的体系级网络。DBM既瞄准作战管理平台，又可用于战斗机个体。它包括了实现以下功能的算法：（1）自主性。使战斗机驾驶员能够管理无人驾驶的僚机；（2）态势理解。能在网络间利用最少的带宽融合和共享通用态势图像。（3）操作员工具。允许在通信得不到保障的环境中自适应地规划和控制。
此外，DARPA还在实施“拒止环境中的合作式作战”（CODE）项目。这是一个瞄准自主性的项目，旨在发展算法，使现有无人机能够通过建立编组增加新能力（例如干扰机或武器），从而在它们设计时未曾考虑的对抗空域中使用。CODE项目将发展一套开放式架构，为个体平台增加自主性，使它们能够合作，并提供让人类能够为编组设定各项目标的接口。CODE和DARPA的其他项目正在为DARPA的“体系集成技术与实验”（SoSITE）项目提供各项能力。2017年，DARPA将开展一系列SoSITE项目试飞，评估有人驾驶和无人驾驶平台不同混合的效能。该项目是DARPA确认是否能为现有系统带来各项新能力的早期试验，实验只会针对在册项目或那些正在准备中的项目。因此，不会允许有神奇的发明，但各种算法就是。
前沿君微信：tech9999
投稿邮箱：13355524@qq.com