美国海军反水雷能力中的无人装备和AI技术

来源：数字海洋与水下攻防

作者：Whitehead 编译

 

美国海军正在寻求用AI和无人系统支持其反水雷作战。这是在舰队军官对海军目前的反水雷作战能力表示担忧的背景下进行的。

美国海军（US Navy，USN）反水雷（Mine Countermeasure，MCM）军官说，UUV的进步与高速发展的人工智能（Artificial Intelligence，AI）和机器学习（Machine Learning，ML）相结合，将开创 MCM作战的新时代。

于2024年5月21日在美国圣迭戈（San Diego）举行的“2024年国际水雷战技术论坛”（International Mine Warfare Technology Symposium）上，“远征任务”（Expeditionary Mission）项目办公室的项目经理Jon Hasse上校说：“从搜救任务到情报搜集和海上安全，AI驱动的UUV可能将颠覆我们实施水下作战的方式。”

在这次会议上，USN的远征战（Expeditionary Warfare）副主任David Chase说：“用AI和ML技术改进的传感器已用在水雷战的侦察行动中。”

USN执行MCM作战任务的指挥官担心，与老式的“复仇者”（Avenger）级MCM舰所执行的作战任务相比，海军将部署的临时性MCM装备可能会使任务执行更加困难，并具有更大的不确定性。临时措施将主要依赖 濒海战斗舰（Littoral Combat Ship，LCS）上的MCM任务包以及一些远征资产。

第5舰队的第52特混舰队（Task Force 52）司令Robert Paco在本次论坛的小组讨论中说：“他们说我将不会失去能力，但我不同意，我确实失去了能力。虽然我仍可猎雷和搜索水下……，但当你失去了像机械扫雷这样的装备，那就太严重了。”

他补充道：“我缺乏的正是我需要的能力”。他承认MCM资产和平台的转变代表了未来一代MCM工具的转变。“他们正要求我们承担巨大的风险。”他指出，目前在役的“复仇者”级MCM舰必须被替换。“她们需要全寿命保障，维持这些舰船是一项挑战。”

近年公布的美国海军30年造船计划要求：在2025财年拆除4艘MCM舰，在2027财年拆除另外4艘。每艘舰都超出了30年服役寿命。根据计划，USN的目标是用LCS取代“复仇者”级MCM舰。

根据这项计划，USN的2025财年预算建议“继续聚焦于LCS的水雷战和水面战（SuW）能力，取消该级舰的反潜战任务”。“2025财年的预算建议将LCS项目调整为：维持10艘‘自由’（Freedom）级LCS专用于SuW；而将海军对‘独立’（Independence）级LCS的需求减为15艘，专用于MCM任务。”

 

1 障碍犹存

Chase指出，为推进该项计划，USN需从美国国会获得2份单独的豁免。他说，“一是禁止我们将‘复仇者’级MCM舰退役”，此外，美国海军部长Carlos Del Toro必须证明、且作战试验与鉴定局局长（Director of Operational Test and Evaluation）必须认可“退役之前我们已部署了同等的能力”。

他说，模块化MCM任务包与LCSs上无人系统的组合，以及对远征MCM能力的补充，将为USN提供他们所需的能力。期望在今年完成水雷战战略的制定。

Paco上校说：“不管是否愿意，LCS正在逐渐装备。在拥有下一代UUV及其母舰之前，LCS只不过是一个过渡性解决方案。她将伴随着挑战。”

尽管“复仇者”级MCM舰存在维修方面的挑战，但他说可围绕这些问题制定计划。“我从未使用过LCS，不存在基线能力，没有使用历史，我们完全不了解LCS。我们所拥有的LCS数量并非真实的数量，它们仅是试验舰的数量。我们不得不将系统投入战区并使用它。”

 

2 可靠性问题

海军水面战中心巴拿马城分部（Naval Surface Warfare Center，Panama City Division，NSWC PCD）技术总监Peter Adair同意这一观点：部署新型MCM资产存在不确定性。“我们有很好的解决方案，但他们会在需要时发挥作用吗？”Adair在论坛的发言中问道。

他说，最大的未知因素之一是可靠性，可靠性不足对以前的遥控猎雷系统（Remote Minehunting System）——即LCS早期开发阶段的无人平台来说是致命的。

Adair说：“我们低估了可靠性的重要程度。我们把它送到第5舰队会得到什么？”正如Paco上校所说的，“那是纸面性能，但我们是要将它投入到真实世界中。”

Paco上校说，海军MCM的供应商应关注于已部署和将部署的系统，而不是生产新型系统。“在你给我第5代UUV之前，拥有第2代UUV是件好事。……虽然我有，但还不够训练用。”

他说，并不操心下一代MCM机器人，“如果我有很多第2代UUVs，我就能做比现在多得多的事，这比生活在未来装备的承诺中要好的多。第2代UUV是计划内项目（programme of record，POR），但我们仍然没有足够的装备。”

Haase上校称，第2代UUV的生产模型，如最新型HII REMUS航行器，明显优于第1代UUV。它们具有航行器上AI（onboard AI）、航行器间的合作自主性、以及先进的测距传感器。他说：“这些技术具有商业可行性，已具备生产条件。”

他说，航行器上AI使UUV能自主执行某些任务，并根据传感器数据做出基本决策；合作自主性使UUV能够与其它UUV或系统一同工作，完成复杂的任务。

他说，第2代UUV传感器使它们可收集更多种类的环境数据，包括水温、盐度、压力和图像。更强的传感器能力使第2代UUV的用途比它们的前辈广泛得多。

3  第3和第4代UUV

Haase上校也夸赞了第3代UUV的潜力，如HII公司正在开发的“狮子鱼”（Lionfish），它采用了更强的赛博防护措施和更加模块化的设计，可执行更多的任务。他说：“可根据手头的具体任务调换不同的任务模块”，与前几代UUV相比，它的航程更远。

Haase上校也展望了第4代UUV，它们将具有以下特点：先进的AI处理能力；跨平台合作和自主性；采用诸如“星链”（ Starlink）或“柯依伯”（Kuiper）（译注：亚马逊公司2022年开始发射的互联网卫星）等通信网络的舷外高带宽通信；更远的航程；更小的延迟；

更新的计算芯片；扩大的作战包络；以及更多类别的任务载荷。

目前正在一些地方进行这些平台的实验，如在NSWC PCD以及靠近美国海军陆战队位于加利福尼亚海岸的彭德尔顿营地（Camp Pendleton）附近，对各种平台、系统、传感器和软件的不同组合进行实验，以求取得MCM能力的突破。

Chase称，海军陆战队对先进的MCM能力特别感兴趣，因为他们在近岸作战，尤其是他们期望开发和部署新一级中型登陆舰（Landing Ships Medium，LSM）。

同样，海军也在不断更新运用这些感知手段的方法。例如，海军正在寻求UUV在海上自主航行而不被渔网缠绕的方法。

借助现今可完成的传感器、处理和潜在的虚拟仿真技术，海军正在“渔网和水下结构避碰”（Avoidance of Nets and Underwater Structure）项目中研究UUV的“弹性”恢复力，将UUV前视声呐集成到“海军部模块化声学模拟工具集”（Modular Acoustic Simulation Toolset of the Department of the Navy，MASTODON）项目中。该项目属于USN的“海洋环境战术感知”（Tactical Awareness of Maritime Environment，TAME）组合项目。

在NSWC PCD开发的MASTODON是一套基于物理的声学模拟器，它能复制传播损失、目标强度和成像声呐时间序列。该模拟器利用现代编程实践经验，集成了传播、波束指向性、目标散射、海底混响和环境噪声等各类模型。

 

图3 美国海军陆战队利用彭德尔顿营地外的水域测试MCM系统

4 数据使用的进展

海军研究办公室（Office of Naval Research，ONR）“水雷战及海洋工程项目”（Mine Warfare & Ocean Engineering Programmes）的项目经理Emily Median在会上说：“我们在如何使用数据方面正在取得进展。”

ONR正在寻找完成航行器上处理、实现更大程度的模块化、增加远程操作距离的方法，并着眼于非圆柱形平台和更加微型化的平台。

另一项TAME工作是声学同步定位和绘图，这要用多波束前视UUV声呐来提取环境特征。所获得的声呐图像然后被转化为稀疏点云形式。

TAME中也包括“基础设施系统的自主定位和监视”（Autonomous Localization and Monitoring of Infrastructure Systems）项目，项目将UUV平台、AI技术、航行器上处理技术和前视声呐组合在一起，开发NSWC所说的“受感知影响的自主性”（perception-influenced autonomy）。

其基本思想是：UUV针对环境和从环境中感知到的信息进行调整，以更好地执行任务和按需修改任务。

例如，一艘UUV可能正在跟踪一条海底管道，同时注意到另一个新目标并决定如何去处理它——是否中断原先的任务；或继续执行原任务，然后再返回到新目标；或采取某些其它行动。

Haase上校正计划利用更大的AI潜能和UUV来开发他所说的“wetEdgeOps”（湿端边缘计算）（ 译注：EdgeOps™是一种纯软件解决方案，将先进的AI和ML分析与基于终端的分布式控制平台相结合），以帮助减小UUV作战中的时延，为较早的硬件升级构建模块化架构。

5 即插即用能力 (drop-in capability)

Hasse上校正在寻找具有即插即用加速器功能的系统，如：图形处理单元、现场可编程门阵列、以及专用集成电路。

他承认在试图以有限的电池和处理能力提高水下计算能力和克服大时延方面存在困难。他说，如能在UUV上处理数据和采用边缘AI（Edge AI），就无需再将数据送回中央服务器处理。

他解释道：“这将明显减少时延，允许UUV对环境作出实时反应。这对于像避碰、威胁探测、自主导航这类任务是十分关键的。”

AI也能用于融合UUV上来自多传感器的数据，如相机、声呐、光探测和测距装置等，使UUV能够构建出更全面的周围环境的图像。他说，采用边缘AI后，即使与中央服务器的通信中断，UUV也能继续工作，因为航行器能基于它收集到的现场数据做出决策。

6 “抗脆弱”（Antifragile）资产

Haase上校建议，由AI锚定的UUV能够成为USN的“抗脆弱”（Antifragile）系统，因为它们从高强度作战中获益，并且“不仅能在故障中幸存下来，还能从中吸取教训，今后进一步改善性能。”

Haase上校说：“通过嵌入机器学习、计算机视觉和路径规划算法，我们能使UUV更加智能和自主，而且还能从它们的经验中学习和调整适应。这就是AI成为反脆弱UUV背后的驱动力的原因。”

因此，Haase上校要求为UUV开发一种类似于商业飞机上的黑匣子，以收集所有任务期间的数据，特别是故障数据。

Haase上校说：“数据分析是解锁抗脆弱UUV真实能力的关键。通过将原始数据转换为有价值的信息，这些工具使我们可持续提高UUV的能力。”

正如Paco上校所说，USN仍需要更多的平台，无论它采用是什么技术，或仅是为了应付当前的作战行动。

7 CoCo MCM

Haase上校建议解决装备短缺的一种途径是采用“承包商拥有-承包商运营”（contractor-owned contractor-operated，CoCo）MCM UUV的方式，如最近部署在海湾地区的UUV（译注：CoCo方式类似于“湿租”，如美国空军在阿富汗战争中试用尚未装备的MQ-9无人机，无人机的产权和操控人员都归属生产商。传统装备采用的是“政府拥有-政府运营”（goverment-owned goverment-operated，GoGo）的方式。而美国国家实验室大多采用政府财产托管方式——GoCo（goverment-owned contractor-operated），即国家投资、政府拥有，但交由大学或研究机构运营管理）。

他说，这类UUV不会取代当前的项目、流程、舰队资产。相反，这些航行器是需以最佳成本快速部署大量UUV时的备选和补充方案。

Haase上校称，CoCo UUV也能加速新技术的进步，创造海军和工业领先企业间的更紧密的伙伴关系，并提供更灵活的合同订立方式。

他说，承包商拥有的UUV能够帮助海军增强水下能力，提高对水雷和其它水下威胁的探测和分类能力、对关键海上基础设施的监视能力、支援军事行动的情报收集能力。

他指出，CoCo UUV的灵活性能帮助海军针对每项任务选择最适合的UUV。“不像政府拥有的UUV那样可能受到地理位置的限制或需要冗长的部署过程，CoCo UUV能迅速部署在全球任意位置。这对于对意外事件或局势的快速响应特别有价值。可针对各种任务对不同的UUV进行剪裁，如可将MCM UUV重新配置为海床精细制图UUV。”

他也指出，由于CoCo UUV无需像政府拥有的UUV那样承受相同的官僚主义障碍，承包商能够更迅速地将新技术嵌入到设计之中。但是，Haase上校也提到了一些问题，包括：赛博安全、政府监督、无经费支持的需求、对试验与评估的担心以及配置管理困难等问题。

虽然CoCo UUV有助于解决规模问题，但USN舰队官员也表达了另一点重要的担心：如何使MCM在作战运用上更便于理解。

MCM第7中队指挥官Tony Hyde上校在战争论坛的分组讨论中说：“我们不得不将MCM中难以理解的内容翻译成指挥官能够理解的概念。MCM非常技术性，我们的指挥官并不理解MCM的专业语言。”

Haase上校承认那些规划的任务与MCM操作者之间存在困难。“规划人员经常使用MCM专业人员可能不熟悉的技术术语，而AI能够将复杂的语言翻译为清晰、简洁的短语，从而架起他们之间沟通的桥梁。这改善了交流沟通，确保参与行动的每名成员对计划都有清晰的理解。”

8 生成式AI

特别是，Haase上校建议，生成式AI（generative AI）能够帮助改变USN规划、执行和修改MCM任务的方式。他说：“与传统AI不同，生成式AI擅长创造全新的现实数据（realistic data）——从文本到图像、甚至代码。”

他指出生成式AI有几种加强MCM工作的方式：

1）基于有限的数据或既往遭遇，生成雷区的实际模拟（realistic simulations）；

2）为各种MCM资产优化搜索模式和部署策略；

4）开发生成式模型，为高效传输而压缩大量声呐和传感数据；

5）实现各MCM单位之间的实时数据分发共享，加强态势感知。

Haase上校指出，高效的数据压缩使各类MCM资产之间可实现通信。此外，还可用生成式AI开发一种交互式规划助手，为更好的任务目标理解和海量数据分析提供“规划对话”功能，以此来帮助MCM任务规划人员。利用该技术，可使根据新的情报和数据不断完善计划的工作变得更加容易。

当基于新的情报或实时传感器数据完善优化计划时，生成式任务设计（generative mission design）能更好地利用任务参数和威胁评估结果来生成多种实际雷区模拟，并推荐优化的搜索模式和MCM资产部署策略。

Haase上校说：“生成式AI能考虑各种复杂变量，如用人工来完成这项工作，则是非常复杂和耗时的。通过考虑诸如电池寿命、数据传输率和水兵的专业知识等因素，AI能制定出使效率和效能最大化的分配计划。”

他补充道：“传统数据传输依靠发送原始声呐图像，而生成式AI引入了一种新的范式（paradigm）。既能理解图像又能理解文本的多模态语言模型（multimodal language models），能够分析声呐数据和创建全面的描述（deions）。这些描述然后被发送出去，而无需再发送原始图像。”

Haase上校说，生成式AI在数据传输方面的一个重要优点是大幅减小了数据规模，“由于仅发送描述而不是图像，AI能大幅缩短发送时间和大幅减小所需的带宽。这特别有利于远程作战或以有限的可用带宽共享态势。”

他说，由于数据传输能力受限，直到目前为止，水下航行器的航程都受到很大限制。生成式AI已经改变了这一切。“由于将数据压缩为较小的描述，AI使通信距离延长。这扩大了MCM航行器的作战区域，并为任务规划人员提供了更大的部署资源的灵活性。”

他解释道，在对抗水域，浮到海面进行数据传输的水下航行器可能面临着很大风险。“生成式AI提供了一种改变游戏规则的解决方案。借助AI驱动的压缩，数据能从水下传输到一个中央节点，继而被中继转发到作战中心。这就不再需要航行器浮出水面，可提高任务的安全性和隐蔽性。”

他说，AI可实现高效的水下数据传输。“中央节点被策略性地置于水下，作为中继节点，接收来自航行器的数据并将其发回作战中心。航行器无需浮出水面，由于航行器保持在水下，就大大提高了任务的安全性和隐蔽性。”

图4 遥控猎雷系统（Remote Minehunting System）被证明太不可靠，无法继续开发

9 AI的局限性

然而，Haase上校承认，在发展这一能力过程中仍存在很大挑战。

MCM数据可能很复杂，涉及多方面，包括声呐图像、传感器读数以及环境因素。准确和完全标记这些数据是一项很大的挑战。要训练有效的生成式AI模型，大量经过标记的数据是必不可少的。

他指出，训练用于MCM的生成式AI模型需要很多计算机资源和专业技能。

他承认，将生成式AI与现有MCM系统相集成是一项挑战，特别是考虑到数据兼容性和通信协议。

Haase上校也提到了AI的局限性，特别是在编写长而复杂的文件时所遇到的技术困难。它目前还不能针对难题提出专家建议和方案推荐，它还不适合于执行数学任务，甚至一些简单的计算。

10 下一代UUV

在Haase上校的脑中，已有了第5代UUV的图像。

他说，“它代表了一种水下战范式（paradigm）的转变”，并指出，这些UUV将被设计为一次性的，这就降低了与部署UUV相关的风险和成本。它们也将具备先进的联网能力，实现航行器间的水下和水面实时通信和协同。

他说：“第5代UUV（Gen 5 UUVs）将真正具备多任务能力，适合于各类航行任务。它们将具有位置保持能力以实现精确导航，甚至装备用于与环境交互的机械手。最后，第5代UUV能装备炸药，以用于攻势作战。”

他说，这些UUV将不依赖于投送的舰船，也将不受电池的约束。它们装备多模态AI，采用生成式AI用户接口，并能通过增材制造和坞站进行自修复。

Haase上校说：“第5代UUV的引入将从根本上改变水下战的格局。它们被设计为一次性使用的消耗品，可大量部署和进行持久的水下监视，在情报收集和早期威胁探测方面具有明显优势。这些UUV的自主作战能力或协同蜂群能力创造了新的战术可能性，可能引领分布式作战，使敌方防御系统应接不暇。”

然而，他指出，仔细考虑相关的挑战是十分重要的。诸如自主武装系统的国际规则、赛博安全威胁、大规模部署一次性UUV对环境造成的潜在影响等问题需要得到解决，以确保负责任地开发和使用这些技术。

原文评述

尽管USN对其反水雷作战更加直言不讳，但海军也一直在寻找将MCM技术用于攻势布雷的方法。

例如，海军研究生院（Naval Postgraduate School）的学生们一直在研究如何充分利用无人海洋航行器的潜力，类似于毒品贩子使用的航行器，作为运载和投送武装的“卡车”。然而，正如Chase所指出的，USN已至少是暂时地中断了快速打击型（Quickstrike）空投水雷布放系统的开发，尽管海军仍在考虑发展这种能力。