COA-GPT:用于加速军事行动方案制定的生成式预训练Transformer
人工智能
2024-03-29 v2 计算与语言
人机交互
机器学习
摘要
在军事行动中制定行动方案(COA)传统上是一个耗时且复杂的过程。针对这一挑战,本研究提出了COA-GPT,一种利用大语言模型(LLM)快速高效生成有效COA的新算法。COA-GPT通过上下文学习将军事条令和领域专业知识融入LLM,使指挥官能够输入任务信息(文本和图像格式),并接收战略对齐的COA以供审查和批准。独特的是,COA-GPT不仅加速了COA制定,能在数秒内生成初始COA,还支持基于指挥官反馈的实时优化。本研究在军事化版本的《星际争霸II》游戏中,于军事相关场景下评估了COA-GPT,并将其性能与最先进的强化学习算法进行了比较。我们的结果表明,COA-GPT在更快速地生成战略合理的COA方面具有优越性,并具有增强的适应性和与指挥官意图的一致性。COA-GPT在任务期间快速调整和更新COA的能力为军事规划带来了变革潜力,特别是在解决规划差异和利用突发机会窗口方面。
引用
@article{arxiv.2402.01786,
title = {COA-GPT: Generative Pre-trained Transformers for Accelerated Course of Action Development in Military Operations},
author = {Vinicius G. Goecks and Nicholas Waytowich},
journal= {arXiv preprint arXiv:2402.01786},
year = {2024}
}
备注
Accepted at the NATO Science and Technology Organization Symposium (ICMCIS) organized by the Information Systems Technology (IST) Panel, IST-205-RSY - the ICMCIS, held in Koblenz, Germany, 23-24 April 2024