基于深度学习的多导弹规避态势感知
机器学习
2024-02-16 v1 人工智能
摘要
随着空对空导弹有效射程的增加，人类操作员越来越难以保持维持无人机（UAV）安全所需的态势感知能力。在本工作中，我们提出了一种决策支持工具，以帮助 UAV 操作员在超视距（BVR）空战场景中评估不同选项的风险并据此做出决策。早期的工作侧重于单一导弹构成的威胁，而在本工作中，我们将这些思想扩展到多导弹威胁。所提出的方法使用深度神经网络（DNN）从高保真仿真中学习，为操作员提供一组不同策略的结果估计。我们的结果表明，所提出的系统能够管理多个来袭导弹，评估一系列选项，并推荐风险最小的行动方案。
引用
@article{arxiv.2402.10101,
title = {Deep Learning Based Situation Awareness for Multiple Missiles Evasion},
author = {Edvards Scukins and Markus Klein and Lars Kroon and Petter Ögren},
journal= {arXiv preprint arXiv:2402.10101},
year = {2024}
}