Syntetyczne modelowanie zachowań OpFor: doktrynalne AI przeciwnika

Symulacja szkoleniowa jest tylko tak wartościowa, jak przedstawiany przez nią przeciwnik. Gdy siły przeciwne podążają za przewidywalnymi skryptami, doświadczeni szkoleni przestają rozwiązywać problemy taktyczne, a zaczynają rozwiązywać symulację. Syntetyczne modelowanie zachowań OpFor to dyscyplina inżynieryjna, która temu zapobiega: przekłada doktrynę przeciwnika na ustrukturyzowane, sparametryzowane modele zachowań generujące rozpoznawalne, ale niedeterministyczne zachowanie zagrożenia w każdej instancji ćwiczenia. W artykule omówiono, jak projektować te modele — od ekstrakcji doktryny i projektowania drzew zachowań, przez modelowanie sensorów i integrację ze scenariuszem, po logowanie systemu AI OpFor na potrzeby oceny po ćwiczeniu.

Dlaczego doktryna musi napędzać model zachowań

Podstawowym wymogiem każdego syntetycznego OpFor jest wierność doktrynalna. Przeciwnik zachowujący się w sposób, w jaki żadna realna siła zagrożenia by się nie zachowała, szkoli operatorów przeciwko fikcyjnemu oponentowi. Błędy, które rozwijają — oczekiwania dotyczące zasięgu zaangażowania, zachowania związanego z szukaniem osłony, wzorców komunikacji, czasu wycofania — nie przenoszą się na rzeczywiste operacje. Co gorsza, jeśli OpFor konsekwentnie wygrywa, wykorzystując fizykę symulacji zamiast stosować wiarygodne taktyki, publiczność szkoleniowa uczy się pokonywać artefakty symulacji, a nie doktrynę zagrożeń.

Wierność doktrynalna wymaga zakorzenienia każdego parametru zachowania w źródle: publikacji o zagrożeniu, zwalidowanym raporcie operacyjnym lub danych od ekspertów dziedzinowych posiadających bezpośrednią wiedzę o zagrożeniu. Parametry bez źródła doktrynalnego są założeniami, a założenia kumulują się w fikcyjnego przeciwnika. Dyscyplina śledzenia proweniencji parametrów — rejestrowania, z której wersji doktryny pochodzi każdy parametr — to właśnie to, co oddziela utrzymywalny model zachowań od takiego, który z każdym cyklem aktualizacji oddala się od rzeczywistości.

Doktryna definiuje również granice kompetencji OpFor. Realne siły przeciwnika popełniają błędy: komunikują się z opóźnieniem, błędnie identyfikują cele, reagują na wabiki i nie potrafią koordynować działań między szczeblami pod presją. Syntetyczny OpFor, który nigdy nie popełnia tych błędów, tworzy nadludzkiego przeciwnika testującego tolerancję na frustrację, a nie taktyczne podejmowanie decyzji. Modelowanie doktrynalnej niedoskonałości — wbudowanie wskaźników błędów i opóźnień decyzyjnych charakteryzujących rzeczywiste zagrożenie — jest równie ważne jak modelowanie zachowania zgodnego z doktryną.

Szablony doktryny: warstwa parametryzacji

Praktycznym mechanizmem kodowania doktryny jest szablon doktryny: ustrukturyzowany obiekt danych opisujący, jak określony typ jednostki zachowuje się w pełnym zakresie sytuacji taktycznych, jakie może napotkać. Szablon doktryny dla pieszego oddziału piechoty może zawierać następujące parametry:

Parametry zaangażowania: preferowany zasięg zaangażowania (przedział, nie punkt), maksymalny zasięg zaangażowania przed zerwaniem kontaktu, próg suppresji (część oddziału pod ogniem przed szukaniem osłony) oraz kolejność priorytetów celów (pojazd przed piechotą, punkt obserwacyjny przed patrolem).

Parametry ruchu: preferencja doboru trasy (z osłoną i skrytością vs. najszybsza), interwał patrolu podczas natarcia, odstępy między elementami oraz reakcja na kontakt podczas ruchu (czas i format natychmiastowych działań).

Parametry komunikacji: interwał raportowania do wyższego dowództwa, opóźnienie raportu o kontakcie (czas od obserwacji do transmisji), dyscyplina radiowa (postawa kontroli emisji) i opóźnienie odpowiedzi na odebrane rozkazy.

Parametry wycofania: wyzwalacz wycofania (poniesione straty, stan amunicji, zagrożenie oskrzydleniem), technika wycofania (osłona skokowa vs. zerwanie kontaktu vs. natychmiastowe wycofanie) oraz logika wyboru punktu zbornego.

Parametry te są ładowane przy inicjalizacji symulacji i stosowane do każdej instancji agenta danego typu oddziału w ćwiczeniu. Projektanci scenariuszy mogą tworzyć wiele wariantów — agresywny szablon oddziału wysuniętego i konserwatywny szablon oddziału rezerwowego — bez modyfikowania kodu drzewa zachowań. Szablon jest interfejsem między wiedzą doktrynalną (w posiadaniu ekspertów dziedzinowych) a implementacją zachowań (w posiadaniu inżynierów). Utrzymywanie ich rozdzielnie pozwala obu stronom ewoluować niezależnie.

Drzewa zachowań: architektura wykonania

Drzewa zachowań to dominująca architektura wykonania dla syntetycznych agentów OpFor na poziomie jednostki. Drzewo zachowań to skierowany acykliczny graf przechodzony w każdym takcie symulacji w celu wybrania następnego działania agenta. Drzewo ma trzy typy węzłów, które pokrywają pełną przestrzeń logiki sterowania.

Węzły selektora próbują swoich potomków w kolejności priorytetowej i zwracają sukces, gdy tylko jeden z nich się powiedzie. Selektor rządzący reakcją na kontakt spróbuje najpierw suppresji, potem oskrzydlenia, a na końcu wycofania — kodując priorytet, że siła zagrożenia woli suppressować i manewrować przed wycofaniem się.

Węzły sekwencji wykonują swoich potomków po kolei i zawodzą, gdy tylko jeden z nich zawiedzie. Sekwencja dla ruchu skokowego (jeden element przemieszcza się, podczas gdy drugi osłania) sprawdzi, czy oba elementy są na pozycji, wyda polecenie ruchu elementowi skaczącemu, poczeka na potwierdzenie, a następnie wyda korektę pozycji elementu osłaniającego — zawodząc całą sekwencję, jeśli jakikolwiek krok nie może być ukończony.

Węzły liści to atomowe warunki i akcje: czy wróg znajduje się w zasięgu zaangażowania, czy poziom amunicji jednostki jest powyżej progu, przemieszczenie do punktu nawigacyjnego, zaangażowanie celu, transmisja raportu o kontakcie. Węzły liści wchodzą w interakcję ze środowiskiem symulacji i stanem informacyjnym agenta; wszystkie pozostałe węzły są czystą logiką.

Struktura drzewa zachowań naturalnie mapuje się na wojskową hierarchię podejmowania decyzji. Korzeń reprezentuje aktualną misję jednostki. Poddrzewa na pierwszym poziomie reprezentują główne klasy decyzji: działania ofensywne, defensywne, marsz do kontaktu, wycofanie. Poddrzewa na niższych poziomach reprezentują szczegóły wykonania: dobór trasy, szukanie osłony, zaangażowanie celów, komunikację. Ta hierarchiczna struktura oznacza, że aktualizacja doktryny — na przykład zmiana progu wycofania z 30% strat na 20% — modyfikuje jeden warunek w węźle liścia, a nie całe drzewo.

Architektury hybrydowe dla symulacji na dużą skalę

Czyste drzewa zachowań sprawdzają się dobrze na poziomie jednostki i małego pododdziału. Na poziomie formacji — batalion i wyżej — przestrzeń decyzyjna jest zbyt duża dla drzewa, które może być poddane audytowi przez projektanta ćwiczenia. Syntetyczne systemy OpFor na dużą skalę stosują architekturę hybrydową: drzewa zachowań rządzą wykonaniem na poziomie jednostki i małego pododdziału, podczas gdy planer wyższego poziomu (hierarchiczna sieć zadań lub warstwa skryptowania misji sterowana przez komórkę białą) rządzi decyzjami na poziomie formacji. Planer wydaje rozkazy podległym agentom jednostek, używając tego samego doktrynalnego formatu rozkazów, którego używają ludzcy dowódcy — zamiar manewru, zadania dla podwładnych, instrukcje koordynacyjne — a drzewo zachowań każdej jednostki wykonuje te rozkazy, używając szablonu doktryny dla danego typu jednostki.

Architektura ta zachowuje sterowalność ćwiczenia na poziomie formacji, gdzie projektanci ćwiczenia potrzebują kształtować scenariusz, jednocześnie pozwalając na realistyczną zmienność na poziomie jednostki, gdzie przewidywalność podważa wartość szkoleniową. Jest też skalowalna: planowanie na poziomie formacji działa w interwałach planowania (minuty), a nie w tempie taktów symulacji (sekundy), co utrzymuje zarządzalne obciążenie obliczeniowe dla dużych ćwiczeń. Głębsze omówienie adaptacyjnego generowania scenariuszy zawiera artykuł towarzyszący poświęcony temu, jak silniki AI napędzają scenariusze gier wojennych w wielu domenach.

Model sensora: co wie OpFor

Warunki drzewa zachowań odpytują stan informacyjny agenta, a nie rzeczywistość symulacyjną. To rozróżnienie jest fundamentalne. Węzeł drzewa zachowań sprawdzający "czy w odległości 500 metrów znajduje się pojazd nieprzyjaciela" musi odpytać, co agent zaobserwował lub czego mu powiedziano — nie rzeczywistą pozycję wszystkich pojazdów w symulacji. Model sensora reguluje, jak jest zasilany stan informacyjny agenta.

Kompletny model sensora dla pieszego agenta piechoty określa: maksymalny zasięg obserwacji w dzień i w nocy, prawdopodobieństwo wykrycia w funkcji zasięgu, stan kamuflażu celu i typ tła; opóźnienie między obserwacją a wiarygodną klasyfikacją (odróżnienie pojazdu od osoby na 400 metrach o zmierzchu trwa dłużej niż na 50 metrach w południe); oraz wskaźnik dezaktualizacji informacji — namierzenie pozycji sprzed pięciu minut ma niepewność rosnącą wraz z prawdopodobną prędkością ruchu celu.

Modelowanie komunikacji dodaje warstwę łączącą indywidualne obserwacje ze zbiorowym stanem informacyjnym formacji OpFor. Gdy jeden oddział obserwuje wrogie pojazdy pancerne, raport wędruje w górę łańcucha dowodzenia z opóźnieniem komunikacyjnym określonym w szablonie doktryny, a następnie propaguje się w dół do innych jednostek jako rozkazy odwołujące się do obserwacji. Zbiorowy obraz wroga dla całej formacji jest sumą wszystkich tych obserwacji, przefiltrowaną przez opóźnienia komunikacyjne, poddaną niedoskonałościom ustnych raportów pod presją.

Właściwe zaprojektowanie modelu sensora i komunikacji jest miejscem, gdzie wiele syntetycznych systemów OpFor zawodzi. OpFor reagujący na informacje, których realistycznie nie mógł pozyskać — oskrzydlający siłę, która nie została jeszcze zaobserwowana, wzywający ogień pośredni na cel zgłoszony przez zniszczoną jednostkę — sygnalizuje od razu wyszkolonym obserwatorom, że przeciwnik jest wszechwiedząc. Wszechwiedząc OpFor nie uczy wykorzystywania asymetrii informacyjnych charakteryzujących rzeczywiste starcia taktyczne.

Logowanie decyzji gotowe do AAR

Ocena po ćwiczeniu jest podstawowym mechanizmem uczenia się w szkoleniu wojskowym. Aby wkład OpFor był pedagogicznie użyteczny, instruktorzy muszą być w stanie odtworzyć każdą istotną decyzję OpFor — dlaczego jednostka przemieściła się na określoną pozycję, dlaczego nie zaangażowała się, gdy szkoleni tego oczekiwali, dlaczego wycofała się w danym momencie. Wymaga to ustrukturyzowanego logowania decyzji wbudowanego w silnik wykonawczy drzewa zachowań od samego początku.

Za każdym razem, gdy węzeł drzewa zachowań przechodzi ze stanu nieaktywnego do działającego, lub z działającego do sukcesu lub porażki, silnik wykonawczy emituje rekord dziennika zawierający: znacznik czasu symulacji, identyfikator agenta, nazwę i typ węzła, wartości warunków, które zdeterminowały wynik, oraz wszelkie wygenerowane parametry akcji. Rekord dziennika rejestruje również wejścia stanu informacyjnego, jakie agent miał w danym takcie, dzięki czemu rekonstrukcja jest oparta na tym, co agent wiedział, a nie na tym, co faktycznie się wydarzyło.

Ustrukturyzowany dziennik zasila interfejs powtórki AAR, gdzie instruktorzy mogą przewijać oś czasu ćwiczenia do przodu i do tyłu, wybierać dowolną jednostkę OpFor i oglądać jej sekwencję decyzji nałożoną na obraz taktyczny. Powtórka pokazuje nie tylko to, co zrobił OpFor, ale też co wiedział w każdym momencie — stan informacyjny napędzający każdą decyzję. Ta powtórka "z perspektywy OpFor" jest odpowiednikiem powtórki strony niebieskiej i sprawia, że AAR staje się dwustronną analizą, a nie jednostronną krytyką wyników szkolonych.

Walidacja i utrzymanie modeli zachowań

Model zachowań nie jest artefaktem statycznym. Doktryna zagrożeń ewoluuje, raporty operacyjne z aktywnych konfliktów aktualizują empiryczną podstawę parametrów behawioralnych, a wymagania szkoleniowe zmieniają się wraz ze zmianą obrazu zagrożeń. Traktowanie aktualizacji modeli zachowań z taką samą dyscypliną jak wydania oprogramowania — wersjonowanie, testy regresji, dokumentacja zmian — jest niezbędne do utrzymania wierności doktrynalnej przez całe operacyjne życie modelu.

Przepływ pracy walidacyjnej ma dwie ścieżki. Walidacja techniczna uruchamia model zachowań przez zestaw skryptowanych scenariuszy, których prawidłowa odpowiedź OpFor jest określona przez źródło doktryny. Model zalicza test, jeśli jego zachowanie mieści się w tolerancji zdefiniowanej dla każdego scenariusza — w prawidłowym przedziale zasięgu zaangażowania, wybierając prawidłową technikę wycofania, komunikując się w prawidłowym oknie opóźnienia. Scenariusze te tworzą zestaw regresji: każda zmiana modelu zachowań musi zaliczyć pełny zestaw przed użyciem do szkoleń.

Walidacja przez ekspertów dziedzinowych uzupełnia walidację techniczną oceną ludzką. Oficerowie obszarów zagranicznych lub analitycy posiadający operacyjną wiedzę o siłach zagrożenia obserwują zachowania OpFor w ćwiczeniach swobodnych i oceniają, czy taktyki, techniki i procedury są rozpoznawalne jako modelowane zagrożenie. Ich informacje zwrotne trafiają do szablonów doktryny — korygując parametry, dodając brakujące zachowania, usuwając zachowania przesadzone przez model. Ta pętla walidacji, działająca według zdefiniowanego harmonogramu powiązanego z cyklem aktualizacji zagrożeń, utrzymuje syntetyczny OpFor w ryzach.

Dla zespołów budujących kompletne środowiska szkoleniowe platforma WARG integruje syntetyczne modelowanie zachowań OpFor z możliwościami adaptacyjnego szkolenia wojskowego AI — dostosowując trudność scenariusza obok zachowań OpFor, aby utrzymać optymalny poziom wyzwania dla każdej grupy szkoleniowej przez całą rotację ćwiczenia.