Синтетичне моделювання поведінки OpFor: ШІ-противник на основі доктрини

Навчальна симуляція має цінність рівно настільки, наскільки реалістичний противник, якого вона демонструє. Коли ворожа сторона діє за передбачуваними скриптами, досвідчені учасники навчань перестають вирішувати тактичні задачі і починають «розгадувати» симуляцію. Синтетичне моделювання поведінки OpFor — це інженерна дисципліна, що запобігає цьому: перетворення доктрини противника на структуровані, параметризовані моделі поведінки, які відтворюють впізнавані, але недетерміновані дії загрози в кожному екземплярі вправи. У цій статті розглядається, як архітектурно будувати такі моделі — від витягання доктрини і проектування дерев поведінки до моделювання сенсорів, інтеграції сценаріїв та журналювання системи ШІ OpFor для розбору після виконання завдання.

Чому доктрина повинна керувати моделлю поведінки

Основоположна вимога до будь-якого синтетичного OpFor — доктринальна вірність. Противник, що поводиться способами, якими жодна реальна сила загрози не поводилася б, навчає операторів протидіяти вигаданому опоненту. Помилки, які вони формують, — очікування щодо дистанції вогневого контакту, поведінки при пошуку укриття, зразків зв'язку, часу відходу — не перенесуться на реальні операції. Гірше того, якщо OpFor систематично перемагає, експлуатуючи фізику симуляції замість застосування правдоподібної тактики, аудиторія навчань вчиться перемагати артефакти симуляції, а не доктрину загрози.

Доктринальна вірність вимагає обґрунтування кожного параметра поведінки джерелом: публікацією про загрозу, підтвердженим оперативним звітом або вхідними даними від фахівців з тематики, що мають безпосередні знання про загрозу. Параметри без доктринального джерела є припущеннями, а припущення накопичуються у вигаданого противника. Дисципліна відстеження походження параметрів — запис того, з якої версії доктрини кожен параметр походить — це те, що відрізняє підтримувану модель поведінки від тієї, що відхиляється від реальності з кожним циклом оновлення.

Доктрина також визначає межі компетентності OpFor. Реальні сили загрози роблять помилки: вони спізнюються з повідомленнями, неправильно ідентифікують цілі, реагують на приманки та не можуть координуватися між ешелонами під тиском. Синтетичний OpFor, що ніколи не робить цих помилок, створює надлюдського противника, що тестує терпіння, а не тактичне мислення. Моделювання доктринальної недосконалості — закладення частоти помилок та затримок прийняття рішень, що характеризують реальну загрозу, — є не менш важливим, ніж моделювання поведінки, що відповідає доктрині.

Шаблони доктрини: рівень параметризації

Практичним механізмом кодування доктрини є шаблон доктрини: структурований об'єкт даних, що описує поведінку конкретного типу підрозділу в повному діапазоні тактичних ситуацій, з якими він може зіткнутися. Шаблон доктрини для відділення піхоти в пішому порядку може включати такі параметри:

Параметри вогневого контакту: бажана дистанція вогневого контакту (діапазон, а не точка), максимальна дистанція вогневого контакту перед розривом контакту, поріг пригнічення (частка відділення, що потрапляє під вогонь, перш ніж шукати укриття), та порядок пріоритетності цілей (техніка перед особовим складом, спостережний пост перед патрулем).

Параметри пересування: перевага у виборі маршруту (прикритий та замаскований проти найшвидшого), інтервал патрулювання під час просування, дистанція між елементами та реакція на контакт під час руху (час та формат відпрацювання дій при зіткненні).

Параметри зв'язку: інтервал доповіді вищому штабу, затримка доповіді про контакт (час від спостереження до передачі), радіодисципліна (режим контролю випромінювання) та затримка реагування при отриманні наказів.

Параметри відходу: тригер відходу (понесені втрати, стан боєприпасів, загроза охоплення флангу), прийом відходу (бойове перекидання проти розриву контакту проти негайного відходу) та логіка вибору пункту збору.

Ці параметри завантажуються під час ініціалізації симуляції і застосовуються до кожного екземпляру агента типу відділення у вправі. Розробники сценаріїв можуть створювати декілька варіантів — агресивний шаблон відділення передньої лінії та консервативний шаблон резерву — без зміни коду дерева поведінки. Шаблон є інтерфейсом між знаннями про доктрину (якими володіють фахівці з тематики) та реалізацією поведінки (якою володіють інженери). Їх розділення — це те, що дозволяє обом розвиватися незалежно.

Дерева поведінки: архітектура виконання

Дерева поведінки є домінуючою архітектурою виконання для синтетичних агентів OpFor на рівні об'єктів. Дерево поведінки — це спрямований ациклічний граф, що обходиться в кожен такт симуляції для вибору наступної дії агента. Дерево має три типи вузлів, що охоплюють повний простір логіки управління.

Вузли вибору перебирають своїх дочірніх у порядку пріоритету і повертають успіх, щойно один з них вдається. Вибір, що керує реакцією на контакт, спочатку спробує пригнічення, потім обхід флангу, і нарешті відхід — кодуючи пріоритет, що сила загрози надає перевагу пригніченню та маневру перед відходом.

Вузли послідовності виконують своїх дочірніх по черзі та завершуються невдачею, щойно один з них не виконується. Послідовність для руху перекиданням (один елемент рухається, поки інший прикриває) перевірить, чи обидва елементи перебувають у позиції, видасть команду руху елементу, що атакує, дочекається підтвердження, а потім видасть коригування позиції прикриття — провалюючи всю послідовність, якщо будь-який крок не може бути виконаний.

Листові вузли — це атомарні умови та дії: чи є ворог у межах дистанції вогневого контакту, чи боєзапас підрозділу вище порогового значення, рух до точки маршруту, ураження цілі, передача доповіді про контакт. Листові вузли взаємодіють із середовищем симуляції та інформаційним станом агента; всі інші вузли є чистою логікою.

Структура дерева поведінки природно відображається на ієрархію прийняття рішень у військових. Корінь представляє поточну місію підрозділу. Підерева на першому рівні представляють основні класи рішень: наступальні дії, оборонні дії, пересування до контакту, відхід. Підерева на нижчих рівнях представляють деталі виконання: вибір маршруту, пошук укриття, ураження цілей, зв'язок. Ця ієрархічна структура означає, що оновлення доктрини — наприклад, зміна тригера відходу з 30% втрат на 20% — змінює одну листову умову, а не все дерево.

Гібридні архітектури для масштабних симуляцій

Чисті дерева поведінки добре працюють на рівні окремого об'єкта та малого підрозділу. На рівні з'єднання — батальйон і вище — простір рішень надто великий для дерева, яке може перевірити розробник вправи. Масштабні синтетичні системи OpFor використовують гібридну архітектуру: дерева поведінки керують виконанням на рівні об'єктів та малих підрозділів, тоді як планувальник вищого рівня (ієрархічна мережа завдань або рівень скриптування місій, що керується Білою Клітиною) керує рішеннями на рівні з'єднання. Планувальник видає накази підпорядкованим агентам підрозділів у тому самому форматі доктринальних наказів, що використовують командири-люди, — задум маневру, завдання підпорядкованим, координуючі вказівки, — і дерево поведінки кожного підрозділу виконує ці накази, використовуючи шаблон доктрини для цього типу підрозділу.

Ця архітектура зберігає керованість вправи на рівні з'єднання, де розробникам вправ потрібно формувати сценарій, водночас дозволяючи реалістичне варіювання на рівні об'єктів, де передбачуваність підриває цінність навчання. Вона також масштабується: планування на рівні з'єднання виконується з інтервалами планування (хвилини), а не з тактовою частотою симуляції (секунди), що підтримує керованість обчислювального навантаження для великих вправ. Для детальнішого розгляду адаптивної генерації сценаріїв дивіться супровідну статтю про те, як ШІ-рушії керують сценаріями воєнних ігор у декількох доменах.

Модель сенсорів: що знає OpFor

Умови дерева поведінки запитують інформаційний стан агента, а не реальний стан симуляції. Це розмежування є фундаментальним. Вузол дерева поведінки, що перевіряє «чи є ворожа техніка в межах 500 метрів», має запитувати те, що агент спостерігав або чому його повідомили — не реальну позицію всієї техніки в симуляції. Модель сенсорів визначає, як наповнюється інформаційний стан агента.

Повна модель сенсорів для агента піхоти в пішому порядку визначає: максимальну дальність спостереження вдень та вночі, імовірність виявлення як функцію дальності, стан маскування цілі та тип фону; затримку між спостереженням і надійною класифікацією (розпізнавання техніки від особи на 400 метрів у сутінках займає більше часу, ніж на 50 метрах опівдні); а також швидкість застарівання інформації — позиційна прив'язка, отримана п'ять хвилин тому, має невизначеність, що зростає зі швидкістю можливого переміщення цілі.

Моделювання зв'язку додає рівень, що з'єднує індивідуальні спостереження з колективним інформаційним станом угруповання OpFor. Коли одне відділення спостерігає ворожу броньовану техніку, доповідь піднімається по командній вертикалі з затримкою зв'язку, визначеною у шаблоні доктрини, а потім розповсюджується вниз до інших підрозділів у вигляді наказів, що посилаються на спостереження. Колективна картина угруповання про противника — це сукупність усіх цих спостережень, відфільтрованих через затримки зв'язку та схильних до недоліків усного звітування під тиском.

Правильне налаштування моделі сенсорів та зв'язку — це те, де більшість синтетичних систем OpFor зазнає невдачі. OpFor, який реагує на інформацію, яку він реалістично не міг би отримати, — охоплює флангами силу, яка ще не була виявлена, викликає непрямий вогонь на ціль, про яку повідомив знищений підрозділ, — негайно сигналізує досвідченим спостерігачам, що противник всевідаючий. Всевідаючий OpFor не навчає використанню інформаційної асиметрії, що характеризує реальні тактичні бойові зіткнення.

Журналювання рішень для AAR

Розбір після виконання завдання є основним механізмом навчання у військовій підготовці. Щоб внесок OpFor мав педагогічну цінність, інструктори повинні мати можливість відтворити кожне значуще рішення OpFor — чому підрозділ зайняв певну позицію, чому він не вступив у бій, коли учасники очікували цього, чому він відступив у той конкретний момент. Для цього необхідне структуроване журналювання рішень, вбудоване у рушій виконання дерева поведінки з самого початку.

Щоразу, коли вузол дерева поведінки переходить зі стану неактивного до виконання або від виконання до успіху чи невдачі, рушій виконання випускає запис журналу, що містить: мітку часу симуляції, ідентифікатор агента, назву та тип вузла, значення умов, що визначили результат, та будь-які згенеровані параметри дії. Запис журналу також фіксує вхідні дані інформаційного стану, які агент мав у цей такт, щоб реконструкція ґрунтувалася на тому, що агент знав, а не на тому, що відбулося насправді.

Структурований журнал живить інтерфейс відтворення AAR, де інструктори можуть рухатися вперед і назад по часовій шкалі вправи, вибирати будь-який підрозділ OpFor і переглядати його послідовність рішень, накладену на тактичну картину. Відтворення показує не тільки те, що зробив OpFor, але й те, що він знав у кожен момент — інформаційний стан, що керував кожним рішенням. Це відтворення «з перспективи OpFor» є аналогом відтворення сил Синіх і є тим, що перетворює AAR на двосторонній аналіз, а не односторонню критику дій учасників навчань.

Перевірка та підтримка моделей поведінки

Модель поведінки — це не статичний артефакт. Доктрина загрози еволюціонує, оперативна звітність з активних конфліктів оновлює емпіричну основу для параметрів поведінки, а вимоги до навчання змінюються зі зміщенням картини загроз. Ставлення до оновлень моделі поведінки з такою самою дисципліною, як до програмних релізів — версіонування, регресійне тестування, документація змін — є необхідним для підтримання доктринальної вірності протягом усього операційного терміну моделі.

Процес перевірки має два напрямки. Технічна перевірка запускає модель поведінки через набір скриптованих сценаріїв, правильна реакція OpFor в яких визначена джерелом доктрини. Модель проходить, якщо її поведінка відповідає допуску, визначеному для кожного сценарію — у правильному діапазоні дистанції вогневого контакту, вибираючи правильний прийом відходу, встановлюючи зв'язок у правильному вікні затримки. Ці сценарії утворюють набір для регресійного тестування: будь-яка зміна моделі поведінки повинна пройти повний набір перед використанням у навчанні.

Перевірка фахівцями з тематики доповнює технічну перевірку людським судженням. Офіцери з іноземних районів або аналітики з оперативним знанням сили загрози спостерігають за поведінкою OpFor у вільних вправах і оцінюють, чи тактика, прийоми та процедури є впізнаваними як змодельована загроза. Їхній зворотній зв'язок повертається у шаблони доктрини — коригуючи параметри, додаючи відсутні форми поведінки, видаляючи перебільшені. Цей цикл перевірки, що виконується за визначеним графіком, прив'язаним до циклу оновлення загрози, — це те, що підтримує чесність синтетичного OpFor.

Для команд, що будують повноцінні навчальні середовища, платформа WARG інтегрує синтетичне моделювання поведінки OpFor із можливостями адаптивного навчання на основі ШІ — коригуючи складність сценарію разом із поведінкою OpFor для підтримання оптимального рівня складності для кожної аудиторії навчань протягом усього ротаційного циклу.