美空军仿真集成建模软件高级框架。通过抽象仿真提升自主系统适应性。

　　朱爱平
　　10月17日，美国国防预先研究计划局（DARPA）在其官方网站发布项目信息寻求自主系统建模和仿真的新方法，加速自主模型应用于多样化任务场景的能力与速度。
　　项目背景
　　当前多种因素限制了无人车、无人机、无人船等自主系统的应用潜力。当前系统自主功能是通过建模和仿真、在现实环境中进行训练实现的。典型自主模型开发过程如下：（1）针对特定平台的自主功能需求，创建自主模型；（2）尽可能模拟现实环境，进行大量仿真生成数据，对自主系统进行训练，使其能够进行正确决策；（3）经充分的模型训练后，将训练数据和模型转移至物理系统，进行测试验证训练的有效性。
　　在高保真度军用平台环境中，进行模型训练有时可能需要数月甚至数年。而训练出来的模型在面对现实世界中的未知情况时，仍存在脆弱性；此外，与商业自主系统相比，军用系统具有更多未知变量，而且战场环境也具有多变特性（如人口密集的城市和滨海地区的环境截然不同），建模和仿真也无法精确地模拟实际作战对手。这给军用自主系统的有效性和战场应用带来诸多挑战。
　　技术思路
　　DARPA拟改变自主系统模型训练思路，放弃传统高保真度模拟的方式，在低保真度模拟环境中利用共享语义（如交战规则）进行模型训练，加速自主模型从仿真环境到现实环境的应用，将传统数周/数月的模型训练时间缩短到一天，利用抽象和不精确的模型使自主系统能更好地适应快速变化的动态战场环境。
　　传统的自主系统开发中，利用对各种情况进行高保真度建模，使得“智能体”（AI agent）过度拟合仿真动态；而转入现实环境使用时，实际情形很难出现与模拟完全相同的情况。因此，DARPA希望开发能适用多样性平台和领域的通用自主技术，利用低保真度模拟更快速生成、更大规模的数据，通过对多样化和抽象的模拟进行自主学习，实现自主系统的泛化能力。通过搜集现实环境的经验和知识，完善自主系统的抽象、模型、模拟和语义表示，构建学习反馈回路实现更稳健的迁移学习。
　　项目计划
　　DARPA提出的基于抽象和不精确模型的自主技术项目，将征集测试上述理论方法的技术方案。项目分两个阶段：第一阶段为期18个月，将基于仿真环境开发在仿真环境验证的自主迁移学习方法，研究自动化开发或优化低保真度建模和仿真的创新方法；第二阶段为期18个月，将基于仿真环境开发在现实环境验证的自主迁移学习方法。项目采取竞争的方式进行，第一阶段预计有六个团队参与，第二阶段预计有三个团队参与。