（本網訊）近日，我校計算機科學與工程學院傅妍芳教授團隊，通過人工智能實現軍事仿真想定的自動生成。傳統指揮員48小時的編排，AI能用48秒重構出1萬種可能，AI直接成為各種作戰環境、兵力部署、事件邏輯作戰策略內容的生產者。這不只是效率的提升，而是對傳統人工想定的徹底顛覆。基于此項研究成果，已與相關企業合作完成了基于AFSIM的新一代智能仿真系統（如需獲得相關軟件系統請關注公眾號：戰術仿真探索）。

現代戰爭形態正朝著智能化、無人化、分布式、多域融合的方向快速發展，聯合作戰仿真通過構建跨域動態對抗環境，以數據驅動指揮鏈路優化，實現從‘能力疊加’到‘體系融合’的質變突破。而作戰仿真中的核心環節是軍事想定，直接影響仿真的有效性、可信度和實用價值。

軍事想定的本質是“在虛擬中逼近真實”，其難度源于戰爭本身的復雜性和人類認知的局限性。不僅人員需要跨領域的知識儲備，還須具備系統思維、動態適應能力和實踐經驗。

Deepseek大模型技術一個顯著的優勢在于能夠通過海量數據訓練實現對復雜戰場態勢的解構與重構，依托其強大的模式識別能力構建多維戰場知識圖譜。現代作戰仿真想定需要融合地理環境、裝備參數、兵力部署等異構要素，其動態對抗過程中產生的非線性交互關系已超出傳統建模方法的解析能力。而大模型憑借其多模態數據處理特性，可在虛實結合的仿真環境中實時交互推演，自主挖掘戰場要素間的潛在關聯，動態生成兼顧物理規律與戰爭博弈邏輯的想定方案。這種基于深度強化學習的持續迭代機制，使得大模型不僅能模擬已知作戰模式，更能通過對抗性訓練推演新型戰術戰法，為作戰方案的智能化生成與評估提供認知增強。因此，大模型與作戰仿真想定實質上是構建起"數據驅動-智能推演-方案進化"的閉環體系，正在重塑未來戰爭設計的范式與路徑。

突破：三大核心技術解析

一、變分自編碼器（VAE）：高維數據建模與特征提取

傳統AFSIM靜態建模難以應對復雜戰場動態。我們創新采用VAE-GAN混合架構，將地形、氣象、電磁等多維參數映射到連續潛在空間，通過高斯采樣生成高保真動態戰場環境。該方案實現三大突破：1）統一編碼200+基礎模型數據，支持實時環境重構；2）潛在空間多模態插值生成連續戰場態勢；3）結合分層VAE與RAG技術，實現技術文檔70%壓縮率及自然語言智能查詢，如"強干擾下優化雷達探測"。顯著提升仿真真實性和決策支持效率。

二、行為樹與思維鏈（CoT）：動態決策與任務規劃

傳統AFSIM的行為樹缺乏復雜推理能力，而LLM生成想定易邏輯混亂。我們首創行為樹-思維鏈（CoT）協同框架，實現從"機械執行"到"因果推理"的升級：1）分層嵌套行為樹將戰略目標分解為原子任務；2）關鍵決策時，CoT引擎生成因果鏈（如"雷達鎖定失敗→啟動紅外追蹤"）；3）動態轉換可執行邏輯。該方案既保持行為樹可控性，又提升復雜場景適應力，使想定邏輯錯誤率顯著降低。

三、滑動窗口RAG技術：知識增強與精準生成

軍事推演需整合多模態數據（文本報告、傳感器日志、地理信息等），傳統數據庫效率低下。團隊開發智能預處理流水線：1）分類對齊非結構化文檔（作戰手冊）、半結構化數據（雷達日志）和時序數據（衛星軌跡）；2）通過領域自適應模型識別軍事實體（如S-400系統），構建統一知識庫；3）采用滑動窗口RAG框架，動態調整窗口大小和步長，確保語義連貫性，并索引到向量數據庫。該方案既提升數據整合效率，又增強LLM生成內容的準確性和可靠性。

創新：技術融合的顛覆性價值

一、數據-決策-知識的閉環優化

VAE解決數據特征提取難題，行為樹-CoT提升想定邏輯性，滑動窗口RAG確保知識檢索精準有效，三者形成完整的技術閉環。

二、跨領域通用性

系統已通過軍事推演、工業數字孿生等場景驗證，適配AFSIM的模塊化架構，支持快速擴展。

三、人機協同新范式

指揮官可通過行為樹實時干預仿真過程，結合RAG生成的戰術建議，實現“人在回路”的智能決策。

本次技術突破標志著軍事仿真從“數據驅動”向“認知增強”的跨越。通過融合三大技術，研究團隊成功構建了可適配動態戰場的智能推演系統，實現了從戰術規劃到實時決策的全鏈路能力升級。未來團隊將持續深耕于強化學習驅動的自適應RAG和人在環路的可信增強，實時優化檢索策略，構建出成熟的“人類經驗-機器推理-戰場驗證”的閉環學習體系，以滿足更為復雜和嚴苛的作戰任務需求。

"設計戰爭"是對已知戰場形態的系統規劃，而"戰爭設計"則是對未知戰爭樣貌的主動塑造，應用人工智能的顛覆性變革，加速實現從確定性規劃向不確定性應對的范式躍遷，為未來智能戰場構建了全新的技術底座，這就是進化智能的使命。

文、圖：傅妍芳  審核：曹巖  編輯：毛逸彬