Dynamic Testing Architecture of Intelligent Unmanned Systems Based on Parallel Battlefields

doi:10.16182/j.issn1004731x.joss.25-0345

Abstract

Abstract:

To improve the inadequacy of traditional test and identification systems, this paper proposed an overall architecture for dynamic testing across the entire lifecycle based on the concept of parallel battlefield (integration of physical, virtual, and cognitive battlefields), meeting the new requirements for the testing of intelligent unmanned systems. This architecture included high-fidelity mapping between virtual and physical battlefields, red-blue adversarial deductions and model optimization, simulation to reality (Sim2Real), human-machine collaboration, and cloud-end integrated control, as well as multidimensional assessment and confidence analysis. Centered on the principles of "mutual driving between virtual and physical battlefields, dynamic closed-loop, human-machine collaboration, and integrated testing and warfare," this architecture effectively met the spiral evaluation and upgrade requirements of intelligent unmanned systems.Key supporting technologies for implementing the architecture were demonstrated.A feasibility analysis was conducted, and measures and recommendations were proposed to promote the implementation of the architecture.This architecture could provide a reference for establishing a testing system for intelligent unmanned systems.

Key words: parallel battlefield, intelligent unmanned system, dynamic testing, full-life-cycle testing

CLC Number:

E917

Liu Dayong, Dong Zhiming, Guo Qisheng, Zhang Wenjun, Gao Jiancheng. Dynamic Testing Architecture of Intelligent Unmanned Systems Based on Parallel Battlefields[J]. Journal of System Simulation, 2025, 37(8): 1933-1950.

Figures/Tables 15

Table 1

Fig. 1

Table 2

Fig. 2

Fig. 3

Fig. 4

Fig. 5

Fig. 6

Fig. 7

Fig. 8

Table 3

Fig. 9

Fig. 10

Table 4

Table 5

References 37

[1]	任鸿儒, 刘庆海, 周琪, 等. 无人自主系统分布式协同控制研究综述[J]. 广东工业大学学报, 2024, 41(4): 1-13.
	Ren Hongru, Liu Qinghai, Zhou Qi, et al. A Review of Distributed Cooperative Control Research on Unmanned Autonomous Systems[J]. Journal of Guangdong University of Technology, 2024, 41(4): 1-13.
[2]	王耀南, 安果维, 王传成, 等. 智能无人系统技术应用与发展趋势[J]. 中国舰船研究, 2022, 17(5): 9-26.
	Wang Yaonan, An Guowei, Wang Chuancheng, et al. Technology Application and Development Trend of Intelligent Unmanned System[J]. Chinese Journal of Ship Research, 2022, 17(5): 9-26.
[3]	Zhang Tao, Li Qing, Zhang Changshui, et al. Current Trends in the Development of Intelligent Unmanned Autonomous Systems[J]. Frontiers of Information Technology & Electronic Engineering, 2017, 18(1): 68-85.
[4]	寇新宇. 人智空战-DARPA"空战演进"项目取得新进展[EB/OL]. (2024-05-04) [2025-04-15]. .
[5]	军事科学院军事科学信息研究中心. 试验鉴定领域发展报告[M]. 北京: 国防工业出版社, 2019.
[6]	Anon. Autonomous Systems[EB/OL]. [2025-05-21]. .
[7]	王积鹏, 张兴, 吴浩, 等. 无人集群智能协同仿真试验评估理论框架研究[J]. 系统仿真学报, 2024, 36(4): 795-804.
	Wang Jipeng, Zhang Xing, Wu Hao, et al. Research on Theoretical Framework of Simulative Experiment Evalution for Intelligent Unmanned Swarm Cooperation[J]. Journal of System Simulation, 2024, 36(4): 795-804.
[8]	刘宏亮, 沈卫. 美军人工智能系统试验鉴定框架分析与启示[J]. 国防科技, 2025, 46(1): 80-88.
	Liu Hongliang, Shen Wei. Analysis and Enlightenment of U.S. Military Artificial Intelligence System Test and Evaluation Framework[J]. National Defense Technology, 2025, 46(1): 80-88.
[9]	庞娟. 美推进人工智能和自主系统试验鉴定发展[EB/OL]. (2025-03-27) [2025-04-23]. .
[10]	Department of Defense. Developmental Test and Evaluation of Artificial Intelligence-enabled Systems Guidebook[R]. Washington, DC: U.S. Department of Defense, Office of the Under Secretary of Defense for Research and Engineering, Office of the Director, Developmental Test, Evaluation, and Assessments, 2025.
[11]	梁晓龙, 侯岳奇, 胡利平, 等. 无人集群试验评估研究现状分析及理论方法[J]. 南京航空航天大学学报, 2020, 52(6): 846-854.
	Liang Xiaolong, Hou Yueqi, Hu Liping, et al. Review on Evaluation and Theoretical Methods of Unmanned Swarm Test[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2020, 52(6): 846-854.
[12]	李磊, 王彤, 蒋琪. 从美军2042年无人系统路线图看无人系统关键技术发展动向[J]. 无人系统技术, 2018, 1(4): 79-84.
	Li Lei, Wang Tong, Jiang Qi. Key Technology Develop Trends of Unmanned Systems Viewed from Unmanned Systems Integrated Roadmap 2017-2042[J]. Unmanned Systems Technology, 2018, 1(4): 79-84.
[13]	王正明, 刘吉英, 武小悦. 装备试验科学方法论[M]. 北京: 科学出版社, 2023.
[14]	杨隽, 刘阳, 张幼春, 等. 装备软件试验鉴定工作初探[J]. 军民两用技术与产品, 2021(6): 29-32.
[15]	赵正海, 张峰. 舰艇作战指挥系统软件实战化测试设计[J]. 舰船电子工程, 2019, 39(7): 198-200, 220.
	Zhao Zhenghai, Zhang Feng. Combat Software Test Design for Warship Command and Control System[J]. Ship Electronic Engineering, 2019, 39(7): 198-200, 220.
[16]	庞娟. CNAS报告: 推进美军人工智能和自主系统试验鉴定发展[EB/OL]. (2025-03-27) [2025-04-15]. .
[17]	冯琦琦, 董志明, 彭文成, 等. 几种典型的虚实融合技术发展研究[J]. 系统仿真学报, 2023, 35(12): 2497-2511.
	Feng Qiqi, Dong Zhiming, Peng Wencheng, et al. Development of Several Typical Virtual Reality Fusion Technologies[J]. Journal of System Simulation, 2023, 35(12): 2497-2511.
[18]	高慧芳, 谷国贤, 侯青剑, 等. 基于数字孪生的数字平行战场系统构建方法研究[J]. 现代防御技术, 2025, 53(2): 82-90.
	Gao Huifang, Gu Guoxian, Hou Qingjian, et al. Research on Construction Method of Digital Parallel Battlefield System Based on Digital Twin[J]. Modern Defence Technology, 2025, 53(2): 82-90.
[19]	邱晓刚, 张鹏. 面向平行军事系统的领域仿真知识工程研究[J]. 系统仿真学报, 2015, 27(8): 1665-1669, 1679.
	Qiu Xiaogang, Zhang Peng. Knowledge Engineering in Simulation of Parallel Military System[J]. Journal of System Simulation, 2015, 27(8): 1665-1669, 1679.
[20]	冯琦琦, 董志明, 李亮, 等. 平行战场技术与应用[J]. 装甲兵学报, 2023, 2(3): 97-100.
	Feng Qiqi, Dong Zhiming, Li Liang, et al. Parallel Battlefield Technology and Applications[J]. Journal of Armored Forces, 2023, 2(3): 97-100.
[21]	熊宇涵, 李雄. 数字孪生战场:概念、架构与技术[J]. 系统工程与电子技术, 2025, 47(1): 141-152.
	Xiong Yuhan, Li Xiong. Digital Twin Battlefield: Concepts, Architecture, and Key Technologies[J]. Systems Engineering and Electronics, 2025, 47(1): 141-152.
[22]	凌艳香, 陆正之, 支烽耀, 等. 面向复杂强对抗环境的无人集群作战效能评估指标体系研究[C]//第六届体系工程学术会议论文集—体系工程与高质量发展会议论文集. 长沙: 国防科技大学系统工程学院, 2024: 340-346.
	Ling Yanxiang, Lu Zhengzhi, Zhi Fengyao, et al. An Index Framework of Unmanned Swarm Combat Effectiveness Evaluation in Complex and Strongly Confrontational Environments[C]//Proceedings of the 6th Conference on System of Systems Engineering. Changsha: College of Systems Engineering, National University of Defense Technology, 2024: 340-346.
[23]	李玉成, 杨明, 马萍. 军事仿真想定开发方法研究[J]. 现代防御技术, 2007, 35(5): 134-139.
	Li Yucheng, Yang Ming, Ma Ping. A Survey of Military Simulation Scenario Establishment Methods[J]. Modern Defence Technology, 2007, 35(5): 134-139.
[24]	高昂, 段莉, 张国辉, 等. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
	Gao Ang, Duan Li, Zhang Guohui, et al. Development Status of Computer Generated Force Behavior Modeling[J]. Computer Engineering and Applications, 2019, 55(19): 43-51.
[25]	冯鑫昊, 李雷孝, 刘东江, 等. 面向区块链数据共享的访问控制研究综述[J/OL]. 计算机科学与探索. (2025-04-10) [2025-04-16]. .
	Feng Xinhao, Li Leixiao, Liu Dongjiang, et al. A Review of Access Control Research for Blockchain Data Sharing[J/OL]. Journal of Frontiers of Computer Science and Technology. (2025-04-10) [2025-04-16]. .
[26]	张笑妍, 李革, 王鹏. 基于随机有限集的CGF机动状态实时生成方法研究[J/OL]. 系统仿真学报. (2024-06-28) [2025-05-27]. .
	Zhang Xiaoyan, Li Ge, Wang Peng. Research on Real-time CGF Maneuvering State Generation Method Based on Random Finite Set[J/OL]. Journal of System Simulation. (2024-06-28) [2025-05-27]. .
[27]	傅妍芳. 校科研团队发布基于DeepSeek的智能仿真想定新范式[EB/OL]. (2025-05-14) [2025-05-27]. .
[28]	ITBEAR. 清华AIR推出具身仿真平台, 助力具身智能研发加速落地[EB/OL]. (2024-12-03) [2025-04-20]. .
[29]	程子林. 英国泰雷兹交付英国皇家海军首艘全自主扫雷舰[EB/OL]. (2025-03-19) [2025-04-20]. .
[30]	王岳. 人工智能加速赋能军用无人系统[EB/OL]. (2022-03-11) [2025-04-20]. .
[31]	薛澄岐. 人机融合、智能人机交互、自然人机交互未来人机交互技术的三大发展方向——薛澄岐谈设计与科技[J]. 设计, 2020, 33(8): 52-57.
	Xue Chengqi. Human-machine Integration, Intelligent Human-computer Interaction, Natural Human-computer Interaction Three Development Directions of Human-computer Interaction Technology in the Future ——Xue Chengqi on Design and Technology[J]. Design, 2020, 33(8): 52-57.
[32]	South T. Changes Ahead in the Next Version of the Army's 'Mixed Reality' Goggle[EB/OL]. (2023-04-05) [2025-04-20]. .
[33]	新浪XR. 美国陆军将于 2023 年使用微软 Hololens IVAS 执行任务[EB/OL]. (2022-12-28) [2025-05-22]. .
[34]	Defense Advanced Research Projects Agency. N3 : Next-generation Nonsurgical Neurotechnology[EB/OL]. [2025-02-20]. .
[35]	Zhang Jinhui, Yao Haimin, Mo Jiaying, et al. Finger-inspired Rigid-soft Hybrid Tactile Sensor with Superior Sensitivity at High Frequency[J]. Nature Communications, 2022, 13(1): 5076.
[36]	颜羽鹏, 姜可, 程健鹏, 等. 作战筹划系统多模态人机交互技术应用进展[J]. 机械设计, 2024, 41(7): 175-181.
	Yan Yupeng, Jiang Ke, Cheng Jianpeng, et al. Progress in Application of Multimodal Human-machine Interaction Technology in Combat Planning System[J]. Journal of Machine Design, 2024, 41(7): 175-181.
[37]	陶建华, 巫英才, 喻纯, 等. 多模态人机交互综述[J]. 中国图象图形学报, 2022, 27(6): 1956-1987.
	Tao Jianhua, Wu Yingcai, Yu Chun, et al. A Survey on Multi-modal Human-computer Interaction[J]. Journal of Image and Graphics, 2022, 27(6): 1956-1987.

对比维度	有人装备试验	智能无人系统试验	差异
试验目标	验证是否满足论证和设计要求	增加智能水平与置信度评估，并提出迭代升级需求	目标增加
对象状态	技术状态基本固化	软件模型动态演化	从固化不变到动态演化
试验时机	技术状态固化后、列装定型前	全生命周期	从几个节点到全生命周期
试验主体	部队主导的建制化体系	算法实验室、虚拟靶场、作战部队	主体扩展
测试周期	性能试验→作战试验→在役考核	“开发-虚拟验证-部署-测试-迭代升级”循环往复	从一到多
数据需求	结构化、低纬度数据	多模态、高纬度数据	维度提升
评估标准	性能指标、效能指标	决策置信度、决策可解释性、智能水平等	从“绝对阈值”转向“动态概率”

维度	软件装备	指挥控制系统	智能无人系统	分析
主要试验目标	验证功能符合性、实时性	检验战术合理性、信息流正确性	评估动态适应性、群体智能涌现性	各有侧重
对象状态	技术状态基本固化	有限演化，版本迭代	持续动态演化	更新频率不同
评估标准	绝对阈值，如响应时延≤10 ms	战术有效性	概率化指标，如决策置信区间	从确定到不确定
技术架构	硬件在环测试	基于LVC的试验	—	LVC架构可借鉴
关键方法	边界测试、余量测试	互操作性测试、想定驱动评估	—	边界测试+想定驱动评估可借鉴

对比维度	端侧操控	云端操控
实时性	本地决策无需网络传输，延迟低，适合高动态任务	依赖网络传输与云端处理，网络波动可能导致指令滞后
智能性	态势信息少，考虑因素有限，全局性不好	便于人机交互，可融合认知战场智能；全局性好
可靠性	不依赖外部网络，断网或干扰下仍可自主运行	需稳定网络连接，通信中断可能导致失控或任务失败
算力需求	需本地部署高性能计算单元，硬件成本高	复杂计算由云端完成，本地仅需基础算力
能耗	本地计算消耗大量能源，影响续航	计算任务卸载至云端
安全性	数据与决策本地处理，减少传输泄露风险	数据需上传云端，存在被截获或攻击风险
扩展性	硬件升级受限，算法迭代需本地更新	云端资源弹性扩展，算法可动态优化

建模方法		优势	不足
基于知识/ 规则	行为树	模块化设计，逻辑清晰；易于调试与扩展	复杂场景下行为树结构臃肿
	有限状态机	状态转换直观，实时性好；资源占用低，适合嵌入式系统	缺乏学习能力；状态爆炸问题限制复杂场景应用
	脚本驱动	规则可控；适用于流程固定的标准化任务	灵活性差，无法处理未知态势；依赖专家知识，覆盖场景有限
基于DRL的方法		通过试错学习优化长期回报；适应高维状态与动作空间；支持端到端策略生成	训练数据需求大，收敛困难；黑箱特性导致决策可解释性差；泛化能力差
基于问题求解	启发式搜索	全局搜索能力强，适合路径规划与多目标优化；可快速找到近似最优解	计算资源需求高，实时性差；启发函数设计依赖领域知识，通用性受限
基于问题求解	博弈论	支持多方理性决策分析；适用于对抗性场景的策略平衡	假设完全信息与超级理性，难以处理战场“迷雾”
基于不确定知识推理		支持概率化决策，处理模糊性与动态不确定性	高维状态空间下计算效率低
基于大模型(LLM)		多模态理解与语义生成能力强；泛化能力与可解释性较优	推理延迟高，难以满足战术级实时性需求

交互手段		适用场景	优点	缺点	发展现状
虚拟战场	AR/VR交互	虚拟推演	高沉浸感，支持三维态势可视化与空间操作	设备笨重(美最新IVAS 1.2版头盔质量为1.29 kg^[32])，依赖高带宽网络	美军IVAS具备实时显示敌友位置标记、3D战场地图调用、微型无人机操控及集成夜视等功能^[33]
	脑机接口	认知战场指令映射	直接传递指挥意图，减少操作延迟	非侵入式精度低，侵入式存在伦理风险	DARPA“下一代非侵入式技术”能在50 ms内精确读写16 mm³神经组织体积内的16个独立通道^[34]
	多模态交互	复杂战术推演	提升操作自然性	融合算法复杂度高	—
物理战场	语音指令	无人系统实时控制	操作便捷，支持非接触式交互	噪声干扰下性能骤降	以色列“铁穹”系统集成抗噪语音模块，复杂环境识别率72%
物理战场	触觉反馈	无人装备远程操控	提供力觉临场感，增强操作精准度	传输延迟导致反馈不同步	仿生型刚柔并济柔性触觉传感器灵敏度达到理论极限值的17倍^[35]