打破游戏规则 Gamebreaker | 利用视频游戏研究如何在兵棋推演中使用AI | 为了理解如何使用AI来解决模拟游戏中的多种问题，包括评估游戏平衡、识别新战术，以及测试电子游戏中最不稳定的行动。目标是使用AI创造不平衡的兵棋 | 9个团队的任务是破解两款商业电子游戏，操纵游戏以识别游戏中的意外状态(游戏动态未按预期运行)，其目的是设计一种可以扩展到兵棋推演场景的方法。Blue Waves团队试图使用自主对抗、可解释人工智能和人工神经网络来预测结果，并确定某些对抗的输赢原因；Northrop Grumman团队计划建模并攻克“指挥：现代作战”模拟环境 | 可以借鉴商业游戏行业的成功经验，而不是从零开始开发国防应用。高度量化的方法可能适用于战术游戏或带有预先确定规则手册的游戏。不清楚这是否适用于具有高度不确定性的兵棋对抗 |
头脑风暴 BrainSTORM | 研究战役级多域作战模型 | 评估人工智能是否可以增强行动分析，以及人工智能辅助的非专家玩家是否可以在兵棋推演中击败专家团队 | 头脑风暴由三种不同的工具组成：“兵棋云”旨在促进高层次的战略开发；“作战行动序列(course of action，COA)比较”有助于将这些战略转化成为详细的COA计划；“SpeedSTORM”人工智能指令推荐所依托的访问环境 | 早期的实验结果表明，用户更喜欢依靠自己来解释人工智能的建议，而不是全盘接受 |
阴影 SHADE | 利用人工智能改善外交战略决策，特别是谈判过程 | 调查人工智能在多大程度上可以模仿人类的外交行为，包括“欺骗、共谋、画像”和“复杂的多方互动”。希望提高人们对谈判中涉及复杂沟通问题的理解 | 采用开源的“外交”游戏引擎来训练和评估人工智能体，方便人类与“外交”智能体对抗。目前已有团队创建了基准智能体来帮助训练 | 研究人员正在努力了解人工智能程序如何在更具战略意义的视角处理人类的担忧，例如，欺骗性的人类行为。当前的一些探索示例是开发一个原型AI |
作战 COMBAT | 开发模拟红队行为的人工智能程序，在兵棋推演中对抗蓝队 | 为红队制定多个可行的行动方案。利用这些基于人工智能的COA来确定蓝队的最佳反应。目标是使用人工智能来帮助、激发新的蓝队行为 | DARPA选择了一些公司的方案来开发人工智能应用。这些公司的任务是根据“俄罗斯战争方式：俄罗斯地面部队的力量结构、战术和现代化”来制定初始战术 | 目前不清楚该项目是否表明人工智能红队的成功，缺乏该种人工智能方法取得成功结果的公开信息 |
权杖 SCEPTER | 旨在使用自动化和人工智能技术来探索和开发新的COA方案 | 旨在研究是否可以通过先进的自动化来提高COA方案的生成速度，以及这些COA是否可以战胜人类的方案 | 为机器生成COA方案的策略将在可信的模拟环境中进行测试，并由人类对其进行评估 | 该项目处于早期阶段，需要进一步跟踪其发展 |