Data-driven behavior modeling for computer generated forces – a literature survey

Datagenererte styrker har lenge blitt brukt i militære simuleringsbaserte verktøy for trening og beslutningsstøtte. Datagenererte styrker er autonome eller semiautonome entiteter som representerer militære enheter, for eksempel stridsvogner, soldater og fly. Hovedformålet med bruk av datagenererte styrker er å kunne gjennomføre øvelser med mindre personell ved at en person kan styre flere militære enheter. Selv om datagenererte styrker er nyttige i dag, er den autonome oppførselen ofte begrensa til å følge ideelle regler identifisert av domeneeksperter. De reflekterer ikke nødvendigvis den menneskelige oppførselen til de virkelige systemene som de datagenererte styrkene representerer.

Denne rapport introduserer og presenterer en litteraturoversikt over datadrevet oppførselsmodellering (DDBM), som er et alternativ til den tradisjonelle domeneekspertbaserte måten å modellere oppførselen til datagenererte styrker på. I DDBM brukes maskinlæringsalgoritmer for å analysere og identifisere oppførselsmønstre og for å generere oppførselsmodeller fra eksempler på ønska oppførsel. Målet er å kunne generere oppførsel mer effektivt og lage oppførselsmodeller som er mer objektive og realistiske.

Denne rapporten er resultatet av et samarbeid mellom Forsvarets forskningsinstitutt (FFI) og Totalförsvarets forskningsinstitut (FOI) i Sverige, "Technical arrangement nummer 4 FFI-FOI - Terrain Analysis and Synthetic Agents".