（本网讯）近日，我校计算机科学与工程学院傅妍芳教授团队，通过人工智能实现军事仿真想定的自动生成。传统指挥员48小时的编排，AI能用48秒重构出1万种可能，AI直接成为各种作战环境、兵力部署、事件逻辑作战策略内容的生产者。这不只是效率的提升，而是对传统人工想定的彻底颠覆。基于此项研究成果，已与相关企业合作完成了基于AFSIM的新一代智能仿真系统（如需获得相关软件系统请关注公众号：战术仿真探索）。
现代战争形态正朝着智能化、无人化、分布式、多域融合的方向快速发展，联合作战仿真通过构建跨域动态对抗环境，以数据驱动指挥链路优化，实现从‘能力叠加’到‘体系融合’的质变突破。而作战仿真中的核心环节是军事想定，直接影响仿真的有效性、可信度和实用价值。
军事想定的本质是“在虚拟中逼近真实”，其难度源于战争本身的复杂性和人类认知的局限性。不仅人员需要跨领域的知识储备，还须具备系统思维、动态适应能力和实践经验。
Deepseek大模型技术一个显著的优势在于能够通过海量数据训练实现对复杂战场态势的解构与重构，依托其强大的模式识别能力构建多维战场知识图谱。现代作战仿真想定需要融合地理环境、装备参数、兵力部署等异构要素，其动态对抗过程中产生的非线性交互关系已超出传统建模方法的解析能力。而大模型凭借其多模态数据处理特性，可在虚实结合的仿真环境中实时交互推演，自主挖掘战场要素间的潜在关联，动态生成兼顾物理规律与战争博弈逻辑的想定方案。这种基于深度强化学习的持续迭代机制，使得大模型不仅能模拟已知作战模式，更能通过对抗性训练推演新型战术战法，为作战方案的智能化生成与评估提供认知增强。因此，大模型与作战仿真想定实质上是构建起"数据驱动-智能推演-方案进化"的闭环体系，正在重塑未来战争设计的范式与路径。
突破：三大核心技术解析
一、变分自编码器（VAE）：高维数据建模与特征提取
传统AFSIM静态建模难以应对复杂战场动态。我们创新采用VAE-GAN混合架构，将地形、气象、电磁等多维参数映射到连续潜在空间，通过高斯采样生成高保真动态战场环境。该方案实现三大突破：1）统一编码200+基础模型数据，支持实时环境重构；2）潜在空间多模态插值生成连续战场态势；3）结合分层VAE与RAG技术，实现技术文档70%压缩率及自然语言智能查询，如"强干扰下优化雷达探测"。显著提升仿真真实性和决策支持效率。
二、行为树与思维链（CoT）：动态决策与任务规划
传统AFSIM的行为树缺乏复杂推理能力，而LLM生成想定易逻辑混乱。我们首创行为树-思维链（CoT）协同框架，实现从"机械执行"到"因果推理"的升级：1）分层嵌套行为树将战略目标分解为原子任务；2）关键决策时，CoT引擎生成因果链（如"雷达锁定失败→启动红外追踪"）；3）动态转换可执行逻辑。该方案既保持行为树可控性，又提升复杂场景适应力，使想定逻辑错误率显著降低。
三、滑动窗口RAG技术：知识增强与精准生成
军事推演需整合多模态数据（文本报告、传感器日志、地理信息等），传统数据库效率低下。团队开发智能预处理流水线：1）分类对齐非结构化文档（作战手册）、半结构化数据（雷达日志）和时序数据（卫星轨迹）；2）通过领域自适应模型识别军事实体（如S-400系统），构建统一知识库；3）采用滑动窗口RAG框架，动态调整窗口大小和步长，确保语义连贯性，并索引到向量数据库。该方案既提升数据整合效率，又增强LLM生成内容的准确性和可靠性。
创新：技术融合的颠覆性价值
一、数据-决策-知识的闭环优化
VAE解决数据特征提取难题，行为树-CoT提升想定逻辑性，滑动窗口RAG确保知识检索精准有效，三者形成完整的技术闭环。
二、跨领域通用性
系统已通过军事推演、工业数字孪生等场景验证，适配AFSIM的模块化架构，支持快速扩展。
三、人机协同新范式
指挥官可通过行为树实时干预仿真过程，结合RAG生成的战术建议，实现“人在回路”的智能决策。
本次技术突破标志着军事仿真从“数据驱动”向“认知增强”的跨越。通过融合三大技术，研究团队成功构建了可适配动态战场的智能推演系统，实现了从战术规划到实时决策的全链路能力升级。未来团队将持续深耕于强化学习驱动的自适应RAG和人在环路的可信增强，实时优化检索策略，构建出成熟的“人类经验-机器推理-战场验证”的闭环学习体系，以满足更为复杂和严苛的作战任务需求。
"设计战争"是对已知战场形态的系统规划，而"战争设计"则是对未知战争样貌的主动塑造，应用人工智能的颠覆性变革，加速实现从确定性规划向不确定性应对的范式跃迁，为未来智能战场构建了全新的技术底座，这就是进化智能的使命。
文、图：傅妍芳 审核：曹岩 编辑：毛逸彬
西安工业大学
党委宣传部
西安工业大学
党委宣传部