Many-vs-Many Missile Guidance via Virtual Targets

Resumen Técnico: Guiado de Misiles Muchos-vs-Muchos mediante Objetivos Virtuales

Planteamiento del Problema
El artículo aborda el desafío de guiar múltiples interceptores contra múltiples objetivos maniobrables (compromisos muchos-vs-muchos). Los enfoques convencionales dependen típicamente de algoritmos de Asignación de Arma-Objetivo (WTA) para mapear $n$ interceptores directamente a $m$ objetivos físicos. Una limitación crítica de este paradigma es la dependencia de predicciones deterministas; cuando los objetivos maniobran, asignar interceptores a predicciones idénticas de un solo punto falla en aprovechar plenamente la superioridad numérica ($n > m$). Los autores postulan que tratar el compromiso como un problema muchos-vs-distribución, en lugar de un problema muchos-vs-punto-determinista, ofrece una solución más robusta para el comportamiento probabilístico de los objetivos.

Metodología
La solución propuesta introduce una estrategia de guiado centralizada que utiliza Objetivos Virtuales (OV). La metodología opera a través de los siguientes componentes principales:

1. Predicción Probabilística de Trayectoria: En lugar de predecir una única trayectoria determinista para cada objetivo, el sistema emplea un predictor de trayectoria basado en Flujos Normalizadores. Este modelo genera $n$ trayectorias de OV distintas para cada objetivo, representando una distribución probabilística de maniobras futuras potenciales.
2. Asignación de Objetivos Virtuales: En lugar de asignar interceptores a objetivos físicos, la estrategia asigna cada uno de los $n$ interceptores a una trayectoria de OV específica. Esto distribuye efectivamente la fuerza de interceptores a través de hipótesis de trayectoria diversas.
3. Ley de Guiado de Dos Fases:
   • Fase de Curso Medio: Los interceptores son guiados hacia sus OV asignados utilizando el guiado de Desviación de Esfuerzo Cero (ZEM). Esta fase se centra en minimizar la distancia de fallo en relación con la trayectoria virtual predicha.
   • Fase Terminal: Al acercarse al objetivo, la ley de guiado transiciona a Navegación Proporcional (PN) para ejecutar la interceptación final.

Contribuciones Clave

• Cambio de Guiado Determinista a Probabilístico: El artículo propone un cambio fundamental en la lógica de compromiso, alejándose de la asignación directa interceptor-objetivo hacia un marco de interceptor-distribución.
• Integración de Flujos Normalizadores: La aplicación de Flujos Normalizadores para generar OV permite modelar distribuciones complejas y multimodales de maniobras de objetivos, habilitando la generación de hipótesis de trayectoria diversas.
• Aprovechamiento de la Superioridad Numérica: El método explota explícitamente escenarios donde el número de interceptores excede el número de objetivos ($n > m$). Al dispersar interceptores a través de una distribución de probabilidad de comportamientos del objetivo, el sistema aumenta la probabilidad de que al menos un interceptor se alinee con la maniobra real del objetivo.

Resultados Experimentales
Los autores validaron el enfoque mediante simulaciones de Monte Carlo en diversas configuraciones que involucraban de 1 a 6 objetivos y de 1 a 8 interceptores. Los resultados indican:

• Números Iguales ($n = m$): Cuando el número de interceptores es igual al número de objetivos, el método OV se desempeña de manera comparable o ligeramente mejor que los métodos de línea recta de predicción de referencia, mostrando mejoras en el rango de 0–4.1%.
• Superioridad Numérica ($n > m$): La brecha de rendimiento se amplía significativamente cuando los interceptores superan en número a los objetivos. En estos escenarios, el método OV demuestra mejoras de 5.8–14.4% sobre los métodos de referencia.
• Eficacia General: Las simulaciones confirman que los OV probabilísticos permiten la utilización efectiva de la superioridad numérica, lo que conduce a un aumento significativo en la probabilidad general de interceptación en escenarios muchos-vs-muchos.

Significado
El artículo afirma que su significado principal radica en demostrar que los compromisos muchos-vs-muchos pueden gestionarse más eficazmente tratándolos como escenarios muchos-vs-distribución. Al utilizar Flujos Normalizadores para generar Objetivos Virtuales, la estrategia propuesta supera las limitaciones de la asignación determinista, permitiendo un aprovechamiento más robusto de la superioridad numérica de los interceptores. Los resultados sugieren que este enfoque proporciona un aumento tangible en la probabilidad de interceptación, particularmente en compromisos complejos donde la maniobra del objetivo es incierta y el número de interceptores disponibles excede el número de amenazas.