2020年12月29日，兰德公司网站发布报告，题为《An Experiment in Tactical Wargaming with Platforms Enabled by Artificial Intelligence》，作者是丹妮尔C.塔拉夫（资深信息学家、帕蒂兰德研究生院教授）和J.迈克尔·吉尔摩等8人。报告要点如下：
研究的问题
（1）研究人员如何在桌面战术兵棋推演中试验人工智能/机器学习（AI / ML）具体而有意义的表示形式？
（2）在随后的推演、分析和测试中，可以探索哪些有关AI / ML能力的潜在价值和局限性的见解？
（3）推演参与者如何与AI / ML系统互动？
兰德公司研究人员通过两个兵棋推演实验探索了结合AI / ML的未来武器系统的能力和局限性。研究人员修改并增强了商用桌面兵棋推演中使用的规则和博弈数据统计，以使（1）遥控操作和完全自主的作战平台以及（2）具有AI / ML赋能的态势感知能力的平台能展示蓝军（美国）与红军（俄罗斯）如何在各层次交战。这些规则试图切实掌握这些系统的能力和局限性，包括其对某些敌对措施（例如干扰）的脆弱性。未来的工作可能会改善AI / ML赋能系统的兵棋推演和表现形式。
在此实验中，参与者作了两个推演：基准推演和AI / ML推演。在这两个推演想定的整个推演过程中，双方参与者都讨论了遥控操作和完全自主系统的能力和局限性，以及它们在在使用这类系统的交战中有何意义。这些讨论导致参与者使用系统的方式发生了变化，并观察了在指挥官可能接受一个系统之前应该缓解哪些限制，以及指挥官需要充分理解哪些能力，以便可以适当地使用系统。
这项研究表明，通过将作战人员和工程师召集到一起，需求和采办机构可以用这类推演为AI / ML系统开发可实现的需求和工程规范。
重要发现
• 遥控操作的机器人作战平台（RCV）有明显的缺点，相对于全自主的RCV和有人平台而言，这些缺点容易被利用。
• RCV被用作武装侦察，通常明确用作诱饵。
• 红方因相对有限的情报、监视和侦察能力及间接火力而无法行动。
• 假定的AI / ML能力可以纳入战术地面战斗兵棋推演。
• 通过将作战人员和工程师召集到一起，需求和采办机构可以用这样的兵棋推演来为AI / ML系统开发可实现的需求和工程规范。
