随着机器学习应用越来越能够执行安全关键功能，海军部将开始把它们集成到有人和无人平台中。不过，在海军部（DON）目前的测试与评估（T&E）框架下，DON试图测试的机器学习算法将没有适当的工件来表明算法将以安全和合乎道德的方式可靠地执行任务。本研究介绍了海军部适航性的基本原理和当前的 T&E 框架，然后回顾了一个代理测试项目，以研究如何调整当前的海军部 T&E 框架，为机器学习算法的实战提供更多保证。

这项研究为海军航空事业（NAE）内的利益相关者提供了对当前已有或正在开发的工具、方法和框架的了解，如果对这些工具、方法和框架进行调整，就能为使用机器学习来完成目前由人类操作员完成的任务的系统提供额外的学习保证。本文的主要目的已经达到，即掌握了基础知识，并将在未来一年内通过实际测试加以验证。验证将通过研究使用案例来完成，具体来说，就是无人机系统（UAS）与有人驾驶平台之间的自主空对空加油（A3R），以及如何将保障领域的新能力应用到测试计划、执行和分析过程中。次要目标是掌握完成初始测试和评估的流程，使这些程序可用于并扩展到未来可能适合自主系统的任务集。随着对这一特定使用案例的初步测试和评估的进行，将会学到更多的知识，而一旦掌握了这些知识，将有助于为今后海军对自主平台的所有测试和评估奠定基础。