據(jù)ainonline網(wǎng)站2022年3月1日刊文，美國南衛(wèi)理公會大學（SMU）與模擬器制造/訓練服務供應商CAE公司合作，擬開發(fā)一種生物識別與機器學習技術(shù)相結(jié)合創(chuàng)新方法，用于未來智能化飛行訓練。該系統(tǒng)能夠監(jiān)測飛行員生理反應，實時提供更客觀、自動化的訓練效果實時測定結(jié)果，使飛行訓練可定制、更高效。

長期以來，飛行訓練始終依賴教員的主觀觀察和飛行后的分析，以確定學員對某一動作的熟練程度和掌握情況。創(chuàng)新的生物統(tǒng)計學為監(jiān)測飛行員高負荷工作時的反應提供了一個獨特的視角。SMU和CAE公司聯(lián)合團隊擬通過智能化手段，優(yōu)化飛行訓練效果。SMU AT&T虛擬中心研究團隊持續(xù)開展了四年項目研究，開發(fā)測試使用生物識別與機器學習技術(shù)，來實現(xiàn)對學員情景意識和認知負荷感應情況的認知，以準確測定學員在飛行模擬器中對各種場景的反應。項目早期目標旨在支持美國國防部自動測定任務關(guān)鍵高階認知結(jié)構(gòu)（如情景意識）的任務需求，以加快復雜技能訓練過程，支持多域作戰(zhàn)概念實現(xiàn)。2019年，SMU和CAE公司聯(lián)合團隊首次演示了基于生物識別數(shù)據(jù)的機器學習技術(shù)，實時準確測定人員狀態(tài)（情景意識、心理變化、工作強度等）的項目成果。

機器學習技術(shù)是對能夠通過經(jīng)驗和采集數(shù)據(jù)自動改進算法的研究，是人工智能技術(shù)的組成部分。聯(lián)合團隊實施的項目可測定人員的多種物理反應，如視覺凝視狀態(tài)、瞳孔大小、心率等，以確定飛行測試人員的參與度、工作量、情景意識、壓力疲勞狀態(tài)等。項目研究結(jié)果證實，早期的自動生物識別測試結(jié)果與經(jīng)驗豐富的人類評估員的評估結(jié)果非常一致。因此，SMU團隊認為，模擬試驗中的生物識別技術(shù)測定結(jié)果同樣能夠達到客觀、準確評價的效果。

SMU團隊遭遇的主要難題是：如何證實使用生物識別技術(shù)能夠量化測定/感知用戶在學習/掌握一種高難度技能過程中達到的各種程度。研發(fā)團隊擬突破實現(xiàn)采用可定制、自動化的手段展示習得過程的方法，推動該研究領(lǐng)域的進步。

SMU團隊在試驗中采集生物識別數(shù)據(jù)的過程是在一個混合現(xiàn)實模擬場景中進行的，使用了集成眼動跟蹤器的虛擬現(xiàn)實（VR）頭盔。

CAE公司在生物識別傳感和機器學習方面具備豐富知識和經(jīng)驗。對于項目所需的在動態(tài)、高風險場景（如航空場景）中實現(xiàn)實時測定情景意識這一高階認知架構(gòu)目標來說，通過公司機器學習等新技術(shù)的應用，能夠有效識別學員感知方面的波動，進而對不良狀態(tài)采取干預措施。通過實時訓練復雜性適應研究，系統(tǒng)能夠確保學員獲得最適應的訓練強度，提升訓練效果，更有效、迅速地達到任務準備狀態(tài)。

目前，SMU和CAE聯(lián)合團隊實施的大部分數(shù)據(jù)采集工作均通過重復測定試驗進行。試驗由40名具有不同背景和經(jīng)驗水平的學員參與，在受控環(huán)境中操控混合虛擬現(xiàn)實飛行模擬系統(tǒng)。該模擬系統(tǒng)使用VR構(gòu)建軍用戰(zhàn)斗機作戰(zhàn)場景，融合了可視化、平顯和高精度手部追蹤技術(shù)。數(shù)據(jù)采集設(shè)備包括一部帶有集成眼動追蹤器的VR頭盔和一個腕式設(shè)備。眼動追蹤系統(tǒng)采集眼球凝視、瞳孔反應和眨眼等數(shù)據(jù)。腕式設(shè)備采集心率、皮膚電反應、皮膚電活動（EDA）和手腕加速度等數(shù)據(jù)。這些生物識別數(shù)據(jù)通過計算機分析進行關(guān)聯(lián)，以確定學員的認知負荷、精神狀態(tài)（工作負荷）、刺激或壓力水平等。

試驗顯示，生物識別數(shù)據(jù)能夠反應受試人員的諸多信息，如飛行階段眼球凝視不佳時，說明學員工作負荷較高；眼球凝視狀態(tài)較好時，說明學員注意力和表現(xiàn)較好；眨眼較少或眨眼時間較短時，說明學員在執(zhí)行任務過程中注意力集中；心率變化說明學員在執(zhí)行任務過程中的心理變化。除了研究單一的生物識別統(tǒng)計數(shù)據(jù)，聯(lián)合團隊還進行了數(shù)據(jù)比較分析，以確定不同參數(shù)之間是否有更高的關(guān)聯(lián)性。

聯(lián)合團隊的研究成果對于測定飛行員的工作量也具有重要意義。利用生物識別技術(shù)和機器學習算法，研究人員可確定學員工作負荷情況。研究團隊創(chuàng)造了一種自動化手段，能夠客觀地評估學員表現(xiàn)和飛行動作所需的“輕松程度”，進而測定飛行員的工作量，以及是否有多余的能力來執(zhí)行額外的任務。

除了在實驗室環(huán)境中進行試驗測試外，SMU和CAE公司聯(lián)合團隊還在愛德華茲空軍基地開展了基于生理傳感器系統(tǒng)的外場試驗，客觀評估了飛行員的工作量。外場試驗測試采用波音C-17A飛機完成了兩個飛行測試，包括空中加油機動和橫向偏移著陸，總共記錄了33個機動動作，測試結(jié)果良好。該探索性外場測試表明，在真實飛行場景中，系統(tǒng)能夠采集到比模擬器環(huán)境更高的工作負荷相關(guān)數(shù)據(jù)。

試驗證明，在飛行訓練場景中使用生物識別和機器學習技術(shù)可能最終會改變飛行員的訓練方式。學員生理反應的數(shù)據(jù)記錄可能比人員主觀評估更能可靠地反應訓練實效。雖然SMU和CAE公司聯(lián)合團隊的研究成果只在軍用飛機平臺上進行了試驗驗證，但這一過程和相關(guān)技術(shù)在民用航空中可能也適用，如凝視模式的監(jiān)測，可能有助于訓練提升飛行員在主動飛行路徑監(jiān)控、飛行模式選定和飛行員監(jiān)控職責發(fā)揮等方面效能。

關(guān)鍵詞： 飛行訓練 機器學習