本研究提出了一种新的神经自适应技术概念,即双被动-反应脑机接口 (BCI),可实现人与机器之间的双向交互。我们在逼真的飞行模拟器中实现了这样一个系统,使用 NextMind 分类算法和框架来解码飞行员的意图(反应性 BCI)并推断他们的注意力水平(被动 BCI)。12 名飞行员使用反应性 BCI 执行检查单以及由被动 BCI 监督的防撞雷达监控任务。当后者检测到飞行员没有遇到即将到来的碰撞时,它会模拟自动避让动作。当仅执行检查单任务时,反应性 BCI 的分类准确率达到 100%,平均反应时间为 1.6 秒。当飞行员还必须驾驶飞机并监控防撞雷达时,准确率高达 98.5%,平均反应时间为 2.5 秒。被动 BCI 的 F 1 − 得分为 0.94。首次演示展示了双 BCI 改善人机协作的潜力,可应用于各种应用。
摘要 — 本文介绍了一种数字孪生方法的增强功能,该方法可以模拟工作实践,例如有人驾驶飞机和无人机之间的交互;或跨空中控制机构消除繁忙战场冲突。我们的前提是,通过捕捉社会技术环境的工作实践,这种方法可以克服当前方法的局限性,这些方法无法正确模拟拒绝或中断的环境。我们扩展了数字孪生构造以捕获多个实体以及它们如何系统地交互和相互依赖。我们的工作以 Brahms 模型及其社会技术系统工作实践建模的基础理论为前提,但我们引入了一种现代计算引擎,将这种技术扩展到更广泛的数字孪生解释,从而可以支持更丰富的现实-模拟-现实循环,并更有效地支持训练、反思、学习和再次训练。我们回顾了 Brahms 方法以及我们对数字孪生模型的扩展如何应用于社会技术系统。我们讨论了 Brahms-Lite 并介绍了一种空战模拟应用。最后,我们讨论了如何更广泛地应用这项技术,以扩展数字孪生方法在正常和拒绝条件下对复杂环境的模拟。
日本宇宙航空研究开发机构 (JAXA) 一直在开发一种系统,用于管理灾难响应行动期间的资源分配并优化可用资产 (D-NET) 的应用。作为 UAS 交通管理 (UTM) 项目的一部分,NASA 一直致力于研究如何实现 UAS 在低空空域的大规模商业应用。自 2016 年以来,JAXA 和 NASA 一直合作研究 UAS 在救灾行动中的安全高效整合。2018 年 10 月,在日本爱媛县举行的大规模灾难演习中进行了一次飞行测试,成功证明 D-NET 和 UTM 有助于有人驾驶飞机和无人机安全高效地使用空域。本文介绍了 UAS 在救灾中整合以及 D-NET/UTM 整合的技术挑战以及为应对这些挑战而开发的技术解决方案。还展示了在现实环境中测试两个系统集成的场景,以及飞行测试结果和分析。飞行测试成功展示了 UAS 在灾难响应中的应用,并表明它们可以安全地与载人飞机配合以提高响应效率。
当今,无人驾驶飞行器 (UAV) 广泛应用于军事、民用和研究领域。对可靠且低成本的 UAV 系统的需求持续增长。对于小型到微型 UAV 系统(翼展小于 2 米)尤其如此,由于需求量大和可靠性不足,大多数系统仍以原型形式部署。这些飞行器的建模、测试和飞行控制方面的改进将有助于提高其可靠性和小型 UAV 在运行过程中的性能。有人驾驶飞机开发周期 [1, 2] 中使用的传统方法既费时又费资源。将同样的技术应用于小型 UAV 并不现实。明尼苏达大学航空航天工程与力学系 (AEM) 的 UAV 研究小组专注于开发和实施低成本、开源小型无人驾驶飞行器 (UAV) 飞行研究设施。该设施的目标是支持部门内的研究活动,包括控制、导航和制导算法、嵌入式故障检测方法和系统识别工具。该系统主要由商用现货 (COTS) 组件构建,以最大限度地降低总体材料和开发成本。此外,整个架构都是开放且可用的
美国国防高级研究计划局的“革命性假肢”计划展示了神经接口技术的潜力,使患者能够控制和感受假肢手臂和手,甚至在模拟中驾驶飞机。这些里程碑式的成就需要侵入式、长期植入的穿透电极阵列,而这些电极阵列与健全战士的应用或长期临床应用根本不兼容。非侵入式神经记录方法并不那么有效,在时间和空间分辨率、信噪比、深度穿透、便携性和成本方面受到严重限制。为了帮助弥补这些差距,约翰霍普金斯大学应用物理实验室 (APL) 的研究人员正在探索光学技术,通过快速光学信号表示的血液动力学特征或神经组织运动来记录神经活动的相关性。虽然这两种特征在记录神经活动的时空分辨率和深度方面有所不同,但它们为实现便携式、低成本、高性能的脑机接口提供了一条途径。如果成功的话,这项工作将有助于开创以思维速度进行计算的新时代。
国防高级研究项目局革命性的假肢计划占据了神经界面技术的潜力,使患者能够控制和感觉到假肢和手,甚至在模拟中驾驶飞机。这些具有里程碑意义的成就需要具有侵入性的,长期植入的穿透电极阵列,这在根本上与能够实现的战士或长期临床应用的应用根本不相容。非侵入性神经记录方法并不那么有效,遭受了时间和空间分辨率的严重限制,信噪比,深度渗透,可移植性和成本。为了缩小这些差距,约翰·霍普金斯大学应用物理实验室(APL)的研究人员正在探索光学技术,这些技术通过血液动力学特征或神经组织运动记录了与快速光学信号表示的神经活动相关的。尽管这两个签名在记录神经活动的时空分辨率和深度方面有所不同,但它们为实现便携式,低成本,高性能的脑部计算器界面提供了途径。如果成功,这项工作将帮助以思维速度迎接计算的新时代。
Kongsberg Geospatial 与 Shield AI 合作,在墨西哥湾国际水域部署了 V-BAT VTOL UAS,进行了为期三天的海上试验。试验测试了飞机在白天和夜晚的各种天气条件下从移动船只快速发射和回收、长续航时间以及密闭空间起降的能力。除了远距离跟踪和识别其他船只外,飞行还进行了各种模拟任务,旨在模拟加拿大海岸警卫队使用无人机的真实情况。这些包括定位和跟踪模拟残骸或漏油的染料斑块,以及在波涛汹涌的大海和各种天气条件下定位救生圈。V-BAT 操作员使用 Kongsberg Geospatial 的 IRIS UxS 软件在距离发射船远距离安全地驾驶飞机。 IRIS 软件提供了作战空域的全面态势感知图、来自各种传感器的数据和数据馈送,并显示了其他飞机和水面舰艇以及发射船和“本舰”或正在操作的无人机的位置。来自 UAS 携带的摄像头和传感器的传感器数据馈送被实时输入到 Kongsberg Geospatial 模块化 ISR 数据分析和存储系统中。MIDAS 系统记录来自 UAS 的视频和其他数据,并充当“任务情报协调员”来查看当前和历史传感器馈送
1.简介模拟器在战斗机从设计到生产的整个开发生命周期中发挥着重要作用,既可用于开发阶段的设计支持,如飞行控制系统设计、座舱人体工程学,也可用于航空电子设备架构。当飞机开发完成并投入生产时,需要一台训练模拟器,供机组人员和地勤人员使用。全任务模拟器 (FMS) 在为初学飞行员提供在 FMS 上进行大量练习后在飞机上执行任务的培训方面发挥着重要作用。如今,在大多数国家,飞行员必须在模拟器上接受最少的训练时间,然后才能驾驶飞机执行任务。随着空域成为严重制约因素,空中训练成本不断攀升,模拟器训练对于安全和降低成本而言变得更加重要。在这种情况下,战斗机的挑战性更大,因为这些机器要执行的任务很复杂,需要在地面进行大量练习,以应对紧急情况和应急处理。这种训练需要一个模拟器,它可以忠实地复制飞机在整个飞行包线内的行为,提示系统可以提供环境感,驾驶舱设置有显示器、控制装置和面板,就像真正的飞机一样。
然而,大约 20 秒后,湍流从中度增加到严重。在“导航模式”下以 0.78 马赫 (M0.78) 的速度选择开启的自动驾驶仪 (AP) 断开连接,飞机迅速爬升至指定高度以上。随后,强烈的冰雹开始影响飞机。两名机组人员都注意到,自动驾驶仪断开连接时主警告灯亮起,但由于冰雹的噪音,两名飞行员都没有听到相关的音频警告。FO 手动驾驶飞机,选择发动机点火开启,将速度设置为 M.076 以应对湍流,并打开驾驶舱顶灯。机长将导航显示器 (ND) 上的距离选择器改为 40 海里,以检查交通防撞系统 (TCAS) 上的冲突交通,监控主飞行显示器 (PFD) 上的飞机速度,监控副驾驶的侧杆输入并取消主警告灯。在整个过程中,PF 试图重新获得 FL340 并保持航迹。然而,飞机偏离了其指定巡航高度 1,300 英尺以上至 300 英尺以下,滚转至不超过 18° 的倾斜角。垂直速度指示器 (VSI) 上的指示证实,至少有一次爬升或下降率超过每分钟 5,900 英尺。
工作压力是所有职业面临的主要问题,它不仅影响到健康受到威胁的员工,也影响到组织。据预测,到 2035 年,空中交通总量将平均增长 6.2%。这一预测表明,未来 20 年对空中交通管制员的需求将迅速增长,全球现有空中交通管制员的压力和疲劳程度也将随之上升,因为他们必须确保使用航空运输服务的人员的安全。压力会影响空中交通管制员的表现及其正确完成任务的能力。过多的压力会影响管制员集中精力完成某项任务的能力,这可能导致灾难性事件,如航空事故和意外。另一方面,疲劳只会带来轻微的不便,最常见的解决方法是小睡一会儿或停止导致疲劳的活动。通常,疲劳不会造成严重后果。然而,如果该人参与安全相关活动,如驾驶飞机、分离飞机并负责安全的空中交通流量,疲劳的后果可能是灾难性的。本文的目的是找出压力和疲劳之间的相关性,并找出疲劳和压力的主要原因,并找出以前关于同一主题的研究中存在的差距,以突出值得关注的领域,并可能找到一些解决方案和建议