人工智能等新技術在航空訓練中的應用研究

何曉驍 姚呈康

摘要：本文系統(tǒng)地梳理了人工智能等新技術在戰(zhàn)術對抗訓練和機載訓練系統(tǒng)中的應用，以及機器學習技術、混合現(xiàn)實技術在訓練中的應用，分析了上述這些技術在航空訓練領域的發(fā)展方向，研究發(fā)現(xiàn)人工智能等新技術已經(jīng)在航空訓練領域中推廣應用，使訓練方式從過去的集中式訓練向基于云端的分布式訓練轉(zhuǎn)變，從以訓練大綱為中心向以學員為中心轉(zhuǎn)變。

關鍵詞：人工智能；航空訓練；機器學習；虛擬現(xiàn)實；飛行模擬器

中圖分類號：V11文獻標識碼：ADOI：10.19452/j.issn1007-5453.2020.10.002

基金項目：航空科學基金（2018ZG18010）

幾乎每個行業(yè)都面臨著新興技術的挑戰(zhàn)，人工智能（AI）、機器學習（ML）、虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR）等新技術已經(jīng)經(jīng)常出現(xiàn)在日常生活中。在民用領域，大量的資本投入促使了這些技術的快速發(fā)展。民用領域的使用環(huán)境基本上屬于合作環(huán)境，有利于新技術上的發(fā)展。但是對于軍用領域來說，存在著戰(zhàn)爭迷霧和博弈對抗，還存在數(shù)據(jù)缺失的問題，并且將AI直接用于武器裝備也帶來了道德層面問題，所以將新技術首先用于仿真訓練領域是一種過渡辦法。傳統(tǒng)上，軍工企業(yè)參與軍方訓練相關工作時，往往被要求為軍方用戶制造、交付硬件。如今，更多的交付物已從硬件（產(chǎn)品）轉(zhuǎn)移到軟件（服務），這是軍工行業(yè)的重大轉(zhuǎn)變。數(shù)據(jù)驅(qū)動的交付物可能會在技術需求上跟當前有很大的不同，如要求交付無形的源代碼給了新技術更多的施展空間，使得新技術得到重視和發(fā)展。通過近些年的努力，航空訓練的保真度、訓練效率以及設備小型化等方面已經(jīng)有了明

顯的提升[1-3]。

1人工智能技術在訓練中的應用

1.1用于戰(zhàn)術對抗訓練

由人類專家把戰(zhàn)術、戰(zhàn)役等不同顆粒度中的基礎交戰(zhàn)規(guī)則進行抽取，把交戰(zhàn)規(guī)則模型化，用人工智能技術在此基礎上進行組合和擴展形成專家系統(tǒng)，在一定的戰(zhàn)場環(huán)境中驅(qū)動實體進行交互，使其行為具有保真度。“遺傳模糊樹”是一種常用的算法框架，其原理上是一種基于演進式的推理系統(tǒng)，能夠利用人類專家的作戰(zhàn)、飛行知識庫，使其在多實體、多目標協(xié)同作戰(zhàn)中具備快速實時行為決策能力。

由美國辛辛那提大學航空工程系開發(fā)的多實體、中距空戰(zhàn)對抗系統(tǒng)，稱為“阿爾法”（ALPHA）（見圖1），在公開報道中打敗了美軍退役飛行員。ALPHA系統(tǒng)作為對抗中的紅方，操縱著4架F/A-18飛機，從約95km處迎頭進入。藍方的兩架F/A-18飛機由美軍退役飛行員駕駛，同時藍方有預警機支援，在態(tài)勢感知上有優(yōu)勢，并且，藍方的武器數(shù)量和射程均優(yōu)于紅方。藍方目標是穿透紅方在海岸線的空域，經(jīng)多回合的對抗，結(jié)果都是退役飛行員被擊落且紅方?jīng)]有損失。結(jié)果表明，“阿爾法”具備了一定的容錯能力和強大的認知能力，能做出清晰的判斷和準確的動作，比人類反應快250倍。專家系統(tǒng)沒有情緒，行為理性，操縱準確，反應快，能預判人類飛行員的行為，在進攻和防御轉(zhuǎn)換切換迅速[4]。

這種使用AI驅(qū)動的系統(tǒng)非常適合用于飛行員的戰(zhàn)術訓練，具有成本低、易部署、行為較為準確的優(yōu)點。當然，該技術也可以用于未來可預見的有人/無人協(xié)同作戰(zhàn)的場景的訓練。通過類似于“阿爾法”這種人機對抗訓練，提高人機協(xié)同作戰(zhàn)任務中人類飛行員與機器之間的信任協(xié)作。與此同時，由于采用由易到難、由遠距到近距、由單機到協(xié)同的方式來發(fā)展和訓練機器的自主空戰(zhàn)能力，可以實現(xiàn)空中格斗算法面向不同難度問題時的智能提升。AI驅(qū)動的行為讓無人化飛行器具有面向相對復雜作戰(zhàn)任務時，具備一定的自主決策能力，人類飛行員可以從傳統(tǒng)的飛機駕駛員角色逐漸轉(zhuǎn)變成為協(xié)同編隊指揮員的角色，通過指揮編隊中多個高度自主的無人作戰(zhàn)平臺完成空中作戰(zhàn)任務[5-6]。

1.2用于機載訓練系統(tǒng)

在日常備戰(zhàn)時期，開展航空兵的實裝訓練和體系化對抗訓練是一種能有效保持并提升戰(zhàn)斗力的方式。在一對一的超視距迎頭空戰(zhàn)中，假如態(tài)勢簡單、位置信息清晰，很難在中、遠距將對手擊落。按照現(xiàn)代空中作戰(zhàn)理論，在飛機能力相近的情況下空戰(zhàn)制勝取決于敵我雙方在任務的感知（Observe）、認知（Orient）、決策（Decide）、執(zhí)行（Action）4個循環(huán)的執(zhí)行速度是否占優(yōu)。隨著機載系統(tǒng)智能化水平的提升，機器和人類飛行員的兩層OODA環(huán)的循環(huán)速度落差將成為限制空中作戰(zhàn)平臺性能發(fā)展的瓶頸，因此必須訓練機載系統(tǒng)更多地承擔認知、決策層面的任務，降低人類飛行員在空戰(zhàn)鏈路中的任務載荷，優(yōu)化人機配合的節(jié)奏，保證在對抗中失誤更少，速度更快，最終提升制勝概率[7]。AI算法具有嚴格執(zhí)行規(guī)則、幾乎不犯錯誤的優(yōu)勢，經(jīng)過改造適合成為虛擬對手，配合人類飛行員開展超視距空戰(zhàn)對抗訓練。對于近距格斗而言，盡管近距空戰(zhàn)在未來發(fā)生的頻率逐漸降低，但是格斗也是訓練必不可少的科目。機載訓練系統(tǒng)是在飛機任務系統(tǒng)的基礎上，增加了生成空中、地面虛擬對抗性目標的能力，使飛行員能隨時隨地開展“實”對“虛”的對抗任務訓練。傳統(tǒng)的訓練系統(tǒng)往往采用實裝對抗的方式，訓練中沒有加入虛擬目標，對抗強度有限。將AI驅(qū)動的具有對抗性的數(shù)字實體和真實飛行結(jié)合，將虛擬目標融入到機載任務系統(tǒng)后，飛行員可以按照原裝備作戰(zhàn)飛行程序使用機載任務系統(tǒng)訓練（見圖2）。

AI驅(qū)動的程序可以讓“敵人”自動做出類似人類的反應，甚至比專家的動作更為準確。這種類似于專家系統(tǒng)的程序代替了傳統(tǒng)的預先編程行為模型，使虛擬目標看起來更加符合實際情況。虛擬目標會對飛行員的行為實時響應，因此飛行員無法預測虛擬目標的下一步行為，這使飛行員需要判斷“敵人”的意圖并調(diào)整戰(zhàn)術，避免了千篇一律的重復訓練。這種行為舉止更加真實，增強了訓練的效果。武器數(shù)字化后的彈道仿真和實時結(jié)果評估由機載計算機完成，因此飛行員會立即知道訓練結(jié)果是擊中還是被擊落。虛擬目標的雷達也可以被模擬，把輻射狀態(tài)發(fā)送到實裝飛機任務總線中，激勵本機的雷達告警設備做出響應[8-9]。

2機器學習技術在訓練中的應用

隨著訓練需求的發(fā)展，利用數(shù)據(jù)分析的結(jié)果進行訓練優(yōu)化是提高訓練效率和水平的有效解決方案。數(shù)據(jù)早已成為一個網(wǎng)絡熱詞，對數(shù)據(jù)的有效分析和利用對各行業(yè)能起到很大作用。在航空訓練領域，數(shù)據(jù)已經(jīng)存在很長時間，但是尚未充分利用這些數(shù)據(jù)讓其能發(fā)揮潛力。這主要是因為涉及軍用數(shù)據(jù)的最大障礙是工業(yè)部門或者其他機構(gòu)的訪問權受限。缺少對所需數(shù)據(jù)的訪問權限可能會阻礙利用機器學習技術去開發(fā)解決方案。訓練數(shù)據(jù)和仿真數(shù)據(jù)的敏感性相對較低，這使得機器學習技術有了施展空間。

機器學習算法需要學習一定規(guī)模的數(shù)據(jù)，因此隨著對正確數(shù)據(jù)的訪問增加，這些算法變得“更智能”。此外，大數(shù)據(jù)不一定比小數(shù)據(jù)好，重要的是正確的數(shù)據(jù)?；诟鞣N數(shù)據(jù)源的相關性，形成所需要的數(shù)據(jù)集才能得出有意義的結(jié)論。基于訓練數(shù)據(jù)集的深層神經(jīng)網(wǎng)絡，是目前一種比較主流的預測訓練效果表現(xiàn)的方法，被證明具有實時預測訓練表現(xiàn)的能力，可以更有效地修改訓練內(nèi)容以保持學員的參與度，從而幫助轉(zhuǎn)移和保留必要的技能（見圖3）。

機器學習算法將使計算機能夠自動化那些完全客觀的過程。如在練習密集編隊科目時，人類教練員不容易評估以英尺或毫秒為單位的偏差。但是用計算機自動評估工具可以測量、顯示，使評估標準化并根據(jù)客觀標準分析實時數(shù)據(jù)，給出評價結(jié)論，從而使人類教練員有能力關注更多主觀因素。

有些學員學習得快，有些學員學習得慢。通過數(shù)據(jù)分析，暴露出訓練過程中存在的問題，根據(jù)對個人評價水平進行調(diào)整，提升或降低訓練復雜性以及對訓練進度進行調(diào)整，給持續(xù)優(yōu)化訓練過程提供了較為直接和客觀的支撐，從而在訓練大綱的基礎上優(yōu)化了個人訓練計劃。這種閉環(huán)訓練系統(tǒng)實現(xiàn)“個性化”學習，適應學員當前的知識儲備，讓其保持最佳學習水平[10]（見圖4）。

該技術還用于監(jiān)測、統(tǒng)計學員的生理特征，分析學員在面臨不同任務壓力下的生理反應。學員在心臟附近佩戴監(jiān)測傳感器，用于測量心率、呼吸、脈搏和血壓，監(jiān)控學員對任務壓力的反應程度。例如，數(shù)據(jù)可以反映出當前科目是否對學員過于簡單或困難。當學員遇到單發(fā)失效或者任務目標臨時改變，復雜氣象下、敵方戰(zhàn)斗機或地空導彈來襲時，可以分析學員心理的變化趨勢[11]。

3混合現(xiàn)實技術在訓練中的應用

AR、混合現(xiàn)實（MR）、VR可簡稱為XR（見圖5、圖6）。大量基于XR的設備或軟件投入到了仿真訓練中。MR處于虛擬現(xiàn)實（完全合成）和增強現(xiàn)實（完全現(xiàn)實）之間的中間地帶。VR應用于訓練相對較早，但在用于飛行員訓練時由于看不見物理環(huán)境，飛行員無法與駕駛艙進行交互，缺乏觸覺反饋。MR的出現(xiàn)給這個難題帶來了解決辦法，該系統(tǒng)使用物理接口和虛擬接口的組合，使人員可以從虛擬世界看到駕駛艙，解決了與物理駕駛艙交互的問題[12-13]。

MR技術結(jié)合了物理環(huán)境和計算機生成（或虛擬）信息，在設備小型化的同時還具有讓眼部舒適的分辨率和視野。利用MR技術使訓練設備小型化、便攜化，可機動部署，能部分代替?zhèn)鹘y(tǒng)訓練系統(tǒng)（如全任務模擬器），開展的一些訓練科目，減少了對昂貴的任務模擬器的使用需求[14]。

在接下來的10年中，MR將成為仿真訓練重點關注的一項技術，對于航空兵訓練而言，MR技術可以部分取代傳統(tǒng)的、笨重的、對場地要求高的球幕投影系統(tǒng)；對陸軍的單兵訓練，MR這種頭戴式設備具有可移動的優(yōu)勢，可靈活部署用于戶外訓練，而這是通過傳統(tǒng)的固定培訓系統(tǒng)無法獲得的使用方式。

目前，頭戴式設備的運動跟蹤通常使用放置在房間周圍的傳感器來感應用戶的位置。在未來的幾年中，這種跟蹤方式逐步轉(zhuǎn)為內(nèi)置于頭戴式耳機中，它使用攝像頭來感應用戶的位置，而無須在周圍空間中放置外部傳感器[15-16]。

4結(jié)束語

人工智能等新技術已經(jīng)逐漸在航空訓練領域中推廣應用，盡管面臨許多挑戰(zhàn)，但航空訓練正在不斷發(fā)展以提高訓練的效率和戰(zhàn)備狀態(tài)。新技術引入后的訓練方式從過去的集中式訓練向基于云端的分布式訓練轉(zhuǎn)變；從以訓練大綱內(nèi)容為中心向以學員學習效果為中心轉(zhuǎn)變。

訓練系統(tǒng)中的智能虛擬目標是提升訓練效果的關鍵因素之一。近些年來，人工智能技術快速發(fā)展，并且在空戰(zhàn)對抗中已經(jīng)被證明在一對一、多對多空戰(zhàn)中戰(zhàn)勝人類飛行員。目前，用機器學習技術開發(fā)的空戰(zhàn)訓練程序已經(jīng)表現(xiàn)出了操縱準確、態(tài)勢理解快、處理大量信息快，在有限邊界內(nèi)幾乎不犯錯誤的優(yōu)勢。頭戴式訓練設備其在視景顯示方面有較大的視場，其成本比傳統(tǒng)投影系統(tǒng)降低很多，物理尺寸和應用支持方面也有優(yōu)勢。但是在短期內(nèi)，傳統(tǒng)高端模擬器憑借在觸感和人機界面方面占有優(yōu)勢，不會被創(chuàng)新產(chǎn)品取代。但是這些創(chuàng)新技術可以作為一種補充，提供額外的訓練時間，滿足低成本的要求，使基礎練習的資源更加豐富，加快知識轉(zhuǎn)移，以便在高端模擬器中開展更有針對性的訓練。

參考文獻

[1]袁成.人工智能在航空領域應用正向深度和廣度擴展[N].中國航空報，2019-08-13（005）. Yuan Cheng. The application of artificial intelligence in aviation is expanding in depth and breadth [N]. China Aviation News， 2019-08-13（005）.（in Chinese）

[2]黃文莉.國外軍用飛行模擬器的產(chǎn)業(yè)進展[J].集成電路應用， 2020，37（3）：28-30. Huang Wenli. Industrial development of foreign military flight simulators [J]. Integrated Circuit Applications， 2020，37 （3）： 28-30.（in Chinese）

[3]吳雄，劉純.外軍戰(zhàn)斗機空戰(zhàn)戰(zhàn)術訓練系統(tǒng)應用研究[J].兵器裝備工程學報，2017（7） ：31-37. Wu Xiong， Liu Chun. Application research on air combat tactical training system of foreign fighters [J]. Journal of Ordnance Equipment Engineering， 2017（7）：31-37.（in Chinese）

[4]何曉驍.人工智能戰(zhàn)斗機在復雜環(huán)境中能否“防忽悠”[N].中國航空報，2019-09-10（005）. He Xiaoxiao. Can artificial intelligence fighter "prevent fraud" in complex environment [N]. ChinaAviation News， 2019-09-10（005）.（in Chinese）

[5]車繼波.人工智能在無人作戰(zhàn)飛機上的應用與展望[J].電訊技術，2018（7）：859-864. Che Jibo. Application and prospect of artificial intelligence in unmanned combat aircraft [J]. Telecommunication Technology， 2018 （7）： 859-864.（in Chinese）

[6]梁琳.以航空飛行訓練新技術為基礎的人工智能仿真驗證研究[J].通訊世界， 2020， 27（5）： 219-220. LiangLin. Artificialintelligencesimulationverification research based on new aviation flight training technology [J]. Communication World， 2020， 27 （5）： 219-220.（in Chinese）

[7]雷宏杰，姚呈康.面向軍事應用的航空人工智能技術架構(gòu)研究[J].導航定位與授時， 2020， 7（1）： 1-11. Lei Hongjie， Yao Chengkang. Research on aviation artificial intelligence technology architecture for military application [J]. Navigation， Positioning and Timing， 2020，7（1）：1-11.（in Chinese）

[8]朱江，林皓，趙鵬軒.大型運輸機飛行訓練模擬器設計技術研究[C]//第二十屆中國系統(tǒng)仿真技術及其應用學術年會，2019： 329-333. Zhu Jiang， Lin Hao， Zhao Pengxuan. Research on design technology of flight training simulator for large transport aircraft [C]// 20th China Annual Conference on System Simulation Technology and its Application， 2019： 329-333.（in Chinese）

[9]亓凱，楊任農(nóng)，左家亮，等.空戰(zhàn)飛機嵌入式訓練系統(tǒng)的研究[J].火力與指揮控制，2011（9）：165-167. Qi Kai， Yang Rennong， Zuo Jialiang， et al. Research on embedded training system of air combat aircraft [J]. Firepower and Command Control， 2011 （9）： 165-167.（in Chinese）

[10]李進，劉淼.飛行模擬訓練器規(guī)范評述[J].直升機技術，2019（1）：58-62. Li Jin， Liu Miao. Review of flight simulator specification [J]. Helicopter Technology， 2019 （1）： 58-62.（in Chinese）

[11]應艷茹，楊宛璐，韓立，等.飛行訓練模擬器數(shù)據(jù)采集系統(tǒng)設計[J].教練機，2019（4）：66-68. Ying Yanru， Yang Wanlu， Han Li， et al. Design of flight training simulator data acquisition system [J]. Trainer， 2019（4）： 66-68.（in Chinese）

[12]李暢，晁建剛，何寧，等.面向航天員訓練的混合現(xiàn)實場景理解方法研究[J].載人航天，2020，26（1）：26-33. Li Chang， Chao Jiangang， He Ning， et al. Research on hybrid reality scene understanding method for astronaut training [J]. Manned Spaceflight， 2020，26 （1）： 26-33.（in Chinese）

[13]羅斌，姚鵬，翁冬冬，等.基于混合現(xiàn)實的新型輕量級飛行模擬器系統(tǒng)[J].系統(tǒng)仿真學報，2009，21（17）：5406-5410. Luo Bin， Yao Peng， Weng Dongdong， et al. A new lightweight flight simulator system based on hybrid reality [J]. Journal of System Simulation， 2009，21（17）： 5406-5410.（in Chinese）

[14]湯勇.增強半虛擬現(xiàn)實飛機座艙關鍵技術研究[D].南京：南京航空航天大學，2012. Tang Yong. Research on key technologies of enhanced semi virtual reality aircraft cockpit [D]. Nanjing： Nanjing University ofAeronautics andAstronautics， 2012.（in Chinese）

[15]孫惠，王金.軍用飛機訓練保障需求分析模型的建立[J].航空科學技術， 2016， 27（3）：60-63. Sun Hui， Wang Jin. Establishment of military aircraft training support demand analysis model [J]. Aeronautical Science & Technology， 2016， 27 （3）： 60-63.（in Chinese）

[16]黃宇，蘆濤，王立.飛行訓練模擬器通用數(shù)據(jù)采集設備的設計研究[J].航空科學技術， 2017（9）：42-46. Huang Yu， Lu Tao， Wang Li. Design of general data acquisition equipment for flight training simulator [J]. Aeronautical Science & Technology， 2017 （9）： 42-46.（in Chinese）

（責任編輯陳東曉）

作者簡介

何曉驍（1990-）男，碩士，工程師。主要研究方向：航空總體論證、作戰(zhàn)任務仿真、航空訓練情報跟蹤等。

Tel：18500190798E-mail：hexiaoxiao314@163.com

姚呈康（1985-）男，博士，高級工程師。主要研究方向：軍事智能技術體系。

Tel：18591995509E-mail：yaochengkang@126.com

Analysis of Artificial Intelligence and Other New Technologies in Aviation Training

He Xiaoxiao1，*，Yao Chengkang2

1. Aviation Industry Development Research Center of China，Beijing 100029，China

2. National Key Laboratory of Science and Technology on Aircraft Control，AVIC Xian Flight Automatic Control Research Institute，Xian 710076，China

Abstract： This paper systematically combs the application of new technologies such as artificial intelligence in tactical confrontation training and airborne training system， as well as the application of machine learning technology and hybrid reality technology in training， analyzes the development direction of the above technologies in the field of aviation training， and finds that new technologies such as artificial intelligence have been popularized and applied in aviation training field， which makes the training mode change from centralized training in the past to distributed training based on cloud， and changes from training outline centered to student-centered.

Key Words： artificial intelligence； aviation training； machine learning； virtual reality； flight simulator