CN112820164B - 一种基于分层的行为模型的vr虚拟对抗训练系统 - Google Patents

一种基于分层的行为模型的vr虚拟对抗训练系统 Download PDF

Info

Publication number
CN112820164B
CN112820164B CN202110134204.4A CN202110134204A CN112820164B CN 112820164 B CN112820164 B CN 112820164B CN 202110134204 A CN202110134204 A CN 202110134204A CN 112820164 B CN112820164 B CN 112820164B
Authority
CN
China
Prior art keywords
model
behavior
virtual
action
decision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110134204.4A
Other languages
English (en)
Other versions
CN112820164A (zh
Inventor
邢广洲
黄河
马飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING HUARU TECHNOLOGY CO LTD
Original Assignee
BEIJING HUARU TECHNOLOGY CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING HUARU TECHNOLOGY CO LTD filed Critical BEIJING HUARU TECHNOLOGY CO LTD
Priority to CN202110134204.4A priority Critical patent/CN112820164B/zh
Publication of CN112820164A publication Critical patent/CN112820164A/zh
Application granted granted Critical
Publication of CN112820164B publication Critical patent/CN112820164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00Simulators for teaching or training purposes
    • G09B9/003Simulators for teaching or training purposes for military purposes and tactics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于分层的行为模型的VR虚拟对抗训练系统,包括环境构设单元、仿真平台与仿真资源库、辅助规划单元、虚拟兵力生成单元、导调控制单元等,模型装配子单元包括实体模型装配模块和行为模型装配模块,行为模型装配模块基于分层的行为模型,实现分层式行为模型组装,主要包括大脑决策模型和小脑行动模型,装配完成的行为模型主要通过对战场态势的分析,结合仿真资源库中行为规则模型进行智能决策,生成合适的动作规划并借助执行机构驱动仿真实体的物理模型完成响应行动指令,完成虚拟兵力对战场态势的响应。本发明抽象行为模型共性要素,构建通用的行为模型体系,将行为模型结构与具体内容进行分离,从而实现行为模型的通用化、标准化设计。

Description

一种基于分层的行为模型的VR虚拟对抗训练系统
技术领域
本发明涉及虚拟对抗仿真训练领域,具体的,涉及一种基于分层的行为模型的VR虚拟对抗训练系统。
背景技术
智能体作为虚拟对抗仿真中的重要组成部分,主要功能是增强虚拟对抗仿真的真实性,使虚拟对抗更加贴近现实。目前虚拟对抗系统在进行智能体单体行为模型搭建时,采用集成式的搭建框架/方法,即以每个或每类智能实体作为最小单元,进行单体行为模型搭建。采用上述框架/方法构建的智能体单体行为模型,其可重用性、可组合性、可维护性较差,且智能体单体行为模型决策层和执行层之间的耦合性很强,针对虚拟对抗系统开发的智能体单体行为模型,基本无法有效应用到其他仿真系统中去。
因此,该方法存在以下明显缺点:
1、会导致大量“烟囱”式的仿真系统存在,建成的各仿真系统都自成一体,互相之间的通联复用比较困难;
2、会导致大量的重复设计开发工作,造成大量的人力、物力、财力、时间等资源浪费;
3、会大大降低系统开发效率,增加开发难度、延长开发周期;
4、会导致系统开发、系统维护的灵活性较差,无法方便灵活地开展系统开发和系统维护工作。例如当其中某个行为逻辑发生变化时,需要对智能体整个行为模型进行修改,大大增加了修改难度和工作总量。
因此,现有技术中对于提高虚拟对抗训练系统,具有如下的需要解决的技术问题或者需求:
首先,需要为虚拟对抗仿真系统提供一个标准化的模型构建框架/方法;
其次,需要降低智能体行为模型之间的强耦合关系,提高智能体行为模型复用性;
再次,需要具备一定程度的可维护性,降低开发人员的维护修改成本;
最后,需要以完全接近真实的行为模型对虚拟对抗进行虚拟仿真。
因此,如何解决上述的问题,成为虚拟对抗仿真系统亟需解决的技术问题。
发明内容
本发明的目的在于提出一种基于分层的行为模型的VR虚拟对抗训练系统,能够降低智能体行为之间强耦合关系,有利于智能体单体行为模型标准化,提高单体行为模型的复用性。
为达此目的,本发明采用以下技术方案:
一种基于分层的行为模型的VR虚拟对抗训练系统,其特征在于,
包括环境构设单元、仿真平台与仿真资源库、辅助规划单元、虚拟兵力生成单元、导调控制单元、VR对抗训练单元;
其中,所述环境构设单元,用于作战行动场景的构建与设置,利用标准的地形数据快速生成作战行动环境的三维地形场景,利用图像数据对三维地形进行贴图,生成行动环境场景;利用各类齐全的行动环境要素模型资源,支持单人或多人快速协同编辑制作作战行动虚拟场景;提供与三维地图对应的二维地图,支持二、三维地图平滑切换,支持动态修改三维地图时二维地图随之自动发生相应变化;
所述仿真平台与仿真资源库,包括三维仿真平台和仿真资源库;
其中三维仿真平台为系统的运行提供支撑,包括三维仿真引擎、三维渲染引擎、基础开发工具和分布式互联中间件,其中,三维仿真引擎用于提供仿真支撑核心能力;三维渲染引擎用于提供三维场景支撑能力;基础开发工具用于提供应用系统开发、实施及运行管理能力;分布式互联中间件用于提供基于网络通信,实现异构系统、仿真系统、硬件设备之间的互联、互通及互操作能力;
所述仿真资源库用于提供系统运行所需各类数据和素材等的资源,包括三维模型、数学模型和综合仿真数据,并且能够实现对各类资源集中管理控制功能,包括资源管理、维护、编辑和查询;
所述辅助规划单元,用于借助作战环境分析、敌我能力分析、战术行动方案标绘的工具,多维度、多角度考察作战任务环境、行动目标和行动部位,定量可视化分析敌我作战能力,以标准军标符号标绘任务行动方案;
所述虚拟兵力生成单元,面向导调控制人员,用于组织训练阶段的虚拟兵力开发、装配和生成,能够进行图形化模型设计开发与配置,编辑行动脚本与作战想定,根据训练需要生成虚拟兵力;
所述虚拟兵力生成单元包括模型开发子单元、模型装配子单元和兵力生成子单元,
所述模型开发子单元,用于生成兵力组件模板、组件代码框架、基础算法,辅助模型开发人员进行模型的开发工作;
所述模型装配子单元,包括实体模型装配模块和行为模型装配模块,通过对组件模型的组装实现作战单元模型的构建,通过设置不同的参数实现作战单元的型号化;
所述实体模型装配模块能够装配实体的运动模型、武器模型、雷达模型、防护模型、指控模型、通信模型、干扰模型和毁伤模型,提供战场角色自然能力的数学表示,对特定对象的物理特性、效应或能力进行表示;
所述行为模型装配模块基于分层的行为模型,实现分层式行为模型组装,主要包括大脑决策模型和小脑行动模型,装配完成的行为模型主要通过对战场态势的分析,结合仿真资源库中行为规则模型进行智能决策,生成合适的动作规划并借助执行机构驱动仿真实体的物理模型完成响应行动指令,完成虚拟兵力对战场态势的响应;
其中,大脑决策模型,主要按照使命任务、目标、意图进行高层的长周期的行为决策,为虚拟兵力行为模型提供决策,包括分析层和决策层;
所述分析层包括态势分析和行动时机分析,所述态势分析用于使得虚拟兵力单体根据自身感知的外部环境信息、目标信息,结合自身信息,基于系统行为规则模型,自主推理,进行态势分析判断;所述行动时机分析用于实现基于自身态势分析结论,结合主观因素,进行行动时机选择和判断;
所述决策层能够自动接收任务进行决策分析,通过对任务目标、自身状态、任务点状态进行决策分析,输出行动轨迹;其中任务目标代表行为轨迹目标,用以告知任务是什么,指出大脑规划的轨迹用途;自身状态和任务点状态分别代表任务的起点和终点,对大脑规划决策起着决定性作用;
所述小脑行动模型,用于按照原子化的,具有较为固定流程和规则的行动动作进行周围环境感知和决策的执行落实,包括感知层和执行层;
所述感知层,用于描述虚拟兵力单体感知环境信息,接受外部信息输入的行为,当感知到影响任务执行的事件发生时,将信息传送至大脑决策模型进行分析和决策,持续对任务行动轨迹进行决策优化,感知行为的方式分为主动感知行为和被动感知行为;
所述执行层是对作战实体在执行典型作战任务中,基于大脑决策模型得到的行动方案,所采取的作战行动;
兵力生成子单元,用于根据用户训练需要生成虚拟兵力单体,所述虚拟兵力单体包括具备角色的实体模型和行为模型,能够实时接收上级单位发送的命令,并结合战场态势,基于系统行为规则,做出智能响应;
所述导调控制单元,用于实现导调控制人员在训练过程中控制系统运行进程管理,同时可实现运行过程中战场态势监视和导调干预及观摩,支撑训练导调控制人员在行动训练过程中实时查看二、三维处置态势及战损情况数据,控制实体要素行为,改变对抗双方力量部署、武器装备状态及环境要素,干预行动处置态势;
所述VR式对抗训练单元,用于实现受训人员利用单兵虚拟现实穿戴设备和大范围空间定位设备,沉浸到虚拟三维训练情境中,利用半实物仿真模拟器与虚拟事物进行交互操作,可实现单人训练或多人协同训练。
其中,所述决策层主要包括目标选择决策和行动顺序决策,目标选择决策是指虚拟兵力单体从接受的诸多任务目标中,根据目标重要程度、目标对自身影响程度、上级指令要求、自身能力情况进行行动目标选择决策;行动顺序决策是指虚拟兵力单体在目标选择的基础上,进行行动顺序排列,输出行动执行轨迹。
进一步可选的,在所述感知层中,
所述主动感知行为是虚拟兵力单体运用自身所拥有的各类传感设备对周围环境信息、目标信息、友邻信息进行主动探寻的行为;
所述被动感知行为是虚拟兵力单体被动接收指挥信息输入信息或其他作战平台发布共享信息的行为。
进一步可选的,所述执行层将虚拟兵力单体行为通过基本行为表示和合成实现,所述虚拟兵力单体基本行为主要包括:进攻、防守、撤退和支援。
进一步可选的,所述VR虚拟对抗训练系统还包括:
桌面式对抗训练单元,以桌面交互操作为主,提供基于PC的桌面操作方式,以键盘鼠标作为人机干预接口,支持实兵完成推演作战行动,并可支持战术教练用户通过桌面操作形式进入虚拟战场,在模拟对抗中对分队、小组或单兵进行实时战术指导。
进一步可选的,所述VR虚拟对抗训练系统还包括:
分析评估单元,用于根据指标设计,针对系统训练及推演运行数据进行分析评估计算等功能,同时提供评估报告,所述分析评估单元包括复盘回放、指标设计、数据分析评估、评估数据提取和评估数据展现的子单元。
本发明与现有技术相比具有下列优点:
1、能够以完全接近真实的行为模型对虚拟对抗进行虚拟仿真,相较于现有模型更加完善、更贴近真实情况;
2、降低智能体行为之间强耦合关系,有利于智能体单体行为模型标准化,提高单体行为模型的复用性,使开发的行为模型无需大量修改即可装配于其它智能实体;
3、降低了开发人员的维护成本,开发人员可以只关注整个智能体行为结构层的其中一层,很容易实现用新的智能实现替换原有层次的智能实现。
附图说明
图1是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的功能组成图;
图2是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的分层式行为模型与仿真系统的逻辑框架图;
图3是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的智能体单体的行为模型框架图;
图4是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的智能体单体的行为模型流程图;
图5是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的智能体单体的行为分析层流程图;
图6是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的智能体单体的行为决策层流程图;
图7是根据本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的智能体单体的行为感知层流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明在于,在虚拟对抗训练系统中,对于行为模型的构建,不采用集成式的构建方法,而采用分层的行为模型框架(方法)。具体的,将智能体作为一个容器,按照智能体本身固有的功能进行拆解,将不同的功能区域分别封装到各层,由一系列组合,共同描述智能体单体行为,最终生成虚拟兵力单体。具体的,在虚拟兵力单体中针对行为模型,对人类决策和行为分析,抽象形成以上层的决策“大脑”和下层的行为“小脑”两级模型框架。大脑决策模型是一个综合的人工智能系统,能够通过面向模糊规则集使用一个类似下棋博弈的算法将大脑的策略进行建模,用于态势评估和行动方案选择;小脑行动模型描述了一个智能体单体的行为特征,主要用于对周围环境的感知和大脑决策的执行。
参见图1,示出了本发明具体实施例的基于分层的行为模型的VR虚拟对抗训练系统的功能组成图,包括环境构设单元、仿真平台与仿真资源库、辅助规划单元、虚拟兵力生成单元、导调控制单元、VR对抗训练单元;
其中,所述环境构设单元,用于作战行动场景的构建与设置,利用标准的地形数据快速生成作战行动环境的三维地形场景,利用图像数据对三维地形进行贴图,生成行动环境场景;利用各类齐全的行动环境要素模型资源,支持单人或多人快速协同编辑制作作战行动虚拟场景;提供与三维地图对应的二维地图,支持二、三维地图平滑切换,支持动态修改三维地图时二维地图随之自动发生相应变化。
具体的,所述环境构设单元包括地形生成、场景编辑、特效编辑、资源管理和规则服务等子单元。
所述仿真平台与仿真资源库,包括三维仿真平台和仿真资源库;
其中三维仿真平台为系统的运行提供支撑,包括三维仿真引擎、三维渲染引擎、基础开发工具和分布式互联中间件,其中,三维仿真引擎用于提供仿真支撑核心能力;三维渲染引擎用于提供三维场景支撑能力;基础开发工具用于提供应用系统开发、实施及运行管理能力;分布式互联中间件用于提供基于网络通信,实现异构系统、仿真系统、硬件设备之间的互联、互通及互操作能力。
所述仿真资源库用于提供系统运行所需各类数据和素材等的资源,包括三维模型、数学模型和综合仿真数据,并且能够实现对各类资源集中管理控制功能,包括资源管理、维护、编辑和查询等。
其中所述三维模型包括载具、人物、装备、动植物;所述数学模型包括:行为规则模型、分析评估模型;所述综合仿真数据包括地理信息数据、环境数据、想定数据、交战结果数据、分析评估数据等。
进一步的,所述行为规则模型包括:
突击行为:冲击、反冲击、出击、对敌各种目标的强击等;
防御行为:隐蔽与掩蔽、阵地防御、抗敌反冲击等;
火力打击行为:火力追击、火力狙击、火力支援、火力掩护、火力封锁、集火打击等;
机动行为:道路机动、穿插、迂回、接敌、转移、渗透等;
保障行为:观察警戒、设障、破障、补给、卫勤等;
其他相关行为。
所述辅助规划单元,用于导调控制人员借助作战环境分析、敌我能力分析、战术行动方案标绘等工具,多维度、多角度考察作战任务环境、行动目标和行动部位,定量可视化分析敌我作战能力,以标准军标符号标绘任务行动方案。
具体的,所述辅助规划单元包括:地理环境量算分析、敌我能力分析、行动方案标绘等子单元。
所述虚拟兵力生成单元,面向导调控制人员,用于组织训练阶段的虚拟兵力开发、装配和生成,能够进行图形化模型设计开发与配置,编辑行动脚本与作战想定,根据训练需要生成虚拟兵力。
所述虚拟兵力生成单元包括模型开发子单元、模型装配子单元和兵力生成子单元。
所述模型开发子单元,用于生成兵力组件模板、组件代码框架、基础算法,辅助模型开发人员进行模型的开发工作。系统采用组件化建模方式进行模型开发。
所述模型装配子单元,包括实体模型装配模块和行为模型装配模块,通过对组件模型的组装实现作战单元模型的构建,通过设置不同的参数实现作战单元的型号化。
其中所述实体模型装配模块能够装配实体的运动模型、武器模型、雷达模型、防护模型、指控模型、通信模型、干扰模型和毁伤模型等,提供战场角色自然能力的数学表示,对特定对象的物理特性、效应或能力进行表示,如武器系统的几何造型和外观、平台的机动特性、传感器的感知效能等。
参见图2,所述行为模型装配模块基于分层的行为模型,实现分层式行为模型组装,能够根据训练需要自由组合,可复用,扩展性强,主要包括大脑决策模型和小脑行动模型,装配完成的行为模型主要通过对战场态势的分析,结合仿真资源库中行为规则模型进行智能决策,生成合适的动作规划并借助执行机构驱动仿真实体的物理模型完成响应行动指令,完成虚拟兵力对战场态势的响应。
参见图3、图4,大脑决策模型是一个综合的人工智能系统,能够通过面向模糊规则集使用一个类似下棋博弈的算法将大脑的策略进行建模,用于态势评估和行动方案选择。小脑行动模型描述了一个智能体单体的行为特征,主要用于对周围环境的感知和大脑决策的执行。
具体的,大脑决策模型,主要按照使命任务、目标、意图进行高层的长周期的行为决策,为虚拟兵力行为模型提供决策,包括分析层和决策层;
参见图5,所述分析层包括态势分析和行动时机分析,所述态势分析用于使得虚拟兵力单体根据自身感知的外部环境信息、目标信息,结合自身信息,基于系统行为规则模型,自主推理,进行态势分析判断;行动时机分析用于实现基于自身态势分析结论,结合主观因素(例如:人为指令要求),进行行动时机选择和判断。
参见图6,所述决策层能够自动接收任务进行决策分析,通过对任务目标、自身状态、任务点状态进行决策分析,输出行动轨迹;其中任务目标代表行为轨迹目标,用以告知任务是什么,指出大脑规划的轨迹用途;自身状态和任务点状态分别代表任务的起点和终点,对大脑规划决策起着决定性作用。
具体的,决策层主要包括目标选择决策和行动顺序决策。目标选择决策是指虚拟兵力单体从接受的诸多任务目标中,根据目标重要程度、目标对自身影响程度、上级指令要求、自身能力情况进行行动目标选择决策;行动顺序决策是指虚拟兵力单体在目标选择的基础上,进行行动顺序排列,输出行动执行轨迹。
所述小脑行动模型,用于按照原子化的,具有较为固定流程和规则的行动动作进行周围环境感知和决策的执行落实,包括感知层和执行层。
参见图7,所述感知层,用于描述虚拟兵力单体感知环境信息,接受外部信息输入的行为,当感知到影响任务执行的事件发生时,将信息传送至大脑-决策模型进行分析和决策,持续对任务行动轨迹进行决策优化,感知行为的方式分为主动感知行为和被动感知行为。
具体的,所述主动感知行为是虚拟兵力单体运用自身所拥有的各类传感设备对周围环境信息、目标信息、友邻信息进行主动探寻的行为;所述被动感知行为是虚拟兵力单体被动接收指挥信息输入信息或其他作战平台发布共享信息的行为。
所述执行层是对作战实体在执行典型作战任务中,基于大脑决策模型得到的行动方案,所采取的作战行动。
作战实体类型不同,可能采取的作战行动不同。虚拟兵力单体有各种各样的行动,为了增强系统的模块性,借鉴线性代数的思想采用层次化建模方法,将虚拟兵力单体行为通过基本的行为表示和合成实现,这样即可简化虚拟兵力单体行为模型实现又能增强其灵活性。在基本行为的基础之上定义一组合成操作来构成复杂行为(动作序列)。这样的一组动作序列可以表示虚拟兵力单体的一种复杂行为,在这些复杂行为的基础之上重新进行操作运算,可以得到更加复杂的行为,这样,虚拟兵力单体所有行为模型就可以通过一组基本行为基础之上进行合成操作运算建立起来。
具体的,虚拟兵力单体基本行为主要包括:进攻、防守、撤退、支援,对其进行命令细分后执行操作。
所述兵力生成子单元,用于根据用户训练需要生成虚拟兵力单体,所述虚拟兵力单体包括具备角色的实体模型和行为模型,能够实时接收上级单位发送的命令,并结合战场态势,基于系统行为规则,做出智能响应。
所述导调控制单元,用于实现导调控制人员在训练过程中控制系统运行进程管理,同时可实现运行过程中战场态势监视和导调干预及观摩,支撑训练导调控制人员在行动训练过程中实时查看二、三维处置态势及战损情况数据,控制实体要素行为,改变对抗双方力量部署、武器装备状态及环境要素,干预行动处置态势。
具体的,导调控制单元包括训练进程控制、态势监视、任务调理、态势干预和战场态势观摩等子单元。
所述VR式对抗训练单元,用于实现受训人员利用单兵虚拟现实穿戴设备和大范围空间定位设备,沉浸到虚拟三维训练情境中,利用半实物仿真模拟器与虚拟事物进行交互操作,可实现单人训练或多人协同训练等功能。
此外,所述VR虚拟对抗训练系统还包括:
桌面式对抗训练单元,以桌面交互操作为主,提供基于PC的桌面操作方式,以键盘鼠标作为人机干预接口,支持实兵完成推演作战行动,并可支持战术教练用户通过桌面操作形式进入虚拟战场,在模拟对抗中对分队、小组或单兵进行实时战术指导。
分析评估单元,用于根据指标设计,针对系统训练及推演运行数据进行分析评估计算等功能,同时提供评估报告,所述分析评估单元包括复盘回放、指标设计、数据分析评估、评估数据提取和评估数据展现的子单元。
综上,本发明公开了一种基于分层的行为模型的VR虚拟对抗训练系统,采用分层的行为模型框架(方法),按照仿真实体实际行为特性,通过组合分层,实现仿真实体的灵活描述;对智能体单体行为构成要素及其关系进行梳理,设计分层的行为模型行为,抽象行为模型共性要素,构建通用的行为模型体系,将行为模型结构与具体内容进行分离,从而实现行为模型的通用化、标准化设计。其中,该行为模型具有适用性、可复用性和可维护性;该行为模型包括大脑决策和小脑行动,能够自主完成态势分析、任务决策、环境感知、任务执行,成为一种智能体单体。
本发明与现有技术相比具有下列优点:
1、能够以完全接近真实的行为模型对虚拟对抗进行虚拟仿真,相较于现有模型更加完善、更贴近真实情况;
2、降低智能体行为之间强耦合关系,有利于智能体单体行为模型标准化,提高单体行为模型的复用性,使开发的行为模型无需大量修改即可装配于其它智能实体;
3、降低了开发人员的维护成本,开发人员可以只关注整个智能体行为结构层的其中一层,很容易实现用新的智能实现替换原有层次的智能实现。
显然,本领域技术人员应该明白,上述的本发明的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定保护范围。

Claims (10)

1.一种基于分层的行为模型的VR虚拟对抗训练系统,其特征在于,
包括环境构设单元、仿真平台与仿真资源库、辅助规划单元、虚拟兵力生成单元、导调控制单元、VR对抗训练单元;
其中,所述环境构设单元,用于作战行动场景的构建与设置,利用标准的地形数据快速生成作战行动环境的三维地形场景,利用图像数据对三维地形进行贴图,生成行动环境场景;利用各类齐全的行动环境要素模型资源,支持单人或多人快速协同编辑制作作战行动虚拟场景;提供与三维地图对应的二维地图,支持二、三维地图平滑切换,支持动态修改三维地图时二维地图随之自动发生相应变化;
所述仿真平台与仿真资源库,包括三维仿真平台和仿真资源库;
其中三维仿真平台为系统的运行提供支撑,包括三维仿真引擎、三维渲染引擎、基础开发工具和分布式互联中间件,其中,三维仿真引擎用于提供仿真支撑核心能力;三维渲染引擎用于提供三维场景支撑能力;基础开发工具用于提供应用系统开发、实施及运行管理能力;分布式互联中间件用于提供基于网络通信,实现异构系统、仿真系统、硬件设备之间的互联、互通及互操作能力;
所述仿真资源库用于提供系统运行所需各类数据和素材的资源,包括三维模型、数学模型和综合仿真数据,并且能够实现对各类资源集中管理控制功能,包括资源管理、维护、编辑和查询;
所述辅助规划单元,用于借助作战环境分析、敌我能力分析、战术行动方案标绘的工具,多维度、多角度考察作战任务环境、行动目标和行动部位,定量可视化分析敌我作战能力,以标准军标符号标绘任务行动方案;
所述虚拟兵力生成单元,面向导调控制人员,用于组织训练阶段的虚拟兵力开发、装配和生成,能够进行图形化模型设计开发与配置,编辑行动脚本与作战想定,根据训练需要生成虚拟兵力;
所述虚拟兵力生成单元包括模型开发子单元、模型装配子单元和兵力生成子单元,
所述模型开发子单元,用于生成兵力组件模板、组件代码框架、基础算法,辅助模型开发人员进行模型的开发工作;
所述模型装配子单元,包括实体模型装配模块和行为模型装配模块,通过对组件模型的组装实现作战单元模型的构建,通过设置不同的参数实现作战单元的型号化;
所述实体模型装配模块能够装配实体的运动模型、武器模型、雷达模型、防护模型、指控模型、通信模型、干扰模型和毁伤模型,提供战场角色自然能力的数学表示,对特定对象的物理特性、效应或能力进行表示;
所述行为模型装配模块基于分层的行为模型,实现分层式行为模型组装,主要包括大脑决策模型和小脑行动模型,装配完成的行为模型主要通过对战场态势的分析,结合仿真资源库中行为规则模型进行智能决策,生成合适的动作规划并借助执行机构驱动仿真实体的物理模型完成响应行动指令,完成虚拟兵力对战场态势的响应;
其中,大脑决策模型,主要按照使命任务、目标、意图进行高层的长周期的行为决策,为虚拟兵力行为模型提供决策,包括分析层和决策层;
所述分析层包括态势分析和行动时机分析,所述态势分析用于使得虚拟兵力单体根据自身感知的外部环境信息、目标信息,结合自身信息,基于系统行为规则模型,自主推理,进行态势分析判断;行动时机分析用于实现基于自身态势分析结论,结合主观因素,进行行动时机选择和判断;
所述决策层能够自动接收任务进行决策分析,通过对任务目标、自身状态、任务点状态进行决策分析,输出行动轨迹;其中任务目标代表行为轨迹目标,用以告知任务是什么,指出大脑规划的轨迹用途;自身状态和任务点状态分别代表任务的起点和终点,对大脑规划决策起着决定性作用;
所述小脑行动模型,用于按照原子化的,具有较为固定流程和规则的行动动作进行周围环境感知和决策的执行落实,包括感知层和执行层;
所述感知层,用于描述虚拟兵力单体感知环境信息,接受外部信息输入的行为,当感知到影响任务执行的事件发生时,将信息传送至大脑决策模型进行分析和决策,持续对任务行动轨迹进行决策优化,感知行为的方式分为主动感知行为和被动感知行为;
所述执行层是对作战实体在执行典型作战任务中,基于大脑决策模型得到的行动方案,所采取的作战行动;
所述兵力生成子单元,用于根据用户训练需要生成虚拟兵力单体,所述虚拟兵力单体包括具备角色的实体模型和行为模型,能够实时接收上级单位发送的命令,并结合战场态势,基于系统行为规则,做出智能响应;
所述导调控制单元,用于实现导调控制人员在训练过程中控制系统运行进程管理,同时可实现运行过程中战场态势监视和导调干预及观摩,支撑训练导调控制人员在行动训练过程中实时查看二、三维处置态势及战损情况数据,控制实体要素行为,改变对抗双方力量部署、武器装备状态及环境要素,干预行动处置态势;
所述VR对抗训练单元,用于实现受训人员利用单兵虚拟现实穿戴设备和大范围空间定位设备,沉浸到虚拟三维训练情境中,利用半实物仿真模拟器与虚拟事物进行交互操作,可实现单人训练或多人协同训练。
2.根据权利要求1所述的VR虚拟对抗训练系统,其特征在于,
所述决策层主要包括目标选择决策和行动顺序决策,目标选择决策是指虚拟兵力单体从接受的诸多任务目标中,根据目标重要程度、目标对自身影响程度、上级指令要求、自身能力情况进行行动目标选择决策;行动顺序决策是指虚拟兵力单体在目标选择的基础上,进行行动顺序排列,输出行动执行轨迹。
3.根据权利要求1或2所述的VR虚拟对抗训练系统,其特征在于,
在所述感知层中,
所述主动感知行为是虚拟兵力单体运用自身所拥有的各类传感设备对周围环境信息、目标信息、友邻信息进行主动探寻的行为;
所述被动感知行为是虚拟兵力单体被动接收指挥信息输入信息或其他作战平台发布共享信息的行为。
4.根据权利要求3所述的VR虚拟对抗训练系统,其特征在于,
所述执行层将虚拟兵力单体行为通过基本行为表示和合成实现,所述虚拟兵力单体基本行为主要包括:进攻、防守、撤退和支援。
5.根据权利要求4所述的VR虚拟对抗训练系统,其特征在于,
所述环境构设单元包括地形生成、场景编辑、特效编辑、资源管理和规则服务子单元。
6.根据权利要求4所述的VR虚拟对抗训练系统,其特征在于,
在所述仿真资源库中,
所述三维模型包括载具、人物、装备、动植物;所述数学模型包括:行为规则模型、分析评估模型;所述综合仿真数据包括地理信息数据、环境数据、想定数据、交战结果数据和分析评估数据;
所述行为规则模型包括:
突击行为:冲击、反冲击、出击、对敌各种目标的强击;
防御行为:隐蔽与掩蔽、阵地防御、抗敌反冲击;
火力打击行为:火力追击、火力狙击、火力支援、火力掩护、火力封锁、集火打击;
机动行为:道路机动、穿插、迂回、接敌、转移、渗透;
保障行为:观察警戒、设障、破障、补给、卫勤。
7.根据权利要求4所述的VR虚拟对抗训练系统,其特征在于,
所述辅助规划单元包括:地理环境量算分析、敌我能力分析、行动方案标绘子单元。
8.根据权利要求4所述的VR虚拟对抗训练系统,其特征在于,
所述导调控制单元包括训练进程控制、态势监视、任务调理、态势干预和战场态势观摩子单元。
9.根据权利要求4所述的VR虚拟对抗训练系统,其特征在于,
所述VR虚拟对抗训练系统还包括:
桌面式对抗训练单元,以桌面交互操作为主,提供基于PC的桌面操作方式,以键盘鼠标作为人机干预接口,支持实兵完成推演作战行动,并可支持战术教练用户通过桌面操作形式进入虚拟战场,在模拟对抗中对分队、小组或单兵进行实时战术指导。
10.根据权利要求4所述的VR虚拟对抗训练系统,其特征在于,
所述VR虚拟对抗训练系统还包括:
分析评估单元,用于根据指标设计,针对系统训练及推演运行数据进行分析评估计算功能,同时提供评估报告,所述分析评估单元包括复盘回放、指标设计、数据分析评估、评估数据提取和评估数据展现的子单元。
CN202110134204.4A 2021-01-29 2021-01-29 一种基于分层的行为模型的vr虚拟对抗训练系统 Active CN112820164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110134204.4A CN112820164B (zh) 2021-01-29 2021-01-29 一种基于分层的行为模型的vr虚拟对抗训练系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110134204.4A CN112820164B (zh) 2021-01-29 2021-01-29 一种基于分层的行为模型的vr虚拟对抗训练系统

Publications (2)

Publication Number Publication Date
CN112820164A CN112820164A (zh) 2021-05-18
CN112820164B true CN112820164B (zh) 2022-08-12

Family

ID=75860828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110134204.4A Active CN112820164B (zh) 2021-01-29 2021-01-29 一种基于分层的行为模型的vr虚拟对抗训练系统

Country Status (1)

Country Link
CN (1) CN112820164B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177368B (zh) * 2021-05-31 2022-07-05 中国人民解放军国防科技大学 一种面向人机交互的智能化指控训练仿真系统
CN113452694B (zh) * 2021-06-25 2022-04-08 中国人民解放军国防科技大学 基于公共通道对终端应用实现网络控制的隐蔽通信方法
CN113781856B (zh) * 2021-07-19 2023-09-08 中国人民解放军国防科技大学 一种联合作战武器装备运用训练仿真系统及其实现方法
CN114490498B (zh) * 2022-01-20 2023-12-19 山东大学 基于vr技术的模拟软件仿真异构系统及其工作方法
CN114722585B (zh) * 2022-03-21 2022-12-02 北京华如科技股份有限公司 一种用于方案推演分析的数据处理方法及装置
CN114727407B (zh) * 2022-05-12 2022-08-26 中国科学院自动化研究所 一种资源分配方法、装置及设备
CN115114723B (zh) * 2022-06-07 2023-06-09 中国船舶集团有限公司系统工程研究院 一种水面无人艇任务规划学习器设计方法及系统
CN116596406B (zh) * 2023-07-11 2023-10-03 航天宏图信息技术股份有限公司 北斗导航对抗训练的智能评估方法、装置、设备和介质
CN116911202B (zh) * 2023-09-11 2023-11-17 北京航天晨信科技有限责任公司 一种基于多粒度仿真训练环境的智能体训练方法和装置
CN117436284B (zh) * 2023-12-15 2024-03-19 中国电子科技集团公司信息科学研究院 一种基于元模型的建模方法
CN117669776A (zh) * 2024-01-31 2024-03-08 北京云中盖娅科技有限公司 面向海陆空集群的联合仿真系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268333A (zh) * 2014-09-23 2015-01-07 朱凯锋 一种竞争性群体行动决策支持系统的实现方法
CN106682351A (zh) * 2017-01-10 2017-05-17 北京捷安申谋军工科技有限公司 基于计算机生成兵力的作战仿真系统及仿真方法
CN108733897A (zh) * 2018-04-28 2018-11-02 上海烜翊科技有限公司 基于体系架构模型的攻防对抗仿真系统及仿真方法
CN110694256A (zh) * 2019-09-18 2020-01-17 徐磊 一种新型应急计算机兵棋推演系统及方法
KR20200117778A (ko) * 2019-04-05 2020-10-14 박병훈 지능형 지상군 전투체계 운용을 위한 전투유닛 독립형 인공지능 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104268333A (zh) * 2014-09-23 2015-01-07 朱凯锋 一种竞争性群体行动决策支持系统的实现方法
CN106682351A (zh) * 2017-01-10 2017-05-17 北京捷安申谋军工科技有限公司 基于计算机生成兵力的作战仿真系统及仿真方法
CN108733897A (zh) * 2018-04-28 2018-11-02 上海烜翊科技有限公司 基于体系架构模型的攻防对抗仿真系统及仿真方法
KR20200117778A (ko) * 2019-04-05 2020-10-14 박병훈 지능형 지상군 전투체계 운용을 위한 전투유닛 독립형 인공지능 시스템
CN110694256A (zh) * 2019-09-18 2020-01-17 徐磊 一种新型应急计算机兵棋推演系统及方法

Also Published As

Publication number Publication date
CN112820164A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN112820164B (zh) 一种基于分层的行为模型的vr虚拟对抗训练系统
Mavor et al. Modeling human and organizational behavior: Application to military simulations
Jones et al. Automated intelligent pilots for combat flight simulation
Ceranowicz Modular semi-automated forces
Karr et al. Synthetic soldiers [military training simulators]
Rozman The synthetic training environment
Evertsz et al. Populating VBS2 with realistic virtual actors
Narayanan et al. First-year report of ARL directors strategic initiative (FY20-23): artificial intelligence (AI) for command and control (C2) of multi-domain operations (MDO)
Tidhar et al. Modelling Teams and Team Tactics in Whole Air Mission Modelling.
Källström et al. Design of simulation-based pilot training systems using machine learning agents
CN117132128A (zh) 一种可自主交战的智能蓝军系统及运行流程
Cone Shaping the Army of 2020
Lent et al. Enhancing the behaviorial fidelity of synthetic entities with human behavior models
Lucas et al. The potential for intelligent software agents in defence simulation
Wray et al. Intelligent opponents for virtual reality trainers
Brandolini et al. Poly-functional intelligent agents for computer generated forces
Stytz et al. Progress and Prospects for the Development of Computer Generated Actors for Military Simulation, Part 3—The Road Ahead
Yang A networked multi-agent combat model: Emergence explained
De Kraker et al. Re-usable behavior specifications for tactical doctrine
Khatami et al. Architecture for goal-driven behavior of virtual opponents in fighter pilot combat training
Song et al. Research on Behavior Modeling Method of Agent-Based CGF.
Papasimeon Modelling agent-environment interaction in multi-agent simulations with affordances
Sidran et al. The Current State of Human-Level Artificial Intelligence in Computer Simulations and Wargames
Pawloski Modeling tactical level combat using a multi-agent system design paradigm (GI Agent)
Pozzer et al. SIS-ASTROS: An Integrated Simulation Environment for the Artillery Saturation Rocket System (ASTROS)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant