CN113177368B - 一种面向人机交互的智能化指控训练仿真系统 - Google Patents

一种面向人机交互的智能化指控训练仿真系统 Download PDF

Info

Publication number
CN113177368B
CN113177368B CN202110596988.2A CN202110596988A CN113177368B CN 113177368 B CN113177368 B CN 113177368B CN 202110596988 A CN202110596988 A CN 202110596988A CN 113177368 B CN113177368 B CN 113177368B
Authority
CN
China
Prior art keywords
module
intelligent
commander
training
combat
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
CN202110596988.2A
Other languages
English (en)
Other versions
CN113177368A (zh
Inventor
曾向荣
钟志伟
刘衍
张政
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110596988.2A priority Critical patent/CN113177368B/zh
Publication of CN113177368A publication Critical patent/CN113177368A/zh
Application granted granted Critical
Publication of CN113177368B publication Critical patent/CN113177368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种面向人机交互的智能化指控训练仿真系统，包括智能化想定生成模块、智能化任务规划模块、实时人机交互控制模块、二维态势显示模块、辅助作战决策信息模块和效能评估模块。智能化想定生成模块、智能化任务规划模块、二维态势显示模块和效能评估模块构成智能化指控训练仿真模块，所述智能化指控训练仿真模块可以学习指挥员的经验；通过实时人机交互控制模块，指挥员根据经验信息、历史作战信息和智能化推演信息完成指控训练系统推演，然后由二维态势显示模块和效能评估模块实时反馈回人机交互界面，为指挥员提供辅助决策依据。

Description

一种面向人机交互的智能化指控训练仿真系统
技术领域
本发明属于作战推演技术领域，尤其涉及一种面向人机交互的智能化指控训练仿真系统。
背景技术
基于神经网络的机器学习在人工智能、高性能计算和大数据技术等领域的最新成就，引发了人们对机器学习在科技、产业和军事领域应用的密切关注。“深度学习”、“神经网络”等新型人工智能技术在军事科技领域的广泛应用，推动着战争形态从信息化向智能化演进，势必带来军事理论、军事能力、军事实践的一系列颠覆性变化。
人工智能可以有效增加虚拟战场环境中仿真作战实体的数量，为参演的人在回路的仿真实体提供对手或友军支援，提高虚拟战场环境的复杂度与多变性，增强受训人员的指挥能力以及指挥的沉浸感和真实感，有效地降低演习的费用和代价，并为战场想定开发者设计演示系统时提供依据。
发明内容
有鉴于此，本发明的目的在于提出了一种面向人机交互的智能化指控训练仿真系统。通过该系统，一方面指挥员根据指挥员的经验信息、指挥员训练的历史信息和智能化推演信息与仿真系统进行人机交互，完成人与智能AI的指控训练；另一方面指控训练仿真系统通过学习指挥员的指控指令，采用基于机器学习的仿真训练方法，完成仿真系统智能化模型的更新，提高人机交互部分智能AI的难度。该系统可以有效增强受训人员的指挥能力以及指挥的沉浸感和真实感，有效地降低演习的费用和代价，并为战场想定开发者设计演示系统时提供依据。
一种面向人机交互的智能化指控训练仿真系统，包括智能化想定生成模块、智能化任务规划模块、实时人机交互控制模块、二维态势显示模块、辅助作战决策信息模块和效能评估模块，其中：
智能化想定生成模块、智能化任务规划模块、二维态势显示模块和效能评估模块共同构成智能化指控训练仿真模块，所述智能化指控训练仿真模块可以学习指挥员的经验，为训练更好的指挥员提供服务；
通过所述实时人机交互控制模块，指挥员根据经验信息、历史作战信息和智能化推演信息完成指控训练系统推演，然后由二维态势显示模块和效能评估模块实时反馈回人机交互界面，为指挥员提供辅助决策依据。
作为上述技术方案的进一步改进：
更进一步的，所述智能化想定生成模块的智能化想定生成的步骤为：
步骤101，智能化想定生成模块根据蓝方兵力配置、兵力部署信息智能化设定红方想定，包括红方的兵力配置和兵力部署，为红方指挥员提供参考；
步骤102，红方指挥员根据所述智能化设定红方想定调整红方作战方案，包括红方的兵力配置和兵力部署，所述智能化指控训练仿真系统存储调整后的红方作战方案，并推演红方作战方案进行效能评估；
步骤103，若红方指挥员调整后的红方作战方案效能评估优于所述智能化设定红方想定，蓝方会针对红方指挥员调整后的红方作战方案进行训练，在下次训练中调整兵力部署，以达到最佳的蓝方效能评估。
更进一步的，智能化任务规划模块的功能包括智能化作战路径规划和智能化作战样式规划；所述智能化作战路径规划使用的算法包括蚁群算法、遗传算法、深度卷积网络路径规划算法；所述智能化作战样式规划使用的作战样式包括集群作战、多机协同作战、无人作战。
更进一步的，所述实时人机交互控制模块的输入为所述智能化作战任务规划模块；以所述输入为基础，指挥员实时调整红方的路径、作战样式、对作战单元进行兵力编组分队、队形调节。
更进一步的，所述二维态势显示模块包括目标识模块和目标状态识别模块，所述二维态势显示模块的工作步骤如下：
步骤501，对区域进行目标识别和背景识别，标记区域中目标的类型和背景的属性；
步骤502，对目标所在区域进行目标状态识别；
步骤503，估计目标运动轨迹。
更进一步的，辅助作战决策信息模块包括历史人机交互控制信息模块和智能化编组、响应控制模块；所述辅助作战决策信息模块为指挥员对所述实时人机交互控制模块进行操作时提供辅助决策。
更进一步的，效能评估模块包括实时效能评估模块、整体效能评估模块以及区域效能评估模块，其中：
所述实时效能评估模块根据作战单元每次的步长，对红方和蓝方进行效能评估，为指挥员提供实时的辅助操作决策；
所述整体效能评估模块为作战训练过程的最终效能评估模块，为指挥员对某次操作训练提供最终的效能参考；
所述区域效能评估为区域性的效能评估，如编组分队的效能评估，所述区域效能评估的效率可以为该编组分队的优劣提供参考。
更进一步的，其特征在于，仿真训练方法为基于强化学习的仿真训练、基于深度强化学习的仿真训练和基于蚁群的仿真训练。
附图说明
图1是本发明实施例的外形示意图；
图2是本发明的功能模块图；
图3是本发明指控训练仿真系统相对于传统指控训练仿真系统的区别；
图4是人机交互和智能AI的结构关系。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明所作的任何变换或替换，均属于本发明的保护范围。
本发明公布了一种面向人机交互的智能化指控训练仿真系统，一方面指挥员根据指挥员的经验信息、指挥员训练的历史信息和智能化推演信息与仿真系统进行人机交互完成人与智能AI的指控训练；另一方面指控训练仿真系统通过学习指挥员的指控指令采用基于机器学习的仿真训练方法完成仿真系统智能化模型的更新，提高人机交互部分智能AI的难度。
如图1所示，该系统分为六个模块，六块屏幕与六个模块一一对应，并由指挥员操作控制。其中101为智能化想定生成模块显示屏、102为智能化任务规划模块显示屏、103为实时人机交互控制模块显示屏、104为二维态势显示模块显示屏、105为辅助作战决策信息模块显示屏、106为效能评估模块显示屏。指挥员首先在仿真训练系统上对多作战单元进行作战想定生成，然后进行多作战单元的任务规划，最后参考二维态势显示、辅助作战决策信息和效能评估进行实时的人机交互控制，以达到实时训练指挥员的目的。
如图2所示，为该实施例一种面向人机交互的智能化指控训练仿真系统的功能模块图，其中：
智能化想定生成模块、智能化任务规划模块、二维态势显示模块和效能评估模块共同构成智能化指控训练仿真模块，所述智能化指控训练仿真模块可以学习指挥员的经验，为训练更好的指挥员提供服务；
通过所述实时人机交互控制模块，指挥员根据经验信息、历史作战信息和智能化推演信息完成指控训练系统推演，然后由二维态势显示模块和效能评估模块实时反馈回人机交互界面，为指挥员提供辅助决策依据。
其中智能化想定生成模块的步骤为：
智能化想定生成模块根据蓝方兵力配置、兵力部署等信息智能化设定红方想定，包括红方的兵力配置和兵力部署等，为红方指挥员提供参考；
红方指挥员根据所述智能化设定的红方想定调整红方的作战方案，包括红方的兵力配置和兵力部署等，所述指控训练仿真系统存储调整后的红方作战方案，并推演所述方案进行效能评估；
若所述红方指挥员调整后的红方作战方案效能评估优于所述智能化设定的红方想定，蓝方会针对所述红方指挥员调整后的红方作战方案进行训练，在下次训练中调整兵力部署，以达到最佳的蓝方效能评估。
其中智能化任务规划模块的功能包括智能化作战路径规划和智能化作战样式规划，为实时的人机交互控制提供操作的准备。
其中实时人机交互控制模块可以实时的调整红方的路径、红方的作战样式，包括对作战单元进行兵力编组分队、队形调节等。
其中二维态势显示模块包括目标识别模块和目标状态识别模块，进而进行态势感知，可以为人机交互的指挥员提供操作的依据。二维态势显示模块的工作步骤如下：
对区域进行目标识别和背景识别，标记区域中目标的类型和背景的属性；
对目标所在区域进行目标状态识别；
估计目标运动轨迹。
其中辅助作战决策信息模块包括历史人机交互控制信息模块和智能化编组、响应控制模块，为指挥员对所述实时人机交互控制模块进行操作时提供辅助决策。
其中效能评估模块包括实时效能评估模块、整体效能评估模块以及区域效能评估模块。实时效能评估模块根据作战单元每次的步长，对红方和蓝方进行效能评估，为指挥员提供实时的辅助操作决策；整体效能评估模块为作战训练过程的最终效能评估模块，为指挥员对某次操作训练提供最终的效能参考；区域效能评估为区域性的效能评估，如编组分队的效能评估，所述区域效能评估的效率可以为该编组分队的优劣提供参考。
如图3所示，相对于传统的训练系统，该实施例中面向人机交互的智能化指控训练仿真系统，在红方和蓝方的基础上增加了智能AI（Artificial Intelligence），在红方和蓝方的基础上增加智能AI（Artificial Intelligence），把深度强化学习模型引入仿真域模型中，为想定生成、任务规划、实时人机交互控制部分提供智能化AI，同时采用实时效能评估和区域效能评估修正深度强化学习模型；在二维态势显示中引入目标状态识别，以获得鲁棒性的效能评估。
智能化指控训练仿真系统可以采用基于强化学习、基于深度强化学习或基于蚁群的仿真训练等学习方法为仿真系统提供智能化指挥员指控训练，通过智能化指挥训练仿真系统把指挥员的交互经验信息收集，通过学习网络的训练，使得指挥训练仿真系统学习到指挥员的作战经验。
因此，如图4所示，在人机交互和智能AI的结构关系中，人机交互只控制红方，智能AI主要控制蓝方、辅助控制红方，红方在指控训练系统的规则下运行。
人机交互可以控制红方进行想定生成、任务规划和实时人机交互控制；智能AI对红方进行辅助控制，在没有进行人机交互操作时，可以控制红方的想定生成、任务规划和实时交互人机控制；当存在人机交互时，人机交互的优先级由于智能AI。
蓝方只能通过智能AI控制，AI对实时人机交互控制部分进行控制，通过实时改变蓝方AI的编队、分组、攻防来达到训练指挥员的目的。蓝方场景的设置为预先设置，因此不需要利用智能AI来设置，以简化指挥员训练的复杂度。
以上仅是本发明的优选实施例，并非对本发明作任何形式上的限制。虽然本发明已以优选实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围的情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (4)

1.一种面向人机交互的智能化指控训练仿真系统，其特征在于，包括智能化想定生成模块、智能化任务规划模块、实时人机交互控制模块、二维态势显示模块、辅助作战决策信息模块和效能评估模块，其中：
智能化想定生成模块、智能化任务规划模块、二维态势显示模块和效能评估模块共同构成智能化指控训练仿真模块，所述智能化指控训练仿真模块可以学习指挥员的经验，为训练更好的指挥员提供服务；
通过所述实时人机交互控制模块，指挥员根据经验信息、历史作战信息和智能化推演信息完成指控训练系统推演，然后由二维态势显示模块和效能评估模块实时反馈回人机交互界面，为指挥员提供辅助决策依据；
所述智能化想定生成模块的智能化想定生成的步骤为：
步骤101，智能化想定生成模块根据蓝方兵力配置、兵力部署信息智能化设定红方想定，包括红方的兵力配置和兵力部署，为红方指挥员提供参考；
步骤102，红方指挥员根据所述智能化设定红方想定调整红方作战方案，包括红方的兵力配置和兵力部署，所述智能化指控训练仿真系统存储调整后的红方作战方案，并推演红方作战方案进行效能评估；
步骤103，若红方指挥员调整后的红方作战方案效能评估优于所述智能化设定红方想定，蓝方会针对红方指挥员调整后的红方作战方案进行训练，在下次训练中调整兵力部署，以达到最佳的蓝方效能评估；
所述的智能化任务规划模块的功能包括智能化作战路径规划和智能化作战样式规划；所述智能化作战路径规划使用的算法包括蚁群算法、遗传算法、深度卷积网络路径规划算法；所述智能化作战样式规划使用的作战样式包括集群作战、多机协同作战和无人作战；
辅助作战决策信息模块包括历史人机交互控制信息模块和智能化编组、响应控制模块；所述辅助作战决策信息模块为指挥员对所述实时人机交互控制模块进行操作时提供辅助决策；
效能评估模块包括实时效能评估模块、整体效能评估模块以及区域效能评估模块，其中：
所述实时效能评估模块根据作战单元每次的步长，对红方和蓝方进行效能评估，为指挥员提供实时的辅助操作决策；
所述整体效能评估模块为作战训练过程的最终效能评估模块，为指挥员对某次操作训练提供最终的效能参考；
所述区域效能评估为区域性的效能评估，包括编组分队的效能评估，所述区域效能评估的效率可以为该编组分队的优劣提供参考。
2.根据权利要求1所述的一种面向人机交互的智能化指控训练仿真系统，其特征在于，所述实时人机交互控制模块的输入为所述智能化作战任务规划模块的输出；以输入为基础，指挥员实时调整红方的路径、作战样式、对作战单元进行兵力编组分队、队形调节。
3.根据权利要求1所述的一种面向人机交互的智能化指控训练仿真系统，其特征在于，所述二维态势显示模块包括目标识模块和目标状态识别模块，所述二维态势显示模块的工作步骤如下：
步骤501，对区域进行目标识别和背景识别，标记区域中目标的类型和背景的属性；
步骤502，对目标所在区域进行目标状态识别；
步骤503，估计目标运动轨迹。
4.根据权利要求1所述的一种面向人机交互的智能化指控训练仿真系统，其特征在于，智能化指控训练仿真模块的仿真训练方法包括基于强化学习的仿真训练、基于深度强化学习的仿真训练和基于蚁群的仿真训练。
CN202110596988.2A 2021-05-31 2021-05-31 一种面向人机交互的智能化指控训练仿真系统 Active CN113177368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110596988.2A CN113177368B (zh) 2021-05-31 2021-05-31 一种面向人机交互的智能化指控训练仿真系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110596988.2A CN113177368B (zh) 2021-05-31 2021-05-31 一种面向人机交互的智能化指控训练仿真系统

Publications (2)

Publication Number Publication Date
CN113177368A CN113177368A (zh) 2021-07-27
CN113177368B true CN113177368B (zh) 2022-07-05

Family

ID=76927139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110596988.2A Active CN113177368B (zh) 2021-05-31 2021-05-31 一种面向人机交互的智能化指控训练仿真系统

Country Status (1)

Country Link
CN (1) CN113177368B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705102B (zh) * 2021-08-31 2024-05-10 湖南苍树航天科技有限公司 海空集群对抗的推演仿真系统及方法、设备、存储介质
CN114546548B (zh) * 2022-01-19 2024-08-06 中国航空研究院 一种体系协同下的舰船人机交互方法
CN114518857A (zh) * 2022-01-27 2022-05-20 中国航空研究院 一种面向协同空战的单一综合空中态势显示设计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239611A (zh) * 2014-08-27 2014-12-24 中国航天科工运载技术研究院 一种基于人在回路的分布式仿真系统
CN106952014A (zh) * 2017-02-10 2017-07-14 南京航空航天大学 一种基于军事仿真器的作战方案优化方法
CN108646589A (zh) * 2018-07-11 2018-10-12 北京晶品镜像科技有限公司 一种攻击无人机编队的作战模拟训练系统及方法
CN112820164A (zh) * 2021-01-29 2021-05-18 北京华如科技股份有限公司 一种基于分层的行为模型的vr虚拟对抗训练系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239611A (zh) * 2014-08-27 2014-12-24 中国航天科工运载技术研究院 一种基于人在回路的分布式仿真系统
CN106952014A (zh) * 2017-02-10 2017-07-14 南京航空航天大学 一种基于军事仿真器的作战方案优化方法
CN108646589A (zh) * 2018-07-11 2018-10-12 北京晶品镜像科技有限公司 一种攻击无人机编队的作战模拟训练系统及方法
CN112820164A (zh) * 2021-01-29 2021-05-18 北京华如科技股份有限公司 一种基于分层的行为模型的vr虚拟对抗训练系统

Also Published As

Publication number Publication date
CN113177368A (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN113177368B (zh) 一种面向人机交互的智能化指控训练仿真系统
CN110991545B (zh) 一种面向多智能体对抗的强化学习训练优化方法及装置
CN110929394B (zh) 基于超网络理论的联合作战体系建模方法以及存储介质
CN108021754A (zh) 一种无人机自主空战决策框架及方法
CN112820164B (zh) 一种基于分层的行为模型的vr虚拟对抗训练系统
Choi et al. Multi-focus attention network for efficient deep reinforcement learning
CN113298260B (zh) 一种基于深度强化学习的对抗仿真推演方法
CN110147883A (zh) 用于作战仿真的模型的训练方法、装置、设备和存储介质
KR102266184B1 (ko) 항공기의 조종을 위한 제어 장치 및 그의 동작 방법
CN110288868A (zh) 实兵交互对抗系统
CN112215350A (zh) 一种基于强化学习的智能体控制方法及装置
Källström et al. Design of simulation-based pilot training systems using machine learning agents
CN114895710A (zh) 一种无人机集群自主行为的控制方法及系统
Ruifeng et al. Research progress and application of behavior tree technology
CN110231777A (zh) 基于决策点的陆军合同战斗方案自动控制仿真方法
CN113283124B (zh) 基于多智能体的自治USoS参与模型构建方法及其系统
CN113505538B (zh) 一种基于计算机生成兵力的无人机自主作战系统
CN109376371A (zh) 一种行人运动仿真方法和系统
Dimitriu et al. A Reinforcement Learning Approach to Military Simulations in Command: Modern Operations
CN113255234A (zh) 一种对导弹群进行在线目标分配的方法
CN115408936A (zh) 一种空战对抗智能决策开发系统及方法
Bian et al. Cooperative strike target assignment algorithm based on deep reinforcement learning
Zhang et al. A Game Agent Design Method in Simulation Training System
Qiao et al. Hierarchical Reinforcement Learning Based Multi-Agent Collaborative Control Approach
CN115328197A (zh) 一种仿哈里斯鹰狩猎智能行为的无人作战飞机集群攻击方法

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