JP2007264055A - 訓練システムおよび訓練方法 - Google Patents

訓練システムおよび訓練方法 Download PDF

Info

Publication number
JP2007264055A
JP2007264055A JP2006085555A JP2006085555A JP2007264055A JP 2007264055 A JP2007264055 A JP 2007264055A JP 2006085555 A JP2006085555 A JP 2006085555A JP 2006085555 A JP2006085555 A JP 2006085555A JP 2007264055 A JP2007264055 A JP 2007264055A
Authority
JP
Japan
Prior art keywords
training
scenario
option
scene
biological reaction
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.)
Pending
Application number
JP2006085555A
Other languages
English (en)
Inventor
Naoto Watabe
直人 渡部
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.)
Central Research Institute of Electric Power Industry
Original Assignee
Central Research Institute of Electric Power Industry
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 Central Research Institute of Electric Power Industry filed Critical Central Research Institute of Electric Power Industry
Priority to JP2006085555A priority Critical patent/JP2007264055A/ja
Publication of JP2007264055A publication Critical patent/JP2007264055A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

【課題】訓練中の被訓練者の生体反応に応じて訓練シナリオを常に最適なものとする。
【解決手段】訓練シナリオ1をシミュレーション手段によって展開することで訓練対象となる事象を擬似的に再現しながら訓練を行う訓練方法であって、訓練シナリオ1を複数のシーン10から構成すると共に、シーン10毎に複数のオプション8を用意しておき、被訓練者4の生体反応5を測定しながら訓練を行い、生体反応5に基づいて展開するオプション8を切り替える。
【選択図】図2

Description

本発明は、訓練対象となる事象を擬似的に再現しながら訓練を行う訓練システムおよび訓練方法に関する。なお、訓練は、実際の現場作業、事故、災害、エラー等への対処等を体験または学習するものに限らず、例えばコンピュータゲーム等の訓練(ゲーム内容そのもの又はゲーム操作技術等)自体を楽しむことを目的としたものも含まれる。さらに、学校や学習塾あるいは専門学校など教育を目的とする機関で用いる訓練、公共施設等における災害と避難方法などの体験を行なう訓練も含まれる。
近年、バーチャル・リアリティ(VR)などコンピュータ・グラフィックス(CG)技術を利用して訓練を行う訓練システムとして、被訓練者の生体反応を測定しながら訓練を行うものがある。例えば、特開2004−294593号公報に開示された訓練支援装置では、被訓練者の生体反応として脳活動を測定している。この訓練支援装置は近赤外光を使用して被訓練者の脳の活動領域を検出し、障害を有する被訓練者のリハビリテーションやイメージトレーニングを手助けするものである。訓練として課された計算課題や記憶課題等を行っている最中の被訓練者の脳の活動領域を測定し、訓練終了後に訓練の効果を確認する。そして、次回行う訓練の訓練課題等を決定する。
特開2004−294593号
しかしながら、上述の訓練支援装置では、訓練中に被訓練者の生体反応を測定しているものの、訓練を一つの固定したシナリオとして捉えており、訓練の終了後又は生体反応の判定によりに訓練を中止した後に、次に行う訓練のシナリオを決定している。このため、訓練中に被訓練者の体調が変化した場合や、予想外に訓練の内容が難しかったり易しすぎたりした場合には、最適なシナリオに基づいて訓練を継続することができるとは限らなかった。
本発明は、訓練中の被訓練者の生体反応に応じて訓練シナリオを常に最適なものとすることができる訓練システム及び訓練方法を提供することを目的とする。
かかる目的を達成するために、請求項1記載発明は、訓練対象となる事象を擬似的に再現する訓練システムであって、訓練シナリオ及び判定基準を記憶する記憶装置と、被訓練者の訓練時の生体反応を測定する生体反応測定手段と、訓練シナリオを展開するシミュレーション手段と、シミュレーション手段が展開するシナリオのオプションを切り替える切替判定手段とを備え、訓練シナリオは複数のシーンから構成されると共に、シーン毎に複数のオプションが用意されており、切替判定手段は生体反応と判定基準との比較結果に基づいてオプションを切り替えるものである。
また、請求項2記載の発明は、訓練シナリオをシミュレーション手段によって展開することで訓練対象となる事象を擬似的に再現しながら訓練を行う訓練方法であって、訓練シナリオを複数のシーンから構成すると共に、シーン毎に複数のオプションを用意しておき、被訓練者の生体反応を測定しながら訓練を行い、生体反応に基づいて展開するオプションを切り替えるものである。
したがって、シミュレーション手段が記憶装置に記憶されている訓練シナリオを展開することで訓練が進行する。訓練シナリオを構成する各シーンには複数のオプションが用意されており、切替判定手段は生体反応測定手段が測定した生体反応と記憶装置に記憶されている判定基準とに基づき、必要に応じて展開するオプションを切り替える。このため、展開するシナリオを各シーン毎にその場でほぼリアルタイムに構築しながら展開していくことができる。
請求項1記載の訓練システムでは、訓練シナリオ及び判定基準を記憶する記憶装置と、被訓練者の訓練時の生体反応を測定する生体反応測定手段と、訓練シナリオを展開するシミュレーション手段と、シミュレーション手段が展開するシナリオのオプションを切り替える切替判定手段とを備え、訓練シナリオは複数のシーンから構成されると共に、シーン毎に複数のオプションが用意されており、切替判定手段は生体反応と判定基準との比較結果に基づいてオプションを切り替えるようにしているので、また、請求項2記載の訓練方法では、訓練シナリオを複数のシーンから構成すると共に、シーン毎に複数のオプションを用意しておき、被訓練者の生体反応を測定しながら訓練を行い、生体反応に基づいて展開するオプションを切り替えるようにしているので、展開するシナリオを各シーン毎にその場でほぼリアルタイムに構築しながら展開していくことができる。このため、訓練中の被訓練者の生体反応に応じて、ほぼリアルタイムにシナリオを変化させることができ、シナリオをダイナミックに構成することができるので、常に適切なシナリオを提供することができる。例えば、冒頭から最適な訓練を行うことができる。この結果、訓練時間を節約することができると共に、訓練に要するコストを低減することができる。また、訓練の効果を最大限に引き出すことができる。
また、訓練中に被訓練者の気分の悪化や血圧や心拍数の上昇等の体調不良の兆候等をとらえた場合には、リアルタイムかつダイナミックに訓練負荷を低減(より低刺激なシナリオに変更する)したり、訓練を中止したりすることができるので、訓練者の体調の悪化や健康被害を未然に防止することができる。逆に、生体反応が低い(訓練負荷が軽い)場合には、リアルタイム且つダイナミックに訓練負荷を増加させることができるので、訓練の効果を向上させることができる。なお、訓練負荷の軽減としては、例えばより刺激の低い訓練内容のオプションへの切り替えや、訓練項目の減少等がある。また、訓練負荷の増加としては、例えばより刺激の強い訓練内容のオプションへの切り替えや、訓練項目の増加等がある。
これらにより、特定業務(例えば飛行機操縦シミュレーションのようにある程度危険な体験が許容されるもの)だけではなく、公共施設やスリリングな刺激を求められるゲームのアミューズメント施設など一般公衆が体験するような可視化コンテンツにも、適用可能である。
このように、本発明では、訓練シナリオを複数のシーンから構成すると共に、各シーン毎に複数のオプションを用意している。このため、訓練終了を待たずとも展開するシナリオを決定することができる。即ち、シーンの切り替え毎に次に展開するオプション(場合によってはその次、更にその次に展開するオプション)を選択し切り替えることで、リアルタイムにダイナミックなシナリオ決定を行うことができる(訓練シナリオの半自動生成)。
この場合、オプションの選択に利用する生体反応の判定には、あらかじめ用意した信号処理(スレッショルドフィルターなど)や、fNIRSやfMRIで言えば脳の活動部位のパターン(例えば、前頭葉の特定領域が活動している)やストレスにともなう血中の特定物質の増減などを利用する。
また、被訓練者のヒューマンエラーを誘発するトラップを訓練シナリオに設けておくことを組み合わせて、即ち、訓練シナリオの半自動生成とヒューマンエラー誘発トラップとを組み合わせても良い。この場合には、既に何回か訓練を経験した訓練シナリオの実施による慣れや覚醒度・集中力の低下を減少させることができ、常に緊張感・興味を持って訓練にあたらせることができ、訓練効果をより促進させることができる。
また、生体反応のインプットに加えて、外部シミュレーション(例:いくつかの地震発生源→リアルタイムの津波のシミュレーション→VRの津波来襲シーン生成)を組み合わせても良い。この場合には、よりリアルな訓練を行うことができる共に、より効果的な訓練を行うのに有効である。
さらに、訓練シナリオを細分化することでシーンの数が増加したり、上記の外部シミュレーションと組み合わせたりして計算量が膨大になる場合には、VR訓練を行うコンピュータ即ち可視化訓練プログラムを実行するコンピュータに通信手段で接続されたコンピュータ(外部コンピュータ)に計算の一部を負担させても良い。この場合には、描画等のための処理時間を短縮することができ、よりスムーズに訓練を行うことができる。例えば、外部コンピュータにAIエンジンを実装して、次、次の次、そのまた次のシーンをダイナミックに生成もしくは生成準備することも可能である。
以下、本発明の構成を図面に示す最良の形態に基づいて詳細に説明する。
図1及び図2に、本発明の訓練システムの実施形態の一例を示す。この訓練システムは、訓練対象となる事象を擬似的に再現する訓練システムであって、訓練シナリオ1及び判断基準2を記憶する記憶装置3と、被訓練者4の訓練時の生体反応5を測定する生体反応測定手段6と、訓練シナリオ1を展開するシミュレーション手段7と、シミュレーション手段7が展開する訓練シナリオ1のオプション8を切り替える切替判定手段9とを備え、訓練シナリオ1は複数のシーン10から構成されると共に、シーン10毎に複数のオプション8が用意されており、切替判定手段9は生体反応5と判断基準2との比較結果に基づいてオプション8を切り替えるものである。
訓練システムは、例えばコンピュータ11を使用して構成されている。コンピュータ11はキーボードやマウス等の入力装置12と、コンピュータ11が作成したCG(コンピュータ・グラフィックス)を表示するモニタ、スピーカ、フォースフィードバックデバイス等の視覚・聴覚・触覚情報呈示装置13を備えている。また、コンピュータ11は、少なくとも1つのCPUやMPUなどの中央演算装置と、データの入出力を行うインターフェースと、プログラムやデータを記憶する例えばハードディスクドライブ(HDD)やメモリー等の記憶装置3を備えており、コンピュータ11と所定の制御ないし演算プログラムによって、シミュレーション手段7、切替判定手段9、後述する選択手段14を実現している。即ち、中央演算装置は、メモリに記憶されたOS等の制御プログラム、三次元画像を表示しながら訓練を行う手順などを規定したプログラム、三次元画像に関するデータやその他の所要データ等により、シミュレーション手段7、切替判定手段9、選択手段14を実現している。例えば、可視化訓練プログラムの起動によってシミュレーション手段7が実現され、シナリオ判定プログラムの起動によって切替判定手段9が実現される。また、コンピュータ11はネットワークインターフェイス15を備えており、他のコンピュータ11との接続が可能となっている。
訓練を実施する際には、コンピュータ11に入力装置12から起動コマンドを入力し、記憶装置3に収納された訓練プログラムおよび3次元オブジェクトデータならびに因果関係の記述ファイルを、演算装置にそれぞれ読み込んで実行する。訓練中の操作は、入力装置12により行う。ここで、記述ファイルに記載されている因果関係とは、VR空間内のオブジェクトとその決められた動作との関係、入力とその入力に対する特定の反応との関係であり、例えばVR空間の車両のドアをクリックするとドアが開く、火災を感知してスプリンクラーから水が出る等である。
生体反応測定手段6は、被訓練者4の生体反応5を測定するもので、例えば、fNIRS(functional Near Infrared Spectroscopy)、fMRI(functional Magnetic Resonance Imaging)、PET(Positron Emission Tomography)、脳波計、心拍数計、血圧計、発汗計、視線計測装置等の使用が可能であり、これらのうち少なくともいずれか一つを使用する。生体反応測定手段6は、計測した被訓練者4の生体反応5の測定データをコンピュータ11の記憶装置3及び切替判定手段9にリアルタイムで供給する。なお、生体反応測定手段6自身が記憶装置を有している場合には、この記憶装置3にも測定データを記憶するようにしても良い。
訓練シナリオ1は、複数のシーン10より構成されており、各シーン10毎に複数のオプション8が用意されている。なお、全てのシーン10について複数のオプション8を用意する必要はなく、一部のシーン10については一つのオプション8から構成しても良い。
判断基準2は、生体反応測定手段6により測定した生体反応(生体指標)5に基づいてオプション8を選択する際の判断の基準となるものである。判断基準は、例えば閾値、波形パターン、波形の形状特性等であり、生体反応測定手段6により測定されるデータの種類(波形、数値等)等に応じて決定される。波形パターンや形状特性等は例えばデータベース化されて記憶装置3に記憶されている。切替判定手段9は生体反応測定手段6の測定データを判断基準と比較照合し、その種類等に基づいて各シーン10で展開するオプション8を選択し切り替える。即ち、訓練シナリオ1を半自動生成する。訓練シナリオ1を半自動生成することで、被訓練者4の生体反応5に応じてダイナミックに訓練シナリオ1を変更することができる。
なお、オプション切替の判断に使用する生体反応5は、1種類であっても良いし、複数種類であっても良い。即ち、1種類の生体反応5を測定しながら訓練を行っても良いし、複数種類の生体反応5を測定しながら訓練を行っても良い。複数種類の生体反応5に基づいてオプション切替判断を行う場合には、各生体反応5毎に判断基準2を設定しておく。ただし、複数種類の生体反応5を測定しながら訓練を行う場合であっても、測定する全ての種類の生体反応5に基づいて全てのシーン10のオプション切替判断を行う必要はなく、一部のシーン10についてのみ、測定する全ての種類の生体反応5に基づいてオプション切替判断を行うようにしても良い。例えば、生体反応5として脳波と血圧を測定する場合には、脳波についての判断基準2と血圧についての判断基準2を設けておく。そして、全てのシーン10のオプション切替判断を脳波と血圧の両方に基づいて行なっても良いし、特定のシーン10のオプション切替判断を脳波と血圧の両方に基づいて行ない、その他のシーン10のオプション切替判断を脳波と血圧のいずれか一方に基づいて行なうようにしても良い。
コンピュータ11に入力装置12から起動コマンドが入力され、訓練が開始されると、シミュレーション手段7は、作成したVRシーンまたは予め用意されたCGシーンを視覚・聴覚・触覚情報呈示装置13を通じて被訓練者4に呈示する。例えば、シーン10毎にそのシーン10の訓練内容が因果関係を設定されたVR空間またはCGによるアニメーションとして呈示される。そして、次のシーン10に切り替わるときに切替判定手段9による判断が行われ、情報呈示装置13への呈示が選択された一のオプション8の訓練内容についてのVR空間(因果関係を設定済み)またはCGアニメーションに切り替えられる。即ち、次のシーン10が展開される。なお、このように情報呈示をダイナミックに切り替えていくときにVR空間(因果関係を設定済み)またはCG描画を入れ替えるものには、例えば3次元オブジェクト、周辺景観、煙とか津波(外部データに依存するもの)、ヒューマンエラー誘発トラップ等がある。訓練中の被訓練者4の生体反応5は生体反応測定手段6によって測定され、その測定データが切替判定手段9及び記憶装置3に供給される。
切替判定手段9は、生体反応測定手段6によって測定されたデータと記憶装置3に記憶されている判断基準2とを参照し、次のシーン10に展開するオプション8を決定する。いま、判断基準2として閾値が設定されている場合には、生体反応測定手段6によって測定された値が例えば閾値を超えていない又は下回っていないときには、次のシーン10では予め決められていたオプション8を展開する。一方、生体反応測定手段6によって測定された値が閾値を超えた又は下回ったときには、次のシーン10では展開するオプション8を予め決められていたものとは別のオプション8に切り替える。なお、一つの生体反応5について複数の閾値(判断基準2)が決められている場合には、各閾値ごとに切り替えるオプション8を別のものにしても良いし、同じものにしても良い。例えば、予め決められていたオプション8がオプションCであるとき、閾値Aを超えた場合にオプションをオプションAに切り替え、閾値Bを下回った場合にオプションをオプションBに切り替え、その他の場合にはオプションCをそのまま選択するようにしても良いし、閾値Aを超えた場合と閾値Bを下回った場合にオプションをオプションAに切り替え、その他の場合にオプションCをそのまま選択するようにしても良い。
また、判断基準2として波形パターン(例えば、上に凸、下に凸、漸増、漸減等)が設定されている場合には、生体反応測定手段6によって測定された波形が判断基準2の波形パターンと一致又は類似していないときには、次のシーン10では予め決められていたオプション8を展開する。一方、生体反応測定手段6によって測定された波形が判断基準2の波形パターンと一致又は類似しているときには、次のシーン10では展開するオプションを予め決められていたものとは別のオプションに切り替える。なお、一つの生体反応5について複数の波形パターン(判断基準2)が決められている場合には、各波形パターンごとに展開するオプション8を別のものにしても良いし、同じものにしても良い。例えば、予め決められていたオプション8がオプションCであるとき、測定データが波形パターンAと一致又は類似の場合にオプションをオプションAに切り替え、波形パターンBと一致又は類似の場合にオプション8オプションBに切り替え、その他の場合にはオプションCをそのまま選択するようにしても良い。
さらに、判断基準2として波形特性(例えば、ピークの繰り返しがある(振動している)、振幅の大小、波長の大小等)が設定されている場合には、生体反応測定手段6によって測定された波形が判断基準2の波形特性と一致又は類似していないときには、次のシーン10では予め決められていたオプション8を展開する。一方、生体反応測定手段6によって測定された波形が判断基準2の波形特性と一致又は類似しているときには、次のシーン10では展開するオプション8を予め決められていたものとは別のオプション8に切り替える。なお、一つの生体反応5について複数の波形特性(判断基準2)が決められている場合には、各波形特性ごとに展開するオプションを別のものにしても良いし、同じものにしても良い。例えば、予め決められていたオプション8がオプションCであるとき、測定データが波形特性Aと一致又は類似の場合にオプションをオプションAに切り替え、波形特性Bと一致又は類似の場合にオプションをオプションBに切り替え、その他の場合にはオプションCをそのまま選択するようにしても良い。
なお、訓練シナリオ1の最初のシーン10については、例えば訓練開始時の被訓練者4の生体反応5に基づいてオプション8が選択される。また、判断基準2として、閾値、波形パターン、波形特性以外のものを採用しても良い。
例えば、生体反応測定手段6がfNIRS、fMRI、PET、脳波計、発汗計、視線計測装置、近赤外光イメージング装置等である場合には、測定データが波形(アナログ波形と連続するデジタルデータの波形の両方を含む)であるので、判断基準2として、波形パターン、波形特性、閾値の採用が可能である。また、生体反応測定手段6が心拍数計、血圧計等である場合には、測定データが数値であるので、判断基準2として閾値の採用が可能である。ただし、測定データが数値の場合であっても、数値の時間変化を波形に変換することができるので、判断基準2として波形パターン、波形特性、閾値の採用が可能である。
なお、測定データそのものに基づいて判断を行っても良いが、測定データを加工したデータに基づいて判断を行っても良い。例えば、測定する生体反応5が心拍数等の場合には、測定データは単位時間当たりの心拍数であるが、単位時間当たりの心拍数の増加率/減少率、単位時間当たりの心拍数の増減の周期性等に基づいて判断を行っても良い。また、測定する生体反応5が発汗量である場合には、測定データは例えば電気伝導度の変化として測定される発汗量であるが、発汗量に基づいて判断を行っても良いし、発汗量に換算する前の電気伝導度に基づいて判断を行っても良い。
このように、各シーン10毎にオプション8を切り替えながら訓練が進められる。図2では、例えば3つのシーン10から訓練シナリオ1が構成されており、「シーン1」には3つのオプション(op1,op2,op3)が、「シーン2」には4つのオプション(op1,op2,op3,op4)が、「シーン3」には3つのオプション(op1,op2,op3)がそれぞれ用意されており、「シーン1」では「オプションop1」が、「シーン2」では「オプションop3」が、「シーン3」では「オプションop2」がそれぞれ展開(実行)されている。
各シーン10で展開されたオプション8は、バックグラウンドで記憶装置3に記録されている。切替判定手段9は各シーン10でどのオプション8を展開したかを、例えばそのオプション番号を記憶装置3に出力し、記憶装置3は各シーン10で展開されたオプションの番号を記憶しておく。これにより、訓練終了後、記憶装置3に記憶されている測定データと展開されたオプション番号とに基づいて、行った訓練の経過を再生しながらデブリーフィングを行うことができる。
なお、図1に二点鎖線で示すように、記憶装置3に複数の訓練シナリオ1を記憶しておき、展開する訓練シナリオ1を選択できるようにしても良い。即ち、複数の訓練シナリオ1のうち、実際に訓練を行う一つを入力装置12の操作によって選択し、シミュレーション手段7が入力装置12からの入力データによって選択されたシナリオを展開するようにしても良い。この場合には、訓練システムの管理者又は被訓練者4は入力装置12を操作して訓練を行うシナリオを直接選択(マニュアル選択)することができる。
また、図1に二点鎖線で示すように、複数の訓練シナリオ1の中から一つのシナリオを無作為に選択する選択手段14を設け、シミュレーション手段7は選択手段14が選択したシナリオを展開するようにしても良い。この場合には、選択手段14が訓練を行うシナリオを選択するので、管理者や訓練者の恣意を排除して訓練を行うシナリオを自動的に選択することができる。選択手段14は、例えば乱数を発生させる機能や、四則演算を行う機能等を有しており、ランダムに、又はツリー解析で作成したシナリオそれぞれの発生確率が求められている場合にはその確率に基づいて、訓練シナリオ1を選択する。
なお、訓練のスタート時又は訓練途中から時間制限を課し、訓練負荷を増やしてヒューマンエラーを誘発するようにしても良い。あるいは、訓練前に行うブリーフィング時の指示と異なる指示を与え、訓練に対しヒューマンエラーを誘発させるようにしても良い。
このように、本発明の訓練方法は、訓練シナリオ1をシミュレーション手段7によって展開することで訓練対象となる事象を擬似的に再現しながら訓練を行うものであって、訓練シナリオ1を複数のシーン10から構成すると共に、シーン10毎に複数のオプション8を用意しておき、被訓練者4の生体反応5を測定しながら訓練を行い、生体反応5に基づいて展開するオプション8を切り替えるものである。
本発明の用途として、以下のものが例示できる。
(1)シミュレータ向け:航空機のフライトシミュレータや自動車運転シミュレータなど
例:いつも同じシナリオもしくは複数でもシナリオの進展が固定されているものでは、繰り返しの訓練により被訓練者4の慣れが生じる。それにより訓練効果が低下することになるので、被訓練者4の生体反応5を見ながら、訓練内容のより厳しいシナリオにしたり、逆に、より易しいシナリオにしたり、被訓練者4の体調が悪くなれば訓練中止にしたりする、というダイナミックな変更機能が有効である。
例:戦闘シミュレータなどでは、さまざまなシナリオ(軽微〜人命に関わる重大なものまで)が用意されているが、シーン10毎の対応からパターン分析して次を変化させる際、生体反応5に応じて訓練シナリオ1を変える(バイオフィードバック)。
(2)業務の訓練向け:決められた手順や内容を訓練するものではなく、シナリオのダイナミックな変更が必要とされる業務
例:いわゆるヒヤリハット(事故に至らないまでも、ヒヤリとしたり、ハッとしたりすること)やヒューマンエラーにより人命に関わる事故が発生する変電工事など。
(3)認知症など医学方面治療:
認知症やてんかんの治療やリハビリのためにfNIRSやfMRIが利用されている。治療をサポートする訓練に本発明を使用し、ダイナミックなシナリオやオブジェクト(CG空間内の物体)の呈示を行うことで、より有効な訓練を行うことができる。
(4)エンターテイメント性を強調したゲーム:
訓練業務など産業界向けだけでなく、ゲームなどのエンターテイメント分野にも適用すると、より刺激が強く体験者の興味を引くものができる。本発明の考え方を用いれば、ただ刺激を強くするだけでなく、刺激を落としたり、場合により中止とすることで安全性をより一層配慮することが可能となる。
その他、例えば航空機シミュレータ、ドライブシミュレータ、防災訓練など軽微なシナリオから、訓練者やシステム・プラントなどに重大な被害を及ぼす事象が想定されるものに適用可能である。また、変電工事などの危険作業を伴うような業務の訓練にも使用できる。
そして、本発明では、緊急時対応など、訓練者の反応に応じた有効な訓練シナリオ1を課すことができる。また、精神的・肉体的な悪影響を回避できる。
シナリオの変更として、以下が考えられる。
より刺激を強く:ヒヤリハット(故障とか軽度の負傷)のオプションシナリオから、人命に関わるような事故、大規模災害に切り替える。また、後述する「ヒューマンエラーを誘発させるトラップ」であれば、より難しくする(内容の複雑化、トラップ数増加等)。
より刺激を弱く・中止:上記の逆で、呈示するシーンの内容あるいはトラップがあることで被験者の体調が悪化する、訓練効率が低下する(例、訓練の進行具合が遅くなり、時間を膨大に要する)ようであれば、より簡単にするとか、トラップは無しにして強制的に内容を学習させる初心者モードにする、訓練を継続しがたいほど体調が悪化した場合には訓練を中止する等の変更を行う。
例えば、例1:ヒヤリハットが起き難いシナリオでスタートしたが、スタート前〜訓練開始時の生体反応5が落ちているので、重大事故に至るシナリオに切り替える。また、例2:重大事故のシナリオで開始したが、発汗や心拍など体調に異常を来す前兆が現れたので、軽微なシナリオに変更するか、訓練を中止する、等である。
なお、上述の形態は本発明の好適な形態の一例ではあるがこれに限定されるものではなく本発明の要旨を逸脱しない範囲において種々変形実施可能である。
例えば、上述の説明では、切替判定手段9によって次のシーン10のオプション切替判断を行なうようにしていたが、例えば次の次のシーン10、次の次の次のシーン10、…等のオプション切替判断を行なうようにしても良い。
また、上述の説明では、訓練シナリオ1を構成する各シーン10を最初から順番に一つずつ展開していたが、生体反応5と判断基準2との比較結果に基づいて、一部のシーン10の展開を飛ばしたり、既に行なったシーン10に戻るようにしても良い。
また、上述の説明では、切替判定手段9は各シーン10毎にオプション切替判断を行なっていたが、全てのシーン10についてオプション切替判断を行わなくても良い。即ち、訓練シナリオ1の特定のシーン中もしくは特定のシーン終了時点に判定フラッグを設けておき、判定フラッグが設けられているタイミングでオプション切替判断を行うようにしても良い。
また、上述の説明では、1台のコンピュータ11を使用して訓練システムを構成していたが、複数のコンピュータ11を接続しても良い。図3に、例えば2台のコンピュータ11をネットワーク接続した訓練システムを示す。2台のコンピュータ11は例えばケーブル16によって接続されている。ただし、3台以上のコンピュータ11を接続しても良い。
訓練を行うコンピュータ11に他のコンピュータ(以下、外部コンピュータという)11を接続することで、外部コンピュータ11に計算の一部を負担させることができる。即ち、CG画像もしくはVR空間を作成し表示する等のためにはコンピュータ11が行う計算量が膨大になるが、ネットワーク接続したコンピュータ11に計算の一部を負担させることで迅速な処理が可能になる。例えば、外部コンピュータ11を外部シミュレーション(例えば、いくつかの地震発生源→リアルタイムの津波のシミュレーション→VRの津波来襲シーン生成)を行うコンピュータとして使用することができる。
例えば、訓練シナリオ1の展開が判定フラッグが設けられている位置にくると、内部コンピュータ11は外部コンピュータ11に信号を送り、外部コンピュータ11の演算結果を要求する。その演算結果のデータを基に内部コンピュータ11では、外部コンピュータ11の演算結果である例えばVR空間に描く津波の場所ごとの大きさ・時間変化などのデータ(外部シミュレーションのデータ)に基づいて描画を行う。外部コンピュータ11を利用することで、リアルタイムの処理が容易になる。
また、判定フラッグのタイミングで比較照合する判定条件として、下記の(1)〜(3)がある。
(1)あらかじめ定められた生体データごとの閾値(例えば、単純なスレッショルドレベル)あるいは波形や連続するデジタルデータの特性(例:振動している、上に凸、下に凸、漸増、漸減など)
(2)内部プログラム(VR動作中)で、被訓練者4の行動をパターン分類や演算で判定
(3)外部パーソナルコンピュータ(もしくは計算機)で稼動するプログラム(例:地震による津波シミュレーションでいつどこにどれくらいの波高の津波が襲うか計算する、火災シミュレーションで何分後にどれくらい延焼する・・・など)
上述の判定フラッグのところで、内部コンピュータ11から外部コンピュータ11に信号を送り、外部コンピュータ11の演算結果を要求する。その演算結果のデータを基に内部コンピュータ11では、外部コンピュータ11の演算結果である例えばVR空間に描く津波の場所ごとの大きさ・時間変化などのデータに基づいて描画を行う。外部コンピュータ11を利用することで、リアルタイムの処理が容易になる。
なお、訓練シナリオ1をダイナミックに変えていくときに描画を入れ替えるものには、例えば、3次元オブジェクト、周辺景観、煙とか津波(外部データに依存するもの)、ヒューマンエラー誘発トラップ等が考えられる。
また、図1及び図3に二点鎖線で示すように、記憶装置3に、シーン10毎のオプション8のパターン集17を記憶しても良い。このパターン集17は、各シーン10で取り得るオプション8の組み合わせのパターンを複数又は単数集めたものである。各シーン10で取り得るオプション8の組み合わせのパターンとしては、例えば、第1シーン:第1オプション→第2シーン:第2オプション→第3シーン:第1オプション→第4シーン:第3オプション→…、第3シーン:第1オプション→第4シーン:第3オプション…、等である。即ち、最初のシーン10からパターンが始まる場合もあれば、途中のシーン10からパターンが始まる場合もある。切替判定手段9は、シーン10のオプション8を決定する際、パターン集17を参照し、パターン集17に存在するパターンに入り込んだ後には当該パターンに従ってオプション8を選択する。
パターン集17を用意しておくことで、ダイナミックなシナリオ生成を行いつつ、オプション8の選択をある程度規制することができ、これにより呈示するCG等を先のシーン10まで早めに準備するのが容易になる。即ち、実際には起こりえないパターンを予め排除することができるので、早めに先のシナリオまで決めることができ、VR空間のレンダリング(モデルの読み込みと描画)の時間的な余裕を確保することができ、画像表示までの待ち時間をなくすことができる。実際には起こりえないパターンとしては、例えば、人身事故にあったにもかかわらずその次に健常者と同じ行動をとる、使用する自動車が壊れたにもかかわらず、その自動車を使用して次の地点に移動する、等がある。展開するオプション8が津波解析や火災延焼解析などのような計算量の多いものである場合には、VR空間のレンダリングの時間的な猶予確保に特に有効である。
また、図2に二点鎖線で示すように、訓練シナリオ1を構成するオプション8の一部又は全部に、被訓練者4のヒューマンエラーを誘発するトラップ18を設けておき、トラップ18の有無や設けるトラップ18の数の増減によって訓練の難易度を変化させるようにしても良い。即ち、同じシーン10に属するオプション8について、トラップ18の有無や設けるトラップ18の数を相違させておき、オプション8の選択によって訓練の難易度を切り替えるようにしても良い。
トラップ18は、例えば訓練の対象となる業務を詳細に分析して決定される。つまり、ヒューマンエラーが発生しやすい作業や条件、発生原因等を調査し、この調査結果に基づいてどのようなトラップ18を何処にどれくらい仕掛けることが訓練をより実際の業務に即したものにして効果的なものになるかを検討し、計画的にトラップ18を設ける。
訓練シナリオ1に設けるトラップ18としては、例えば、以下のトラップ18がある。これらは、情報呈示装置13としての例えばモニタにCG画像やVR空間のオブジェクト又はその因果関係として表示される視覚的トラップ18である。視覚的トラップ18はCG画像やVR空間のオブジェクト又はその因果関係で表示される他、実際に撮影した画像や映像で表示したり、文字情報で表示しても良い。
(1)状態を変えるトラップ18
例えば、輸送容器に吊り具を取り付けるシーン10において、輸送容器の種類に対応して吊り具の取付位置が複数(例えば3タイプ)ある場合、その初期表示される位置を毎回ランダムに変えておくトラップ18である。被訓練者4は輸送容器に応じて吊り具の取付位置を適切な位置にする必要があるが、吊り具の取付位置が違っていることに気付かない、気付いたとしても間違った位置に調節する、などのヒューマンエラーが発生する。
(2)選択させるトラップ18
例えば、余分に準備した放射線計測器の中から適切なものを選択するシーン10において、選択を誤らせるトラップ18である。即ち、γ線計測器と中性子線計測器を準備しておき、訓練者に放射線計測器の外観を見てその種類を判断させる。被訓練者4はブリーフィング時に指示された放射線計測を行うことができる放射線計測器を取得する必要があるが、間違った放射線計測器を取得するヒューマンエラーが発生する。
その他、(3)内容を変更するトラップ18(例えば、ブリーフィング時の指示と異なる指示を与えてヒューマンエラーを誘発するトラップ18等)、(4)順番を変更するトラップ18(例えば、所定の順序で作業しなければならない場合に順番を間違えやすいように初期表示画面を設定するトラップ18等)、(5)正しい情報を目立たなくするトラップ18(例えば、画面内で、本来実施するべきオブジェクト(3次元の物体)をわざと周囲より暗く表示したり、逆に周囲をより目立つようにしたり、スモークなどの見えにくい処理を付加することで目立たなくするトラップ18等)、(6)複数の指示を与えるトラップ18(例えば、一度に複数の指示を与え、訓練者を混乱させるトラップ18等)、(7)間違った情報を提示するトラップ18(例えば、当該業務にある程度慣れた被訓練者4に対して、ブリーフィング時に意図的に間違った手順・内容・絵や写真などの情報を提示するトラップ18等)、(8)まったく業務に関係ないことを思い出させるトラップ18(例えば、訓練中に「昨日の夕飯は何を食べましたか、サブウィンドウに入力してください」など、業務に関係ないことを意図的に思い浮かべさせるトラップ18等)、(9)同一作業を数多く繰り返させてうっかりミスを誘発するトラップ18、(10)訓練時間の制限を設けるトラップ18(例えば、ブリーフィング時に制限時間を設ける旨宣言する、あるいは表示画面内に経過時間を表示する、経過時間・残り時間をコンピュータ11がアナウンスするなど、訓練者に時間に追われていることを意識させることにより、ミスを誘うトラップ18等)、等が考えられる。
また、トラップ18は情報呈示装置13としてのモニタ等に表示される視覚的トラップ18に限るものではない。例えば、情報呈示装置13としてのスピーカ等から音声や音信号として出力される聴覚的トラップ18、情報呈示装置13としてのフォースフィードバックデバイス等から訓練内容に応じた反力として出力される触覚的トラップ18、情報呈示装置13としての香りを発生させる装置等から香りとして出力される嗅覚的トラップ18でも良い。
なお、聴覚的トラップ18としては、騒音や不快音を発生させること、情報を音声で伝えること等が考えられる。触覚的トラップ18としては、行っている訓練場面と矛盾する反力を訓練者に与えること等が考えられる。嗅覚的トラップ18としては、行っている訓練場面と矛盾する香りや臭いを出力すること、例えば火災でないにもかかわらず煙の臭いを出力すること等が考えられる。
また、訓練に使用するトラップ18は、視覚的トラップ18と聴覚的トラップ18と触覚的トラップ18と嗅覚的トラップ18のうちいずれか1つでも良く、あるいは、これらのいずれか2つ又は3つを組み合わせて使用しても良く、更には4つ全てを組み合わせて使用しても良い。組み合わせることにより、視覚的トラップ18だけの場合に比べて、より臨場感のある訓練を体感することができる。
なお、パターン集17とトラップ18を備えた訓練システムの概念を図4に示す。
この訓練システムでは、例えば以下のようにして訓練が行われる。本発明は、生体反応測定手段6から出力信号を得て、その信号の変化に応じて、訓練シナリオ1の各シーン10ごとに予め用意されたオプション8を自動的に切り替える。
シミュレーション手段7は、作成したVRシーンを視覚・聴覚・触覚情報呈示装置13を通じて被訓練者4に呈示する。被訓練者4から発現した生体反応5は、生体反応測定手段6によって測定される。なお、生体反応測定手段6自身が記憶装置3を有している場合には、この記憶装置3に測定データが記憶される。
生体反応測定手段6による測定データは切替判定手段9に供給される。切替判定手段9は、記憶装置3に記憶されている判断基準2を参照し、さらに必要に応じてシーン10毎のオプション8のパターン集17も参照し、次のシーン10あるいは次の次のシーン10に展開するオプション8を決定する。
生体反応測定手段6の測定データは、例えば記憶装置3にもリアルタイムに記録されている。また、各シーン10で展開されたオプション8は、バックグラウンドで記憶装置3に記録されている(符号R)。切替判定手段9は各シーン10でどのオプション8を展開したかを、例えばその番号を記憶装置3に出力し、記憶装置3は各シーン10で展開されたオプション8の番号を記憶しておく。これにより、訓練終了後、記憶装置3に記憶されている測定データと展開されたオプション番号とに基づいて、行った訓練の経過を再生しながらデブリーフィングを行うことができる(符号D)。
なお、シーン10毎に複数用意されているオプション8の切り替えに加えて、次の事項の1又は2以上を切り替えるようにしても良い。即ち、例えば3次元オブジェクト(例えば、VR空間に登場する車両等)、3次元オブジェクトの因果関係(例えば、VR空間の車両のドアをクリックするとドアが開く等)、ダイナミクス(例えば、VR空間で雨が下向きに降るなどの法則性等)、ヒューマンエラー誘発トラップ18(どれを組み込むか)、複雑さ(訓練負荷)のレベルをどう変えるか、別のVR空間へ飛ぶ、等を切り替えるようにしても良い。
また、上述の説明では、訓練シナリオ1の生成を半自動的に行っていたが、自動生成するようにしても良い。即ち、シナリオジェネレータによって訓練シナリオ1を自動生成するようにしても良い。そのためには、例えば以下のようなアプローチと環境が必要となる。即ち、被訓練者4の当該業務への練度、天候、途中のヒューマンエラー発生状況等のファクターを訓練プログラムの進行に即してAI(人工知能)エンジンプログラムへ送出し、演算処理の結果(シナリオの選択結果)を訓練プログラムに反映することが必要になる。このためには、AIエンジンプログラムを実行させるプラットフォームとして、VRオーサリングツールを実行する、即ち可視化訓練プログラムを実行するコンピュータ11とは別に高性能なコンピュータ11が必要である。この場合にはAIエンジンプログラムはVRオーサリングツールとは独立したものとなり、プログラムのシーン10毎に、起動信号、VR状態データをVRオーサリングツール側から送り、シミュレーション計算機側から、結果(選ぶべきシナリオの番号やパターンなど)を返すことになる。
以下、AIシナリオジェネレータについて説明する。
・訓練に関する業務の作業の流れや、訓練対象のシステム(例えば原子炉の制御系)の動作シーケンスにかかわる様々なパラメータ(例えば故障率)をとりあげる。
・被訓練者4の人間的な特性(エラーを起こしやすいタイプ、慎重なタイプ)と行動パターンなども取り上げる。
・これらの複数パラメータを、モデル化・数式化した上で、訓練の進行とともに、それ以降の訓練シナリオ1を逐次演算しながら決定していく。
・結果的に再現されるシナリオのストーリー展開の種類は、上述の半自動生成でシーン分割を数十とかした場合に比べて、さらに膨大になる。
・あわせて、VR空間に配置する3次元オブジェクト(容器とか車両とか)も必要なパターンだけ用意する。ヒューマンエラー誘発トラップ18も扱えるパターンをデータベース化して読み込めるようにする。
図5に、AIシナリオジェネレータの働き(ダイナミック生成の場合)を示す。即ち、
・考慮すべきパラメータを設定する(ヒューマンエラーモデル、火災シミュレーション(リクエストによりリアルタイムで計算)、設備機器の動作モデル)、
・AIエンジンを持った判定条件で、リアルタイムに次のシーン10、次の次のシーン10で呈示するVRシーンの決定(モデルの読み込みと配置、スプリンクラーから水がでるなど因果関係の設定)を行う、
という使い方をする。
訓練シナリオ1の生成の概念を図6に示す。訓練シナリオ1を言わば半自動的に生成するものである。訓練シナリオ1を半自動生成することで、シーン10内の被訓練者4の生体反応5に応じてダイナミックにシナリオを変更することができる。
訓練シナリオ1の半自動生成を実現するためには、その前提としてシーン10ごとに有限のオプション8を用意する必要がある。即ち、訓練シナリオ1の中で対象とする(あるいは判定のフラグを立てる)シーン10を選び出し、当該シーン10の次のシーン10で起こりうるシナリオのオプション8を複数用意しておく。ただし、あり得ないオプション8の連鎖(例えば車両が壊れた後に走行を続けるなど)を排除しておく。記憶装置3に記憶されているVRシナリオ記述ファイル19にオプション8の連鎖のパターン(パターン集17)と判定条件(VR空間内で被訓練者4が特定のオブジェクトを選択する、VR空間内で被訓練者4が所定の場所に到達する、VR空間内で被訓練者4が所定の操作を行なう、などのアクション)が設定されている。なお、VRシナリオ記述ファイル19には、訓練シナリオ1、判断基準2も記憶されている。訓練(VRコンテンツ)実行時には、当該シーン10でフラグを立てておき、上記のVRシナリオファイル(オプション8の連鎖のパターンと判定条件の組み合わせ)を参照することで、何番目のオプション8を選択するか決定される。
図7及び図8に、オプション8切替の概念を示す。図7は、例えば「シーン1」の展開中に測定された生体反応5に基づいて「シーン2」のオプション8を切り替える場合の概念を、図8は、生体反応測定手段6として、例えばfNIRS(光トポグラフィー)を使用した場合に測定された生体反応(大脳皮質の血流変動)5を示す図である。図8中、破線Aは判断基準(閾値)2、グラフBはOXYヘモグロビンの量を示すグラフ、グラフCはTOTALヘモグロビンの量を示すグラフ、グラフDはDEOXYヘモグロビンの量を示すグラフである。
「シーン2」のオプション8として、例えば3種類のオプション8、即ち「オプション2H」、「オプション2M」、「オプション2L」が用意されている。「シーン2」において、「オプション2H」が選択されると「シーン2H」の展開となり、「オプション2M」が選択されると「シーン2M」の展開となり、「オプション2L」が選択されると「シーン2L」の展開となる。
いま、「シーン1」の展開中に測定された生体反応5が鈍く、判断基準2としての閾値(スレッショルドレベル)を超えていない場合には、よりレベルの高いシナリオを展開するために、「オプション2H」が選択されて「シーン2H」が展開される(図7の上段)。なお、よりレベルの高いシナリオとは、例えば被訓練者4に与える刺激(精神的な刺激と肉体的な刺激の少なくとも一方)がより強いシナリオ、ヒューマンエラーを誘発するトラップ18がより多く設けられているシナリオ、ストーリーがより複雑なシナリオ等をいう。
また、「シーン1」の展開中に測定された生体反応5が鋭く、判断基準2としての閾値を超えている場合には、現状レベルのシナリオを展開するために、「オプション2M」が選択されて「シーン2M」が展開される(図7の中段)。
さらに、「シーン1」の展開中に測定された生体反応5が低下傾向にあり、生理的に危険な兆候がある場合には、よりレベルの低いシナリオを展開するために、「オプション2L」が選択されて「シーン2L」が展開される(図7の下段)。なお、よりレベルの低いシナリオとは、例えば被訓練者4に与える刺激がより弱いシナリオ、ヒューマンエラーを誘発する為に設けられたトラップ18の数がより少ないシナリオ、ストーリーがより単純なシナリオ、教育の視点を重視したシナリオ、映像で情報を呈示するのではなく、文字で情報を提示するシナリオ等をいう。例えば、生体反応5を測定するためのヘッドギアの装着時間が長くなった場合や、fNIRSのヘッドギアによる締め付けが強い場合等には、被訓練者4が苦痛を感じて気分の悪い状態に陥ることがある。このように場合には、生体反応5が低下することがある。図8では、特にOXYヘモグロビンを示すグラフBと、トータルヘモグロビンを示すグラフCが低下している。なお、「シーン1」展開中の生体反応5の低下傾向が著しく、訓練継続が妥当でないと判断される場合には「シーン2」の展開を中止して訓練を終了したり、「シーン2」をとばして「シーン3」を展開するようにしても良い。
なお、図7及び図8では、生体反応5を測定したシーン10(シーン1)の次のシーン10(シーン2)のオプション8を切り替えるようにしていたが、必ずしもこの構成に限るものではなく、生体反応5を測定したシーン10の2つ先のシーン10、あるいは更に先のシーン10のオプション8を切り替えるようにしても良い。例えば、処理のための計算量が膨大であり、判定が間に合わない場合等には2つ先あるいはその先のシーン10のオプション8を切り替えるようにしても良い。
判断基準2を参照したオプション切替判断の例として、例えば以下が考えられる。
判断基準2は、生体反応測定手段6により測定した生体反応5に基づいてオプション8を選択する際の判断の基準となる値である。例えば、生体反応5の測定値が閾値を超えた場合にオプション8を切り替えたり、下回った場合にオプション8を切り替えたりする。また、測定データが波形で得られる場合には、その波形が繰り返しピーク(反応)が現れるものであるときには、その波形が閾値を超えた回数に応じてオプション8を切り替えるようにしても良い。さらに、その波形の下側の面積(波形をモニタ等に出力した場合のその波形の下側の面積)が閾値を超えたときにオプション8を切り替えるようにしても良い。
例えば、図8では、上段と中段に記載されている破線Aが判断基準2の閾値(スタート時に比べてプラス30%の値)である。この例では、判断基準2が満たされなければ、図7の上段に示すように、次の「シーン2」で「オプション2H」が展開される。しかしながら、判断基準2が満たされれば、即ち、fNIRSで得られる3つのデータ(OXY/TOTAL/DEOXYの各ヘモグロビン量)のうちどれかがスタート時に比べて+30%を超えたら、次の「シーン2」が「オプション2M」に切り替えられる。また、スタート時に比べてマイナス30%の値も基準値となっており、fNIRSで得られる3つのデータ(OXY/TOTAL/DEOXYの各ヘモグロビン量)のうちどれかがスタート時に比べて−30%を下回ったら、生理的に危険な兆候にあるので、次の「シーン2」を「オプション2L」に切り替える又は訓練を訓練を終了する。
本発明の訓練システムの第1の実施形態を概念的に示すブロック図である。 本発明の訓練方法を示す概念図である。 本発明の訓練システムの第2の実施形態を概念的に示すブロック図である。 本発明の訓練システムの第3の実施形態を示す概念図である。 本発明の訓練システムの第4の実施形態を示し、AIシナリオジェネレータによってダイナミックにシナリオを自動生成する様子を示す概念図である。 本発明の訓練システムの第5の実施形態を示し、ダイナミックにシナリオを半自動生成する様子を示す概念図である。 オプション切替の概念図である。 図7のオプション切替による生体反応の変化を示すグラフである。
符号の説明
1 訓練シナリオ
2 判断基準
3 記憶装置
4 被訓練者
5 生体反応
6 生体反応測定手段
7 シミュレーション手段
8 訓練シナリオのオプション
9 切替判定手段
10 訓練シナリオのシーン

Claims (2)

  1. 訓練対象となる事象を擬似的に再現する訓練システムであって、訓練シナリオ及び判定基準を記憶する記憶装置と、被訓練者の訓練時の生体反応を測定する生体反応測定手段と、前記訓練シナリオを展開するシミュレーション手段と、前記シミュレーション手段が展開する前記シナリオのオプションを切り替える切替判定手段とを備え、前記訓練シナリオは複数のシーンから構成されると共に、前記シーン毎に複数のオプションが用意されており、前記切替判定手段は前記生体反応と前記判定基準との比較結果に基づいて前記オプションを切り替えることを特徴とする訓練システム。
  2. 訓練シナリオをシミュレーション手段によって展開することで訓練対象となる事象を擬似的に再現しながら訓練を行う訓練方法であって、前記訓練シナリオを複数のシーンから構成すると共に、前記シーン毎に複数のオプションを用意しておき、被訓練者の生体反応を測定しながら訓練を行い、前記生体反応に基づいて展開するオプションを切り替えることを特徴とする訓練方法。
JP2006085555A 2006-03-27 2006-03-27 訓練システムおよび訓練方法 Pending JP2007264055A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006085555A JP2007264055A (ja) 2006-03-27 2006-03-27 訓練システムおよび訓練方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006085555A JP2007264055A (ja) 2006-03-27 2006-03-27 訓練システムおよび訓練方法

Publications (1)

Publication Number Publication Date
JP2007264055A true JP2007264055A (ja) 2007-10-11

Family

ID=38637142

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006085555A Pending JP2007264055A (ja) 2006-03-27 2006-03-27 訓練システムおよび訓練方法

Country Status (1)

Country Link
JP (1) JP2007264055A (ja)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009237104A (ja) * 2008-03-26 2009-10-15 Fujitsu Ltd 運転シミュレーション装置、運転シミュレーション方法、およびプログラム
JP2010002714A (ja) * 2008-06-20 2010-01-07 Toyota Motor Corp シミュレータ装置、運転課題提供方法
JP2010002715A (ja) * 2008-06-20 2010-01-07 Toyota Motor Corp シミュレータ装置、運転課題提供方法
JP2010151942A (ja) * 2008-12-24 2010-07-08 Toyota Motor Corp ドライビングシミュレータ
JP2011059269A (ja) * 2009-09-08 2011-03-24 Shinshu Univ 自動車運転認知行動評価装置
JP2011140262A (ja) * 2010-01-07 2011-07-21 Toyota Motor Corp 訓練システム、その訓練方法及び訓練プログラム
WO2013069517A1 (ja) 2011-11-08 2013-05-16 株式会社国際電気通信基礎技術研究所 脳機能亢進支援装置および脳機能亢進支援方法
JP2013173035A (ja) * 2013-06-11 2013-09-05 Advanced Telecommunication Research Institute International 脳機能亢進支援装置および脳機能亢進支援方法
WO2014148495A1 (ja) 2013-03-22 2014-09-25 株式会社国際電気通信基礎技術研究所 脳活動測定装置および脳活動測定方法
JP2015040926A (ja) * 2013-08-21 2015-03-02 東急テクノシステム株式会社 列車見張員訓練用シミュレータ
JP2015091359A (ja) * 2014-12-25 2015-05-14 株式会社国際電気通信基礎技術研究所 脳機能訓練装置および脳機能訓練プログラム
JP2015518581A (ja) * 2012-04-19 2015-07-02 レールダル メディカル エーエス 医療トレーニングシナリオを開発する方法および装置
JP2018044977A (ja) * 2016-09-12 2018-03-22 三徳商事株式会社 疑似体験提供装置、疑似体験提供方法、疑似体験提供システム、及びプログラム
JP2018533044A (ja) * 2015-08-28 2018-11-08 アテンティブ エルエルシー 認知スキルトレーニングのためのシステムおよびプログラム
CN109241606A (zh) * 2018-08-30 2019-01-18 中广核核电运营有限公司 应急演习情景设计方法及系统
JP2020098325A (ja) * 2018-09-28 2020-06-25 アクセンチュア グローバル ソリューションズ リミテッド ユーザの訓練およびタスク管理のための適応型人工知能
JP2020109427A (ja) * 2018-12-28 2020-07-16 株式会社キャピタルメディカ 情報処理装置、トレーニングシステム、情報処理方法および情報処理プログラム
JP2020140188A (ja) * 2019-02-28 2020-09-03 ユインケア コーポレーション 仮想現実環境を用いた物語におけるロールプレイングを通しての認知リハビリテーション訓練及び評価方法
JP6987290B1 (ja) * 2021-07-15 2021-12-22 東京瓦斯株式会社 危険予知訓練支援装置
KR20230079555A (ko) * 2021-11-29 2023-06-07 주식회사 큐에스 고소 작업자의 산업 안전 교육을 위한 콘텐츠 제공 방법 및 장치
JP7513987B2 (ja) 2021-03-10 2024-07-10 株式会社Nttドコモ 直感的操作を誘発するユーザインタフェース(ui)に基づいたタスク実行抑制機能の推定システム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08191955A (ja) * 1994-11-18 1996-07-30 Amtex:Kk 生体情報により制御されるゲームあるいは遊技施設
JP2006072193A (ja) * 2004-09-06 2006-03-16 Central Res Inst Of Electric Power Ind 訓練システムおよび訓練方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08191955A (ja) * 1994-11-18 1996-07-30 Amtex:Kk 生体情報により制御されるゲームあるいは遊技施設
JP2006072193A (ja) * 2004-09-06 2006-03-16 Central Res Inst Of Electric Power Ind 訓練システムおよび訓練方法

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009237104A (ja) * 2008-03-26 2009-10-15 Fujitsu Ltd 運転シミュレーション装置、運転シミュレーション方法、およびプログラム
JP2010002714A (ja) * 2008-06-20 2010-01-07 Toyota Motor Corp シミュレータ装置、運転課題提供方法
JP2010002715A (ja) * 2008-06-20 2010-01-07 Toyota Motor Corp シミュレータ装置、運転課題提供方法
JP2010151942A (ja) * 2008-12-24 2010-07-08 Toyota Motor Corp ドライビングシミュレータ
JP2011059269A (ja) * 2009-09-08 2011-03-24 Shinshu Univ 自動車運転認知行動評価装置
JP2011140262A (ja) * 2010-01-07 2011-07-21 Toyota Motor Corp 訓練システム、その訓練方法及び訓練プログラム
US10959640B2 (en) 2011-11-08 2021-03-30 Advanced Telecommunications Research Institute International Apparatus and method for supporting brain function enhancement
CN103917268A (zh) * 2011-11-08 2014-07-09 株式会社国际电气通信基础技术研究所 脑机能亢进辅助装置以及脑机能亢进辅助方法
JP2013099392A (ja) * 2011-11-08 2013-05-23 Advanced Telecommunication Research Institute International 脳機能亢進支援装置および脳機能亢進支援方法
WO2013069517A1 (ja) 2011-11-08 2013-05-16 株式会社国際電気通信基礎技術研究所 脳機能亢進支援装置および脳機能亢進支援方法
JP2015518581A (ja) * 2012-04-19 2015-07-02 レールダル メディカル エーエス 医療トレーニングシナリオを開発する方法および装置
US10687754B2 (en) 2013-03-22 2020-06-23 Advanced Telecommunications Research Institute International Brain activity measuring apparatus and brain activity measuring method
WO2014148495A1 (ja) 2013-03-22 2014-09-25 株式会社国際電気通信基礎技術研究所 脳活動測定装置および脳活動測定方法
JP2013173035A (ja) * 2013-06-11 2013-09-05 Advanced Telecommunication Research Institute International 脳機能亢進支援装置および脳機能亢進支援方法
JP2015040926A (ja) * 2013-08-21 2015-03-02 東急テクノシステム株式会社 列車見張員訓練用シミュレータ
JP2015091359A (ja) * 2014-12-25 2015-05-14 株式会社国際電気通信基礎技術研究所 脳機能訓練装置および脳機能訓練プログラム
JP2018533044A (ja) * 2015-08-28 2018-11-08 アテンティブ エルエルシー 認知スキルトレーニングのためのシステムおよびプログラム
JP2018044977A (ja) * 2016-09-12 2018-03-22 三徳商事株式会社 疑似体験提供装置、疑似体験提供方法、疑似体験提供システム、及びプログラム
CN109241606A (zh) * 2018-08-30 2019-01-18 中广核核电运营有限公司 应急演习情景设计方法及系统
JP7121214B2 (ja) 2018-09-28 2022-08-17 アクセンチュア グローバル ソリューションズ リミテッド ユーザの訓練およびタスク管理のための適応型人工知能
US11170335B2 (en) 2018-09-28 2021-11-09 Accenture Global Solutions Limited Adaptive artificial intelligence for user training and task management
JP2022097492A (ja) * 2018-09-28 2022-06-30 アクセンチュア グローバル ソリューションズ リミテッド ユーザの訓練およびタスク管理のための適応型人工知能
JP2020098325A (ja) * 2018-09-28 2020-06-25 アクセンチュア グローバル ソリューションズ リミテッド ユーザの訓練およびタスク管理のための適応型人工知能
JP2020109427A (ja) * 2018-12-28 2020-07-16 株式会社キャピタルメディカ 情報処理装置、トレーニングシステム、情報処理方法および情報処理プログラム
JP2020140188A (ja) * 2019-02-28 2020-09-03 ユインケア コーポレーション 仮想現実環境を用いた物語におけるロールプレイングを通しての認知リハビリテーション訓練及び評価方法
JP7513987B2 (ja) 2021-03-10 2024-07-10 株式会社Nttドコモ 直感的操作を誘発するユーザインタフェース(ui)に基づいたタスク実行抑制機能の推定システム
JP6987290B1 (ja) * 2021-07-15 2021-12-22 東京瓦斯株式会社 危険予知訓練支援装置
JP2023013077A (ja) * 2021-07-15 2023-01-26 東京瓦斯株式会社 危険予知訓練支援装置
KR20230079555A (ko) * 2021-11-29 2023-06-07 주식회사 큐에스 고소 작업자의 산업 안전 교육을 위한 콘텐츠 제공 방법 및 장치
KR102593967B1 (ko) 2021-11-29 2023-10-25 주식회사 큐에스 고소 작업자의 산업 안전 교육을 위한 콘텐츠 제공 방법 및 장치

Similar Documents

Publication Publication Date Title
JP2007264055A (ja) 訓練システムおよび訓練方法
Chittaro et al. Serious games for emergency preparedness: Evaluation of an interactive vs. a non-interactive simulation of a terror attack
Stavroulia et al. Assessing the emotional impact of virtual reality-based teacher training
Rizzo et al. Analysis of assets for virtual reality applications in neuropsychology
Bianchi-Berthouze et al. Does body movement engage you more in digital game play? and why?
Malbos et al. Behavioral presence test in threatening virtual environments
US20050053902A1 (en) Method for working out the behavioural strategy of a player using a cognitive virtual reality, device for carrying out said method and an information-carrying medium for said device
Foreman Virtual Reality in Psychology.
US20140287395A1 (en) Method and system for medical skills training
Magaki et al. Developing an accessible evaluation method of VR cybersickness
TW201729756A (zh) 生理資訊檢測記錄方法
Strada et al. Holo-BLSD–A holographic tool for self-training and self-evaluation of emergency response skills
Anton et al. A serious VR game for acrophobia therapy in an urban environment
Vogel-Walcutt et al. Animated versus static images of team processes to affect knowledge acquisition and learning efficiency
Berndt et al. Immersion and Presence in Virtual Reality Training for Mass Casualty Incidents.
Téllez et al. Developing and Evaluating a virtual reality videogame using biofeedback for stress management in sports
Schuurink et al. Engagement and EMG in serious gaming: Experimenting with sound and dynamics in the Levee Patroller training game
De Luca et al. Serious Games for the Treatment of Children with ADHD: The BRAVO Project
Chi et al. Casualty modeling for real-time medical training
Stănică et al. An innovative solution based on virtual reality to treat phobia
Voinescu et al. Presence and simulator sickness predict the usability of a virtual reality attention task
Jha et al. Virtual reality orientation game for Alzheimer’s Disease using real-time help system
Rahouti et al. An immersive serious game for firefighting and evacuation training in healthcare facilities
Delamarre et al. Modeling emotions for training in immersive simulations (metis): a cross-platform virtual classroom study
Bratosin et al. Pain Relief using Virtual Reality

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090202

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110121

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110202

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110404

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110531

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20111011