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：本文系統地梳理了人工智能等新技術在戰術對抗訓練和機載訓練系統中的應用，以及機器學習技術、混合現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展方向，研究發現人工智能等新技術已經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變，從以訓練大綱為中心向以學員為中心轉變。

關鍵詞：人工智能；航空訓練；機器學習；虛擬現實；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）

幾乎每個行業都面臨著新興技術的挑戰，人工智能（AI）、機器學習（ML）、虛擬現實（VR）和增強現實（AR）等新技術已經經常出現在日常生活中。在民用領域，大量的資本投入促使了這些技術的快速發展。民用領域的使用環境基本上屬于合作環境，有利于新技術上的發展。但是對于軍用領域來說，存在著戰爭迷霧和博弈對抗，還存在數據缺失的問題，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。傳統上，軍工企業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（產品）轉移到軟件（服務），這是軍工行業的重大轉變。數據驅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用于戰術對抗訓練

由人類專家把戰術、戰役等不同顆粒度中的基礎交戰規則進行抽取，把交戰規則模型化，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，在一定的戰場環境中驅動實體進行交互，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，能夠利用人類專家的作戰、飛行知識庫，使其在多實體、多目標協同作戰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的多實體、中距空戰對抗系統，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，在態勢感知上有優勢，并且，藍方的武器數量和射程均優于紅方。藍方目標是穿透紅方在海岸線的空域，經多回合的對抗，結果都是退役飛行員被擊落且紅方沒有損失。結果表明，“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，在進攻和防御轉換切換迅速[4]。

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

1.2用于機載訓練系統

在日常備戰時期，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斗力的方式。在一對一的超視距迎頭空戰中，假如態勢簡單、位置信息清晰，很難在中、遠距將對手擊落。按照現代空中作戰理論，在飛機能力相近的情況下空戰制勝取決于敵我雙方在任務的感知（Observe）、認知（Orient）、決策（Decide）、執行（Action）4個循環的執行速度是否占優。隨著機載系統智能化水平的提升，機器和人類飛行員的兩層OODA環的循環速度落差將成為限制空中作戰平臺性能發展的瓶頸，因此必須訓練機載系統更多地承擔認知、決策層面的任務，降低人類飛行員在空戰鏈路中的任務載荷，優化人機配合的節奏，保證在對抗中失誤更少，速度更快，最終提升制勝概率[7]。AI算法具有嚴格執行規則、幾乎不犯錯誤的優勢，經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對抗訓練。對于近距格斗而言，盡管近距空戰在未來發生的頻率逐漸降低，但是格斗也是訓練必不可少的科目。機載訓練系統是在飛機任務系統的基礎上，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。傳統的訓練系統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驅動的具有對抗性的數字實體和真實飛行結合，將虛擬目標融入到機載任務系統后，飛行員可以按照原裝備作戰飛行程序使用機載任務系統訓練（見圖2）。

AI驅動的程序可以讓“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的程序代替了傳統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”的意圖并調整戰術，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。武器數字化后的彈道仿真和實時結果評估由機載計算機完成，因此飛行員會立即知道訓練結果是擊中還是被擊落。虛擬目標的雷達也可以被模擬，把輻射狀態發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

隨著訓練需求的發展，利用數據分析的結果進行訓練優化是提高訓練效率和水平的有效解決方案。數據早已成為一個網絡熱詞，對數據的有效分析和利用對各行業能起到很大作用。在航空訓練領域，數據已經存在很長時間，但是尚未充分利用這些數據讓其能發揮潛力。這主要是因為涉及軍用數據的最大障礙是工業部門或者其他機構的訪問權受限。缺少對所需數據的訪問權限可能會阻礙利用機器學習技術去開發解決方案。訓練數據和仿真數據的敏感性相對較低，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模的數據，因此隨著對正確數據的訪問增加，這些算法變得“更智能”。此外，大數據不一定比小數據好，重要的是正確的數據。基于各種數據源的相關性，形成所需要的數據集才能得出有意義的結論。基于訓練數據集的深層神經網絡，是目前一種比較主流的預測訓練效果表現的方法，被證明具有實時預測訓練表現的能力，可以更有效地修改訓練內容以保持學員的參與度，從而幫助轉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客觀標準分析實時數據，給出評價結論，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。通過數據分析，暴露出訓練過程中存在的問題，根據對個人評價水平進行調整，提升或降低訓練復雜性以及對訓練進度進行調整，給持續優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化了個人訓練計劃。這種閉環訓練系統實現“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）。

該技術還用于監測、統計學員的生理特征，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測傳感器，用于測量心率、呼吸、脈搏和血壓，監控學員對任務壓力的反應程度。例如，數據可以反映出當前科目是否對學員過于簡單或困難。當學員遇到單發失效或者任務目標臨時改變，復雜氣象下、敵方戰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混合現實技術在訓練中的應用

AR、混合現實（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處于虛擬現實（完全合成）和增強現實（完全現實）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境，飛行員無法與駕駛艙進行交互，缺乏觸覺反饋。MR的出現給這個難題帶來了解決辦法，該系統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技術結合了物理環境和計算機生成（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，能部分代替傳統訓練系統（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的、笨重的、對場地要求高的球幕投影系統；對陸軍的單兵訓練，MR這種頭戴式設備具有可移動的優勢，可靈活部署用于戶外訓練，而這是通過傳統的固定培訓系統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為內置于頭戴式耳機中，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結束語

人工智能等新技術已經逐漸在航空訓練領域中推廣應用，盡管面臨許多挑戰，但航空訓練正在不斷發展以提高訓練的效率和戰備狀態。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變；從以訓練大綱內容為中心向以學員學習效果為中心轉變。

訓練系統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展，并且在空戰對抗中已經被證明在一對一、多對多空戰中戰勝人類飛行員。目前，用機器學習技術開發的空戰訓練程序已經表現出了操縱準確、態勢理解快、處理大量信息快，在有限邊界內幾乎不犯錯誤的優勢。頭戴式訓練設備其在視景顯示方面有較大的視場，其成本比傳統投影系統降低很多，物理尺寸和應用支持方面也有優勢。但是在短期內，傳統高端模擬器憑借在觸感和人機界面方面占有優勢，不會被創新產品取代。但是這些創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業進展[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.外軍戰斗機空戰戰術訓練系統應用研究[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.人工智能戰斗機在復雜環境中能否“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，左家亮，等.空戰飛機嵌入式訓練系統的研究[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.飛行訓練模擬器數據采集系統設計[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.基于混合現實的新型輕量級飛行模擬器系統[J].系統仿真學報，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據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