Intelligent Adaptive Flight Training System- A Human Performance in the Loop for Real-Time Decision Making

L'automatisation toujours plus grandissante des systèmes offre à l'humain de nouveaux défis dans l'opération de système complexe tel que le pilotage d'avion. Avec une conscience distribuée de la dans la situation entre l'homme et la machine, nous parlons maintenant de système intelligent avec l'humain boucle. La conception des systèmes et la formation des pilotes doivent d'être élaborées en prenant compte de cette nouvelle réalité d'opération n. La formation adaptative est une innovation majeure qui devrait améliorer la capacité d'apprentissage d'opération de système complexe tel que le vol d'avion. Les simulateurs de vol offrent une plateforme immersive et un support pour la formation. En plus de favoriser l'apprentissage, des quantités importantes de données peuvent y être générées et collectées et ainsi alimenter des modèles d'intelligence artificielle qui permettent l'évaluation et l'adaptation de la formation. Ces modèles peuvent être complémentés par les données d'opérations d'entrainement, les profils de vol des avions simulés et le des s profil s biométrique et psychométrique pilotes et des instructeurs. L'intégration multiple de modèle intelligent à partir d'une variété de sources riches e st au cœur de la recherche actuelle. Les différents modèles d'apprentissage machine ou humain évoluant selon des cycles de vie qui leur sont propres seront mis en chorégraphie afin permettre une évaluation des performances des pilotes et instructeurs. Cette évaluation consiste en la fondation permettant l'adaptation du système de formation afin de maximiser les objectifs d'apprentissage tout en augmentant la maturité de description, de diagnostic, de prédiction et de prescription des scénarios de formation en aviation. En utilisant l'apprentissage machine, la neuroscience et l'optimisation mathématique, les pilotes, les instructeurs et les systèmes avions simulés peuvent être modélisés pour adapter l'environnement d'apprentissage. L'objectif est de maximiser les performances d'entraînement et d'augmenter la prise de décision en tenant compte des différents aspects des facteurs humains. temps réel dynamique, l'évaluation automatique des profils humain s La visualisation en ainsi que les outils d'adaptation du système d'entrainement devraient améliorer le cycle de vie de la formation au pilotage tout en donnant à toutes les parties prenantes un aperçu plus approfondi des performances des acteurs sur la voie de la numérisation au sein d'une variété de dispositifs immersifs vi d'environnements d'apprentissage synthétiques.

Abstract

The ever-increasing automation of systems offers humans new challenges in the operation of complex systems such as aircraft operations. With a distributed situation awareness between man and machine, we are now talking about intelligent systems with human-in-the-loop models. Systems design and pilot training must be developed considering this new reality of operations. Adaptive training is a major innovation that is expected to enhance the learning ability and complex system operation in such areas as aircraft flying. Flight simulators offer an immersive platform and support for training. In addition to fostering learning, large amounts of data can be generated and collected and fed into artificial intelligence models that allow evaluation and adaptation of the training. These models can be complemented by training operation data, flight profiles of simulated aircraft and the learner profile of pilots and instructors using biometry and psychometry to objectively assess human performance. Multiple intelligent model integration from a variety of rich sources that can provide automatic assessment and systems adaptation is at the heart of current research. The various models of machine or human learning that are evolving according to their own lifecycles will be choreographed to allow an evaluation of the performances of the pilots and instructors. This evaluation consists of the foundation to adapt the training system and maximize learning objectives while enhancing the maturity of description, diagnosis, prediction and prescription of aviation training scenarios. Using machine learning, neuroscience and mathematical optimization, pilots, instructors and simulated aircraft systems can be modelled to fit the learning environment. The aim is to maximize training performance and augment decision-making by considering the different aspects of human factors using objective biometric and psychometric data to assess human behavior Dynamic real-time visualization, automatic human profile assessment, and training system adaptation tools should improve the lifecycle of flight training while providing all stakeholders with a deeper insight into the performance of the players involved, on the road of digitalization within and variety of immersive virtual device and synthetic learning environment.