LVC-Simulering för Förbättrad Träningseffektivitet

Viktiga resultat som projektet gav

Projektet har studerat hur Live, Virtual, och Constructive (LVC) simuleringar kan kombineras för att tillhandahålla effektiv pilotträning. Fokus har varit utveckling av metoder baserade på maskininlärning, för automation av uppgifter som annars utförs av stödpersonal, såsom rollspelare, instruktörer, och scenario-operatörer. Projektet har etablerat en kunskapsbas på låg TRL, samt samarbeten och kontaktytor med nationella och internationella aktörer inom närliggande områden, som kan användas som stöd för fortsatt forskning och utveckling.

Långsiktiga effekter som förväntas

Projektet har fokuserat på maskininlärningstekniken reinforcement learning, och scenarion där grupper av agenter måste lära sig att lösa komplexa uppgifter i miljöer där hänsyn måste tas till många mål, som kan vara i konflikt med varandra, till exempel taktiska mål, resursförbrukning, och säkerhet. Användarstudier har identifierat viktiga egenskaper för syntetiska träningsmiljöer. Forskningen har resulterat i ett flertal publikationer, och samarbeten mellan industri, universitet, och flygvapnet har säkerställt spridning av resultat för maximal effekt.

Upplägg och genomförande

Projektet har varit uppdelat i två faser: En första fas som genomfört en litteraturstudie samt inledande analys och utvärdering av existerande state-of-the-art inom reinforcement learning, och en andra fas som syftat till vidareutveckling och anpassning av algoritmer för domänen luftstridsträning. Under hela projektet har interaktion med piloter använts för utvärdering av resultat. Identifierade utmaningar inom luftstridsdomänen har resulterat i att projektet, jämfört med ursprunglig plan, fokuserat mer på algoritmutveckling än utvärdering med piloter i loopen.