جيل من الصور الرمزية للمقاتلين من صور مشهد تدريب الأسلحة لمحاكاة التعرض للانفجار

Summary

تم تطوير إطار حساب لإعادة بناء المشاهد الافتراضية تلقائيا التي تشتمل على صور رمزية ثلاثية الأبعاد للجنود باستخدام بيانات الصور و / أو الفيديو. تساعد المشاهد الافتراضية في تقدير التعرض للضغط الزائد للانفجار أثناء التدريب على الأسلحة. تسهل الأداة تمثيلا واقعيا للموقف البشري في محاكاة التعرض للانفجار في سيناريوهات مختلفة.

Abstract

يتعرض العسكريون الذين يشاركون في التدريب على الأسلحة لانفجارات متكررة منخفضة المستوى. تتضمن الطريقة السائدة لتقدير أحمال الانفجار مقاييس انفجار يمكن ارتداؤها. ومع ذلك ، باستخدام بيانات المستشعر القابلة للارتداء ، لا يمكن تقدير أحمال الانفجار على الرأس أو الأعضاء الأخرى بدقة دون معرفة وضعية جسم عضو الخدمة. تم تطوير منصة تجريبية حسابية تكميلية معززة بالصور / الفيديو لإجراء تدريب أكثر أمانا على الأسلحة. تصف هذه الدراسة بروتوكول التوليد الآلي لمشاهد التدريب على الأسلحة من بيانات الفيديو لمحاكاة التعرض للانفجار. يتضمن مشهد الانفجار المستخرج من بيانات الفيديو في لحظة إطلاق النار على الصور الرمزية لجسم أفراد الخدمة والأسلحة والأرض وغيرها من الهياكل. يستخدم البروتوكول الحسابي لإعادة بناء مواقف أعضاء الخدمة ومواقفهم باستخدام هذه البيانات. تستخدم بيانات الصور أو الفيديو المستخرجة من الصور الظلية لجسم أفراد الخدمة لإنشاء هيكل عظمي تشريحي والبيانات الأنثروبومترية الرئيسية. تستخدم هذه البيانات لإنشاء الصور الرمزية ثلاثية الأبعاد لسطح الجسم مقسمة إلى أجزاء فردية من الجسم وتحويلها هندسيا لتتناسب مع أوضاع أعضاء الخدمة المستخرجة. يتم استخدام مشهد التدريب الافتراضي النهائي على الأسلحة للمحاكاة الحسابية ثلاثية الأبعاد لتحميل موجة انفجار الأسلحة على أفراد الخدمة. تم استخدام مولد مشهد التدريب على الأسلحة لبناء صور رمزية تشريحية ثلاثية الأبعاد لهيئات أفراد الخدمة الفردية من الصور أو مقاطع الفيديو في اتجاهات ومواقف مختلفة. يتم عرض نتائج إنشاء مشهد تدريب من نظام الأسلحة الهجومية المثبت على الكتف وبيانات صورة نظام أسلحة الهاون. تستخدم أداة الضغط الزائد للانفجار (BOP) مشهد التدريب الافتراضي على السلاح لمحاكاة ثلاثية الأبعاد لتحميل موجات الانفجار على أجسام الصورة الرمزية لعضو الخدمة. تقدم هذه الورقة محاكاة حسابية ثلاثية الأبعاد لانتشار موجات الانفجار من إطلاق النار وأحمال الانفجار المقابلة على أفراد الخدمة أثناء التدريب.

Introduction

أثناء التدريب العسكري ، يتعرض أفراد الخدمة والمدربون بشكل متكرر لانفجارات منخفضة المستوى بأسلحة ثقيلة وخفيفة. أظهرت الدراسات الحديثة أن التعرض للانفجار يمكن أن يؤدي إلى انخفاض الأداء المعرفي العصبي^1،2 والتغيرات في المؤشرات الحيوية للدم^3،4،5،6. يؤدي التعرض المتكرر للانفجار منخفض المستوى إلى تحديات في الحفاظ على الأداء الأمثل وتقليل مخاطر الإصابة^7،8. النهج التقليدي باستخدام مستشعرات الضغط القابلة للارتداء له عيوب ، لا سيما عندما يتعلق الأمر بتحديد ضغوط الانفجار بدقة على الرأس⁹. تؤدي الآثار الضارة المعروفة للتعرض المتكرر للانفجارات منخفضة المستوى على الأداء البشري (على سبيل المثال ، أثناء التدريب وفي الأدوار التشغيلية) إلى تفاقم هذه المشكلة. نصت ولايات الكونجرس (القسمان 734 و 717) على شرط مراقبة التعرض للانفجارات في التدريب والقتال وإدراجه في السجل الطبي لعضو الخدمة¹⁰.

يمكن استخدام أجهزة الاستشعار القابلة للارتداء لمراقبة الضغط الزائد للانفجار أثناء عمليات التدريب القتالية هذه. ومع ذلك ، تتأثر هذه المستشعرات بمتغيرات مثل وضعية الجسم والاتجاه والمسافة من مصدر الانفجار بسبب الطبيعة المعقدة لتفاعلات موجات الانفجار مع جسم الإنسان⁹. تؤثر العوامل التالية على توزيع الضغط وقياسات المستشعر⁹:

المسافة من مصدر الانفجار: تختلف شدة الضغط باختلاف المسافة حيث تتشتت موجة الانفجار وتخفف. تسجل المستشعرات الأقرب إلى الانفجار ضغوطا أعلى ، مما يؤثر على دقة البيانات واتساقها.

وضعية الجسم: تعرض المواقف المختلفة أسطح الجسم المختلفة للانفجار ، مما يؤدي إلى تغيير توزيع الضغط. على سبيل المثال ، يؤدي الوقوف مقابل الانحناء إلى قراءات ضغط مختلفة^9،11.

الاتجاه: تؤثر زاوية الجسم بالنسبة لمصدر الانفجار على كيفية تفاعل موجة الضغط مع الجسم ، مما يؤدي إلى تناقضات في القراءات⁹. توفر المحاكاة العددية القائمة على الفيزياء تقييمات أكثر دقة من خلال الحساب المنهجي لهذه المتغيرات ، مما يوفر تحليلا خاضعا للرقابة وشاملا مقارنة بأجهزة الاستشعار القابلة للارتداء ، والتي تتأثر بطبيعتها بهذه العوامل.

واستجابة لهذه التحديات، بذلت جهود متضافرة لتطوير أدوات أكثر تطورا. في هذا الاتجاه ، تم تطوير أداة الضغط الزائد للانفجار (BOP). تم تطوير هذه الأداة لتقدير التعرض للضغط الزائد في ظل أوضاع ومواقع مختلفة لأفراد الخدمة حول أنظمة الأسلحة. هناك وحدتان مختلفتان تحت أداة BOP¹¹. هم (أ) وحدة أداة BOP SCENE و (ب) وحدة أداة BOP SITE. تستخدم هذه الوحدات لتقدير الضغط الزائد للانفجار أثناء إطلاق السلاح¹². تم تطوير وحدة BOP SCENE لتقدير ضغوط الانفجار الزائدة التي يعاني منها أفراد الخدمة الفردية أو المدربون المشاركون في سيناريو التدريب ، بينما تعيد وحدة BOP SITE بناء منظر عين الطائر للدورة التدريبية ، تصور مناطق الضغط الزائد للانفجار الناتجة عن محطات إطلاق النار المتعددة. يوضح الشكل 1 لقطة لكلتا الوحدتين. حاليا ، تشتمل وحدات BOP Tool على خصائص الضغط الزائد لانفجار السلاح (مصطلح مصدر الانفجار المكافئ) لأربعة أنظمة أسلحة من المستوى 1 محددة من قبل وزارة الدفاع ، بما في ذلك بندقية القنص الخاصة للتطبيقات M107 .50 cal (SASR) ، وسلاح هجومي M136 المثبت على الكتف ، وقذائف الهاون غير المباشرة M120 ، وشحنات الاختراق. يشير مصطلح نواة انفجار السلاح إلى مصطلح مصدر انفجار مكافئ تم تطويره لتكرار نفس مجال الانفجار المحيط بنظام السلاح مثل سلاح السلاح الفعلي. يتوفر وصف أكثر تفصيلا للإطار الحسابي المستخدم لتطوير أداة BOP لمزيد من الرجوع^{إليها 11}. يتم تشغيل عمليات محاكاة الضغط الزائد باستخدام محرك CoBi-Blast solver. هذه أداة متعددة الفيزياء متعددة النطاقات لمحاكاة الضغوط الزائدة للانفجار. يتم التحقق من صحة قدرات نمذجة الانفجار للمحرك مقابل البيانات التجريبية من الأدبيات¹². يتم حاليا دمج أداة BOP هذه في مجموعة أدوات مديري المدى (RMTK) لاستخدامها في نطاقات تدريب الأسلحة المختلفة. RMTK عبارة عن مجموعة متعددة الخدمات من أدوات سطح المكتب المصممة لتلبية احتياجات مديري النطاق في جميع أنحاء الجيش ومشاة البحرية والقوات الجوية والبحرية من خلال أتمتة عمليات النطاق والسلامة وعمليات التحديث.

الشكل 1: واجهة المستخدم الرسومية (GUI) لوحدة SCENE لأداة BOP والوحدة النمطية SITE لأداة BOP. تم تصميم وحدة BOP SCENE لتقدير ضغوط الانفجار الزائدة على نماذج جسم أعضاء الخدمة والمدرب، بينما تهدف وحدة BOP SITE إلى توفير تقدير لخطوط الضغط الزائد على مستوى يمثل مجال التدريب. لدى المستخدم خيار اختيار الارتفاع الذي تقع فيه الطائرة بالنسبة للأرض. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

يتمثل أحد قيود وحدة SCENE الحالية لأداة BOP في استخدامها للبيانات المقدرة يدويا لبناء نماذج هيئة أعضاء الخدمة الافتراضية ، بما في ذلك القياسات البشرية والموقف والوضع. التوليد اليدوي لأعضاء الخدمة الافتراضية في الوضع المناسب يتطلب عمالة كثيفة ويستغرق وقتا^{طويلا 11،12}. تستخدم أداة BOP القديمة (النهج القديم) قاعدة بيانات للمواقف المكونة مسبقا لبناء مشهد تدريب السلاح بناء على بيانات الصورة (إن وجدت). علاوة على ذلك ، نظرا لأنه يتم تقريب المواقف يدويا من خلال التقييم البصري ، فقد لا يتم التقاط المواقف الصحيحة لإعداد وضعية معقدة. نتيجة لذلك ، يقدم هذا النهج عدم الدقة في التعرض المقدر للضغط الزائد لأفراد الخدمة الفردية (حيث يمكن أن يؤدي التغيير في الموقف إلى تعديل التعرض للضغط الزائد في المناطق الأكثر ضعفا). تعرض الورقة التحسينات التي تم إجراؤها على الإطار الحسابي الحالي لتمكين التوليد السريع والآلي لنماذج أعضاء الخدمة باستخدام أحدث أدوات تقدير الوضع الحالية. تناقش هذه الورقة تحسين أداة BOP ، مع التركيز بشكل خاص على تطوير خط أنابيب حسابي جديد وسريع لإعادة بناء مشاهد الانفجار باستخدام بيانات الفيديو والصور. يمكن للأداة المحسنة أيضا إعادة بناء نماذج الجسم التفصيلية لأفراد الخدمة والمدربين في لحظة إطلاق النار ، باستخدام بيانات الفيديو لإنشاء صور رمزية مخصصة مقارنة بالنهج القديم. تعكس هذه الصور الرمزية بدقة وضع أفراد الخدمة. يبسط هذا العمل عملية إنشاء مشاهد الانفجار ويسهل إدراج مشاهد الانفجار بسرعة أكبر لأنظمة أسلحة إضافية ، مما يقلل بشكل كبير من الوقت والجهد اللازمين لإنشاء مشهد تدريب على الأسلحة. يوضح الشكل 2 مخططا للإطار الحسابي المحسن الذي تمت مناقشته في هذه الورقة.

الشكل 2: تخطيطي يوضح المخطط الانسيابي للعملية الشاملة في الإطار الحسابي. تشمل الخطوات المختلفة معالجة بيانات الصور / الفيديو ، وتوليد المقاتلين الافتراضيين ، وإعادة بناء مشهد الانفجار ، ومحاكاة الضغط الزائد للانفجار. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

تعرض الورقة النهج الآلي الذي يتم تنفيذه في أداة BOP ، والتي تمثل تحسنا كبيرا في الأدوات الحسابية المتاحة لتقدير التعرض للضغط الزائد أثناء التدريب والعمليات. تميز هذه الأداة نفسها من خلال التوليد السريع للصور الرمزية الشخصية وسيناريوهات التدريب ، مما يسمح بمحاكاة الضغط الزائد للانفجار الغامرة. يمثل هذا خروجا كبيرا عن الاعتماد التقليدي على نماذج جسم الإنسان ذات المتوسط السكاني ، مما يوفر نهجا أكثر دقة وفردية.

الأدوات الحسابية المستخدمة في عملية الأتمتة
أتمتة إنشاء نموذج أعضاء الخدمة الافتراضية هي عملية متعددة الخطوات تستفيد من الأدوات الحسابية المتقدمة لتحويل بيانات الصور أو الفيديو الأولية إلى تمثيلات ثلاثية الأبعاد مفصلة. العملية برمتها مؤتمتة ولكن يمكن تكييفها للسماح بالإدخال اليدوي للقياسات المعروفة إذا لزم الأمر.

أدوات تقدير 3D Pose: في صميم خط أنابيب الأتمتة توجد أدوات تقدير 3D Pose. تقوم هذه الأدوات بتحليل بيانات الصورة لتحديد موضع واتجاه كل مفصل في جسم عضو الخدمة ، مما يؤدي إلى إنشاء هيكل عظمي رقمي بشكل فعال. يدعم المسار حاليا Mediapipe و MMPose، اللذين يقدمان واجهات برمجة تطبيقات Python. ومع ذلك ، تم تصميم النظام مع وضع المرونة في الاعتبار ، مما يسمح بدمج أدوات أخرى ، مثل كاميرات العمق ، بشرط أن تتمكن من إخراج بيانات المفاصل والعظام ثلاثية الأبعاد اللازمة.

مولد النموذج الأنثروبومتري (AMG): بمجرد تقدير الوضع ثلاثي الأبعاد ، يلعب AMG حيز التنفيذ. تستخدم هذه الأداة بيانات الوضع لإنشاء نموذج سطح الجلد ثلاثي الأبعاد الذي يطابق أبعاد الجسم الفريدة لعضو الخدمة. تسمح أداة AMG إما بالإدخال الآلي أو اليدوي للقياسات البشرية ، والتي يتم ربطها بعد ذلك بالمكونات الرئيسية داخل الأداة لتحويل شبكة الجسم ثلاثية الأبعاد وفقا لذلك.

نمذجة الهيكل العظمي OpenSim: تتضمن الخطوة التالية منصة OpenSim^{مفتوحة المصدر 13} ، حيث يتم تعديل نموذج الهيكل العظمي ليتماشى مع بيانات الوضع ثلاثي الأبعاد. لا تفرض أدوات تقدير الوضعية أطوال عظام ثابتة في الهيكل العظمي ، مما قد يؤدي إلى عدم تناسق غير واقعي في الجسم. ينتج عن استخدام هيكل عظمي OpenSim صحيح تشريحيا بنية عظمية أكثر واقعية. يتم وضع العلامات على الهيكل العظمي OpenSim لتتوافق مع المراكز المشتركة التي تم تحديدها بواسطة أداة تقدير الوضعية. ثم يتم تزوير هذا النموذج الهيكلي على شبكة الجلد ثلاثية الأبعاد باستخدام تقنيات الرسوم المتحركة القياسية.

الحركية العكسية والبرمجة النصية بايثون: لإنهاء وضع عضو الخدمة الافتراضي ، يتم استخدام خوارزمية حركية عكسية. تقوم هذه الخوارزمية بضبط نموذج الهيكل العظمي OpenSim ليتناسب بشكل أفضل مع الوضع ثلاثي الأبعاد المقدر. يتم أتمتة خط أنابيب الطرح بالكامل وتنفيذه في Python 3. من خلال دمج هذه الأدوات ، تم تسريع عملية إنشاء نماذج أعضاء الخدمة الافتراضية بشكل كبير ، مما يقلل الوقت المطلوب من أيام إلى ثوان أو دقائق. يمثل هذا التقدم قفزة إلى الأمام في محاكاة وتحليل سيناريوهات التدريب على الأسلحة ، مما يوفر إعادة بناء سريعة لسيناريوهات محددة موثقة باستخدام الصور أو الفيديو.

Protocol

لم يتم الحصول على الصور ومقاطع الفيديو المستخدمة في هذه الدراسة بشكل مباشر من قبل المؤلفين من البشر. تم الحصول على صورة واحدة من مصادر مجانية على ويكيميديا كومنز ، وهي متاحة بموجب ترخيص المجال العام. تم توفير الصورة الأخرى من قبل المتعاونين في معهد والتر ريد للأبحاث العسكرية (WRAIR). كانت البيانات التي تم الحصول عليها من WRAIR غير محددة وتم تقاسمها وفقا لمبادئها التوجيهية المؤسسية. بالنسبة للصور التي قدمتها WRAIR ، اتبع البروتوكول إرشادات لجنة أخلاقيات البحث البشري في WRAIR ، بما في ذلك الحصول على جميع الموافقات والموافقات اللازمة.

1. الوصول إلى وحدة BOP Tool SCENE

1. افتح وحدة SCENE النمطية لأداة BOP من واجهة أداة BOP بالنقر فوق الزر وحدة SCENE لأداة BOP .
2. انقر فوق تعريف السيناريو ثم انقر فوق علامة التبويب تفاصيل السيناريو .

2. قراءة ومعالجة بيانات الصورة

1. انقر على استيراد POSETOOL زر في وحدة أداة BOP SCENE. تفتح نافذة منبثقة تطلب من المستخدم تحديد الصورة أو الفيديو ذي الصلة.
2. انتقل إلى المجلد وحدد الصورة / الفيديو ذي الصلة باستخدام عمليات الماوس.
3. انقر فوق فتح في نافذة النافذة المنبثقة بمجرد تحديد الصورة.
   ملاحظة: تقرأ هذه العملية ملف الصورة أو الفيديو، وتولد صورة إذا تم تحديد مقطع فيديو، وتقوم بتشغيل خوارزمية تقدير الوضع في الخلفية، وإنشاء نماذج أعضاء الخدمة الافتراضية المشاركة في مشهد تدريب الأسلحة، وتحميلها في وحدة BOP Tool SCENE في مواضع كل منها.

3. تكوين السلاح ومطلق النار

1. اختر اسما للسيناريو باستخدام مربع النص ضمن اسم السيناريو. هذا هو اختيار المستخدم. بالنسبة للسيناريو الذي تمت مناقشته هنا ، اختار المطورون اسم السيناريو BlastDemo1.
2. اختر اسما مخصصا ضمن حقل الاسم ضمن تعريف السلاح. هذا ، مرة أخرى ، اختيار المستخدم. بالنسبة للسيناريو الذي تمت مناقشته هنا ، اختار المطورون اسم السلاح 120Mortar.
3. حدد فئة السلاح المناسبة ، على سبيل المثال ، HEAVY MORTAR ، من قائمة الخيارات في القائمة المنسدلة.
4. حدد السلاح (M120 في هذه الحالة) من قائمة الخيارات في القائمة المنسدلة. عند تحديد نظام السلاح ، سيتم تحميل نواة الانفجار المقابلة تلقائيا في واجهة المستخدم الرسومية ضمن علامة التبويب الفرعية الرسوم.
   ملاحظة: ستحتوي القائمة المنسدلة على أنظمة الأسلحة المختلفة الممكنة الخاصة بفئة الأسلحة المختارة أعلاه.
5. حدد قذيفة الذخيرة (جولة تدريب كاملة المدى) لنظام السلاح المختار باستخدام خيارات القائمة المنسدلة.
6. حدد لا يوجد مطلق النار ضمن حقول القياسات البشرية والموقف والخوذة والدروع الواقية ضمن تعريف مطلق النار من الخيارات المنسدلة. انظر الشكل 3 لمطلق النار وأعضاء الخدمة المكونين.
   ملاحظة: نظرا لأنه سيتم تضمين مطلق النار في المشهد الذي تم استيراده من خلال الخطوة 4، لم يتم تحديد مطلق النار ضمن تعريف مطلق النار.

الشكل 3: مشهد انفجار مستورد من بيانات الصورة. يظهر مشهد الانفجار في نافذة التصور على الجانب الأيمن من أداة واجهة المستخدم الرسومية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

4. تكوين أعضاء الخدمة

1. انقر فوق علامة التبويب أعضاء الخدمة . تتحكم علامة التبويب هذه في موضع واتجاه أعضاء الخدمة الذين تم استيرادهم من بيانات الصورة. استخدم خيارات X وY وZ والتدوير للقيام بذلك. بالنسبة للصورة الرمزية المقابلة لمساعد المدفعي ، قام المؤلفون بتعديل موضع Y من 2.456 إلى 2 لموقع مساعد مدفعي أكثر منطقية.
2. اختر أسماء مخصصة لجميع نماذج أعضاء الخدمة الظاهرية التي تم استيرادها إلى واجهة المستخدم الرسومية باستخدام حقل الاسم ضمن علامة التبويب أعضاء الخدمة. يتم اختيار S1 و S2 و S3 و S4 و S5 هنا لجميع نماذج أعضاء الخدمة التي تم استيرادها تلقائيا.
   ملاحظة: بالنسبة للسيناريو الذي تمت مناقشته هنا ، تم تسميتهم S1 و S2. يتم ملء الحقول الأخرى تلقائيا. يمكن للمستخدمين تعديلها لتحسين الموضع / المواقف المقدرة تلقائيا.
3. استخدم الزر حذف لإزالة S2 و S4 و S5. في السيناريو الموضح هنا ، يوجد مطلق النار ومساعد المدفعي فقط في وقت إطلاق النار.
   ملاحظة: تم تنفيذ ذلك لإظهار خيارات المستخدم المخصصة لحذف أو إضافة نماذج أعضاء الخدمة كما هو مطلوب إلى مشهد موجود.

5. تكوين أجهزة الاستشعار الافتراضية

1. انتقل إلى علامة التبويب المستشعرات . أضف مستشعر افتراضيا جديدا بالنقر فوق إضافة مستشعر.
2. اختر اسما مخصصا ضمن حقل الاسم. اختار المطورون V1 للتوضيح في هذه الورقة.
3. حدد النوع كظاهري بالنقر فوق القائمة المنسدلة أسفل حقل نوع المستشعر.
4. اختر موقع المستشعر المراد استخدامه (-0.5 ، 2 ، 0.545) عن طريق تحرير مربعات النص ضمن الحقول X و Y و Z. بالنسبة للسيناريو الذي تمت مناقشته هنا ، أنشأ المطورون أربعة أجهزة استشعار مختلفة في أربعة مواقع مختلفة لأغراض العرض التوضيحي. اختار المطورون V2 و V3 و V4 كأسماء مستشعرات لأجهزة الاستشعار الإضافية.
5. كرر الخطوات من 5.1 إلى 5.4 لإنشاء مستشعرات إضافية عند (-0.5 ، 1 ، 0.545) ، (-0.5 ، 0.5 ، 0.545) ، (-0.5 ، 0 ، 0.545). اترك قيمة التدوير على أنها صفر.
   ملاحظة: يمكن للمستخدم أيضا اختيار مستشعرات مستوية يمكن خلالها استخدام الدوران لضبط اتجاه المستشعر فيما يتعلق بشحنة الانفجار.

6. حفظ البرنامج وتشغيله

1. احفظ مشهد تدريب السلاح بالنقر فوق الزر حفظ السيناريو في واجهة المستخدم الرسومية في الأعلى.
2. قم بتشغيل محاكاة الضغط الزائد للانفجار لمشهد تدريب سلاح M120 بالنقر فوق زر تشغيل السيناريو في الأسفل. يتم عرض تقدم المحاكاة باستخدام شريط التقدم في الأسفل.

7. تصور النتائج

1. انتقل إلى علامة التبويب Model View (عرض النموذج) لفحص محاكاة التعرض للضغط الزائد للانفجار.
2. انقر فوق الزر الحالي لتحميل المحاكاة المكتملة في نافذة التصور.
3. بمجرد تحميل المحاكاة ، تصور المحاكاة باستخدام زر التشغيل في أسفل الشاشة.
   1. يمكن للمستخدم الاختيار من بين الخيارات المختلفة في شريط التنقل لتشغيل المحاكاة وإيقافها مؤقتا بسرعات مختلفة. تعرض لقطة شاشة عناصر التحكم في التشغيل أدناه المزيد من الخيارات. يمكن للمستخدم التحكم في النافذة التفاعلية باستخدام الماوس. انقر بزر الماوس الأيمن واسحب لتدوير الوضع ، والزر الأيسر لترجمة النموذج ، والزر الأوسط للتمرير للداخل / الخارج.
4. بعد مراجعة المحاكاة ، انتقل إلى علامة التبويب مقاييس تحميل الانفجار بالنقر فوقها.
5. انقر على الحالي زر لتحميل مخططات الضغط الزائد في مواقع المستشعر الافتراضية.
   ملاحظة: سيؤدي هذا إلى تحميل معلومات الضغط الزائد في مواقع المستشعرات المختلفة في قطع أراضي مختلفة.
6. انتقل إلى سلسلة القائمة المنسدلة للعرض وحدد عن طريق تحديد المربع الخاص بالمستشعر المقابل لرسم الضغط الزائد المسجل في هذا المستشعر الظاهري (انظر الشكل 4).

الشكل 4: ارسم عناصر التحكم في الضغوط الزائدة في أجهزة استشعار افتراضية مختلفة بمرور الوقت. يمكن للمستخدمين اختيار السلسلة المراد عرضها عن طريق التحقق من المستشعرات المختلفة أو إلغاء تحديدها. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

النتائج

إعادة البناء الآلي لأعضاء الخدمة الافتراضية ومشاهد الانفجار
تم تحقيق نموذج جسم عضو الخدمة الافتراضية الآلي وإنشاء نموذج مشهد تدريب السلاح من خلال إمكانات أتمتة أداة BOP. يوضح الشكل 5 مشهد التدريب الافتراضي الذي تم إنشاؤه من بيانات الصورة. كما يمكن ملاحظته هنا ، كان المشهد الناتج تمثيلا جيدا لبيانات الصورة. تم الحصول على الصورة المستخدمة للعرض التوضيحي في الشكل 5 من ويكيميديا كومنز.

الشكل 5: مشهد تدريب السلاح الافتراضي من بيانات الصورة. تظهر الصورة الموجودة على الجانب الأيسر بيانات الصورة المقابلة لإطلاق سلاح AT4 ، ويظهر الجانب الأيمن مشهد تدريب السلاح الافتراضي الذي تم إنشاؤه تلقائيا. تم الحصول على هذا الرقم من ويكيميديا كومنز. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

بالإضافة إلى ذلك ، تم تطبيق النهج لإعادة بناء موقع إطلاق النار من طراز M120. تم جمع الصورة بواسطة WRAIR كجزء من جهود جمع بيانات الضغط لسلاح الهاون M120. يوضح الشكل 6 أدناه مشهد إطلاق النار الافتراضي المعاد بناؤه جنبا إلى جنب مع الصورة الأصلية. لوحظ تناقض في منصب مساعد المدفعي في إعادة الإعمار الافتراضية. يمكن تصحيح ذلك عن طريق ضبط موضع مساعد المدفعي باستخدام خيارات مستخدم واجهة المستخدم الرسومية BOP. علاوة على ذلك ، بدا وضع الحوض للمدرب غير دقيق ، ويرجع ذلك على الأرجح إلى الانسداد من الرهانات في الصور. سيكون دمج هذا النهج مع طرائق التصوير العميق الأخرى مفيدا في معالجة هذه التناقضات.

الشكل 6: مشهد تدريب السلاح الافتراضي من بيانات الصورة. تظهر الصورة على الجانب الأيسر بيانات الصورة المقابلة لإطلاق سلاح M120 ويظهر الجانب الأيمن مشهد تدريب السلاح الافتراضي الذي تم إنشاؤه تلقائيا. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

التحقق من صحة نهج إنشاء المشهد الآلي
خضع مولد نموذج جسم الإنسان المستخدم في هذه الدراسة للتحقق باستخدام قاعدة بيانات مسح جسم الإنسان ANSUR II¹⁴ ، والتي تضمنت قياسات أنثروبومترية من بيانات التصوير الطبي. خضعت طريقة إعادة البناء الآلي ، التي استخدمت مولد نموذج جسم الإنسان هذا ، للتحقق النوعي مع البيانات الموجودة في متناول اليد. تضمنت عملية التحقق من الصحة هذه مقارنة النماذج المعاد بناؤها بالبيانات التجريبية (الصور) عن طريق تراكبها. يقدم الشكل 7 مقارنة بين نماذج الصورة الرمزية ثلاثية الأبعاد والبيانات التجريبية. ومع ذلك ، من الضروري التحقق من صحة هذه الطريقة بشكل أكثر شمولا ، الأمر الذي يتطلب بيانات تجريبية إضافية من مكان الحادث ، بما في ذلك المواقف والمواقف والتوجهات الدقيقة لمختلف أفراد الخدمة المشاركين في مشهد التدريب.

الشكل 7: مقارنة نوعية لنموذج جسم الإنسان الافتراضي الذي تم إنشاؤه مع الصورة. تعرض اللوحة اليسرى الصورة الأصلية، وتعرض اللوحة الوسطى نموذج الجسم الظاهري الذي تم إنشاؤه، وتعرض اللوحة اليمنى النموذج الظاهري المتداخل على الصورة الأصلية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

محاكاة الضغط الزائد للانفجار التمثيلي
بعد إعداد مشهد الانفجار ، تمكن المؤلفون من الانتقال إلى المرحلة الحرجة لتشغيل محاكاة الضغط الزائد للانفجار (BOP). سيمكننا هذا من فهم توزيع أحمال الانفجار على مختلف أفراد الخدمة المشاركين في مشهد إطلاق السلاح. يعرض الشكل 8 نتائج عمليات محاكاة BOP هذه أثناء حدث إطلاق سلاح AT4. توفر عمليات المحاكاة تصورا مفصلا لأحمال الضغط الزائد على عضو الخدمة الافتراضي في المشهد في لحظات مختلفة بمرور الوقت. في الختام ، لا تظهر النتائج جدوى البروتوكول فحسب ، بل أيضا على فعاليته في إنشاء عمليات إعادة بناء دقيقة ومفيدة تحليليا لسيناريوهات التدريب على الأسلحة ، مما يمهد الطريق لدراسات أكثر تقدما في سلامة وكفاءة التدريب العسكري.

الشكل 8: التعرض للضغط الزائد على مطلق النار. (أ ، ب ، ج ، د) تظهر اللوحات الأربع النموذج المتوقع للضغط الزائد للانفجار على أفراد الخدمة الافتراضية المشاركين في إطلاق قذائف الهاون M120 في لحظات زمنية مختلفة. تظهر اللوحتان (C) و (D) انتشار الضغط الزائد بسبب الانعكاس الأرضي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Discussion

يسرع الإطار الحسابي المقدم في هذه الورقة بشكل كبير من إنشاء مشاهد التدريب على أسلحة الانفجار مقارنة بالطرق اليدوية المستخدمة سابقا باستخدام التقييم البصري. يوضح هذا النهج قدرة الإطار على الاستيلاء بسرعة على المواقف العسكرية المتنوعة وإعادة بنائها.

مزايا النهج الحالي
يعد إنشاء نماذج افتراضية لجسم الإنسان في أوضاع ومواقف محددة مهمة صعبة ، مع توفر أدوات محدودة لهذا الغرض. استخدمت الطريقة التقليدية المستخدمة في النهج القديم ، وتحديدا لأداة BOP ، CoBi-DYN^{14،15،16،17}. تضمنت هذه الطريقة إنشاء نماذج افتراضية لجسم الإنسان يدويا بالملابس والخوذات والدروع الواقية والأحذية. تم إنشاء النماذج من خلال تقريب بصري تقريبي ، تفتقر إلى نهج منهجي. في أداة BOP القديمة، تم استخدام CoBi-DYN لإنشاء قاعدة بيانات لنماذج جسم الإنسان التي يمكن الوصول إليها أثناء خطوة تكوين السيناريو. سيحدد المستخدمون يدويا تكوينا تقريبيا للوضع ويضعونهم تقريبا لنظام سلاح معين لتشغيل سيناريو BOP. على الرغم من أن إعادة بناء مشهد الانفجار من قاعدة بيانات أعضاء الخدمة الحالية (التي تم الوصول إليها من القائمة المنسدلة في أداة BOP) كانت سريعة نسبيا ، إلا أن الإنشاء الأولي لقاعدة بيانات نموذج أعضاء الخدمة الافتراضية كان يستغرق وقتا طويلا ، حيث استغرق حوالي 16-24 ساعة لكل مشهد بسبب الطبيعة اليدوية والتقريبية للعملية. في المقابل ، يستفيد النهج الجديد من أدوات تقدير الوضع الراسخة لإنشاء نماذج افتراضية لجسم الإنسان بشكل أكثر آلية وسريعة. تستخدم هذه الأدوات تلقائيا بيانات الفيديو والصور لإعادة بناء مشاهد الانفجار بسرعة باستخدام الصور الرمزية لأعضاء الخدمة الافتراضية. هذا يقلل بشكل كبير من الوقت اللازم لإنشاء قاعدة بيانات جسم الإنسان. يتضمن النهج الجديد نقرة زر واحدة لإنشاء أو إعادة بناء المشهد الافتراضي الكامل من بيانات التصوير دون الحاجة إلى برامج إضافية. تستغرق العملية برمتها الآن ما يقرب من 5-6 ثوان لكل مشهد (بعد قراءة بيانات الصورة ، كما سيتم توضيحه في الفيديو) ، مما يدل على تحسن كبير في الكفاءة مقارنة بالطريقة القديمة. لا يقصد من هذه الطريقة استبدال النهج الأصلي بل استكماله بتسريع إنشاء نماذج أعضاء الخدمة الافتراضية (التي يمكن إضافتها إلى قاعدة بيانات نموذج هيئة أعضاء الخدمة في المستقبل). إنه يبسط إضافة تكوينات جديدة بتعقيدات متفاوتة ويسهل دمج أنظمة أسلحة جديدة في المستقبل ، وبالتالي تعزيز قابلية توسعة أداة BOP. بالمقارنة مع النهج القديم ، من الواضح أن الطريقة المقدمة تقدم حلا أكثر انسيابية وأتمتة ، مما يقلل من الجهد اليدوي والوقت مع تحسين الدقة والطبيعة المنهجية لإنشاء نموذج جسم الإنسان الافتراضي. هذا يسلط الضوء على قوة وابتكار الطريقة الموصوفة في هذا المجال.

التحقق من صحة إنشاء المشهد الآلي
تم إجراء التحقق النوعي من النهج عن طريق تراكب السيناريوهات المعاد بناؤها على بيانات الصورة. ومع ذلك ، لم يكن التحقق الكمي ممكنا بسبب نقص البيانات المتاحة حول تحديد المواقع والموقف لهذه الصور. يدرك المؤلفون أهمية التحقق من صحة أكثر شمولا ويخططون لمعالجة ذلك في العمل المستقبلي. لتحقيق ذلك ، يتصور المؤلفون جهدا شاملا لجمع البيانات للحصول على معلومات دقيقة عن تحديد المواقع والموقف. سيمكننا هذا من إجراء التحقق الكمي التفصيلي ، مما يعزز في النهاية متانة ودقة النهج.

التحقق من صحة محاكاة التعرض للانفجار
تم تطوير نواة انفجار السلاح والتحقق من صحتها باستخدام بيانات مسبار القلم الرصاص التي تم جمعها أثناء إطلاق السلاح. سيتم تضمين مزيد من التفاصيل حول نواة انفجار السلاح والتعرضات ذات الصلة في منشور قادم. وبعض المعلومات في هذا الصدد متاحة أيضا في المنشورات السابقة^11،12. سيساهم هذا الجهد المستمر في تحسين دقة وفعالية محاكاة الضغط الزائد للانفجار ، مما يعزز صلاحية الأداة.

يمكن أيضا استخدام النهج المقدم هنا لإنشاء صور رمزية افتراضية لأعضاء الخدمة ، والتي يمكن دمجها لاحقا في قاعدة البيانات للاختيار باستخدام أداة BOP. على الرغم من أن العملية الحالية لا تحفظ النماذج تلقائيا في قاعدة البيانات، إلا أن المؤلفين يخططون لتضمين هذه الميزة في الإصدارات المستقبلية من أداة BOP. بالإضافة إلى ذلك ، يمتلك المؤلفون أدوات داخلية تسمح بالتعديل اليدوي للموقف بمجرد إنشاء الموقف الآلي والنموذج ثلاثي الأبعاد من بيانات الصورة. حاليا، توجد هذه القدرة بشكل مستقل ولا يتم دمجها في أداة BOP، حيث يلزم إجراء مزيد من التطوير على واجهة المستخدم. ومع ذلك ، فإن هذا العمل قيد التنفيذ ، ويعتزم المؤلفون دمجه في الإصدارات المستقبلية من أداة BOP.

يمكن أيضا تصدير بيانات حمل الانفجار في شكل ملف نصي ASCII ، ويمكن تطبيق المزيد من خطوات المعالجة اللاحقة للتحقيق في أنماط جرعة الانفجار لأنظمة الأسلحة المختلفة بمزيد من التفصيل. حاليا ، يجري العمل على تطوير أدوات ما بعد المعالجة المتقدمة لمقاييس الإخراج مثل الدافع والشدة وغيرها من الأشياء التي يمكن أن تساعد المستخدمين على فهم التحميل المتكرر الأكثر تعقيدا والتحقيق فيه أثناء هذه السيناريوهات. علاوة على ذلك ، تم تطوير الأدوات للكفاءة الحسابية وتمكين سرعات المحاكاة السريعة. لذلك ، تسمح لنا هذه الأدوات بإجراء دراسات التحسين العكسي لتحديد الموقف والموضع الأمثل أثناء سيناريو إطلاق السلاح. وتعزز هذه التحسينات إمكانية تطبيق الأداة لتحسين بروتوكولات التدريب في نطاقات التدريب المختلفة على الأسلحة. يمكن أيضا استخدام تقديرات جرعة الانفجار لتطوير نماذج حسابية عالية الدقة وعالية الدقة أكثر دقة لمختلف المناطق التشريحية المعرضة للخطر مثل الدماغ والرئتين وغيرها^18،19،20 ونماذج الإصابات الدقيقة^20،21. هنا ، الخوذة والدروع المدمجة في النماذج مخصصة فقط للتمثيل المرئي ولا تؤثر على جرعة الانفجار في هذه المحاكاة. ويرجع ذلك إلى اعتبار النماذج هياكل صلبة ، مما يعني أن إدراجها لا يعدل أو يؤثر على نتائج محاكاة الضغط الزائد للانفجار.

تستفيد هذه الورقة من أداة تقدير الوضع مفتوحة المصدر الحالية لتقدير الوضع البشري في سيناريوهات التدريب على الأسلحة. يرجى ملاحظة أن إطار العمل الذي تم تطويره ومناقشته هنا يطرح أداة محايدة ، أي يمكن للمؤلفين استبدال أداة موجودة بأداة جديدة مع إحراز المزيد من التقدم. بشكل عام ، أظهر الاختبار أنه في حين أن أدوات البرامج الحديثة قوية للغاية ، فإن اكتشاف الوضع المستند إلى الصور يمثل مهمة صعبة. ومع ذلك ، هناك العديد من التوصيات التي يمكن استخدامها لتحسين أداء اكتشاف الوضع. تعمل هذه الأدوات بشكل أفضل عندما يكون الشخص المعني على مرأى من الكاميرا. في حين أن هذا ليس ممكنا دائما أثناء تدريبات التدريب على الأسلحة ، إلا أن التفكير في ذلك عند وضع الكاميرا يمكن أن يحسن نتائج اكتشاف الوضع. علاوة على ذلك ، غالبا ما يرتدي أفراد الخدمة الذين يقومون بتمارين تدريبية ملابس مموهة تمتزج مع محيطهم. هذا يجعل من الصعب عليهم اكتشافهم بواسطة كل من خوارزميات العين البشرية والتعلم الآلي (ML). توجد طرق لتعزيز قدرة خوارزميات ML على اكتشاف البشر الذين يرتدون التمويه²³ ، ولكن هذه ليست تافهة للتنفيذ. حيثما أمكن ، يمكن أن يؤدي جمع صور التدريب على الأسلحة في موقع بخلفية عالية التباين إلى تحسين اكتشاف الوضعية.

بالإضافة إلى ذلك ، فإن الطريقة التقليدية لتقدير الكميات ثلاثية الأبعاد من الصور هي استخدام تقنيات المسح التصويري بزوايا كاميرا متعددة. يمكن أيضا استخدام تسجيل الصور / مقاطع الفيديو من زوايا متعددة لتحسين تقدير الوضعية. يعد دمج تقديرات وضعية من كاميرات متعددة أمرا بسيطا نسبيا²⁴. تقنية أخرى للمسح التصويري يمكن أن تحسن النتائج هي استخدام رقعة الشطرنج أو أي كائن آخر ذي أبعاد معروفة كنقطة مرجعية مشتركة لكل كاميرا. يتمثل التحدي في استخدام كاميرات متعددة في مزامنتها بالوقت. يمكن تطوير نماذج التعلم الآلي المدربة خصيصا للكشف عن خصائص مثل الخوذة بدلا من الوجه أو للكشف عن الأشخاص الذين يرتدون ملابس ومعدات عسكرية خاصة (مثل الأحذية والسترات والدروع الواقية للبدن). يمكن زيادة أدوات تقدير الوضع الحالية باستخدام نماذج التعلم الآلي المدربة خصيصا. على الرغم من أن هذا يستغرق وقتا طويلا ومملا ، إلا أنه يمكن أن يحسن بشكل كبير أداء نموذج تقدير الوضعية.

باختصار ، تحدد هذه الورقة بشكل فعال المكونات المختلفة لإطار الضغط الزائد المعزز للانفجار. هنا ، يدرك المؤلفون أيضا إمكانية تعزيز قابليتها للتطبيق وفعاليتها من خلال تكامل أكثر سلاسة وأتمتة كاملة لخط الأنابيب. عناصر مثل إنشاء شبكة هيكل ثلاثية الأبعاد متحجمة باستخدام أداة AMG في طور التشغيل الآلي لتقليل إدخال المستخدم اليدوي. حاليا، هناك عمل مستمر لدمج هذه الإمكانات في وحدة SCENE لأداة BOP. مع تطور هذه التكنولوجيا ، سيتم إتاحتها لجميع أصحاب المصلحة والمختبرات في وزارة الدفاع. وعلاوة على ذلك، يشمل العمل الجاري توصيف نواة الأسلحة والتحقق من صحتها بالنسبة لمنظومات أسلحة إضافية. يضمن هذا الجهد المستمر لتحسين المنهجيات والتحقق من صحتها أن تظل الأدوات التي يطورها المؤلفون في طليعة التقدم التكنولوجي ، مما يساهم بشكل كبير في سلامة وفعالية التدريبات العسكرية. وستوفر المنشورات المقبلة مزيدا من التفاصيل حول هذه التطورات، مما يساهم في المجال الأوسع للتدريب العسكري والسلامة.

Materials

Name	Company	Catalog Number	Comments
Anthropometric Model Generator (AMG)	CFD Research	N/A	For generting 3D human body models with different anthropometric characteristics. The tool is DoD Open Source.
BOP Tool	CFD Research	N/A	For setting up blast scenes and overpressure simulations. The tool is DoD open source.
BOP Tool SCENE Module	CFD Research	N/A	For setting up blast scenes and overpressure simulations. The tool is DoD open source.
Mediapipe	Google	Version 0.9	Open-source pose estimation library.
MMPose	OpenMMLab	Version 1.2	Open-source pose estimation library.
OpenSim	Stanford University	Version 4.4	Open-source musculoskeletal modeling and simulation platform.
Python 3	Anaconda Inc	Version 3.8	The open source Individual Edition containing Python 3.8 and preinstalled packages to perform video processing and connecting the pose estimation tools.