美国海军《使用机器学习和可穿戴技术进行疲劳检测/预测》

疲劳是导致水域事故的一个已知因素，降低了操作效率，并影响了作战人员的健康。战士认知状态的实时反馈将允许提高对能力/限制的认识，并根据战士的准备情况作出适应性决策。使用机器学习（ML）和可穿戴技术的疲劳检测/预测项目旨在开发一种ML算法，能够检测出副交感神经系统（PNS）的变化，这些变化通过使用商用现成（COTS）腕戴设备检测，进一步可分析认知疲劳。收集了30名参与者（包括一些现役军人）执行可量化的警戒任务的生物识别数据集，并对操作者的表现指标和认知负荷进行了注释。麦克沃思（Mackworth ）时钟是一项广泛用于心理测量研究以量化认知参与和疲劳的警觉性任务，它的变体被用来生成定量的操作者绩效指标和离散的认知负荷状态。在有注释的生物识别数据集上训练和验证了ML模型，以：1）回归操作者任务表现的准确性，以及2）对认知负荷/任务难度进行分类。一个训练有素的卷积神经网络（CNN）回归模型能够预测麦克沃思钟任务表现的准确性，平均绝对误差在2.5%以内。此外，一个单独的CNN分类器模型达到了86.5%的二元任务类型分类准确率，不同类型的任务对应着较高和较低的认知负荷。该研究与开发（R&D）工作的下一阶段将包括与海军有关的任务（即船舶导航、轨道管理和其他站岗任务）的额外测试活动，参与者仅包括现役人员。这项工作的最终目标是提供一个可穿戴设备和配套的软件，能够检测和预测各种与海军有关的任务的认知疲劳，目的是优化作战人员的表现，以减少用户的错误或最大限度地提高性能。