《士兵状态估计：建模与分析（技术报告摘要》美陆军2022最新12页报告

美国陆军未来司令部的士兵致命性（SL）跨职能小组（CFT）正在研究通过头戴式和武器式能力的组合来增强下马步兵的新方法。根据SLCFT的指示，美国陆军作战能力发展司令部（DEVCOM）陆军研究实验室的研究人员探索了加强辅助目标识别能力的技术，作为陆军下一代智能班组武器计划的一部分。

敌对环境中涉及潜在目标的复杂决策必须由下马的士兵做出，以保持战术优势。这些决定可能是人工智能（AI）技术的强大信息，如AI支持的火力或指挥和控制决策辅助工具。例如，一个士兵发射武器是一个明确的迹象，表明该地区有一个敌对的目标。然而，一个士兵在环境中追踪一个潜在的目标，然后放下他们的武器，这是一个模糊的、隐含的迹象，表明该目标受到关注，但最终被该士兵认为不是一个直接的威胁。在近距离作战的环境中，与士兵状态相关的隐性标记数据（如光电视频、位置信息或火力行动）可用于输入决策辅助工具，以得出真实的战场背景。然而，需要对这些行动进行更彻底的检查。此外，来自单个士兵的突发非交流行为在整个班级中的汇总可以增强战术态势感知。尽管它们有可能产生战术影响，但这些状态估计或行为指标往往不能以立即可用的形式获得。

DEVCOM陆军研究实验室（ARL）的研究人员调查了一种通过机会主义感应来进行下马士兵状态估计的方法--一种不需要人类明确行动就能收集和推断关键的真实世界数据的方法。在通过正常使用武器追踪和攻击移动和静止目标时，连续获得数据以解释士兵的行为。这项工作中使用的士兵-武器行为分类方法主要来自人类活动识别（HAR）研究。然而，在这项工作中，为了提高行为结果的生态有效性，在眼球追踪文献中经常使用的实验范式被反映出来，将眼球运动和认知推理联系起来。具体来说，眼动跟踪研究的一个子集的目标是收集和解释与公开的视觉注意力有关的眼动事件（即固定、囊状运动和追逐），这可以揭示认知过程和关于环境的客观内容。在战斗中，士兵们可能会将他们的目标停留在一个静态的目标上（固定），当出现新的目标时迅速转换目标点，有潜在的目标出现（囊状运动），或者在潜在目标移动时跟踪他们的目标点（平滑追击）。

目前，头戴式眼动跟踪技术正在开发用于战斗。然而，与校准误差有关的凝视数据中的噪声使其难以有效地使用这些数据。一个更突出的解决方案可能存在于士兵和他们的武器之间的互动中，这项工作使用传统的HAR技术进行。执行HAR的主要方法是在一个人进行一些身体活动时，使用惯性测量单元收集时间序列数据。然后使用机器学习技术来训练分类模型，根据数据信号预测行动。这种方法可以扩展到包括在人类与物体互动时对其运动的分类。在这种情况下，当近距离作战的士兵与潜在的威胁进行互动时，武器的运动特征被伺机获得，这为这些士兵在这种环境中做出的复杂决定提供了一个窗口。

论文中记录并发表了对这一评估的全面分析。对来自动态士兵状态估计的运动数据进行建模和分析以实现对形势的理解。