《通过机器学习对飞行员进行实时态势感知评估：构建自动分类系统》2022最新论文

评估飞行员的心理和认知状态作为衡量飞行性能的一种手段，一直是军队和学术界的主要目标，特别是在开发提高战备状态的强化训练系统方面。态势感知（SA）是评估飞行员在训练中表现的一种方法。传统上，客观地测量SA是一个繁琐的过程，必须由训练有素的科学家和专家来设计，由于数据和收集过程的性质，对结果的分析只能在事后进行（Endsley, 2017）。测量的过程通常需要飞行员打乱他们的训练来回答与飞行环境有关的问题。此外，以这种方式测量SA需要人员在整个训练过程中直接参与对飞行员的监测和评估，这既昂贵又耗时。自动测量SA将加速实现飞行员的准备状态，而不需要让更多的人员参与到飞行员的训练中。

在我们之前评估神经状态（Wilson, Nair, Scielzo, and Larson, 2021）和飞行员的飞行正确性（Wilson, Scielzo, Nair, and Larson, 2020）的工作中，我们假设认知和凝视测量可以帮助开发自动SA测量。我们的结果显示，认知负荷的主观测量和教员指定的凝视模式分类一起为评估SA提供了有意义的信息（Scielzo, Wilson, and Larson, 2020）--尽管评估不是完全自动化的。本文的贡献是一种结合生物识别数据和眼动数据的方法，在回归和分类任务中评估SA。也就是说，我们使用机器学习，在一个沉浸式的模拟飞行场景中，对飞行员的SA进行自动分类。我们表明，在40名参与者中，各种级别的SA可以被分类，准确率高达70%以上。所有的人体实验都得到了SMU机构审查委员会的批准。