Notice bibliographique
Résumé
The training of military crews of armoured vehicles can be enhanced by applying AI-based methods to the training drills. Defence Research and Development Canada used a Human Behaviour Representation approach to create an armoured crew simulation trainer for the Canadian Armed Forces. The Human Behaviour Representation (HBR) approach is a form of rule-based AI that applies a cognitive task analysis to derive a synthetic operator. The cognitive task analysis resulted in a Task Network Model (TNM) for each crew member of the Light Armoured Vehicle (LAV) and for the entire crew. These TNMs were inputted into a discrete event simulator to create a synthetic training environment that combines virtual and human members of the LAV crew. The training platform allows a human member of the team to interact with the synthetic crew through voice production software that was integrated with the synthetic environment.The paper presents the development of the Intelligent Tutoring System module for the LAV crew simulation platform that serves as a human instructor for conducting basic LAV drills. The paper outlines the architecture, functionality, and testing of the module. The work shows how the HBR approach can be used to develop a synthetic coach for training a military crew. The work is a step in developing and testing a general training system for small military teams. The training system will allow to conduct basic crew drills, in which a human crew member will be trained with the synthetic crew members, thus overcoming some of the obstacles that military crew training faces: a logistic difficulty to gather a full crew at the same time and place and a deficiency of qualified instructors. The paper outlines the steps for the follow-up work required to develop a generic AI-based autonomous systems for basic training of small military teams.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».