Generatie van Warfighter-avatars van Weapon Training Scene-afbeeldingen voor simulaties van ontploffingsblootstelling
6 december 2024
Er werd een computational framework ontwikkeld om virtuele scènes bestaande uit 3D-avatars van soldaten automatisch te reconstrueren met behulp van beeld- en/of videogegevens. De virtuele scènes helpen bij het inschatten van de blootstelling aan overdruk tijdens wapentraining. De tool maakt een realistische weergave van de menselijke houding mogelijk in simulaties van blootstelling aan ontploffingen in verschillende scenario's.
Met behulp van camera-opnames probeert het huidige werk een geautomatiseerde methode te ontwikkelen voor het genereren van virtuele oorlogsjagermodellen om de blootstelling aan ontploffingen in wapentrainingsscenario's te voorspellen. De belangrijkste vraag is of we het proces van het maken van deze virtuele servicelidmodellen voor een snelle schatting van de blootstelling kunnen versnellen. Dit werk maakt gebruik van de nieuwste op machine learning gebaseerde tools voor het schatten van menselijke houdingen in 3D met één camera.
Met deze tools kunnen we de positie en houding van elke persoon in een afbeelding extraheren, waardoor het proces van het simuleren van een ontploffing wordt gestroomlijnd. Het gebruik van andere sensoren is moeilijk omdat servicemedewerkers in opleiding geen tijd hebben om veel verschillende sensoren aan te brengen. Een camera kan echter gemakkelijk een militaire trainingssessie opnemen, dus ons werk maakt gebruik van die modaliteit om de beperkingen van andere soorten sensoren te overwinnen.
Onze BOP-tool is de eerste computationele tool die de ontploffing van onze druk op servicemedewerkers voorspelt met behulp van snellopende modellen die zijn geoptimaliseerd met velddruk en sensorgegevens. Het repliceert systematisch de houding en positie van serviceleden tijdens het afvuren van wapens, met als doel de overdruk op verschillende anatomische regio's van het servicelid nauwkeurig in te schatten. We streven ernaar om het huidige straal- of drukgereedschap te verbeteren en over te zetten in een real-time straal-over-drukbewakingsproduct voor blootstelling aan accumulatoren.
We zullen ook werken aan het correleren van deze dosis met TBA-respons voor letselrisicobeoordeling.
Overzicht
Deze studie presenteert een computationeel raamwerk dat is ontworpen om automatisch virtuele scènes van soldaten te reconstrueren met behulp van beeld- en videogegevens. Het raamwerk heeft tot doel de blootstelling aan blast-overdruk tijdens wapentrainingen te schatten door de menselijke houding in diverse scenario's nauwkeurig te simuleren.
Belangrijkste studiecomponenten
Wetenschappelijk vakgebied
- Computationele modellering
- Virtual reality-simulaties
- Beoordeling van blootstelling aan explosiegolven
Achtergrond
- Bestaande methoden voor het meten van blootstelling aan explosies worden beperkt door de noodzaak van fysieke sensoren.
- Cameragegevens bieden een praktisch alternatief voor het vastleggen van trainingsscenario's.
- Machine learning-tools kunnen de nauwkeurigheid van 3D-houdingsschatting van mensen verbeteren.
- Realistische simulaties zijn cruciaal voor het beoordelen van letselrisico's bij militaire training.
Doel van de studie
- Om een geautomatiseerde methode te ontwikkelen voor het genereren van virtuele modellen van strijders.
- Om blastblootstelling in wapentrainingsscenario's efficiënt te voorspellen.
- Om de tool voor blast-overdruk om te vormen tot een product voor real-time monitoring.
Gebruikte methoden
- Gebruik van camerabeleid voor gegevensverzameling.
- Toepassing van machine learning voor 3D-houdingsschatting van mensen.
- Ontwikkeling van de BOP-tool voor het simuleren van blootstelling aan explosies.
- Integratie van een gebruiksvriendelijke GUI voor scenario-instelling en het uitvoeren van simulaties.
Belangrijkste resultaten
- De BOP-tool voorspelt met succes de drukgolfoverdruk op virtuele militairen.
- Simulaties bieden gedetailleerde visualisaties van overdrukbelastingen gedurende een bepaalde tijd.
- Het raamwerk maakt een snelle scenario-definitie en simulatie-uitvoering mogelijk.
- Resultaten kunnen worden gebruikt voor de beoordeling van het risico op letsel bij militaire trainingen.
Conclusies
- De geautomatiseerde methode verhoogt de efficiëntie bij het creëren van virtuele modellen.
- Realistische simulaties kunnen de veiligheidsmaatregelen bij militaire trainingen verbeteren.
- Toekomstig werk zal zich richten op het correleren van gegevens over blootstelling aan explosies met letselresultaten.
Veelgestelde vragen
Relevantie voor de industrie
Geautomatiseerde generatie van anatomisch accurate avatars van strijders op basis van beelden uit trainingsscenario's maakt snelle, houdingsspecifieke simulaties van blootstelling aan explosies mogelijk. Deze mogelijkheid vult een kritisch gat in de schatting van blootstelling door beeldgebaseerde antropometrie te integreren met computationele modellering, wat de voorspellende betrouwbaarheid bij risicobeoordelingen ondersteunt. Deze aanpak verbetert de translationele continuïteit van gegevensverzameling in het veld naar simulatiegestuurde veiligheidsevaluaties, wat bijdraagt aan besluitvorming op portefeuilleniveau binnen de R&D voor gezondheidszorg in de defensiesector.
Strategische Toepassingen in Biofarmaceutisch R&D
Vroege ontdekking & targetvalidatie
- Maakt mechanische risicoreductie mogelijk door houdingsspecifieke blootstellingsscenario's te reconstrueren op basis van beelden uit de echte wereld.
- Ondersteunt de functionele validatie van blootstellings-responshypothesen met behulp van anatomisch accurate virtuele modellen.
- Vergemakkelijkt het voorspellend vertrouwen bij de beoordeling van het letselrisico door veldgegevens te integreren met simulatieoutputs.
Screening & assayontwikkeling
- Bereidt gevalideerde virtuele systemen voor voor downstream computationele workflows voor blootstellingsmodellering.
- Standaardiseert de generatie van avatars en de scenario-opzet, waardoor de reproduceerbaarheid en schaalbaarheid van blast-simulaties worden verbeterd.
- Maakt kwantitatieve vergelijking van blootstellingsmetrieken over diverse wapensystemen en houdingen mogelijk.
Translationeel & Preklinisch Onderzoek
- Lijnt gesimuleerde blastbelastingen uit met translationele biomarkers voor letselrisico bij het correleren van blootstelling aan biologische respons.
- Behoudt continuïteit van velddata-acquisitie via preklinische simulatie en risicomodellering.
- Ondersteunt risico-gecorrigeerde voortgang van beschermingsstrategieën op basis van de resultaten van blootstellingssimulaties.
Integratie van Pipeline & Workflow
Dit protocol integreert op beelden gebaseerde gegevensverzameling met computationele modellering, variërend van vroege ontdekking tot translationele risicobeoordeling in het gezondheidsonderzoek voor defensie.
- Discovery Biology: Levert houdingsspecifieke blootstellingsgegevens om mechanistische paden van blastletsel te verduidelijken.
- Screening: Biedt gestandaardiseerde, reproduceerbare virtuele scenario's voor vergelijkende blootstellingsanalyse.
- Analytics: Genereert kwantitatieve overdrukmetingen op anatomisch relevante locaties voor een robuuste vergelijking van condities.
- Translationeel onderzoek: Slaat een brug tussen in het veld verkregen blootstellingsgegevens en preklinische simulatie voor de afstemming van biomarkers.
- Enterprise Reuse: Vestigt een herbruikbaar computationeel platform voor diverse wapen- en houdingsscenario's.
Operationele & Bedrijfsimpact
- Wetenschappelijke waarde: Verhoogt het voorspellingsvertrouwen en vermindert mechanische ambiguïteit bij de schatting van blootstelling aan explosies.
- Operationele waarde: Stroomlijnt de scenario-opzet, standaardiseert de generatie van avatars en maakt schaalbare simulatieworkflows mogelijk.
- Strategische waarde: Informeert go/no-go-beslissingen voor beschermende interventies en strategieën voor het beperken van blootstelling.
- Impact op portfolio: Ondersteunt risico-gecorrigeerde prioritering van onderzoeksinvesteringen in defensiezorg en preventie van letsel.
Overwegingen bij de implementatie
- Vereist expertise in computationele modellering, beeldanalyse en het extraheren van antropometrische gegevens.
- Afhankelijk van toegang tot cameraregistraties en een compatible analytische infrastructuur voor 3D-pose-schatting.
- Vereist standaardisatie tussen teams van scenario-definities en protocollen voor avatar-segmentatie.
- Aanpassing kan nodig zijn voor verschillende wapensystemen, houdingen en omgevingsfactoren.
- De nauwkeurigheid is afhankelijk van de beeldkwaliteit en de getrouwheid van pose-schattingsinstrumenten op basis van machine learning.
