一种模拟训练评估方法、装置、设备、介质和程序产品与流程

本发明涉及人工智能，尤其涉及一种模拟训练评估方法、装置、设备、介质和程序产品。

背景技术：

1、目前，在军警实战模拟、高危行业作业培训及应急演练等领域的虚拟仿真训练系统中，对受训者训练效能的评估主要依赖以下行为客观数据和人工主观评价两类指标，行为客观数据指的是通过系统日志记录的任务完成时间、操作序列准确性、目标命中率及与虚拟环境中关键对象的交互参数等可量化的行为结果。人工主观评价指的是由教官或评估员根据观察到的受训者操作规范性与决策合理性进行主观打分。

2、然而，上述现有评估体系通常仅关注训练的结果而忽略了受训者在任务执行过程中的心理状态变化，受训者可能在高度紧张或认知超载的状态下凭借偶然因素完成任务，此类受训者在真实高压场景下极易发生失误，现有技术难以识别该风险，导致评估结果不全面、不客观。

技术实现思路

1、本发明实施例的目的是提供一种模拟训练评估方法、装置、设备、介质和程序产品，其能够结合受训者的行为响应和心理状态对受训者的能力进行评估，有效提高评估结果的准确性。

2、为实现上述目的，本发明实施例提供了一种模拟训练评估方法，包括：

3、采集受训者的多模态生理数据的基准值，以及在执行包含预设的事件节点的模拟训练任务过程中所述多模态生理数据的实时值和行为响应数据；

4、以所述事件节点为时间戳为基准，将所述受训者的多模态生理数据的实时值与所述事件节点进行时域对齐，建立事件-生理对齐数据矩阵；

5、根据所述事件-生理对齐数据矩阵，计算所述受训者在每一所述事件节点下的多模态生理特征值；

6、根据所述多模态生理数据的基准值、所述多模态生理特征值和所述行为响应数据，计算所述受训者在每一所述事件节点下的行为表现分和心理压力分；

7、根据所述行为表现分和所述心理压力分进行失误风险预测和熟练度评级。

8、作为上述方案的改进，所述多模态生理数据至少包括心血管活动数据、皮电活动数据和眼部活动数据多个维度的数据；

9、其中，所述心血管活动数据包括心率变异性指标，所述心率变异性指标是通过监测所述受训者的光电容积脉搏波或心电图数据计算得到的；

10、所述皮电活动数据包括皮肤电增量指标，所述皮肤电增量指标是通过监测所述受训者的皮电活动计算得到的；

11、所述眼部活动数据包括瞳孔震荡频率指标，所述瞳孔震荡频率指标是通过监测所述受训者的瞳孔直径数据计算得到的。

12、作为上述方案的改进，所述事件-生理对齐数据矩阵包括每一所述事件节点、所述事件节点的时间戳、在所述事件节点对应的生理数据窗口内的多模态生理数据的实时值序列；所述事件节点对应的生理数据窗口是以所述事件节点的时间戳为中心截取的预设长度的时间窗口。

13、作为上述方案的改进，所述根据所述事件-生理对齐数据矩阵，计算所述受训者在每一所述事件节点下的多模态生理特征值，包括：

14、基于所述事件-生理对齐数据矩阵中，对每一所述生理数据窗口内的多模态生理数据的实时值序列进行特征提取，得到所述受训者在每一所述事件节点下的多模态生理特征值。

15、作为上述方案的改进，所述根据所述多模态生理数据的基准值、所述多模态生理特征值和所述行为响应数据，计算所述受训者在每一所述事件节点下的行为表现分和心理压力分，包括：

16、根据所述行为响应数据和预设的标准行为规则，计算所述受训者的行为表现分；其中，所述行为表现分用于表征所述受训者的行为标准程度；

17、根据所述多模态生理特征值和所述多模态生理数据的基准值的偏离程度，计算所述受训者的心理压力分；其中，所述心理压力分用于表征受训者当前心理负荷与应激水平。

18、作为上述方案的改进，所述根据所述行为表现分和所述心理压力分进行失误风险预测和熟练度评级，包括：

19、根据当前模拟训练任务过程中每一所述事件节点下的心理压力分序列和所述受训者的疲劳指标，预测所述受训者在后续模拟训练任务中的失误概率；

20、当所述失误概率大于预设的预警阈值时，推送预设的报警信息；

21、当所述行为表现分大于预设的第一评分阈值，且所述心理压力分大于预设的第二评分阈值时，根据所述心理压力分和所述失误概率计算下调步长；

22、根据所述下调步长对所述受训者当前的熟练度评级进行下调，得到降级后的最终熟练度评级。

23、本发明实施例还提供了一种模拟训练评估装置，包括：

24、数据采集模块，用于采集受训者的多模态生理数据的基准值，以及在执行包含预设的事件节点的模拟训练任务过程中所述多模态生理数据的实时值和行为响应数据；

25、数据对齐模块，用于以所述事件节点为时间戳为基准，将所述受训者的多模态生理数据的实时值与所述事件节点进行时域对齐，建立事件-生理对齐数据矩阵；

26、特征提取模块，用于根据所述事件-生理对齐数据矩阵，计算所述受训者在每一所述事件节点下的多模态生理特征值；

27、综合评分模块，用于根据所述多模态生理数据的基准值、所述多模态生理特征值和所述行为响应数据，计算所述受训者在每一所述事件节点下的行为表现分和心理压力分；

28、风险预测模块，用于根据所述行为表现分和所述心理压力分进行失误风险预测和熟练度评级。

29、本发明实施例还提供了一种模拟训练评估设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的模拟训练评估方法。

30、本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的模拟训练评估方法。

31、本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或计算机指令，所述计算机程序或所述计算机指令被处理器执行时实现如上述任意一项所述的模拟训练评估方法。

32、与现有技术相比，本发明公开的模拟训练评估方法、装置、设备、介质和程序产品，通过对多模态生理数据与虚拟训练事件节点的时域对齐，实现了对受训者在具体事件环节心理状态的精细化量化评估，避免了传统评估仅关注行为结果的局限性，实现了对受训者在模拟训练过程中行为表现与心理状态的并行评估，有效提高了评估结果的准确性。通过对齐数据矩阵的构建，为每一个训练事件建立了生理响应与外部刺激的因果关联，使得评估结果具备可解释性。最后通过失误风险预测和动态评级调整机制，实现了训练效能的闭环管理和事前预警，有效弥补了高分低能的评估盲区。

1.一种模拟训练评估方法，其特征在于，包括：

2.如权利要求1所述的模拟训练评估方法，其特征在于，所述多模态生理数据至少包括心血管活动数据、皮电活动数据和眼部活动数据多个维度的数据；

3.如权利要求1或2所述的模拟训练评估方法，其特征在于，所述事件-生理对齐数据矩阵包括每一所述事件节点、所述事件节点的时间戳、在所述事件节点对应的生理数据窗口内的多模态生理数据的实时值序列；所述事件节点对应的生理数据窗口是以所述事件节点的时间戳为中心截取的预设长度的时间窗口。

4.如权利要求3所述的模拟训练评估方法，其特征在于，所述根据所述事件-生理对齐数据矩阵，计算所述受训者在每一所述事件节点下的多模态生理特征值，包括：

5.如权利要求1所述的模拟训练评估方法，其特征在于，所述根据所述多模态生理数据的基准值、所述多模态生理特征值和所述行为响应数据，计算所述受训者在每一所述事件节点下的行为表现分和心理压力分，包括：

6.如权利要求1所述的模拟训练评估方法，其特征在于，所述根据所述行为表现分和所述心理压力分进行失误风险预测和熟练度评级，包括：

7.一种模拟训练评估装置，其特征在于，包括：

8.一种模拟训练评估设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的模拟训练评估方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的模拟训练评估方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序或计算机指令，所述计算机程序或所述计算机指令被处理器执行时实现如权利要求1至6中任意一项所述的模拟训练评估方法。