摘要

成功完成地下作业需要高度专业化的能力和由最新工具辅助的准确规划。奥地利军事学院的NIKE研究小组旨在为这些非常特殊的作战环境提供决策、规划和培训。3D模型、平面图、地图或激光扫描等异构数据源的快速数据集成和可视化,以及从地下结构内部的传感器和摄像头收集的操作员信息,提供了虚拟进入通常看不见的装置的可能性。BORIS(基于浏览器的空间定向)初始HTML模型、地下作业任务工具 (SOMT) 或快速隧道建模工具 (FTMT) 等专用工具通过创建虚拟的地下任务区域来提高快速可视化。在扩展现实 (XR) 应用程序中,改进的空间理解显著改善了决策,并支持同步任务规划和执行。由于地下服务结构的运营商和行动部队之间的密切合作和信息交流是成功的先决条件,所有相关因素和行动者的整合将大大增加全面合作。该项目通过在真正全面的通用作战图中显示相关信息来增强通用视角,从而实现更准确和精确的行动,减少自身损失和附带损害。

成为VIP会员查看完整内容
58

相关内容

军事防务数据板块介绍:系统化采集、存储、管理、分析与军事国防安全相关信息的专用数据板块,其核心在于整合全球新兴国防技术(军事人工智能、无人系统等)、热点案例(俄乌战争、美以伊战争)等方面的最新时讯、研究报告/论文、条令法规、案例分析,为战略研判、情报分析、决策支持等提供知识支撑。
国家自然科学基金
337+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
96+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年6月6日
Reinforcement Learning with Neural Radiance Fields
Arxiv
0+阅读 · 2022年6月3日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
Arxiv
26+阅读 · 2018年9月21日
VIP会员
最新内容
ICML2026 | 重新思考顺序知识编辑中的正则化
专知会员服务
2+阅读 · 5月27日
《用于兵力发展选项优先排序的成本效益模型》
AutoResearch AI综述:迈向AI驱动的科学发现自动化
《Palantir边缘人工智能》手册
专知会员服务
21+阅读 · 5月26日
美军“国防自主作战群”(DAWG)概念解析
专知会员服务
3+阅读 · 5月26日
“史诗怒火”行动中的无人机与反无人机作战
专知会员服务
16+阅读 · 5月25日
相关VIP内容
相关基金
国家自然科学基金
337+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
96+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员