Name: 폭발 노출 시뮬레이션을 위한 무기 훈련 장면 이미지에서 전투원 아바타 생성 (동영상) | JoVE Journal
Uploaded: 2024-12-06T12:00:00.000+00:00
Duration: 6 min 20 s
Description: 학습하세요 머신러닝 기반 3D 자세 추정을 활용한 폭발 노출 예측 방법입니다. 카메라 영상에서 전투원 아바타를 자동 생성하여 무기 훈련 장면의 충격파 과압을 실시간으로 평가하고 부상 위험을 분석합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

이 연구에 사용된 이미지와 비디오는 저자가 인간 피험자로부터 직접 얻은 것이 아닙니다. 한 이미지는 공개 도메인 라이선스에 따라 사용할 수 있는 Wikimedia Commons의 무료 리소스에서 가져왔습니다. 다른 이미지는 Walter Reed Army Institute of Research(WRAIR)의 공동 작업자가 제공했습니다. WRAIR에서 얻은 데이터는 확인되지 않았으며 기관 지침에 따라 공유되었습니다. WRAIR가 제공한 이미지의 경우, 프로토콜은 필요한 모든 승인 및 동의를 얻는 것을 포함하여 WRAIR의 인간 연구 윤리 위원회의 지침을 따랐습니다.
1. BOP Tool SCENE 모듈 액세스
<ol><li>BOP Tool SCENE Module 버튼을 클릭하여 BOP Tool Interface에서 BOP Tool SCENE 모듈을 엽니다.</li>
	<li>Scenario Definition(시나리오 정의)을 클릭한 다음 Scenario Detail(시나리오 세부 정보) 탭을 클릭합니다.</li>
</ol>2. 이미지 데이터 읽기 및 처리
<ol><li>BOP 도구 SCENE 모듈에서 POSETOOL IMPORT 버튼을 클릭합니다. 사용자에게 관련 이미지 또는 비디오를 선택하라는 팝업 창이 열립니다.</li>
	<li>폴더로 이동하여 마우스 조작을 사용하여 관련 이미지/비디오를 선택합니다.</li>
	<li>이미지를 선택하면 창 팝업에서 열기 를 클릭합니다. 참고: 이 작업은 이미지 또는 비디오 파일을 읽고, 비디오가 선택된 경우 이미지를 생성하고, 백그라운드에서 포즈 추정 알고리즘을 실행하고, 무기 훈련 장면과 관련된 가상 서비스 멤버 모델을 생성하고, 이를 BOP Tool SCENE 모듈의 해당 위치에 로드합니다.</li>
</ol>3. 무기 및 슈터 구성
<ol><li>Scenario Name(시나리오 이름) 아래의 텍스트 상자를 사용하여 시나리오의 이름을 선택합니다. 이것은 사용자의 선택입니다. 여기에 설명된 시나리오의 경우 개발자는 시나리오 이름 BlastDemo1을 선택했습니다.</li>
	<li>Weapon Definition(무기 정의) 아래의 Name(이름) 필드에서 사용자 지정 이름을 선택합니다. 이것은 다시 사용자 선택입니다. 여기에서 논의된 시나리오의 경우 개발자는 무기 이름 120Mortar를 선택했습니다.</li>
	<li>드롭다운 메뉴의 옵션 목록에서 적절한 무기 클래스(예: HEAVY MORTAR)를 선택합니다.</li>
	<li>드롭다운의 선택 목록에서 무기(이 경우 M120)를 선택합니다. 무기 시스템을 선택하면 해당 블래스트 커널이 Charges 하위 탭의 GUI에 자동으로 로드됩니다. 참고: 드롭다운에는 위에서 선택한 무기 클래스에 따라 가능한 다양한 무기 시스템이 있습니다.</li>
	<li>드롭다운 옵션을 사용하여 선택한 무기 시스템의 탄약탄(Full Range Training Round) 을 선택합니다.</li>
	<li>드롭다운 옵션의 Shooter Definition(슈터 정의) 아래에 있는 Anthropometry(인체 측정), Posture(자세), Helmet(헬멧) 및 Protective armor(보호 갑옷) 필드에서 No Shooter(슈터 없음 )를 선택합니다. 구성된 사수 및 서비스 구성원에 대해서는 그림 3 을 참조하십시오. 참고: 슈터는 4단계를 통해 가져온 씬에 포함되므로 슈터 정의에서 슈터가 선택되지 않았습니다.</li>
</ol><img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66575/66575fig03.jpg"> 그림 3: 이미지 데이터에서 가져온 폭발 장면. 폭발 장면은 GUI 도구의 오른쪽에 있는 시각화 창에서 볼 수 있습니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig03large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
4. 서비스 멤버 구성
<ol><li>Service Members 탭을 클릭합니다. 이 탭은 이미지 데이터에서 가져온 서비스 구성원의 위치와 방향을 제어합니다. X, Y, Z 및 회전 옵션을 사용하여 이 작업을 수행합니다. 보조 사수에 해당하는 아바타의 경우 저자는 보다 합리적인 보조 사수 위치를 위해 Y 위치를 2.456에서 2로 조정했습니다.</li>
	<li>Service Members 탭의 Name 필드를 사용하여 GUI로 가져온 모든 가상 서비스 멤버 모델에 대한 사용자 정의 이름을 선택합니다. 여기에서 S1, S2, S3, S4 및 S5가 자동으로 가져온 모든 서비스 멤버 모델에 대해 선택됩니다. 참고: 여기에 설명된 시나리오의 경우 S1 및 S2로 명명되었습니다. 다른 필드는 자동으로 채워집니다. 사용자는 이를 수정하여 자동으로 추정된 위치/자세를 구체화할 수 있습니다.</li>
	<li>삭제 버튼을 사용하여 S2, S4 및 S5를 제거합니다. 여기에 표시된 시나리오에서는 발사 시 사수와 보조 사수만 있습니다. 참고: 이 작업은 필요에 따라 서비스 멤버 모델을 삭제하거나 기존 장면에 추가할 수 있는 사용자 지정 사용자 옵션을 보여주기 위해 수행되었습니다.</li>
</ol>5. 가상 센서 구성
<ol><li>센서 탭으로 이동합니다. Add Sensor(센서 추가)를 클릭하여 새 가상 센서를 추가합니다.</li>
	<li>Name(이름) 필드에서 사용자 지정 이름을 선택합니다. 개발자는 이 문서에서 데모를 위해 V1을 선택했습니다.</li>
	<li>Sensor Type(센서 유형) 필드 아래의 Drop-down(드롭다운)을 클릭하여 유형을 Virtual(가상)로 선택합니다.</li>
	<li>센서의 위치를 (-0.5, 2, 0.545)로 선택합니다. X, Y 및 Z 필드 아래의 텍스트 상자를 편집합니다. 여기에 설명된 시나리오의 경우 개발자는 데모를 위해 4개의 서로 다른 위치에 4개의 서로 다른 센서를 만들었습니다. 개발자는 추가 센서의 센서 이름으로 V2, V3 및 V4를 선택했습니다.</li>
	<li>5.1에서 5.4까지의 단계를 반복하여 (-0.5, 1, 0.545), (-0.5, 0.5, 0.545) 및 (-0.5, 0, 0.545)에 추가 센서를 만듭니다. [Rotation] 값을 0으로 둡니다. 알림: 사용자는 폭발 충전에 대한 센서의 방향을 조정하기 위해 회전을 사용할 수 있는 평면 센서를 선택할 수도 있습니다.</li>
</ol>6. 프로그램 저장 및 실행
<ol><li>상단의 GUI에서 Save Scenario 버튼을 클릭하여 무기 훈련 장면을 저장합니다.</li>
	<li>하단의 Run Scenario 버튼을 클릭하여 M120 무기 훈련 장면에 대한 폭발 과압 시뮬레이션을 실행합니다. 시뮬레이션 진행률은 하단의 진행률 표시줄을 사용하여 표시됩니다.</li>
</ol>7. 결과 시각화
<ol><li>모델 뷰(Model View) 탭으로 이동하여 폭발 과압 노출 시뮬레이션을 검사합니다.</li>
	<li>현재 버튼을 클릭하여 완료된 시뮬레이션을 시각화 창에 로드합니다.</li>
	<li>시뮬레이션이 로드되면 화면 하단의 Play 버튼을 사용하여 시뮬레이션을 시각화합니다.<ol><li>사용자는 탐색 모음의 다양한 옵션 중에서 선택하여 다양한 속도로 시뮬레이션을 재생하고 일시 중지할 수 있습니다. 아래 재생 컨트롤의 스크린샷은 더 많은 옵션을 보여줍니다. 사용자는 마우스를 사용하여 대화형 창을 제어할 수 있습니다. 마우스 오른쪽 버튼을 클릭하고 드래그하여 모드를 회전하고, 왼쪽 버튼을 클릭하여 모델을 변환하고, 중간 버튼을 클릭하여 안팎으로 스크롤합니다.</li>
	</ol></li>
	<li>시뮬레이션을 검토한 후 Blast Load Metrics 탭을 클릭하여 이동합니다.</li>
	<li>Current 버튼을 클릭하여 가상 센서 위치에서 과압 플롯을 불러옵니다. 알림: 이렇게 하면 다른 플롯의 다른 센서 위치에서 과압 정보가 로드됩니다.</li>
	<li>Display to Display(표시할 시리즈) 드롭다운 메뉴로 이동하고 Corresponding Sensor(해당 센서)의 Box(상자)를 선택하여 선택하여 해당 가상 센서에서 기록된 과압을 표시합니다( 그림 4 참조).</li>
</ol><img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66575/66575fig04.jpg"> 그림 4: 시간 경과에 따른 다양한 가상 센서의 과압에 대한 플롯 제어. 사용자는 다른 센서를 선택하거나 선택 취소하여 표시할 시리즈를 선택할 수 있습니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig04large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>

<meta charset="utf8"></head><body>군사 무기 훈련에서 폭발파 시뮬레이션을 위한 가상 장면 생성

<ol><li>LaValle, C. R., et al. Neurocognitive performance deficits related to immediate and acute blast overpressure exposure. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLaValle%2C+CR+%22Front+Neurol%22">Front Neurol</a>. 10, (2019).</li>
<li>Kamimori, G. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Longitudinal+investigation+of+neurotrauma+serum+biomarkers%2C+behavioral+characterization%2C+and+brain+imaging+in+soldiers+following+repeated+low-level+blast+exposure+%28New+Zealand+Breacher+Study%29%5BTitle%5D)+AND+%22Military+Med%22%5BJournal%5D)">Longitudinal investigation of neurotrauma serum biomarkers, behavioral characterization, and brain imaging in soldiers following repeated low-level blast exposure (New Zealand Breacher Study).</a> Military Med. 183 (suppl_1), 28-33 (2018).</li>
<li>Wang, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+and+chronic+molecular+signatures+and+associated+symptoms+of+blast+exposure+in+military+breachers%5BTitle%5D)+AND+%22J+Neurotrauma%22%5BJournal%5D)">Acute and chronic molecular signatures and associated symptoms of blast exposure in military breachers.</a> J Neurotrauma. 37 (10), 1221-1232 (2020).</li>
<li>Gill, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Moderate+blast+exposure+results+in+increased+IL-6+and+TNF%CE%B1+in+peripheral+blood%5BTitle%5D)+AND+%22Brain+Behavior+Immunity%22%5BJournal%5D)">Moderate blast exposure results in increased IL-6 and TNFα in peripheral blood.</a> Brain Behavior Immunity. 65, 90-94 (2017).</li>
<li>Carr, W., et al. Ubiquitin carboxy-terminal hydrolase-L1 as a serum neurotrauma biomarker for exposure to occupational low-Level blast. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCarr%2C+W+%22Front+Neurol%22">Front Neurol</a>. 6, (2015).</li>
<li>Boutté, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain-related+proteins+as+serum+biomarkers+of+acute%2C+subconcussive+blast+overpressure+exposure%3A+A+cohort+study+of+military+personnel%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Brain-related proteins as serum biomarkers of acute, subconcussive blast overpressure exposure: A cohort study of military personnel.</a> PLoS One. 14 (8), e0221036(2019).</li>
<li>Skotak, M., et al. Occupational blast wave exposure during multiday 0.50 caliber rifle course. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSkotak%2C+M+%22Front+Neurol%22">Front Neurol</a>. 10, (2019).</li>
<li>Kamimori, G. H., Reilly, L. A., LaValle, C. R., Silva, U. B. O. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Occupational+overpressure+exposure+of+breachers+and+military+personnel%5BTitle%5D)+AND+%22Shock+Waves%22%5BJournal%5D)">Occupational overpressure exposure of breachers and military personnel.</a> Shock Waves. 27 (6), 837-847 (2017).</li>
<li>Misistia, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sensor+orientation+and+other+factors+which+increase+the+blast+overpressure+reporting+errors%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Sensor orientation and other factors which increase the blast overpressure reporting errors.</a> PLoS One. 15 (10), e0240262(2020).</li>
<li>National Defense Authorization Act for Fiscal Year 2020. Wikipedia. , https://en.wikipedia.org/w/index.php?title=National_Defense_Authorization_Act_for_Fiscal_Year_2020&oldid=1183832580 (2023).</li>
<li>Przekwas, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast-running+tools+for+personalized+monitoring+of+blast+exposure+in+military+training+and+operations%5BTitle%5D)+AND+%22Military+Med%22%5BJournal%5D)">Fast-running tools for personalized monitoring of blast exposure in military training and operations.</a> Military Med. 186 (Supplement_1), 529-536 (2021).</li>
<li>Spencer, R. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fiscal+year+2018+National+Defense+Authorization+Act%2C+Section+734%2C+Weapon+systems+line+of+inquiry%3A+Overview+and+blast+overpressure+tool-A+module+for+human+body+blast+wave+exposure+for+safer+weapons+training%5BTitle%5D)+AND+%22Military+Med%22%5BJournal%5D)">Fiscal year 2018 National Defense Authorization Act, Section 734, Weapon systems line of inquiry: Overview and blast overpressure tool-A module for human body blast wave exposure for safer weapons training.</a> Military Med. 188 (Supplement_6), 536-544 (2023).</li>
<li>Delp, S. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((OpenSim%3A+open-source+software+to+create+and+analyze+dynamic+simulations+of+movement%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">OpenSim: open-source software to create and analyze dynamic simulations of movement.</a> IEEE Trans Biomed Eng. 54 (11), 1940-1950 (2007).</li>
<li>Zhou, X., Sun, K., Roos, P. E., Li, P., Corner, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Anthropometry+model+generation+based+on+ANSUR+II+database%5BTitle%5D)+AND+%22Int+J+Digital+Human%22%5BJournal%5D)">Anthropometry model generation based on ANSUR II database.</a> Int J Digital Human. 1 (4), 321(2016).</li>
<li>Zhou, X., Przekwas, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+fast+and+robust+whole-body+control+algorithm+for+running%5BTitle%5D)+AND+%22Int+J+Human+Factors+Modell+Simulat%22%5BJournal%5D)">A fast and robust whole-body control algorithm for running.</a> Int J Human Factors Modell Simulat. 2 (1-2), 127-148 (2011).</li>
<li>Zhou, X., Whitley, P., Przekwas, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+musculoskeletal+fatigue+model+for+prediction+of+aviator+neck+manoeuvring+loadings%5BTitle%5D)+AND+%22Int+J+Human+Factors+Modell+Simulat%22%5BJournal%5D)">A musculoskeletal fatigue model for prediction of aviator neck manoeuvring loadings.</a> Int J Human Factors Modell Simulat. 4 (3-4), 191-219 (2014).</li>
<li>Roos, P. E., Vasavada, A., Zheng, L., Zhou, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neck+musculoskeletal+model+generation+through+anthropometric+scaling%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Neck musculoskeletal model generation through anthropometric scaling.</a> PLoS One. 15 (1), e0219954(2020).</li>
<li>Garimella, H. T., Kraft, R. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+the+mechanics+of+axonal+fiber+tracts+using+the+embedded+finite+element+method%5BTitle%5D)+AND+%22Int+J+Numer+Method+Biomed+Eng%22%5BJournal%5D)">Modeling the mechanics of axonal fiber tracts using the embedded finite element method.</a> Int J Numer Method Biomed Eng. 33 (5), (2017).</li>
<li>Garimella, H. T., Kraft, R. H., Przekwas, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Do+blast+induced+skull+flexures+result+in+axonal+deformation%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Do blast induced skull flexures result in axonal deformation.</a> PLoS One. 13 (3), e0190881(2018).</li>
<li>Przekwas, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biomechanics+of+blast+TBI+with+time-resolved+consecutive+primary%2C+secondary%2C+and+tertiary+loads%5BTitle%5D)+AND+%22Military+Med%22%5BJournal%5D)">Biomechanics of blast TBI with time-resolved consecutive primary, secondary, and tertiary loads.</a> Military Med. 184 (Suppl 1), 195-205 (2019).</li>
<li>Gharahi, H., Garimella, H. T., Chen, Z. J., Gupta, R. K., Przekwas, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mathematical+model+of+mechanobiology+of+acute+and+repeated+synaptic+injury+and+systemic+biomarker+kinetics%5BTitle%5D)+AND+%22Front+Cell+Neurosci%22%5BJournal%5D)">Mathematical model of mechanobiology of acute and repeated synaptic injury and systemic biomarker kinetics.</a> Front Cell Neurosci. 17, 1007062(2023).</li>
<li>Przekwas, A., Somayaji, M. R., Gupta, R. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synaptic+mechanisms+of+blast-induced+brain+injury%5BTitle%5D)+AND+%22Front+Neurol%22%5BJournal%5D)">Synaptic mechanisms of blast-induced brain injury.</a> Front Neurol. 7, 2(2016).</li>
<li>Liu, Y., Wang, C., Zhou, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Camouflaged+people+detection+based+on+a+semi-supervised+search+identification+network%5BTitle%5D)+AND+%22Def+Technol%22%5BJournal%5D)">Camouflaged people detection based on a semi-supervised search identification network.</a> Def Technol. 21, 176-183 (2023).</li>
<li>Batpurev, T. Real time 3D body pose estimation using MediaPipe. , Available from: 
 <a target="_blank" href="https://temugeb.github.io/python/computer_vision/2021/09/14/bodypose3d.html">https://temugeb.github.io/python/computer_vision/2021/09/14/bodypose3d.html</a> (2021).</li>
</ol>

군사 훈련 중에 군인과 교관은 중화기와 경화기로 낮은 수준의 폭발에 자주 노출됩니다. 최근 연구에 따르면 폭발 노출은 신경인지 성능 저하 1,2 및 혈액 바이오마커 3,4,5,6의 변화로 이어질 수 있습니다. 낮은 수준의 폭발 노출이 반복되면 최적의 성능을 유지하고 부상 위험을 최소화하는 데 어려움이 있습니다 7,8. 웨어러블 압력 센서를 사용하는 기존의 접근법은 특히 머리에 가해지는 폭발 압력을 정확하게 결정하는 데 있어 단점이 있다9. 낮은 수준의 폭발 노출이 인간의 성과에 미치는 알려진 부작용(예: 훈련 중 및 운영 역할)은 이 문제를 악화시킵니다. 의회의 명령(섹션 734 및 717)은 훈련 및 전투 중 폭발 노출에 대한 모니터링 및 군인의 의료 기록에 이를 포함시키기 위한 요구 사항을 규정했습니다10.
웨어러블 센서는 이러한 전투 훈련 작업 중 폭발 과압을 모니터링하는 데 사용할 수 있습니다. 그러나 이러한 센서는 인체와 폭발파 상호 작용의 복잡한 특성으로 인해 신체 자세, 방향 및 폭발원으로부터의 거리와 같은 변수의 영향을 받는다9. 다음 요인은 압력 분포 및 센서 측정에 영향을 미칩니다9:
폭발원으로부터의 거리: 압력 강도는 폭발파가 분산되고 감쇠됨에 따라 거리에 따라 달라집니다. 폭발에 가까운 센서는 더 높은 압력을 기록하여 데이터 정확성과 일관성에 영향을 미칩니다.
신체 자세: 다양한 자세는 다양한 신체 표면을 폭발에 노출시켜 압력 분포를 변경합니다. 예를 들어, 서 있는 것과 웅크리는 것은 다른 압력 판독값을 초래합니다 9,11.
방향: 폭발원에 대한 물체의 각도는 압력파가 물체와 상호 작용하는 방식에 영향을 미치므로 판독값에 불일치가 발생합니다9. 물리 기반 수치 시뮬레이션은 이러한 변수를 체계적으로 설명함으로써 보다 정확한 평가를 제공하며, 본질적으로 이러한 요인의 영향을 받는 웨어러블 센서에 비해 통제되고 포괄적인 분석을 제공합니다.
이러한 도전에 대응하기 위해 보다 정교한 도구를 개발하기 위한 공동의 노력이 있었습니다. 이 방향으로 BOP(Blast Overpressure) 도구가 개발됩니다. 이 도구는 무기 시스템 주변의 다양한 군인 자세와 위치에서 과압 노출을 추정하기 위해 개발되었습니다. BOP 도구11 아래에는 두 가지 다른 모듈이 있습니다. (a) BOP 도구 SCENE 모듈과 (b) BOP 도구 SITE 모듈입니다. 이 모듈은 무기 발사 중 폭발 과압을 추정하는 데 사용됩니다12. BOP SCENE 모듈은 훈련 시나리오에 참여하는 개별 군인 또는 교관이 경험한 폭발 과압을 추정하기 위해 개발되었으며, BOP SITE 모듈은 여러 발사 스테이션에서 생성된 폭발 과압 영역을 묘사하여 훈련 과정의 조감도를 재구성합니다. 그림 1 은 두 모듈의 스냅샷을 보여줍니다. 현재 BOP 도구 모듈은 M107 .50 cal SASR(Special Application Sniper Rifle), M136 어깨 장착 돌격 무기, M120 간접 사격 박격포 및 돌파 폭약을 포함한 4개의 국방부 정의 Tier-1 무기 시스템에 대한 무기 폭발 과압 특성(동등한 폭발 소스 용어)으로 구성됩니다. 무기 폭발 커널이라는 용어는 실제 무기와 동일한 폭발 필드를 둘러싼 무기 시스템을 복제하기 위해 개발 된 동등한 폭발 소스 용어를 나타냅니다. BOP 툴의 개발에 사용된 계산 프레임워크에 대한 보다 상세한 설명은 추가 참조문헌11에서 확인할 수 있다. 과압 시뮬레이션은 CoBi-Blast 솔버 엔진을 사용하여 실행됩니다. 이것은 폭발 과압을 시뮬레이션하기 위한 멀티스케일 다중 물리 도구입니다. 엔진의 폭발 모델링 능력은 문헌12의 실험 데이터에 대해 검증되었습니다. 이 BOP 도구는 현재 다양한 무기 훈련 범위에서 사용할 수 있도록 RMTK(Range Managers Toolkit)에 통합되고 있습니다. RMTK는 사격장 운영, 안전 및 현대화 프로세스를 자동화하여 육군, 해병대, 공군 및 해군 전반에 걸쳐 사격장 관리자의 요구 사항을 충족하도록 설계된 다중 서비스 데스크톱 도구 제품군입니다.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66575/66575fig01.jpg"> 그림 1: BOP 도구 SCENE 모듈 및 BOP 도구 SITE 모듈의 그래픽 사용자 인터페이스(GUI). BOP SCENE 모듈은 군인 및 교관 신체 모델의 폭발 과압을 추정하도록 설계되었으며, BOP SITE 모듈은 훈련 필드를 나타내는 비행기의 과압 윤곽을 추정하기 위한 것입니다. 사용자는 지면을 기준으로 비행기가 위치하는 높이를 선택할 수 있습니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig01large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
기존 BOP 도구 SCENE 모듈의 한 가지 제한 사항은 인체 측정, 자세 및 위치를 포함하여 가상 서비스 회원 신체 모델을 구축하기 위해 수동으로 추정된 데이터를 사용한다는 것입니다. 적절한 자세를 취하는 가상 서비스 구성원을 수동으로 생성하는 것은 노동 집약적이고 시간이 많이 걸립니다11,12. 레거시 BOP 도구(레거시 접근 방식)는 사전 구성된 자세 데이터베이스를 사용하여 이미지 데이터(사용 가능한 경우)를 기반으로 무기 훈련 장면을 구축합니다. 또한 자세는 시각적 평가를 통해 수동으로 근사화되기 때문에 복잡한 자세 환경에서 올바른 자세가 포착되지 않을 수 있습니다. 결과적으로, 이 접근 방식은 개별 군인에 대한 추정 과압 노출에 부정확성을 초래합니다(자세의 변화는 더 취약한 지역의 과압 노출을 수정할 수 있기 때문에). 이 백서는 기존의 최첨단 포즈 추정 도구를 사용하여 서비스 구성원 모델을 빠르고 자동으로 생성할 수 있도록 기존 계산 프레임워크에 대한 개선 사항을 제시합니다. 이 백서에서는 BOP 도구의 향상된 기능에 대해 설명하며, 특히 비디오 및 이미지 데이터를 사용하여 폭발 장면을 재구성하기 위한 새롭고 신속한 컴퓨팅 파이프라인의 개발을 강조합니다. 개선된 도구는 또한 무기 발사 순간에 군인과 교관의 상세한 신체 모델을 재구성할 수 있으며, 비디오 데이터를 활용하여 기존 접근 방식에 비해 개인화된 아바타를 생성할 수 있습니다. 이 아바타는 장병의 자세를 정확하게 반영합니다. 이 작업은 폭발 장면 생성 프로세스를 간소화하고 추가 무기 시스템에 대한 폭발 장면을 보다 빠르게 포함할 수 있도록 하여 무기 훈련 장면 생성에 필요한 시간과 노력을 크게 줄입니다. 그림 2는 이 문서에서 논의된 향상된 계산 프레임워크의 개략도를 보여줍니다.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66575/66575fig02.jpg"> 그림 2: 계산 프레임워크의 전체 프로세스 흐름도를 보여주는 개략도. 다양한 단계에는 이미지/비디오 데이터 처리, 가상 전투원 생성, 폭발 장면 재구성 및 폭발 과압 시뮬레이션이 포함됩니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig02large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
이 백서에서는 BOP 도구에 구현되는 자동화된 접근 방식을 제시하며, 이는 교육 및 작업 중 과압 노출을 추정하는 데 사용할 수 있는 계산 도구의 상당한 개선을 나타냅니다. 이 도구는 개인화된 아바타와 훈련 시나리오의 빠른 생성을 통해 차별화되어 몰입형 폭발 과압 시뮬레이션을 가능하게 합니다. 이는 인구 평균 인체 모델에 대한 기존의 의존에서 크게 벗어나 보다 정확하고 개별화된 접근 방식을 제공합니다.
자동화 프로세스에 사용되는 계산 도구 가상 서비스 구성원 모델 생성의 자동화는 고급 계산 도구를 활용하여 원시 이미지 또는 비디오 데이터를 상세한 3D 표현으로 변환하는 다단계 프로세스입니다. 전체 프로세스는 자동화되어 있지만 필요한 경우 알려진 측정값을 수동으로 입력할 수 있도록 조정할 수 있습니다.
3D 포즈 추정 도구: 자동화 파이프라인의 핵심은 3D 포즈 추정 도구입니다. 이러한 도구는 이미지 데이터를 분석하여 군인의 신체에 있는 각 관절의 위치와 방향을 식별하여 디지털 골격을 효과적으로 생성합니다. 파이프라인은 현재 Python API를 제공하는 Mediapipe 및 MMPose를 지원합니다. 그러나 이 시스템은 유연성을 염두에 두고 설계되어 필요한 3D 관절 및 뼈 데이터를 출력할 수 있는 경우 깊이 카메라와 같은 다른 도구를 통합할 수 있습니다.
인체 측정 모델 생성기(AMG): 3D 포즈가 추정되면 AMG가 작동합니다. 이 도구는 포즈 데이터를 활용하여 서비스 구성원의 고유한 신체 치수와 일치하는 3D 스킨 표면 모델을 만듭니다. AMG 도구를 사용하면 인체 측정 값을 자동 또는 수동으로 입력 할 수 있으며, 이는 도구 내의 주요 구성 요소에 연결되어 그에 따라 3D 바디 메쉬를 모핑합니다.
OpenSim 골격 모델링: 다음 단계는 오픈 소스 OpenSim 플랫폼13과 관련이 있으며, 여기서 골격 모델은 3D 포즈 데이터와 정렬되도록 조정됩니다. 포즈 추정 도구는 스켈레톤에 일관된 뼈대 길이를 적용하지 않으며, 이로 인해 신체의 비대칭이 비현실적으로 발생할 수 있습니다. 해부학적으로 올바른 OpenSim 골격을 사용하면 보다 사실적인 뼈 구조를 생성할 수 있습니다. 마커는 포즈 추정 도구로 식별된 관절 중심에 해당하도록 OpenSim 골격에 배치됩니다. 그런 다음 이 스켈레톤 모델은 표준 애니메이션 기술을 사용하여 3D 스킨 메시에 리깅됩니다.
역운동학 및 Python 스크립팅: 가상 서비스 구성원의 포즈를 마무리하기 위해 역운동학 알고리즘이 사용됩니다. 이 알고리즘은 추정된 3D 포즈와 가장 잘 일치하도록 OpenSim 골격 모델을 조정합니다. 전체 포즈 파이프라인은 완전히 자동화되어 Python 3에서 구현됩니다. 이러한 도구의 통합을 통해 가상 서비스 회원 모델을 생성하는 프로세스가 크게 빨라져 필요한 시간이 며칠에서 몇 초 또는 몇 분으로 단축되었습니다. 이러한 발전은 무기 훈련 시나리오의 시뮬레이션 및 분석에서 도약을 의미하며, 이미지 또는 비디오를 사용하여 문서화된 특정 시나리오를 신속하게 재구성할 수 있습니다.

<table><tbody><tr><td>인체 측정 모델 생성기 (AMG)</td><td>CFD 연구</td><td>N/A</td><td>다양한 인체 측정 특성을 가진 3D 인체 모델을 생성합니다. 이 도구는 DoD 오픈 소스입니다.</td></tr><tr><td>BOP 도구</td><td>CFD 연구</td><td>N/A</td><td>폭발 현장 및 과압 시뮬레이션을 설정하는 데 사용됩니다. 이 도구는 DoD 오픈 소스입니다.</td></tr><tr><td>BOP Tool SCENE Module</td><td>CFD Research</td><td>N/A</td><td>폭발 장면 및 과압 시뮬레이션을 설정합니다. 이 도구는 DoD 오픈 소스입니다.</td></tr><tr><td>Mediapipe</td><td>Google</td><td>버전 0.9</td><td>오픈 소스 포즈 추정 라이브러리.</td></tr><tr><td>MMPose</td><td>OpenMMLab</td><td>버전 1.2</td><td>오픈 소스 포즈 추정 라이브러리.</td></tr><tr><td>OpenSim</td><td>Stanford University</td><td>버전 4.4</td><td>오픈 소스 근골격계 모델링 및 시뮬레이션 플랫폼.</td></tr><tr><td>Python 3</td><td>Anaconda Inc</td><td>버전 3.8</td><td>비디오 처리를 수행하고 포즈 추정 도구를 연결하기 위해 Python 3.8 및 사전 설치된 패키지가 포함된 오픈 소스 개별 버전입니다.</td></tr></tbody></table>

폭발 노출 시뮬레이션을 위한 무기 훈련 장면 이미지에서 전투원 아바타 생성

Generation of Warfighter Avatars from Weapon Training Scene Images for Blast Exposure Simulations

가상 서비스 대원 및 폭발 현장의 자동 재구성 자동화된 가상 서비스 구성원 신체 모델 및 무기 훈련 장면 모델 생성은 BOP 도구 자동화 기능을 통해 달성되었습니다. 그림 5 는 이미지 데이터에서 생성된 가상 훈련 장면을 보여줍니다. 여기에서 볼 수 있듯이 결과 장면은 이미지 데이터를 잘 표현했습니다. 그림 5의 시연에 사용된 이미지는 Wikimedia Commons에서 가져온 것입니다.
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66575/66575fig05.jpg"> 그림 5: 이미지 데이터의 가상 무기 훈련 장면. 왼쪽 사진은 AT4 무기 발사에 해당하는 이미지 데이터, 오른쪽 사진은 가상 자동 생성 무기 훈련 장면을 보여줍니다. 이 수치는 Wikimedia Commons에서 가져온 것입니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig05large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
또한 이 접근 방식을 적용하여 M120 무기 발사 장면을 재구성했습니다. 이 이미지는 M120 박격포 무기에 대한 압력 데이터 수집 노력의 일환으로 WRAIR에 의해 수집되었습니다. 아래 그림 6 은 원본 이미지와 함께 재구성된 가상 무기 발사 장면을 보여줍니다. 가상 재건에서 보조 사수의 위치에서 불일치가 관찰되었습니다. 이것은 BOP GUI 사용자 옵션을 사용하여 보조 사수의 위치를 조정하여 수정할 수 있습니다. 더욱이, 강사의 골반 자세는 정확하지 않은 것처럼 보였는데, 이는 이미지의 말뚝으로 인한 방해 때문인 것으로 보인다. 이 접근 방식을 다른 깊이 이미징 양식과 통합하면 이러한 불일치를 해결하는 데 도움이 될 것입니다.
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/66575/66575fig06.jpg"> 그림 6: 이미지 데이터의 가상 무기 훈련 장면. 왼쪽 사진은 M120 무기 발사에 해당하는 이미지 데이터이고 오른쪽 사진은 가상 자동 생성 무기 훈련 장면을 보여줍니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig06large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
자동화된 장면 생성 접근 방식의 검증 이 연구에 사용된 인체 모델 생성기는 의료 영상 데이터의 인체 측정 측정을 포함하는 ANSUR II 인체 스캔 데이터베이스14를 사용하여 검증을 거쳤습니다. 이 인체 모델 생성기를 활용한 자동 재구성 방법은 손에 쥔 데이터로 정성적 검증을 거쳤습니다. 이 검증 프로세스에는 재구성된 모델을 실험 데이터(이미지)와 오버레이하여 비교하는 작업이 포함되었습니다. 그림 7 은 3D 아바타 모델과 실험 데이터를 비교한 것입니다. 그러나 이 방법에 대한 보다 철저한 검증이 필요하며, 이를 위해서는 훈련 장면에 참여한 다양한 군인의 정확한 위치, 자세 및 방향을 포함하여 현장의 추가 실험 데이터가 필요합니다.
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/66575/66575fig07.jpg"> 그림 7: 이미지로 생성된 가상 인체 모델의 정성적 비교. 왼쪽 패널에는 원본 이미지, 중간 패널에는 생성된 가상 바디 모델, 오른쪽 패널에는 원본 이미지에 겹쳐진 가상 모델이 표시됩니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig07large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
대표적인 폭발 과압 시뮬레이션 폭발 장면을 설정한 후 저자는 폭발 과압(BOP) 시뮬레이션을 실행하는 임계 단계로 진행할 수 있었습니다. 이를 통해 무기 발사 현장에 관련된 다양한 군인에 대한 폭발 하중 분포를 이해할 수 있습니다. 그림 8 은 AT4 무기 발사 이벤트 중 이러한 BOP 시뮬레이션의 결과를 나타냅니다. 시뮬레이션은 시간이 지남에 따라 서로 다른 순간에 장면의 가상 군인에 대한 과압 부하에 대한 자세한 시각화를 제공합니다. 결론적으로, 이 결과는 실현 가능성뿐만 아니라 무기 훈련 시나리오의 정확하고 분석적으로 유용한 재구성을 생성하는 프로토콜의 효과를 보여주며, 이를 통해 군사 훈련 안전 및 효율성에 대한 보다 발전된 연구를 위한 길을 열었습니다.
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/66575/66575fig08.jpg"> 그림 8: 슈터에 대한 폭발 과압 노출. (A, B, C, D) 4개의 패널은 서로 다른 순간에 M120 박격포 발사에 참여한 가상 군인에 대한 예측 폭발 과압 모델을 보여줍니다. 패널 (C) 및 (D)는 지면 반사로 인한 과압 전파를 보여줍니다. <a href="https://www.jove.com/files/ftp_upload/66575/66575fig08large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>

Military personnel involved in weapon training are subjected to repeated low-level blasts. The prevailing method of estimating blast loads involves ...

generation-warfighter-avatars-from-weapon-training-scene-images-for

Research

연구

JoVE Journal

Engineering

공학

이 실험 패러다임이 진짜 범죄에 목격자가 메모리에서 범인의 전체적인 얼굴 합성을 만든 다음 범죄자 또는 그 또는 그녀가하는 일을 포함하는 비디오 라인업에서 범인을 식별하기 위해 시도 할 수있는 상황을 복제 적용 현재가 아닌.

전체적 얼굴 복합 작성 및 후속 비디오 라인업 목격자 식별 패러다임

여기, 우리는 가상 손과 몸 관련 자기 인식 / -representation을 연구하는 데 사용할 수있는 가상 얼굴 환상의 패러다임을 설명합니다. 이들은 이미 특정 조건 하에서, 가상 손이나 얼굴 본체 표현 오히려가요임을 시사의 몸 표현으로 통합 될 수 있다는 것을 보여주기를 위해 다양한 연구에 사용되었다.

가상-손과 가상 얼굴 환상을 만드는 것은 자기 표현을 조사하기

셀 충격파에 노출에 의해 변조는 어떻게 이해는 폭발 이벤트에서 발생 하는 부상 뒤에 메커니즘을 식별 하는 것을 도울 수 있다. 이 프로토콜 사용자 충격 관 장비를 사용 하 여 셀 monolayers에 압력의 범위에 충격파를 적용할 세포 생존 능력에 후속 효과 확인.

평가 기본 폭발 효과 체 외에

우리는 여기에 설치류를위한 폭발파 모델의 프로토콜을 제시하여 경증에서 중등도의 외상성 뇌 손상의 신경 생물학적 및 병리 생리학적 효과를 조사합니다. 우리는 압력 센서가 장착 된 가스 구동식 벤치 탑 설정을 구축하여 폭발로 인한 경증에서 중등도의 외상성 뇌 손상을 안정적이고 재현 가능한 생성이 가능하도록했습니다.

설치류의 폐쇄 머리 경미한 외상성 뇌 손상의 전임상 평가를위한 저강도 폭발파 모델

이 기사는 실험실 설치류의 "아바타" 근육을 사용하여 근력 반응에 대한 긴장 과도 및 활성화의 기여도를 평가하기 위해 생체 외 작업 루프 실험 중 생체 내 근육 힘 생성을 에뮬레이트하는 방법론에 대해 자세히 설명합니다.

"Avatar", In vivo 변형 및 활성화를 사용한 변형된 Ex vivo Work Loop 실험

여기에 제시된 것은 마우스를 사용하여 반복적인 저강도 폭발 노출을 생성하는 방법입니다.

마우스에서 매우 반복적인 낮은 수준의 폭발 노출 모델링

가상 현실 환경에서의 운동 이미지는 뇌-컴퓨터 인터페이스 시스템에 광범위하게 응용됩니다. 이 원고는 가상 현실 환경에서 참가자가 상상한 동작을 수행하는 참가자와 유사한 개인화된 디지털 아바타를 사용하여 몰입감과 신체 소유 의식을 향상시키는 방법을 설명합니다.

가상 현실 지원 뇌-컴퓨터 인터페이스 환경에서 구현된 디지털 트윈을 통한 모터 이미지 성능

이 논문은 360도 이미지, 가우시안 스플래팅 및 가상 현실 통합을 사용하여 사실적인 3D 재구성 시스템을 제시합니다. 이 접근 방식은 교육, 학습 환경 시뮬레이션과 같은 다양한 응용 프로그램에 적용할 수 있습니다. 건설, 현장 밖에서 작업을 시뮬레이션하고 메트릭을 검색합니다. 또는 건강 관리, 자폐증 환자에게 일상 생활 과제를 훈련시킵니다.

증강 현실을 위한 사실적인 학습된 풍경

3D 가상 실험의 자동화된 워크플로우에 시뮬레이션 및 데이터 처리 도구를 통합하려는 분야 전문가 연구자들을 위한 일반화되고 FAIR 준수 방법을 제시합니다. 중성자 예시로는 로컬 갤럭시 인스턴스 설정, OpenMC 및 파일 변환 도구 래핑, Omniverse에서 워크플로우 실행, 변환된 3D 출력 시각화 등이 있습니다.

메타버스 가상 실험을 위한 자동화된 시뮬레이션 워크플로우와 3D 시각화 통합

의 현장 중간 적외선 supercontinuum의 생성을위한 칼 코게 나이드 광섬유 테이퍼

학습하세요 머신러닝 기반 3D 자세 추정을 활용한 폭발 노출 예측 방법입니다. 카메라 영상에서 전투원 아바타를 자동 생성하여 무기 훈련 장면의 충격파 과압을 실시간으로 평가하고 부상 위험을 분석합니다.

폭발 노출 시뮬레이션을 위한 무기 훈련 장면 이미지에서 전투원 아바타 생성

더 많은 동영상 탐색