《基于机器和因果学习研究空军模拟器真实感差距》CMU 项目总结15页slides

问题

美国空军在前几年指出（1）模拟真实的飞行动态和测试更复杂的系统行为越来越困难，（2）航空电子设备的变化现在需要两年的回归测试，这是无法接受的。在保持真实性的同时进行更有效的测试是非常必要的。技术上的限制在于无法分析/模拟由数百个参数决定的航空电子系统行为，以实现真实的飞行动力学和早期识别问题。

解决方案

一个新的模拟和测试评估平台，从飞行测试中识别出数百个参数的行为，这在现有的飞机航电模拟和测试中是不明显的。这个评估平台还将指定额外需要的模拟场景和测试，以实现与飞行测试更真实的行为匹配。

方法路径

SEI将致力于开发软件（Java、C；1553总线和以太网），以访问和管理飞行数据记录器的参数数据，供Bayesia和Tetrad使用。SEI还将开发与模拟和测试环境连接的软件，以实施SEI推荐的飞行方案。SEI将对现有的模拟场景（Bayesia）进行机器学习。然后，SEI将处理飞行测试参数数据，并在模拟和测试中没有体现的参数设置方面确定 "离群 "行为。该 "离群 "行为成为推荐其他模拟场景和测试的基础。SEI还将对飞行测试数据（Tetrad）进行因果学习，以进一步发现参数行为的模式和链条，代表了要纳入模拟和测试的额外情景。