Generación de avatares de combatientes a partir de imágenes de escenas de entrenamiento de armas para simulaciones de exposición a explosiones

Utilizando grabaciones de cámaras, el trabajo actual busca desarrollar un método automatizado para generar modelos virtuales de combatientes de guerra para predecir la exposición a explosiones en escenarios de entrenamiento con armas. La pregunta clave es si podemos acelerar el proceso de creación de estos modelos de miembros del servicio virtual para una estimación rápida de la exposición. Este trabajo utiliza las últimas herramientas basadas en aprendizaje automático para la estimación de la pose humana en 3D desde una sola cámara.

Estas herramientas nos permiten extraer la posición y postura de cada persona en una imagen, agilizando el proceso de simulación de una exposición a explosiones. El uso de otros sensores es difícil porque los miembros del servicio en entrenamiento no tienen tiempo para colocar muchos sensores diferentes. Sin embargo, una cámara puede grabar fácilmente una sesión de entrenamiento militar, por lo que nuestro trabajo aprovecha esa modalidad para superar las limitaciones de otros tipos de sensores.

Nuestra herramienta BOP es la primera herramienta computacional para predecir la explosión de nuestra presión sobre los miembros del servicio utilizando modelos de ejecución rápida optimizados con presión de campo y datos de sensores. Replica sistemáticamente la postura y posición de los miembros del servicio durante el disparo del arma, con el objetivo de estimar con precisión la sobrepresión en diferentes regiones anatómicas del miembro del servicio. Nuestro objetivo es mejorar y hacer la transición de la granalladora actual o la herramienta de presión a un producto de control de sobrepresión de voladura en tiempo real para la exposición del acumulador.

También trabajaremos para correlacionar esta dosis con la respuesta de TBA para la evaluación del riesgo de lesiones.