国产智能头盔投入“实战”,不仅能透明侦察,还能显示三维沙盘

国产智能头盔投入“实战”,不仅能透明侦察,还能显示三维沙盘

11月19日,据兵器工业208所官方媒体账号披露,由该所牵头开发的新一代“融智”单兵智能信息融合头盔系统,已正式投入此次亚太峰会的安防保障的“实战”工作。该系统外观结构与美军IVAS视觉增强系统比较类似,但是集成了智能交互技术,功能更加丰富。

【208所官方账号发布信息】

【“融智”单兵智能信息融合头盔系统】

融智系统主要承担透明环境侦察、三维电子沙盘显示、多模无人操控、人机协同指挥控制四类任务。其中透明环境侦察通过多源传感信息融合,将佩戴者视野之外的态势信息叠加至近眼显示画面,使现场具备近似“透明”的可观察性。

三维电子沙盘显示则可以将传统二维指挥沙盘升级为可穿戴式立体呈现,便于一线指挥员在不脱离现场的情况下完成态势研判。多模无人操控则通过手套与鼠尾等操控终端,能够对无人机、无人车等装备实施敏捷操控;人机协同指挥控制则强调现场人员、无人平台与指挥所之间的实时信息闭环,将传感器、操控端与指挥节点串联为一体。

【“融智”单兵智能信息系统的功能】

在该系统的四类模块中,增强显示智能头盔是融智系统的感知与显示核心。根据公开资料,该头盔综合运用增强现实、人工智能、光电探测等技术,能够实现微光和热红外融合的夜视观察,目标自动检测识别、态势地图显示和视野共享,并可通过战术电台形成班组多人协同与有人、无人协同能力。

算法层面,头盔自研的目标识别与深度估计算法结合深度学习与传统机器学习,实现可见光与红外图像的多目标检测识别与距离解算,其中可见光图像目标检测准确率不低于95%,红外图像目标检测准确率不低于90%,可见光深度估计准确率不低于90%,红外深度估计准确率不低于80%。

其采用的微光红外融合算法实现了微光与红外图像的像素级配准和融合,可突出敏感目标并勾勒环境与目标轮廓;智能伪彩上色算法结合基于深度学习的场景识别与基于图像质量评价的模板匹配策略,实现灰度图像实时彩色化;智能真彩上色算法基于卷积神经网络与视觉Transformer架构,并引入生成对抗网络,可在任意场景下逼近真实色彩,从公开画面来看,融智系统生成的画面色彩已接近真实观感。

【美军的IVAS系统】

作为对照,美军集成视觉增强系统IVAS由微软公司自2018年开始研制,2025年2月起由Anduril Industries接管硬件与软件的生产、未来研发与交付时间线。该系统以微软HoloLens 2为基础架构,由显示单元、被称为“puck”的计算单元、网络数据电台与三块贴合式电池组成,可在士兵视野中叠加热成像与微光成像传感信息,并通过电台在班组范围内实现数据互通。

其中IVAS 1.2版本整机重量约1.5千克,研发目标重量约1.3千克,显示视场角为60度,较早期版本的70度有所缩减,采用可上翻的平面显示单元,计算单元后置于头盔以改善重心分布。IVAS单价约2.92万美元,整体合同金额上限达218.8亿美元,计划装备美国陆军近战部队至少12万人。

值得一提的是,IVAS在研制过程中暴露出明显问题。2022年作战测试后,士兵反映使用中存在头痛、眼疲劳、恶心等生理不适,美国国防部监察长办公室对此发出警示,认为这些问题可能导致士兵即便配发也不愿使用。1.2版本引入的班组沉浸式虚拟训练器还面临“动态遮挡限制”问题,即增强现实设备难以模拟真实物体对虚拟物体视线的遮挡。

这些问题使IVAS列装时间从原定的2021年多次推迟至2025年,并进一步向后顺延。需要补充的是,美军同时装备的增强夜视双目镜ENVG-B与单兵武器瞄具FWS-I组合,可通过无线方式将武器瞄具图像以画中画形式投射至夜视镜,实现掩体后射击能力,但其属于夜视与武器瞄具组合,并非完整的AR头盔系统。

就技术类型而言,208所融智系统中的战术智能头盔与美军IVAS同属近眼显示AR头盔这一装备类别,二者均以增强现实叠加传感图像为主要机制,且均具备多源传感融合、班组数据互通、态势感知增强等功能,可视为同一类系统。

但二者在系统边界与应用定位上也存在明显区别。融智系统并非单一头盔,而是由头盔、耳机、手套、鼠尾等模块组成的完整人机协同系统,设计目标更接近大型活动安防与城市反恐场景下的指挥控制与多模无人操控,而非IVAS所面向的步兵班排近距离作战。

综上所述,融智系统将原本面向野战的AR单兵装备思路引入大型国际会议安保场景,通过模块化设计将感知、交互、操控、指挥四类能力集成为一体,形成可穿戴、可协同、可指挥的现场安防平台。它与美军IVAS在底层技术路线上同属一类系统,但在系统构成、应用场景、列装定位上存在明显区别。

融智系统在此次峰会的部署,也标志着国内AR安防装备已从单点功能验证阶段,进入系统集成与重大任务保障阶段。后续,该系统的重量控制、长时间佩戴工效、动态遮挡处理等问题,将是此类系统在更复杂任务场景下进一步应用时需要不断攻关的技术难题。