Xây dựng đối tượng tự động điều khiển ứng dụng trong mô phỏng huấn luyện nhảy dù

Các tác giả

  • Nguyễn Trung Kiên Học viện Kỹ thuật quân sự
DOI: https://doi.org/10.59294/HIUJS2026044

Từ khóa:

học tăng cường, PPO, mô phỏng huấn luyện, nhảy dù, tác nhân AI

Tóm tắt

Nhảy dù là một môn thể thao mạo hiểm đồng thời cũng là nội dung huấn luyện quan trọng trong quân đội, yêu cầu người tham gia phải có bản lĩnh tâm lý vững vàng và nắm vững kỹ thuật chuyên môn. Trong thực tế, nhảy dù thường được tổ chức nhảy theo nhóm, với nhiều người nhảy cùng một đợt. Do đó, người nhảy dù cần rèn luyện khả năng phối hợp, xử lý tình huống như tránh va chạm trên không, giữ khoảng cách an toàn, hoặc xử lý khi nhiều dù cùng hạ cánh tại một khu vực. Bài báo đề xuất mô hình ứng dụng trí tuệ nhân tạo để phát triển các đối tượng nhảy dù ảo cùng tham gia quá trình nhảy dù và có khả năng tự động điều khiển dù sau khi nhảy ra khỏi máy bay để tiếp cận vị trí xác định trên mặt đất. Giải pháp này có thể được tích hợp vào các phần mềm mô phỏng huấn luyện nhảy dù, nhằm hỗ trợ huấn luyện người nhảy dù trong việc thực hành các nhiệm vụ nhảy dù theo nhóm. Kết quả nghiên cứu cho thấy việc tích hợp trí tuệ nhân tạo vào hệ thống mô phỏng huấn luyện nhảy dù là khả thi và có tiềm năng ứng dụng thực tiễn, góp phần nâng cao hiệu quả đào tạo và giảm thiểu rủi ro so với phương pháp huấn luyện truyền thống.

Abstract







Parachuting is an extreme sport that also serves as an important training component in the military, requiring participants to possess strong psychological composure and master specialized techniques. In practice, parachuting is typically organized as group jumps, with multiple people jumping in the same wave. Therefore, parachutists need to train their coordination abilities and situational handling skills, such as avoiding mid-air collisions, maintaining safe distances, or managing situations when multiple parachutes land in the same area. This paper proposes a model applying artificial intelligence to develop virtual objects that participate in the parachuting process and are capable of automatically controlling the parachute after exiting the aircraft to approach a designated position on the ground. This solution can be integrated into parachute training applications to support training parachutists in practicing group jump missions. The research results demonstrate that integrating artificial intelligence into parachute training applications is feasible and has practical application potential, contributing to improved training effectiveness and reduced risks compared to traditional training methods.







Tài liệu tham khảo

[1] J Hogue, J., Allen, R., MacDonald, J., Schmucker, C., Markham, S., & Harmsen, A. "Virtual reality parachute simulation for training and mission rehearsal," In 16th AIAA Aerodynamic Decelerator Systems Technology Conference and Seminar, 2001.

[2] BiSIM, "PARASIM - Virtual Reality Parachute Training Simulator," 2025.

[3] Quantum3D, "VPS - Virtual Reality Parachute Simulator," 2025.

[4] Havelsan, "Havelsan - Parachute Simulator," 2025.

[5] N. T. Kiên, L. Anh, N. T. Lan, "Nghiên cứu xây dựng hệ thống mô phỏng huấn luyện nhảy dù ứng dụng công nghệ thực tế ảo," in Hội thảo quốc gia lần thứ XXIV: Một số vấn đề chọn lọc của công nghệ thông tin và truyền thông, 2021.

[6] S. A. Forces, "Fact Sheet - Parachute Flight Simulator," Ministry of Defence Singapore, 2018.

[7] SimCentric, "VR simulator platform trialled by British Armed Forces (including Parachute Regiment)," Army Technology / UK MoD, 2020.

[8] R. S. Sutton, "Learning to Act Using Real-Time Dynamic Programming," Journal of Artificial Intelligence, vol. 4, p. 105-131, 1993.

[9] Kiran, Bangalore & Sobh, Ibrahim & Talpaert, Victor & Mannion, Patrick & Sallab, Ahmad & Yogamani, Senthil & Perez, Patrick, "Deep Reinforcement Learning for Autonomous Driving: A Survey," IEEE Transactions on Intelligent Transportation Systems, pp. 1-18, 2021.

[10] Z. Guo, "A review of decision-making frameworks for autonomous vehicles," Applied and Computational Engineering, pp. 142-150, 2024.

[11] Timothy P. Lillicrap, Jonathan J. Hunt, Alexander Pritzel, Nicolas Heess, Tom Erez, Yuval Tassa, David Silver, Daan Wierstra, "Continuous control with deep reinforcement learning," arXiv:1509.02971, 2019.

[12] Schulman, F. Wolski, P. Dhariwal, A. Radford, and O. Klimov "Proximal Policy Optimization Algorithms," arXiv preprint arXiv:1707.06347., 2017.

[13] A. Z. P. A. S. L. Tuomas Haarnoja, "Soft ActorCritic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor," arXiv:1801.01290v2, 2018.

[14] H. v. H. D. M. Scott Fujimoto, "Addressing Function Approximation Error in Actor-Critic Methods," arXiv:1802.09477v3, 2018

Tải xuống

Số lượt xem: 0
Tải xuống: 0

Đã xuất bản

24.03.2026

Cách trích dẫn

[1]
N. T. Kiên, “Xây dựng đối tượng tự động điều khiển ứng dụng trong mô phỏng huấn luyện nhảy dù”, HIUJS, số 40, tr 175–186, tháng 3 2026.

Số

Chuyên mục

KỸ THUẬT VÀ CÔNG NGHỆ