《Frontiers in Physiology》：A pilot-wellness-informed ecological framework for human-autonomy teaming in future fighter aviation
编辑推荐：
未来战斗机作战预计将结合能力日益增强的自主性、协同飞机、密集传感器信息以及持续的生理与认知需求。该观点文章提出一种飞行员健康知情生态框架（pilot-wellness-informed ecological framework），其中飞行员、飞行员专用数字孪生
未来战斗机作战预计将结合能力日益增强的自主性、协同飞机、密集传感器信息以及持续的生理与认知需求。该观点文章提出一种飞行员健康知情生态框架（pilot-wellness-informed ecological framework），其中飞行员、飞行员专用数字孪生（digital twin）、智能飞行管理系统（intelligent flight-management system，IFMS）、飞机和外部代理（external agents）被视为系统之系统（systems-of-systems）框架内的相互依存要素。该框架并不取代态势感知（situation awareness）、分布式认知（distributed cognition）、联合认知系统（joint cognitive systems）、自适应自动化（adaptive automation）或人-自主协同（human-autonomy teaming）。相反，它通过将飞行员的动态生理与神经认知状态、纵向变异性和健康相关约束明确为系统变量和设计目标，扩展了上述框架的分析单元。飞行员数字孪生被狭义定义为个体化状态估计与预测能力，而智能飞行管理系统整合飞行员、平台、任务和环境信息，以提供可解释建议，并在获授权时提供有界自适应行动。研究人员识别出关于个体化预测、自适应支持、共享态势感知、信任校准（trust calibration）和治理（governance）的可检验命题。该框架是前瞻性的，需要在仿真、训练和具有操作代表性的环境中验证。其目的是组织研究，以构建保护飞行员能动性、维持绩效并保留长期健康，同时利用能力日益增强的自主队友的系统。
论文解读
一、研究背景与问题
未来战斗机作战可能整合有人驾驶飞机、先进决策支持、协同作战飞机、分布式指挥控制与持续数据交换。飞行员角色可能从直接操纵车辆转向任务指挥、监督自主资产、解释融合信息和在人与机器团队中协商权限。这些变化可能减少手动作业，但也会重新分配认知与生理工作负荷。自动化可能造成模式混淆，并使操作员承担罕见但时间关键的干预责任。战斗机飞行员还暴露于加速度、缺氧风险、热应激、疲劳、振动、感觉负荷和时间压力。生理与行为测量可提供关于工作负荷、投入、疲劳和态势感知的补充信息，但个体差异显著，且从受控环境到操作环境的迁移有限。既有成熟人因框架已涉及态势感知、分布式认知、联合认知系统、自适应自动化和人-自主协同，但问题在于需要整合系统边界，将飞行员健康视为持续、个体化且与安全相关的实体。操作员状态监测常被框定为传感器或界面问题，团队研究常聚焦任务绩效，数字孪生常围绕设备或维护。未来战斗机需要连接控制行动、逐分钟工作负荷、训练适应、恢复与累积健康。因此，研究人员提出该框架，以扩展分析边界并提供可检验命题，服务于保护飞行员能动性、维持绩效和长期健康。
二、研究开展、结论与意义
研究人员提出一种飞行员健康知情生态框架（pilot-wellness-informed ecological framework），将飞行员、飞行员数字孪生（pilot digital twin，PDT）、智能飞行管理系统（IFMS）、飞机和外部代理视为系统之系统（systems-of-systems）中的相互依存要素。生态被用作本体和系统分析启发式，用于实体、关系、反馈、约束、适应和涌现行为，而不是AI的生物学分类，也不替代既有理论。框架贡献包括扩展边界、功能分离估计/预测/推荐/权限/执行，并提出关于绩效、安全、信任、隐私、认证和长期健康的可检验命题。其结论强调功能清晰：PDT估计和预测飞行员状态；IFMS整合飞行员、平台、任务和外部信息；飞行员保留意图、授权和覆盖；飞机在认证约束内执行。意义在于将飞行员健康同时作为自适应输入和联合系统评判结果，成功不以自主性增加衡量，而以团队是否更安全、更可预测、更具韧性并更能保护飞行员绩效和长期健康衡量。
三、关键技术方法
该文为Perspective，无实验性样本队列来源。方法上，研究人员采用操作生态学本体与系统分析启发式，界定五类实体及其功能边界；构建飞行员健康知情闭环自适应框架；将飞行员状态推断、任务级整合与推荐、决策权限和物理执行分离；提出五个可检验命题，并建议分阶段研究程序：从构念定义与传感器验证，到回顾性和前瞻性模型开发，再到仿真中闭环自适应评估，最后在高保真和操作代表性环境验证，涵盖正常操作、边缘案例、对抗或损坏输入、通信降级、传感器失效和模型漂移。
四、研究结果
2 理论基础与生态视角的附加价值：通过整合既有理论，作者认为人与自主团队需要协调而非割裂的态势感知，透明度应说明系统所知、为何推荐、下一步和不确定性，过度披露会增加负荷；自适应自动化目标应是可预测、可逆的工作分配，而非最大自主性。
2.1 既有人因基础：态势感知、分布式认知、联合认知系统、交互团队认知、自动化/自主性和自适应自动化共同定义了角色、协调、透明、共享心智模型和相互可预测性。
2.2 生态作为本体与研究启发式：操作生态被定义为生物、技术、计算和组织元素的有限网络；关系是首要分析对象，效应相互，时间尺度从飞控事件到累积健康，结果涌现；生态视角联系而非替代既有框架，AI组件可用持久性、信息访问、状态估计、学习、决策、权限和物理效应等属性描述。
3 实体、功能与边界：提出五类主要实体：飞行员、PDT、IFMS、飞机和外部代理，并给出功能边界。
3.1 飞行员：飞行员是生物操作员、任务指挥和伦理与专业责任承担者；状态多维时变，不能压缩为通用准备度分数；权限应明确，保留任务意图、授权或拒绝建议、指挥自主队友和覆盖，预授权例外需认证、透明宣告、有界行动和可审计。
3.2 飞行员数字孪生：PDT被狭义定义为个体化、动态更新的飞行员状态与响应模型；不是自主飞行员、飞控、临床诊断系统或指挥权限承担者；输出需含构念、时间范围、置信度、可解释贡献因素和失效条件；需纵向校准、外部验证、漂移监测、保守阈值和优雅降级。
3.3 智能飞行管理系统：IFMS整合飞机状态、任务目标、环境与外部代理信息、飞行员输入和置信加权PDT输出；可检测冲突、生成行动方案、预测任务后果、排序信息、建议任务重分配和协调协同飞机；仅在认证权限包线内命令，保留可追溯链，适应功能分级且可逆。
3.4 飞机与外部代理：飞机提供平台状态、座舱暴露、控制状态和传感器质量信息并执行命令；外部代理包括协同作战飞机、指挥控制、其他有人平台、情报、天气、维护和支持系统，其数据可改变工作负荷、威胁评估、任务分配和权限，延迟、链路退化、网络受损或目标分歧可改变团队行为。
4 飞行员健康知情自适应环路：框架形成闭环可治理循环；信号采集带质量指标，PDT估计预测，IFMS结合任务需求等在权限内选择响应，响应从监测、信息重排、界面简化到任务重分配、自主支持或预授权安全行动；后果用于评估。并非每个变化都需干预，生理信号间接非特异，多模态不消除构念效度、时间对齐、个体校准和情境需求；宜用置信加权和保守阈值。适应遵循最小侵入有效响应原则，目标不是最小工作负荷，而是动态区域。
5 人-AI协调、认知与信任：通过理论分析，作者认为信任必要但不充分，目标是校准信任；欠信任导致弃用和负荷，过信任导致自动化偏见、监测减少和干预延迟。座舱系统应支持共享心智模型、可指导性、相互可预测性和共同基础；权限协商重要，应区分咨询、同意式自适应和预授权应急模式；训练应发展团队技能，PDT和IFMS需在代表性飞行员和情境中评估，个性化不能为未验证在线学习辩护，仿真可校准模型。
6 可检验命题与研究议程：提出五个命题。6.1 个体化状态模型在定义结局和时间范围上应优于仅群体阈值，需前瞻测试，结局含区分度、校准、虚警负担、检测时间及传感器丢失和分布漂移下稳健性。6.2 在任务需求与疲劳、工作负荷、缺氧、加速度、热应激等经验证状态交互场景中，结合飞行员状态估计与任务/平台信息应优于仅任务状态自适应；不预测普遍获益。6.3 明确角色和置信感知解释应改善校准依赖和共享态势感知，测量信任校准而非仅信任。6.4 可逆分级适应比二元控制转移产生更大韧性，除非时间至伤害要求立即行动。6.5 治理决定接受和操作效用，当目的、访问规则、保留、不确定性和对飞行状态影响明确且独立治理时，飞行员更愿使用生理监测。分阶段研究程序从构念定义与传感器验证开始。
7 安全、认证、伦理与治理：通过治理分析，作者认为持续学习使认证、配置控制、可追溯性和保证复杂化，运行系统需验证模型版本、受控更新周期、性能监测、回滚和事件日志；证据阈值随权限和错误后果提高。生理和神经认知数据敏感，治理应规定目的限制、数据最小化、访问控制、加密、保留、二次使用、审计和质疑推断机制。网络安全与安全不可分。伦理设计要求保护能动性，避免自动化中介胁迫。
8 局限性：该观点文章前瞻，不验证具体飞机架构、传感套件、数字孪生实现或自主政策；未来战斗机术语不指特定编号代次；生态目前是组织本体和研究启发式，非数学指定预测理论；PDT-IFMS分离是功能性而非物理性；生理推断受信号质量、运动、环境伪迹、个体差异、构念模糊和有限真值限制。框架应视为研究议程，非即时部署认可。
9 讨论：中心设计原则是功能清晰；PDT估计预测飞行员状态，IFMS整合，飞行员保留意图、授权和覆盖，飞机在认证约束内执行；飞行员健康既是自适应输入也是联合系统评判结果；框架刻意可检验并受不确定性、人的权威、隐私、网络安全和认证约束；成功不以自主性多少衡量，而以团队是否更安全、更可预测、更具韧性、更能保护飞行员绩效和长期健康衡量。
结论翻译：未来战斗机航空可能从飞行员与工具集合之间的交互，演变为分布式人-自主系统中的协同。既有的人因理论已经解释这一转变的许多基本特征。本文提出的飞行员健康知情生态框架将这些基础与个体化生理建模、数字孪生、自适应自主性和纵向健康考量整合。中心设计原则是功能清晰。PDT估计并预测飞行员状态；IFMS整合飞行员、平台、任务和外部信息；飞行员保留意图、授权和覆盖；飞机在认证约束内执行命令。飞行员健康成为自适应的输入，也成为评判联合系统的结果。该框架刻意可检验，并受不确定性、人的权威、隐私、网络安全和认证约束。其成功不应以增加了多少自主性来衡量，而应以由此形成的团队是否更安全、更可预测、更具韧性，以及是否更能保护飞行员绩效和长期健康来衡量。
