Integración de un simulador de vuelo con inteligencia artificial para las actividades de entrenamiento y reentrenamiento de los pilotos en la ESAVI

Abstract

Esta investigación tiene como objetivo caracterizar el funcionamiento de la simulación de vuelo basada en inteligencia artificial para la optimización del entrenamiento de pilotos en la Escuela de Aviación Policial. Para ello, se indagaron las desventajas del RedBird FMX y compararon algunas de sus funciones esenciales con la IA mediante la metodología exploratoria que se enfocó en la aplicación de una encuesta con Escala de Likert a un grupo de pilotos de la ESAVI. Esta tuvo como finalidad medir el nivel de acuerdo frente a una serie de enunciados que contrastan las características del RedBird FMX con la simulación basada en IA. Los datos contrastantes de este instrumento permitieron comprobar la hipótesis investigativa que afirma que se puede mejorar la experiencia de los pilotos en la simulación, mediante el aprendizaje automático y la asignación de una amplia variedad de pruebas que contribuyen a la eliminación de riesgos y potenciación de habilidades multitarea. Los resultados también dejaron como dato concluyente la falta de familiarización de los pilotos con la IA, por tanto, se propuso integrarla al RedBird FMX a través de un software de IA que puede generar escenarios de vuelo más dinámicos y adaptativos al nivel de habilidad y experiencia del piloto.

This research aims to characterize the operation of flight simulation based on artificial intelligence for the optimization of pilot training at the Police Aviation School. To do this, they investigated the disadvantages of RedBird FMX and compared some of its essential functions with AI using the exploratory methodology that focused on applying a Likert-scale survey to a group of ESAVI pilots. The purpose of this study was to measure the level of agreement against a series of statements that contrast the characteristics of the RedBird FMX with the simulation based on AI. The contrasting data of this instrument allowed us to verify the research hypothesis that the pilot experience in the simulation can be improved, through machine learning and assigning a wide variety of tests that contribute to risk elimination and multi-tasking skills empowerment. The results also left as conclusive data the lack of familiarity of the pilots with the AI, Therefore, it was proposed to integrate it into the RedBird FMX through AI software that can generate more dynamic and adaptive flight scenarios at the level of skill and experience of the pilot.