无人机飞行员神经认知特征研究：基于WinSCAT评估的专家潜力预测模型

本研究针对无人机飞行员选拔缺乏标准化认知评估工具的现状，通过WinSCAT神经认知测试结合AeroSIM RC模拟飞行和Phantom 3标准实飞实验，发现工作记忆(MTSRT)与数学处理速度(MTHRT)是预测飞行表现的关键指标。研究证实高认知能力的新手可达到专家水平，为优化飞行员选拔体系提供了神经科学依据。

　　

随着无人机在军事和民用领域的爆炸式增长，如何高效选拔合格飞行员成为关键难题。传统依赖飞行经验的选拔方式成本高昂，而现有认知评估工具如CogScreen和TBAS多针对有人驾驶飞机设计，且需要专用硬件支持。更棘手的是，无人机操作存在"人机分离"特性，飞行员需在缺乏本体感觉的情况下维持空间态势感知(SA)，这对认知能力提出独特要求。

为破解这一难题，来自西班牙的研究团队开展了一项创新研究。他们采用NASA开发的Windows太空认知评估工具(WinSCAT)对36名参与者（31名新手、5名持证专家）进行测试，评估包括视觉空间工作记忆、注意力和处理速度等核心认知维度。通过AeroSIM RC模拟器训练和Phantom 3标准无人机实飞测试，研究人员首次建立了认知能力与飞行表现的量化关系模型。

关键技术方法包括：1）采用WinSCAT进行标准化神经认知评估（含符号记忆CDDRT、连续表现测试CPTRT等子测试）；2）基于AeroSIM RC模拟器的24项分级飞行训练；3）在标准化体育场馆设计的实飞任务（含空间标记识别与任务执行）；4）非参数统计方法分析认知与飞行表现的相关性。

【研究结果】
2.1 参与者特征
新手组（n=31）通过模拟器测试筛选出15名"进阶组"，其平均完成时间（28.07±7.60分钟）显著短于普通新手（78.23±21.18分钟）。专家组（n=5）均持有无人机驾驶执照，平均年龄42.4岁。

2.2 材料与方法
WinSCAT测试显示，符号记忆准确率(CDDA)与翻译错误呈负相关(r_s
=-0.432)，而模式反应时间(MTSRT)与油门错误显著正相关(r_s
=0.429)。数学处理反应时间(MTHRT)能解释模拟器错误总数38.1%的变异(R²
=0.381)。

1. 结果
   3.1 认知差异
   进阶组在MTSRT（p=0.014）和MTHRT（p=0.002）测试中反应速度显著快于普通新手。值得注意的是，进阶组与专家组的实飞表现无统计学差异（p>0.05），验证了认知评估的预测效度。

2. 讨论与结论
   该研究首次证实视觉空间工作记忆和加工速度是无人机操作的核心认知支柱。特别值得关注的是，MTHRT测试中每增加1ms反应时间，模拟器错误增加0.052个（β=0.513），这为选拔标准量化提供了直接依据。研究还打破了"年龄决定论"，证明通过神经认知筛查可发现具有专家潜质的素人。

这项发表于《Computers in Human Behavior Reports》的成果具有三重意义：首先，开发出仅需标准电脑的15分钟快速筛查方案，相比传统131分钟测试大幅提升效率；其次，证实WinSCAT在航空领域的跨场景适用性；最后，为建立无人机飞行员特异性认知评估标准奠定基础。正如研究者强调的，在乌克兰战场等高压环境下，这种"认知优先"的选拔策略可能成为提升作战效能的关键突破点。