Інформаційна система "Віртуальний тренажер оператора антидронової рушниці"

Abstract

У бакалаврській кваліфікаційній роботі розглянуто розробку інформаційної системи "Віртуальний тренажер оператора антидронової рушниці" на базі технологій віртуальної реальності (VR), спрямованої на підвищення кваліфікації операторів антидронових систем у Збройних силах України. Актуальність теми зумовлена зростанням використання безпілотних літальних апаратів (БПЛА) у сучасних війнах, зокрема в Україні, де кількість атак зросла з 334 у січні 2024 року до 3907 у лютому 2025 року [1]. Традиційні методи підготовки операторів, такі як стрільбища, є дорогими та небезпечними, що робить VR-тренажери перспективним рішенням. Система створена з використанням Unreal Engine 5.5.4 та гарнітури Meta Quest 2, що забезпечує імерсивне середовище для моделювання бойових умов. Метою роботи було розробити VR-тренажер, який імітує виявлення, відстеження та нейтралізацію БПЛА з урахуванням погодних умов і часу доби. Проведено системний аналіз об’єкта дослідження, що включав аналіз предметної галузі та літературних джерел [2, 3]. Застосовано метод аналізу ієрархій (МАІ), який класифікував систему як симуляційну інформаційну систему (СІС), що підтверджує її відповідність цілям моделювання [4]. Розроблено концептуальні моделі, зокрема ERD і DFD, для структури даних і потоків інформації. Реалізована VR-сцена включає ландшафт, інтерактивну модель антидронової рушниці та логіку поведінки дронів, а також систему оцінювання результатів тренувань. Наукова новизна полягає в адаптації VR-тренажера до потреб українських Збройних сил із використанням доступних інструментів, інтеграцією динамічної поведінки дронів і системою аналізу результатів [5]. Практична цінність полягає в готовності системи до впровадження в навчальні центри, що сприяє підвищенню боєготовності. Тестування підтвердило стабільність і ефективність тренажера, хоча виявлено потребу в оптимізації для уникнення затримок [6]. Перспективи розвитку включають додавання нових сценаріїв і адаптивних алгоритмів для персоналізації навчання [7].

The bachelor’s thesis focuses on the development of the information system "Virtual Trainer for Anti-Drone Rifle Operator" based on virtual reality (VR) technologies, aimed at enhancing the training of anti-drone system operators within the Armed Forces of Ukraine. The relevance of the topic stems from the increasing use of unmanned aerial vehicles (UAVs) in modern warfare, particularly in Ukraine, where the number of attacks rose from 334 in January 2024 to 3907 in February 2025 [1]. Traditional training methods, such as live firing ranges, are costly and hazardous, making VR trainers a promising alternative. The system was developed using Unreal Engine 5.5.4 and the Meta Quest 2 headset, providing an immersive environment for simulating combat conditions. The objective of the thesis was to create a VR trainer capable of simulating the detection, tracking, and neutralization of UAVs, taking into account weather conditions and time of day. A systematic analysis of the research object was conducted, encompassing a review of the subject domain and literature sources [2, 3]. The Analytic Hierarchy Process (AHP) was applied, classifying the system as a simulation information system (SIS), confirming its alignment with modeling objectives [4]. Conceptual models, including ERD and DFD, were developed to define the data structure and information flows. The implemented VR scene features a landscape, an interactive anti-drone rifle model, drone behavior logic, and a system for evaluating training results. The scientific novelty lies in adapting the VR trainer to the needs of the Ukrainian Armed Forces using accessible tools, integrating dynamic drone behavior, and incorporating a results analysis system [5]. The practical value is evident in the system’s readiness for deployment in training centers, contributing to improved combat readiness. Testing confirmed the trainer’s stability and effectiveness, though optimization is needed to prevent delays [6]. Future development prospects include adding new scenarios and adaptive algorithms for personalized training [7].