查看引用/信息源请点击：映维网
共970万美元的资助奖励
（映维网 2021年08月24日）为了加快公共安全用户界面的研发，美国国家标准与技术研究所下属的公共安全通信研究部向Public Safety Innovation Accelerator Program Augmented Reality（公共安全创新加速器之增强现实领域）的八个获奖项目授予了970万美元的资助。
相关项目依然在研发之中，而获奖者将在约定时间内将原型和研究概念从实验室环境转变为商业应用。
美国国家标准与技术研究所认为，AR能够允许用户以独特的方式与技术进行交互，并具有支持消防、急救和执法等第一响应者的巨大潜力。例如，它能够减少认知过载、增强导航、以及补充现实生活中的培训解决方案等等。
然而，这项新技术在公共安全领域的广泛采用存在障碍，因为其涉及广泛的学科和角色，所以难以找到一个一体化的高质量解决方案。所以，识别公共安全用例并加快研发是成功采用AR技术的关键。
为了加速AR在公共安全领域的采用，并确保将相关从业经验纳入产品开发过程，美国国家标准与技术研究所正在下面列出的学术机构和企业团队合作，通过资金支持他们的项目，从而为通过AR处理公共安全用例提供独特的方案。
1. Context-Aware AR for Cognitive Assistance（用于认知辅助的情景感知型AR）
团队：弗吉尼亚大学
弗吉尼亚大学利用传感、计算和可视化技术的进步来提高第一响应者的实时态势感知能力。团队正在结合现有的AR技术、可穿戴传感和计算设备以及机器智能功能来开发一个认知辅助系统。它可以实时捕获、集成和评估事件数据，并且能够创建现场事件报告并向用户提供关于其响应行动的反溃
2.Extreme Reality (EXR) Telemetry Interface for Real-Time Operation and Training（用于实时手术与培训的极端现实遥测接口）
团队：卡内基梅隆大学
遥测技术是为应急响应团队提供有关响应者、受害者、目标和环境的态势感知的关键组成要素。然而，现有的硬件配置并不是为恶劣环境（如烟雾、黑暗或嘈杂的环境）而构建，所以，卡内基梅隆大学正在开发一个模块化的可穿戴AR平台。
3. SearchAR
团队：佛罗里达大学
佛罗里达大学的项目SearchaARde旨在利用UxE过程设计、原型和测试来个性化AR用户界面。名为SearchAR的交互方法属于认知驱动和情景相关，并且旨在支持紧急搜索和救援中的关键功能。当在搜索和救援中应用AR时，UxE方法可帮助解决人机交互方面的潜在挑战。本项目旨在确定在注意力分配和认知负荷之间实现平衡的设计。
4. EasyViZar
团队：威斯康星大学
威斯康星大学的EasyViZar旨在提供一个端到端的解决方案，以帮助解决常见的一系列室内紧急事件。为AR设备提供高端计算支持十分困难，因为巨大的计算成本会迅速耗尽电池或造成设备过热。这个项目提出通过便携式本地边缘计算平台，以及映射和定位技术和新颖的多模反馈来减轻计算负担。
5. First Responder AR Test Bed（第一响应者测试台）
团队：Research Triangle Institute International
认识到公共安全AR技术的设计、开发和评估需要新技术，Research Triangle Institute International研究所提议建立一个以用户为中心的第一响应者增强现实试验台。团队的方案旨在通过改善急救、执法和消防AR技术的现状来创建和支持公共安全用户界面市常
6. AR Interface for Public Safety Operations（用于公共安全操作的AR界面）
团队：BadVR
BadVR希望为公共安全操作员和运营中心活动设计和开发原型AR应用。通过利用新颖的沉浸式技术，急救人员将能够更好地访问关键决策信息，同时保持态势感知。他们将通过这个项目继续扩大其增强现实操作中心的能力。
7. Natural Authentication for Emergency Management AR（应急管理AR的自然认证）
团队：Cyber Bytes Foundation
Cyber Bytes Foundation（CBF）的项目旨在探索如何以自然的方式认证AR设备的第一响应者。首先，他们将确定代表性AR设备的认证方法，而第一响应者可在执行其职责时使用所述方法。其次，他们将确定并公布最佳做法和控制措施，以缓解认证方法中发现的安全和隐私漏洞。
8. ARCHANGEL
团队：Pison Technology Inc
Pison Technology Inc.正在开发用于裸手操作的手势工具ARCHANGEL，以更好地理解第一响应者和可穿戴设备之间的人机界面。ARCHANGEL提供了一种单手腕佩戴解决方案，其能够将直观的手指、手腕和手臂姿态映射成不同AR显示器和AR控制系统的控制。它主要通过使用机器学习分类器来实现这一点，通过监测神经肌肉系统中的微电压变化来表征手指、手腕和手臂的独特姿态。然后，相关人员可以利用软件开发工具包和开发者资源将所述手势映射成对电子产品的直观和高效控制。
