Rzeczywistość wirtualna w szkoleniu wojskowym: architektura symulacji immersyjnej i kompromisy wydajnościowe

Żołnierz może przećwiczyć szturm setki razy w środowisku VR przed pierwszą iteracją na żywo, budując pamięć proceduralną bez zużywania amunicji, zajmowania fizycznej strzelnicy czy narażania kogokolwiek na ryzyko podczas nabywania umiejętności. Ta prosta arytmetyka leży u podstaw rosnącego wdrażania systemów rzeczywistości wirtualnej i rozszerzonej (XR) w wojskowych ścieżkach szkoleniowych na całym świecie. Jednak VR nie jest przezroczystym zamiennikiem szkolenia fizycznego. To technologia o określonych wymaganiach renderowania, twardych ograniczeniach opóźnień i wyzwaniach integracyjnych, które po spełnieniu zapewniają autentyczne zdolności, a po zignorowaniu tworzą system wywołujący mdłości, przerywający immersję i niezdolny do przeniesienia umiejętności do rzeczywistego środowiska. Ten artykuł analizuje architekturę techniczną wojskowych systemów szkoleniowych VR: co musi zapewnić potok renderowania, na co pozwala budżet opóźnień, jak działa synchronizacja wieloosobowa oraz w którym miejscu VR łączy się z szerszym ekosystemem szkolenia na żywo, wirtualnego i konstruktywnego (LVC).

Co VR i XR zapewniają w szkoleniu wojskowym, czego nie potrafi konwencjonalna symulacja

Symulacja na komputerach stacjonarnych i ekranowe narzędzia szkoleniowe istnieją od dziesięcioleci, ale dzielą fundamentalne ograniczenie: szkolony pozostaje fizycznie świadomy, że siedzi przed ekranem. VR z wyświetlaczem nahełmowym przełamuje tę świadomość, całkowicie zastępując otaczające pole widzenia i wywołując poczucie obecności, czyli psychologiczny stan odczuwania fizycznej obecności wewnątrz symulowanego środowiska. Obecność napędza przeniesienie umiejętności ze szkolenia. Gdy żołnierz naprawdę wierzy, że porusza się przez budynek, jego fizjologiczna reakcja na stres, opóźnienie decyzji i zachowania motoryczne bardziej przypominają to, czego doświadczy w rzeczywistym środowisku, niż cokolwiek, co może wywołać płaski ekran. To jest podstawowa wartość szkoleniowa, którą VR zapewnia ponad konwencjonalną symulację: medium do uodparniania na stres i powtórek proceduralnych, którego wierność psychologiczna jest o rzędy wielkości bliższa rzeczywistości.

Systemy rzeczywistości rozszerzonej, czyli te, które łączą treść rzeczywistą i wirtualną na wyświetlaczu przezroczystym, takie jak gogle rzeczywistości rozszerzonej (AR), dodają kolejną zdolność: nakładanie syntetycznych jednostek i informacji na świat fizyczny. Umożliwia to scenariusze szkoleniowe, w których prawdziwi żołnierze wchodzą w interakcje z wirtualnymi przeciwnikami i pojazdami w rzeczywistym terenie na zewnątrz, łącząc fizyczną autentyczność środowiska terenowego z kontrolą scenariusza i oprzyrządowaniem symulacji. Szkolenie oparte na XR może umieścić wirtualną kolumnę pancerną w prawdziwej linii drzew, stworzyć wirtualnych rannych do leczenia przez zespoły medyczne w prawdziwym budynku i nałożyć grafikę C2 na prawdziwy stół z mapą, a wszystko to z pełnym rejestrowaniem na potrzeby analizy po działaniu. Rozróżnienie między czystym VR (w pełni syntetyczne środowisko) a XR (środowisko mieszane) ma znaczenie dla projektowania szkolenia: VR jest optymalny dla umiejętności indywidualnych i środowisk syntetycznych bez odpowiednika w świecie rzeczywistym, podczas gdy XR jest optymalny dla szkolenia zbiorowego w rzeczywistych przestrzeniach, gdzie fizyczna interakcja z prawdziwymi członkami zespołu i prawdziwym terenem jest częścią szkolonej umiejętności.

Obie modalności dzielą wspólne wymaganie infrastrukturalne: silnik renderowania zdolny do generowania i wyświetlania fotorealistycznych lub taktycznie dokładnych środowisk syntetycznych przy liczbie klatek i rozdzielczościach, które ludzki układ wzrokowy akceptuje jako wiarygodne. Przepaść między tym, co projektant treści szkoleniowych chce przedstawić, a tym, co sprzęt potrafi wyrenderować w czasie rzeczywistym, jest centralnym napięciem inżynieryjnym każdego wojskowego systemu VR.

Wymagania potoku renderowania: liczba klatek, rozdzielczość i pole widzenia dla wojskowych przypadków użycia

Potok renderowania dla wojskowego VR musi spełniać jednocześnie trzy współzależne ograniczenia: liczbę klatek, rozdzielczość na oko i pole widzenia. Niepowodzenie w którymkolwiek z nich pogarsza wierność szkolenia w sposób bezpośrednio mierzalny w efektach przeniesienia umiejętności. Liczba klatek decyduje o tym, czy ruch wygląda płynnie: poniżej 90 Hz mózg postrzega szarpanie obrazu podczas szybkich ruchów głowy, przełamując poczucie obecności i wywołując dyskomfort. Scenariusze szkolenia wojskowego nie są łagodne. Żołnierze szybko skanują otoczenie, obracają się ku zagrożeniom i poruszają się przez środowiska w tempie, które nieprzerwanie obciąża potok renderowania. Gogle renderujące płynnie podczas statycznej demonstracji mogą gubić klatki przy połączeniu złożonego terenu na zewnątrz, wielu postaci awatarów, efektów broni i modeli pojazdów, których wymaga ćwiczenie VR na poziomie drużyny. Roboczy budżet klatki dla odświeżania 90 Hz wynosi 11,1 ms; przy 120 Hz wynosi 8,3 ms. Każdy element sceny, teselacja terenu, mapy cieni, shadery postaci, efekty cząsteczkowe, musi zostać wyrenderowany w ramach tego budżetu w każdej klatce, w przeciwnym razie asynchroniczna reprojekcja musi zsyntetyzować brakującą klatkę z poprzedniej. Reprojekcja pogarsza dokładność geometryczną podczas szybkiego obrotu głowy, co jest akceptowalne dla postrzegania płynnego ruchu, ale wprowadza opóźnienie pozycyjne 1–3 klatek, które może zakłócać precyzyjne zadania celowania.

Rozdzielczość na oko decyduje o tym, czy taktycznie istotne szczegóły są czytelne. Żołnierz korzystający z systemu VR do rozróżniania celów, czytania mapy lub wyrównywania przyrządów celowniczych wymaga wystarczającej rozdzielczości kątowej, aby rozróżnić szczegóły na odległościach, których wymagają te zadania. Przy rozdzielczości obecnych gogli wojskowych z górnej półki (2160x2160 na oko, około 35 pikseli na stopień w środku) małe sylwetki celów na 300 m są widoczne, ale nie drobiazgowo szczegółowe, a drobny tekst na wyświetlaczu mapy wymaga, aby użytkownik podszedł bliżej, niż zrobiłby to w rzeczywistości. Nie są to jedynie ograniczenia kosmetyczne, lecz wpływają na to, jak dokładnie szkolenie VR przenosi się na rzeczywiste zadania wykrywania celów i nawigacji. Pole widzenia jest trzecim ograniczeniem. Ludzki układ wzrokowy ma poziome pole widzenia około 200 stopni (z nakładaniem się obu oczu na około 120 stopni w centrum). Obecne gogle wojskowe oferują poziome pole widzenia 100–120 stopni, co wystarcza do wspierania zadań związanych ze świadomością peryferyjną, ale jest wyraźnie węższe niż rzeczywistość. Szkolenie do scenariuszy zależnych od wykrywania peryferyjnego, takich jak wykrywanie zagrożenia podczas skupienia na zadaniu, powinno uwzględniać redukcję pola widzenia w projekcie scenariusza.

Ograniczenia opóźnień: opóźnienie motion-to-photon i rozbieżność przedsionkowa w szkoleniu bojowym

Opóźnienie motion-to-photon to czas, jaki upływa między fizycznym ruchem głowy a odpowiadającą mu zmianą wyświetlanego obrazu docierającą do siatkówki. Gdy ten interwał przekracza około 20 milisekund, układ przedsionkowy, który wykrywa ruch głowy przez ucho wewnętrzne z rozdzielczością mikrosekundową, generuje sygnał rozbieżności: ciało się poruszyło, ale scena wizualna nie zaktualizowała się, aby to odzwierciedlić. Ta rozbieżność wyzwala chorobę symulatorową, formę choroby lokomocyjnej, której objawy obejmują mdłości, dezorientację, ból głowy i zmęczenie. W kontekście szkoleniowym choroba symulatorowa przedwcześnie kończy sesje, zmniejsza liczbę powtórzeń szkoleniowych, które żołnierz może wykonać dziennie, a w ciężkich przypadkach tworzy uwarunkowaną awersję do zakładania gogli w ogóle. Próg 20 ms jest twardym wymaganiem inżynieryjnym, a nie wytyczną.

Osiągnięcie opóźnienia motion-to-photon poniżej 20 ms wymaga optymalizacji każdego ogniwa potoku, od jednostki pomiaru inercyjnego (IMU) na goglach, przez silnik renderowania, po panel wyświetlacza. IMU musi próbkować z częstotliwością 1000 Hz lub wyższą, aby zapewnić dane o pozie z dokładnością poniżej milisekundy. Silnik renderowania musi stosować predykcję: na podstawie prędkości kątowej z IMU przewiduje, gdzie znajdzie się głowa, gdy klatka zostanie ostatecznie wyświetlona (zwykle 2–5 klatek w przyszłość przy 90 Hz), i renderuje z tego przewidzianego punktu widzenia, a nie z bieżącego. To predykcyjne renderowanie, w połączeniu z asynchronicznym timewarpem (ATW), operacją na poziomie GPU, która obraca wyrenderowaną klatkę, aby dopasować ją do rzeczywistej orientacji głowy w momencie wyświetlenia, redukuje efektywne opóźnienie motion-to-photon do 5–15 ms na nowoczesnym sprzęcie. Sam panel wyświetlacza wprowadza opóźnienie poprzez czas reakcji pikseli i taktowanie wyświetlania; panele OLED (stosowane w goglach Varjo i Pimax) osiągają czas reakcji pikseli poniżej milisekundy, podczas gdy panele LCD wprowadzają 5–10 ms dodatkowego opóźnienia, które częściowo niweluje zyski z ATW.

Scenariusze szkolenia bojowego szczególnie obciążają budżet opóźnień ze względu na nagłe, szybkie ruchy głowy związane z reakcją na zagrożenie, składaniem się z bronią i ruchem na bliskim dystansie. Żołnierz, który gwałtownie zwraca głowę ku bodźcowi zagrożenia, ruchem o czasie reakcji 300–600 stopni na sekundę, ujawni każde opóźnienie w potoku poprzez widoczne rozmazanie obrazu i opóźnienie pozycyjne na skrajnych zakresach pola widzenia. Systemy szkoleniowe przeznaczone do walki na bliskim dystansie, koordynacji załóg pojazdów lub jakiegokolwiek scenariusza obejmującego szybką reakcję na zagrożenie muszą być walidowane w tych dynamicznych warunkach, a nie tylko przy wolniejszych wzorcach ruchu głowy typowych dla pasywnej nawigacji punktu widzenia.

Sieciowy, wieloosobowy VR: synchronizacja pozycji i interakcji żołnierzy w obrębie drużyny

Indywidualne szkolenie VR jest użyteczne, ale szkolenie zbiorowe, czyli zdolność do umieszczenia sekcji ogniowej, załogi pojazdu lub elementu dowodzenia we wspólnym środowisku syntetycznym jednocześnie, jest miejscem, w którym VR zapewnia największy zwrot z inwestycji w stosunku do alternatyw fizycznych. Sieciowy, wieloosobowy VR wymaga, aby stan fizyczny każdego uczestnika (pozycja i orientacja głowy, pozycje kontrolerów w dłoniach oraz opcjonalnie śledzenie całego ciała) był przekazywany wszystkim innym uczestnikom na tyle szybko, aby awatary wydawały się poruszać ciągle i synchronicznie. Bazowa częstotliwość transmisji wynosi 60–90 Hz dla stanu głowy i rąk, co daje 60–90 pakietów UDP na sekundę na uczestnika. Dla ćwiczenia dziesięcioosobowej drużyny serwer obsługuje 600–900 komunikatów aktualizacji stanu na sekundę, czyli obciążenie trywialne w nowoczesnej sieci LAN, ale wymagające starannego priorytetyzowania w taktycznym środowisku sieciowym na ograniczonych łączach radiowych.

Dead-reckoning to standardowa technika redukcji zauważalnego wpływu opóźnień sieci na płynność awatarów. Każdy klient utrzymuje lokalny model fizyczny każdego zdalnego uczestnika i ekstrapoluje jego najbardziej prawdopodobną pozycję w przód w czasie na podstawie ostatnio znanej prędkości i przyspieszenia. Gdy nadchodzi nowa aktualizacja stanu, klient łączy ekstrapolowaną pozycję z odebraną pozycją w krótkim oknie interpolacji (zwykle 50–100 ms). Ta technika sprawia, że ruch awatara wydaje się płynny nawet w sieci LAN o opóźnieniu w obie strony 50–80 ms, kosztem niewielkich błędów pozycyjnych, gdy zdalny uczestnik nagle zmienia kierunek. W szkoleniu wojskowym interakcje, które dead-reckoning obsługuje słabo, to dokładnie te, które mają znaczenie: żołnierz przykucający za osłoną, przechodzący w sprint lub przechodzący z ruchu do postawy strzeleckiej. Są to nieciągłe ruchy, których predyktor dead-reckoning nie potrafi przewidzieć, a okno łączenia korekty wprowadza krótki okres, podczas którego pozycja awatara jest zauważalnie błędna. Produkcyjne wojskowe systemy VR rozwiązują to poprzez przesyłanie aktualizacji stanu z wyższą częstotliwością po wykryciu dużych przyspieszeń (transmisja seryjna sterowana zdarzeniami) oraz poprzez zapewnienie, że autorytatywny model kolizji i wykrywania trafień działa na serwerze, a nie na poszczególnych klientach, tak aby niespójne pozycje awatarów nie powodowały niespójnych wyników starć.

Wierność środowiska syntetycznego: teren, pogoda i zachowanie przeciwnika w scenariuszach XR

Wartość szkoleniowa środowiska VR jest ograniczona jego wiernością wobec warunków, do których szkolenie ma przygotować żołnierzy. Wierność terenu ma dwa składniki: dokładność geometryczną (czy teren ma właściwe wzgórza, budynki i gęstość roślinności?) oraz dokładność wizualną (czy wygląda jak środowisko operacyjne?). Do szkolenia względem konkretnego celu geograficznego teren można wygenerować z obrazów satelitarnych, chmur punktów LiDAR lub pomiarów fotogrametrycznych o rozdzielczości poziomej 0,1–1 m, tworząc środowisko syntetyczne ściśle odpowiadające rzeczywistemu gruntowi. Do ogólnego szkolenia umiejętności, takiego jak oczyszczanie budynków, technika patrolu, pozycjonowanie obronne, środowiska generowane proceduralnie lub tworzone ręcznie zapewniają wystarczającą wierność bez wymagania danych geoprzestrzennych dla konkretnego celu. Krytycznym ograniczeniem jest budżet wielokątów i tekstur: modele terenu i roślinności o wysokiej rozdzielczości zużywają zasoby GPU, które bezpośrednio konkurują z budżetem liczby klatek. Wojskowe silniki renderowania VR rozwiązują to poprzez zarządzanie poziomem szczegółowości (LOD), redukując złożoność geometrii poza obszarem uwagi wzrokowej, oraz poprzez usuwanie zasłonięć, pomijając renderowanie geometrii zasłoniętej przez teren lub budynki.

Warunki pogodowe i oświetleniowe mają nieproporcjonalnie duże znaczenie dla przeniesienia umiejętności ze szkolenia. Żołnierz wyszkolony wyłącznie w jasnych warunkach dziennych poradzi sobie gorzej deszczową nocą niż ten, kto trenował w syntetycznym deszczu, ograniczonej widoczności i sztucznym oświetleniu. Nowoczesne silniki renderowania obsługują dynamiczne systemy pogodowe, deszcz, mgłę, kurz, dym, które zmieniają zasięg widoczności, odbicie powierzchni i propagację akustyczną w czasie rzeczywistym, pozwalając projektantom szkolenia stopniowo zwiększać trudność środowiskową i obserwować, jak wpływa ona na wyniki szkolonego. Wierność zachowania przeciwnika jest trzecim wymiarem jakości środowiska. Przeciwnicy generowani komputerowo (CGF) sterowani prostymi, skryptowymi wzorcami zachowań uczą żołnierzy rozpoznawania i wykorzystywania wzorców behawioralnych, które nie istnieją u rzeczywistych przeciwników. Agenci CGF, których zachowanie jest sterowane modelem taktycznej AI, czyli takim, który wykorzystuje osłonę, komunikuje się z innymi agentami, zrywa kontakt i adaptuje się do działań szkolonego, tworzą bogatsze środowisko bodźcowe, które lepiej przygotowuje żołnierzy do adaptacyjnego zachowania rzeczywistych przeciwników. Platformy symulacji konstruktywnej do planowania sztabowego wykorzystują podobne architektury CGF na wyższym szczeblu, a te same zasady obowiązują na poziomie pojedynczego żołnierza wewnątrz VR.

Integracja z symulacją konstruktywną: jednostki VR uczestniczące w większych ćwiczeniach gier wojennych

Architektura szkolenia o najwyższej wierności umieszcza uczestników VR wewnątrz większego ćwiczenia symulacji konstruktywnej, pozwalając pojedynczym żołnierzom i małym pododdziałom wchodzić w interakcje z siłami generowanymi komputerowo na szczeblach powyżej ich własnego. W tej architekturze silnik VR i symulacja konstruktywna wymieniają stan jednostek przez bramę, która implementuje protokół Distributed Interactive Simulation (DIS) (IEEE 1278) lub model zarządzania federacją High Level Architecture (HLA). Uczestnik VR pojawia się w symulacji konstruktywnej jako jednostka DIS odpowiedniego typu i szczebla. Siły generowane komputerowo z symulacji konstruktywnej pojawiają się w środowisku VR jako sterowane przez AI modele awatarów lub reprezentacje pojazdów. Oba światy dzielą wspólny układ odniesienia współrzędnych, zwykle współrzędne geograficzne WGS-84 rzutowane na wspólną siatkę ćwiczeń, tak aby jednostki VR i konstruktywne zajmowały ten sam teren syntetyczny.

Częstotliwość aktualizacji bramy reguluje jakość integracji. Federaty symulacji konstruktywnej zwykle działają z krokami czasowymi 10–30 Hz, co jest wystarczające dla ruchu i starć jednostek na poziomie kompanii i batalionu, ale wprowadza widoczne kwantowanie pozycji dla awatarów pojedynczych żołnierzy poruszających się z prędkością marszową. Systemy VR działające z częstotliwością 90 Hz wytwarzają płynny ruch wewnętrznie, ale transmitują do symulacji konstruktywnej z częstotliwością aktualizacji bramy, co oznacza, że symulacja konstruktywna widzi aktualizację pozycji uczestnika VR z częstotliwością 10–30 Hz, a nie z częstotliwością klatek VR. Jest to akceptowalne dla większości projektów ćwiczeń: silnik rozstrzygania konstruktywnego ocenia starcia na podstawie zasięgu broni i geometrii linii widzenia, a nie płynności pozycji klatka po klatce, więc grubsza częstotliwość aktualizacji nie wpływa znacząco na poprawność wyników starć. Wpływa natomiast na analizę terenu symulacji konstruktywnej: jeśli uczestnik VR przemieszcza się do osłony między aktualizacjami bramy, symulacja konstruktywna może rozstrzygnąć nadlatujący pocisk jako trafienie w poprzednią pozycję uczestnika, a nie w pozycję osłoniętą. Jest to znane ograniczenie bram LVC, które łagodzi się poprzez zwiększenie częstotliwości aktualizacji bramy oraz nadanie jednostce uczestnika VR niewielkiego nadrzędnego priorytetu pozycyjnego w modelu rozstrzygania.

Pomiar skuteczności szkolenia w ćwiczeniach gier wojennych odnosi się bezpośrednio do scenariuszy LVC, w których uczestnicy VR wchodzą w interakcje z siłami konstruktywnymi. Wymagane oprzyrządowanie, czyli dzienniki stanu jednostek, zapisy starć, przechwyty łączności i zdarzenia ukończenia zadań, musi być zbierane zarówno z silnika VR, jak i z bramy symulacji konstruktywnej, a następnie korelowane na wspólnej osi czasu na potrzeby analizy po działaniu. Wbudowanie tej infrastruktury rejestrowania w projekt bramy od samego początku jest znacznie bardziej praktyczne niż próby dodania jej po ustanowieniu architektury ćwiczenia.

Analiza kosztów i korzyści: koszt szkolenia VR na powtórzenie a strzelanie ostrą amunicją i szkolenie w terenie

Ekonomiczny argument za szkoleniem VR opiera się na koszcie jednego powtórzenia: koszcie całkowitym podzielonym przez liczbę znaczących powtórzeń szkoleniowych, które system zapewnia. Szkolenie z ostrą amunicją ma wysoki i rosnący koszt jednego powtórzenia napędzany kosztami amunicji, harmonogramowaniem strzelnicy, transportem, czasem instruktorów i narzutem logistycznym organizowania żołnierzy w obiekcie fizycznym. Pojedynczy magazynek do ćwiczeń z ostrą amunicją dla plutonu strzeleckiego (30 żołnierzy, po 30 naboi) zużywa 900 naboi plus czas na strzelnicy, opłaty instruktorów i przygotowanie strzelnicy, czyli sumę, która różni się w zależności od kraju i organizacji, ale zwykle mieści się w przedziale 500–2000 USD przed kosztami transportu. System VR zdolny zapewnić równoważne ćwiczenie dla tego samego plutonu, po zamortyzowaniu przez okres jego eksploatacji, kosztuje ułamek tej kwoty na powtórzenie. Dla indywidualnych umiejętności o dużej liczbie powtórzeń, czyli procedur obsługi broni, ćwiczeń natychmiastowej reakcji, reagowania medycznego, przewaga kosztu na powtórzenie VR nad szkoleniem na żywo często wynosi dziesięć do jednego lub więcej.

Przewaga kosztowa maleje w przypadku szkolenia zbiorowego na szczeblach powyżej drużyny oraz dla scenariuszy, w których interakcja z fizycznym środowiskiem jest częścią szkolonej umiejętności. Ćwiczenie szturmu i oczyszczenia obejmujące prawdziwy budynek, prawdziwe drzwi i prawdziwe fizyczne przeszkody z członkami zespołu zapewnia bodźce do nauki, których VR nie potrafi odtworzyć: ciężar drzwi, akustykę zamkniętej przestrzeni, fizyczną koordynację wymaganą do przejścia przez wejście jako część szyku. VR może zapewnić poznawczy i proceduralny komponent powtórek tego szkolenia, czyli sekwencjonowanie decyzji, łączność, przydział sektorów, ale nie komponent fizyczny. Optymalny projekt szkolenia wykorzystuje VR do powtórek poznawczych i proceduralnych niskim kosztem, zmniejszając liczbę iteracji na żywo potrzebnych do osiągnięcia biegłości, i koncentruje zasoby szkolenia na żywo na komponentach fizycznych i zbiorowych, których VR nie może zastąpić. Badania z kilku europejskich ośrodków szkolenia wojskowego wykazały, że ścieżki szkoleniowe zaczynające od VR redukują zużycie amunicji do ostrego strzelania o 20–40%, utrzymując lub poprawiając wskaźniki zdawalności kwalifikacji, co jest punktem danych uzasadniającym zakup wojskowego systemu VR.

Koszty utrzymania i treści są najczęściej niedoszacowanymi elementami kosztu cyklu życia systemu VR. Gogle mają użyteczną żywotność operacyjną 2–4 lat, zanim panele wyświetlaczy ulegną degradacji, a niezawodność śledzenia spadnie. Treść szkoleniowa, czyli scenariusze, bazy danych terenu, skrypty zachowań przeciwnika, wymaga ciągłej aktualizacji w miarę zmian środowisk operacyjnych i doktryny. Organizacja wojskowa, która kupuje system szkoleniowy VR bez budżetu na utrzymanie treści, stwierdzi, że wartość szkoleniowa systemu spada w ciągu 18–24 miesięcy od wdrożenia. Całkowity koszt posiadania wojskowego systemu szkoleniowego VR powinien uwzględniać cykle wymiany sprzętu, koszty opracowania i aktualizacji treści, szkolenie instruktorów oraz wsparcie techniczne wymagane do utrzymania infrastruktury sieciowej i połączeń bramy symulacji. Systemy zaprojektowane pod kątem modułowości treści, czyli oddzielające bazę danych terenu, bibliotekę jednostek, warstwę skryptowania scenariuszy i ramy oceny na niezależnie aktualizowalne komponenty, mają znacznie niższe koszty utrzymania treści w okresie eksploatacji niż systemy monolityczne, w których zmiany scenariusza wymagają przeprojektowania całego środowiska.