Ο Ευρωπαϊκός Οργανισμός Άμυνας (EDA) απέδειξε με επιτυχία πώς η τεχνητή νοημοσύνη (AI) και τα μη επανδρωμένα συστήματα μπορούν να συνεργαστούν για τον εντοπισμό εκρηκτικών και αυτοσχέδιων εκρηκτικών μηχανισμών (IED) σε διάφορα σενάρια.
Η επίδειξη, η οποία πραγματοποιήθηκε στις 7 Σεπτεμβρίου 2023 στο Βέλγιο στο κέντρο ανίχνευσης βομβών DOVO/SEDEE, περιελάμβανε ένα μη επανδρωμένο εναέριο όχημα (UAV) και δύο μη επανδρωμένα οχήματα εδάφους (UGV), το καθένα εξοπλισμένο με διαφορετικούς αισθητήρες. Τα UAV και τα επίγεια μη επανδρωμένα εναέρια οχήματα συντονίστηκαν αυτόνομα για την αναζήτηση ψευδών εκρηκτικών και αυτοσχέδιων εκρηκτικών μηχανισμών, συμπεριλαμβανομένων μη εκρηκτικών μηχανισμών, σε αγροτικές και αστικές περιοχές. Η επίδειξη ήταν μέρος του έργου Τεχνητής Νοημοσύνης για Ανίχνευση Εκρηκτικών Συσκευών (AIDED), ύψους 1,55 εκατομμυρίων ευρώ, που χρηματοδοτήθηκε από την πρόσκληση για την Προπαρασκευαστική Δράση για την Αμυντική Έρευνα (PADR) 2019.
Το έργο είχε στόχο να επιτύχει Επίπεδο Τεχνολογικής Ετοιμότητας (TRL) από τρία έως τέσσερα, που σημαίνει ότι το σύστημα έχει δοκιμαστεί σε κατάλληλο περιβάλλον αλλά χρειάζεται περαιτέρω ανάπτυξη για να είναι πλήρως λειτουργικό. Η επίδειξη έδειξε ότι το σύστημα έχει φτάσει σε αυτό το επίπεδο ωριμότητας και μπορεί να εκτελέσει σύνθετες εργασίες με ελάχιστη ανθρώπινη παρέμβαση.
Το σύστημα χρησιμοποιεί διάφορους αισθητήρες για ανίχνευση, όπως EMI (ηλεκτρομαγνητικός ανιχνευτής μετάλλων), ο οποίος μπορεί να βρει μεταλλικά αντικείμενα υπόγεια ή μέσα σε αντικείμενα, και ραντάρ διείσδυσης στο έδαφος, που μπορεί να προσφέρει μεγαλύτερη ακρίβεια, αλλά είναι ευαίσθητο στις κινήσεις του φορέα. Η φασματοσκοπία διάσπασης που προκαλείται από λέιζερ χρησιμοποιεί μια ισχυρή δέσμη λέιζερ για να δημιουργήσει ένα μικρό πλάσμα στην περιοχή που αναλύεται από το φασματόμετρο, ενώ ένας μεγαλύτερος αισθητήρας χρησιμοποιείται για την τελική αναγνώριση του εκρηκτικού μηχανισμού.
Το σύστημα χρησιμοποιεί επίσης νευρωνικά δίκτυα και αλγόριθμους τεχνητής νοημοσύνης που μπορούν να μάθουν από δεδομένα για κάθε τύπο επεξεργασίας σήματος αισθητήρα. Τα νευρωνικά δίκτυα εκπαιδεύτηκαν σε επισημασμένα σύνολα δεδομένων που ελήφθησαν κατά τη διάρκεια του έργου. Η επισήμανση των ανιχνεύσεων από διαφορετικούς αισθητήρες ήταν ένα σημαντικό μέρος των δοκιμών, καθώς έδειξε τις βελτιώσεις που έγιναν από τους αλγόριθμους AI.
Άλλοι αισθητήρες χρησιμοποιήθηκαν για αλγόριθμους εντοπισμού και χαρτογράφησης για πλοήγηση ρομπότ και για την αντιμετώπιση καταστάσεων όπου το παγκόσμιο σύστημα εντοπισμού θέσης απέτυχε ή υποβαθμίστηκε. Η κοινοπραξία αντιμετώπισε προβλήματα όπως η ευαισθησία ορισμένων αισθητήρων στην υγρασία του εδάφους και η κίνηση του φορέα, η ευαισθησία των συστημάτων σε υψηλές θερμοκρασίες και η ακρίβεια της πλοήγησης.
Η επίδειξη ήταν ένα σημαντικό ορόσημο για το έργο AIDED, δείχνοντας πώς η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί αποτελεσματικά σε διάφορες πτυχές μη επανδρωμένων συστημάτων, όπως σχεδιασμός αποστολής, αυτοπλοήγηση, ομαδική εργασία και ανίχνευση εκρηκτικών μηχανισμών. Το έργο έδειξε επίσης πώς η ευρωπαϊκή συνεργασία μπορεί να ενισχύσει την αμυντική ικανότητα και την καινοτομία.
Διαβάστε επίσης: