Армейские Роботы Охотятся На Танки

У пары беспилотных разведывательных машин было достаточно интеллекта ИИ на борту, чтобы перемещаться по пересеченной местности, идентифицировать” вражеские " силы и открывать огонь – но человек все равно решает, стрелять ли.

Вашингтон: пара невзрачных роботов, больше похожих на военизированные гольф-кары, чем на терминаторов, катили через пустыню Юма, часть армейского проекта "конвергенция" по будущей войне.

Подобно человеческим войскам, машины по очереди прикрывали друг друга, продвигаясь вперед. Один робот находил безопасное место, останавливался и запускал привязанный мини-дрон, который он нес, чтобы посмотреть на следующий хребет, в то время как другой бот двигался вперед; затем они выключались.

Их цель: группа зданий на армейском полигоне Юма, имитирующем город для городской боевой подготовки. Пока один робот сдерживался, чтобы передать сообщение своим далеким наблюдателям-людям, другой двинулся в город-и заметил” вражеские " силы. С одобрения людейробот открыл огонь.

Затем бортовые алгоритмы автоматического распознавания целей (ATR) робота идентифицировали еще одного противника-танк Т-72. Но эта цель была слишком далеко, чтобы до нее могло дотянуться встроенное оружие робота. Поэтому бот загрузил данные о цели в тактическую сеть и – опять же с одобрения человека-вызвал артиллерийскую поддержку.

- Это огромный шаг вперед, Сидни, - сказал бригадный генерал Ричард Росс Коффман, руководитель учений проекта "конвергенция". - Это компьютерное зрение ... зарождается, но оно работает.”

Алгоритмическое распознавание целей и компьютерное зрение являются критическими достижениями по сравнению с большинством современных военных роботов, которые на самом деле не автономны, а просто дистанционно управляются: машина не может думать сама, она просто передает данные с камеры обратно оператору-человеку, который точно говорит ей, куда идти и что делать.

Такой подход, называемый телеоперацией, действительно позволяет держать человека подальше от опасности, что делает его хорошим для саперных отрядов и мелкомасштабной разведки. Но это слишком медленно и трудоемко, чтобы использовать его в больших масштабах. Если вы хотите использовать много роботов, не связывая много людей, микроуправляя ими, вам нужно, чтобы роботы принимали некоторые решения сами – хотя армия подчеркивает, что решение о применении смертоносной силы всегда будет приниматься человеком.

Поэтому Коффман, который курирует роботизированную боевую машину и, возможно, пилотируемую боевую машину, обратился к целевой группе искусственного интеллекта армии в Университете Карнеги-Меллона. - Восемь месяцев назад, — сказал он мне, - я бросил им вызов: я хочу, чтобы вы вышли и ощутили цели с помощью робота-и вы должны двигаться без использования лидара.”

Лидар, который использует маломощные лазерные лучи для обнаружения препятствий, является обычным датчиком на экспериментальных самоуправляемых автомобилях. Но, отметил Коффман, поскольку он активно излучает лазерную энергию, враги могут легко обнаружить его.

Поэтому роботы в эксперименте по конвергенции проекта, названном “происхождение", полагались на пассивные датчики: камеры. Это означало, что их алгоритмы машинного зрения должны были быть достаточно хороши, чтобы интерпретировать визуальные образы и выводить относительные местоположения потенциальных препятствий, не имея возможности полагаться на лидар или радар для точного измерения расстояния и направления. Это может показаться достаточно простым для людей, чьи глаза и мозг извлекают выгоду из нескольких сотен миллионов лет эволюции, но это радикальный подвиг для роботов, которые все еще пытаются отличить, скажем, неглубокую лужу от опасно глубокой ямы.

“Только с помощью машинного зрения они могли перемещаться из точки А в Точку Б, - сказал Коффмэн. Но Армии нужны не только роботы, которые могут найти дорогу: она хочет, чтобы они искали угрозы и цели – без того, чтобы человек постоянно смотрел на сенсорную ленту.

Вот тут-то и приходит помощь в распознавании целей. (ATR также расшифровывается как автоматическое распознавание целей, но Армии не нравится намек на то, что программное обеспечение заменит человеческое суждение, поэтому она последовательно использует Aided вместо этого).

Данные от робота Origin и беспилотника обновляют карманные тактические карты.

Распознавание целей - это еще одна большая проблема. Конечно, искусственный интеллект стал пугающе хорош в идентификации отдельных лиц на фотографиях, размещенных в социальных сетях. Но частный сектор не вложил почти столько же, скажем, в то, чтобы показать разницу между американским танком М1 “Абрамс” и российским Т-72, или между невинным пикапом Toyota и тем же грузовиком, вооруженным как партизанский "техник" с тяжелым пулеметом в кузове. И армия должна уметь отличать врага от дружественного от Гражданского в грязных реальных зонах боевых действий – и не только по четким снимкам наблюдения сверху, но и с земли, против войск, обученных использовать камуфляж и прикрытие, чтобы разбить легко узнаваемые силуэты.

"Обучение алгоритмам идентификации транспортных средств по типу-это огромное предприятие", - сказал мне Коффман. "Мы собрали и маркировали более 3,5 миллионов изображений", чтобы использовать их для обучения алгоритмов машинного обучения – - сказал он,-и эта маркировка требует, чтобы обученные человеческие аналитики смотрели на каждую картинку и говорили компьютеру, что это было: “это кто-то сидит там и говорит:” это Т-72; это БМП", - и т. д.

Но каждый отдельный робот или беспилотник не должен нести эти миллионы изображений в своей собственной встроенной памяти: ему просто нужны алгоритмы “классификатора”, которые возникают в результате прохождения изображений через системы машинного обучения. Поскольку сами эти алгоритмы не занимают тонны памяти, их можно запустить на компьютере, который легко помещается на отдельном боте.

“Мы доказали, что можем сделать это с помощью привязанного или отвязанного беспилотника. Мы доказали, что можем сделать это с помощью робота. Мы доказали, что можем сделать это на автомобиле, - сказал Коффман. - Мы можем определить врага по типу и местоположению.”

“Все это происходит на грани, - подчеркнул он. “Это не обязательно возвращаться к какому-то мейнфрейму [чтобы] получить обработку.”

Армейский экспериментальный робот” происхождение " во время проекта конвергенция

Другими словами, отдельный робот не должен постоянно передавать в реальном времени видео высокого разрешения всего, что он видит, какому-то отдаленному человеческому аналитику или главному мозгу ИИ. Передача такого количества данных туда и обратно является слишком большой нагрузкой на тактические сети с низкой пропускнойспособностью , которые часто нарушаются из-за местности, технических сбоев и помех противника. Вместо этого робот может идентифицировать потенциальную цель сам, с помощью своего бортового ИИ, и просто передавать основные биты – такие вещи, как тип замеченных транспортных средств, их номера и местоположение, а также то, что они делают.

” Вы хотите уменьшить количество информации, которую вы передаете в сеть, до твита, как можно меньше, чтобы вы не забивали трубы", - сказал мне Коффман.

Но прежде чем принять решение об открытии огня, подчеркнул он, человек должен достаточно долго смотреть на сенсорную ленту, чтобы подтвердить цель и отдать приказ вступить в бой.

“Всегда есть человек, который смотрит на изображение с сенсора, - сказал Коффмэн. - Тогда человек решает: "Да, я хочу преследовать эту цель.’”

- А это можно сделать автоматически, без участия человека?- сказал он. - Да, я думаю, что это технически осуществимо. Но армия Соединенных Штатов-это организация, основаннаяна этике . Там будет человек в петле.”

Когда ГМК вступит в фазу готовности, будут ли готовы субподрядчики?

Поскольку CMMC, программа соответствия кибербезопасности Министерства обороны, продолжает развиваться, будут ли основные подрядчики и их субподрядчики готовы к оценке и сертификации?

Источник: breakingdefense.com

Комментарии: