本報導試圖強調軍隊中機器視覺的廣泛現實世界應用案例。幾名軍隊聲稱利用機器學習，在某些情況下與承包商和公司合作，提供人工智慧解決方案。我們發現，這些解決方案有助於突出機器視覺當前和近期，軍事應用的廣泛性。本報導中討論的公司和組織，至少在以下一項方面幫助了各種軍隊：
商業和政府主管人應該知道什麼
從我們在國防大學的第一手資料，和我們的獨立研究來看，美軍似乎剛剛開始問許多與商業領袖三四年前提出的，和解決相同的問題。Maven 專案的 Cukor上校在國防一號技術峰會上親自說：
我們正在進行人工智慧軍備競賽 ...... 這正在工業中發生，[而且]五大網際網路公司正在大力追求這一點。
上校對商業上可用的機器視覺技術的評論 —— 「坦率地......令人驚歎」 —— 可能會注意到，美國軍事主管人最近在將政府對人工智慧的進化與私人領域的嘗試進行比較時，一直感到不舒服。
正如本報導所指出的，機器視覺的軍事措施，目前在以色列和美國最為突出。中國還承諾了大量預算來實現軍事現代化，隨之而來的是人工智慧倡議。印度最近啟動了自己的大型人工智慧專案，目的在將人工智慧納入其軍事的所有三個分支。
為了加快和簡化美國國防部內部人工智慧措施的研究和開發，國防部於 2018 年 6 月 27 日宣佈，成立 JAIC（聯合人工智慧中心）。該專案由摩根大通前資訊長、五角大樓現任資訊長 Dana Deasy 主管。
JAIC 似乎象徵著美國國防部，新發現的軍事人工智慧專案的優先次序。國防部副部長 沙納漢 在他的備忘錄中寫道，表示 JAIC 的建立：
這項工作是部門的優先事項。速度和安全非常重要 ...... 我希望所有辦公室和人員，提供一切必要的合理支援，使企業範圍內人工智慧的快速採用成為現實。
監控
Maven 專案
美國國防部於 2017 年，開始了一個名為「Maven 專案」的演算法，戰爭跨功能團隊的機器視覺計劃。該專案的目的是開發一種人工智慧，該人工智慧可以對戰鬥監視裝置，使用機器視覺拍攝的大量監視錄影，進行分類和辨識。在 JAIC 建立後，Maven 專案被轉移到 JAIC 控制之下。
五角大樓研發與其他「私人承包商」合作開發了一個軟體，該軟體與空軍的偵察錄影資料庫整合，並分析從載人和無人偵察車輛中拍攝的錄影。人工智慧標記車輛、人員和汽車，以及追蹤感興趣的物體，以引起人類分析師的注意。
我們從谷歌和美國國防部陳述的材料中推斷出，該軟體背後的機器學習模式，是在數千小時的小型低空無人機攝影機鏡頭上訓練的，這些鏡頭從不同角度和各種照明條件下，描繪了 38 個戰略上相關的物體。鏡頭中的物體會被標記為我們知道的物體，如旅行汽車、武器或人。然後，這個標記的鏡頭，將透過軟體的機器學習演算法執行。這將訓練演算法來辨識 1 和 0 的序列和模式，在人眼中，這些序列和模式形成了無人機監視錄影中，顯示的戰略相關戰鬥區的影像。五角大樓尚未公開定義軟體標誌的這 38 個物件。
然後，監控團隊可以將未標記的新拍攝的鏡頭，上傳到 Project Maven 的軟體中。然後，軟體背後的演算法將能夠確定鏡頭的內容，並辨識它經過訓練標記的任何異常，或戰略相關物件。然後，該系統以某種未知的方式，提醒人類操作員，並突出顯示影像顯示中標記的物件。
Drew Cukor 上校評論了資料標籤過程，他說：「我們有一大群人 —— 老練的分析師和工程師 —— 正在瀏覽我們的資料並進行清理。我們還與一家重要的資料標籤公司建立了關係，該公司將在我們的三個網路（非機密網路和分類網路）上提供服務，以便我們的員工標記我們的資料，並為機器學習做好準備。」
我們找不到演示該技術的影像，可能是因為伊斯蘭國控制的領土，以及中東和非洲軍事設施的承包商，目前正在使用它。換句話說，關於該軟體的許多細節可能是保密的。2017 年 Maven 專案的已知預算為 1.31 億美元。
在 INSA 和 AFCEA 主辦的情報和國家安全峰會上，援引國防部副部長主管 Kari Bingen 的話說：「[Maven專案]花了六個月的時間，從‘權威開始’到在戰區提供能力。」Bingen 進一步推斷了該專案可能的下一步：開發這種演算法來確定人類的風險。她說：「有很多資料來源可用，利用自動化工具和演算法，可以使國防部能夠辨識內部威脅。」
作為一個推斷的戰略例子，可以監控和標記市場中，某些物體的安全攝影機監控鏡頭。這些物品將與危險或叛亂分子的支援有關，如幫派徽章、幫派紋身或部分隱藏的武器。
截至 2017 年，Drew Cukor 上校，是 Maven 專案的主管者。他是 ISR 演算法戰交叉功能團隊的負責人，美利堅合眾國國防部情報副部長辦公室戰士支援行動局。Cukor 上校在美國海軍陸戰隊的各種事務中，擁有情報和反情報成功的歷史。
自動駕駛汽車
今天，正在開發用於民用和軍用的自動駕駛汽車。兩個案例對他們想要解決的任務有不同的要求。與美國製造的自動駕駛汽車相比，軍用自動駕駛汽車的安全標準要低得多。目前，自動駕駛汽車的軍事用途，在戰場上拯救生命有明確的應用，因此角落安全考慮因素沒有被考慮在內，因為它們可能用於民用。例如，波音公司為軍隊提供了許多自主船隻，但似乎避免了自主地面運輸的設計。
自動駕駛汽車公司，必須為司機和行人創造一種能夠安全地駕馭擁擠的街道、交通和交通標誌的產品，而軍事戰鬥人員在緊急情況下，很少需要遵守街道標誌。自動駕駛汽車結合了機器視覺和其他技術，以環遊世界，並安全到達其預期目的地。
世界上有許多類型的軍用車輛和許多軍隊，這意味著自動駕駛汽車的可能性空間可能相當大。儘管車輛自動系統工程存在偏差，但閱讀本報導的商業領袖，可以以類似的方式理解嚴重依賴機器視覺的自動駕駛汽車。
首先使用監督學習過程，對自動駕駛汽車的機器視覺方面進行訓練。自動駕駛汽車在周圍以不同的高度和角度，訓練了許多安裝的攝影機，使其能夠從各個角度檢測汽車的移動方式。該軟體在數千小時的人類駕駛鏡頭上進行了培訓，顯示車輛應該從不同角度、在各種照明條件，和不同天氣條件下正常和安全地執行。
這段影片的某些方面，將被標記為駕駛時某些東西的關鍵指標，人工智慧必須認識到這是一個要遵循的重要概念或規則的邊界框；停止標誌表示停止，不應跨越雙黃線，道路上虛線可以交叉等。具有軍事用途的車輛，不必嚴格遵守道路法，但將接受與戰鬥有關的訓練，例如機器視覺如何在以每小時 70 多英里的速度行駛時，檢測可能導致滑行或水上滑水的道路。
然後，這個標記的鏡頭，將透過軟體的機器學習演算法執行。這將訓練該演算法來辨識 1 和 0 的序列和模式，在人眼看來，形成安裝攝影機影像中顯示的汽車安全行駛的影片。
將該機器視覺資料與感測器的資料相結合，例如用於追蹤雷射雷達與周圍物體的當前距離的氣踏板資料，或雷射雷達資料，使自動駕駛汽車能夠進行更全面的訓練，而僅僅使用機器視覺資料。在最近的時間表中，發現有關自動駕駛汽車，及其民用應用的更多資訊。
然後，車輛可以獲得駕駛到軟體中未標記的位置的命令。然後，軟體背後的演算法將能夠將車輛，和陪同乘客安全駕駛到確定的位置。
以色列航空航太工業
Isreal Aerospace Industries 從 Isreali Army 獲得了兩輛獨立的半自動駕駛汽車的合同，即可調節的 Robattle 和自動推土機 Panda。據稱，這些車輛可以在某些任務上自主執行，並且可以遠端控制。Robattle 是一種能夠調整其構造配置的車輛，允許它縮放或爬過某些大型障礙物，以及平整自己在障礙物下行駛。從戰略上講，Robattle 可用於向戰線士兵獲取物資或資訊，或營救處於危險中的士兵，而不會危及軍事人員。
貓熊，一輛自動推土機可以在戰場上用於關鍵的拆除行為，在戰鬥場景中，推土機的人類司機對他們來說太危險了。
IRI 聲稱，重建這臺推土機可能會為軍方開創先例，允許將舊裝置重新用於進一步使用。
以下是一個 4 分鐘的簡短片，演示了自動推土機和 Robattle 的實際操作：
IAI 是以色列的主要國防承包商。他們成立於 1953 年，目前在國防行業僱用了 1004 名員工。Amira Sharon 是 IAI 的首席技術官。她的確切學術證書，以及 IAI 的大部分 C 級主管資訊都不得而知。鑑於這些資訊與以色列軍事行動，和正在進行的衝突有直接聯絡，這大多是隱蔽的資訊。Meir Shabtia 被引述為人工智慧專案，並且是 IAI 公司 G-Nius Unmanned Group Systems 的研發副總裁。她擁有特拉維夫大學的工程碩士學位。
清除地雷
黎巴嫩軍隊
黎巴嫩貝魯特美國科技大學的 Achkar 和 Owayjan 發表了一篇關於利用機器視覺的當前黎巴嫩軍事應用系統的論文。它聲稱，該軟體平台可以透過使用機器視覺的成像軟體，幫助軍事努力清除活地雷。
Achkar 和 Owayjan 聲稱，黎巴嫩軍隊可以將該軟體，整合到他們在地雷探測機器人上使用的成像軟體中。
論文指出，該軟體背後的機器學習模式，在兩種不同類型的反坦克地雷的數千張影像上進行了培訓，這些影像顯示它們從不同角度，和各種照明條件下覆蓋、部分覆蓋和顛倒。這些影像會被標記為特定型別的地雷。然後，這些標記的影像將透過軟體的機器學習演算法執行。這將訓練演算法來辨識 1 和 0的序列和模式，在人眼中，形成它可以檢測到的地雷之一的影像，如照片所示。
然後，使用者可以上傳一張未標記的照片到人工智慧中。然後，軟體背後的演算法，將能夠確定照片中存在地雷的位置。然後，該系統透過在照片顯示螢幕上顯示一個紅色框，來提醒人類觀察者注意地雷。
以下是一張照片，演示機器視覺軟體如何顯示其檢測到的地雷：
Achkar 和 Owayjan 聲稱，他們的系統對未掩蔽地雷的辨識率為 99.6%，辨識率降低取決於默默無聞的程度和地雷模式。由於這是由大學資助的人道主義工作，這種透過機器視覺探測地雷的方法，意味著沒有帳篷客戶可以報告。
Roger Achkar 是黎巴嫩貝魯特美國科技大學工程系主任，和本報導的聯合撰稿人。他擁有法國康比涅理工大學的能源系統和資訊博士學位。Michel Owayjan 是美國科技大學的主席。他擁有貝魯特美國大學的工程管理碩士學位。
軍械製造的品質控制
整合技術
Integro Technologies 與美國陸軍製造商簽訂了一份軟體合同，聲稱該軟體可以幫助工業製造商使用機器視覺，進行品質控制測試其武器。Integro Technologies 提供了一種機器視覺裝置，可以對裝置預先訓練的物體進行 360 度驗證。我們將重點關注 Integro 提供的這種機器視覺技術的一個應用案例。他們的一個裝置可以檢測到子彈外殼表面的斷裂和缺陷，或手榴彈低至 .004 毫米，並對清除的物品或未清除的物品進行分類。
我們可以推斷出該軟體背後的機器學習模式，已經並將被訓練成千上萬的 3D 掃描，從不同角度和各種照明條件下，顯示出完美和不完美的子彈。這些影像會被標記為指示有缺陷的子彈，或表示令人滿意的子彈。然後，這些標記的影像，將透過軟體的機器學習演算法執行。這將訓練演算法來辨識 1 和 0 的序列和模式，在人眼中，這些序列和模式形成了 3D 掃描中顯示的子彈。
機器使用其機械臂抓取正在驗證的子彈，然後拍攝 3D 照片，這些照片被上傳到軟體中。然後，軟體背後的演算法，將能夠確定沒有缺陷的子彈，和具有表面缺陷的子彈之間的區別。然後，系統將清除的子彈與具有缺陷的子彈分開。
下面是一個 1 分鐘的簡短片，演示了該公司的軟體和裝置是如何工作的。請注意，此影片顯示的是寬金屬環的驗證，而不是上面詳述的子彈：
Integro Technologies 聲稱，幫助了負責美國軍隊製造的部分子彈和手榴彈的製造商。當我們試圖為他們的軟體尋找案例研究時，我們的研究沒有結果；然而，他們的網站確實顯示了許多，關於他們積極致力於客戶製造物件驗證的機器視覺技術的影片。另一個帳篷客戶 Integro 網站的推薦信，是 Proctor 和 Gamble。
Integro Technologies 是一家私人公司，成立於 2001 年，擁有 48 名員工。他們沒有獲得任何風險融資。Shawn Campion 是 Integro Technologies 的執行長。他（以及他們網站上的所有其他著名工程師）擁有賓夕法尼亞州立大學的機械工程學士學位。此前，Campion 曾在機器視覺公司 Cognex 公司擔任高階工程師。
 |
沒有留言:
張貼留言