škrbina Raziskovalci so z obratnim inženiringom razvili vizualne sisteme lebdečih muh za odkrivanje dronov - Unite.AI
Povežite se z nami

Umetna inteligenca

Raziskovalci izvajajo povratni inženiring vizualnih sistemov lebdečih muh za odkrivanje dronov

Posodobljeno on

Skupina raziskovalcev na Univerzi v Južni Avstraliji je naredila obratni inženiring vizualnih sistemov lebdečih muh za zaznavanje brezpilotnih letal z razdalje skoraj štirih kilometrov. Strokovnjaki za avtonomne sisteme na univerzi so delali skupaj z drugimi na univerzi Flinders in obrambnem podjetju Midspar Systems. 

50 % boljše zaznavanje

Poskusi, ki so uporabljali tehnike obdelave signalov po biološkem navdihu, so pokazali do 50 % boljše stopnje zaznavanja kot obstoječe metode. 

Po mnenju ekipe bi te nove ugotovitve lahko pomagale v boju proti grožnji dronov, ki nosijo IED. Raziskava je prišla ravno takrat, ko so te brezpilotne letalnike začeli uporabljati v Ukrajini. 

Delo je bilo objavljeno v Journal of Acoustical Society of America.

Po besedah ​​profesorja avtonomnih sistemov UniSA Anthonyja Finna so bili vizualni sistemi lebdečih muh preslikani že prej, da bi izboljšali zaznavanje na podlagi kamer. Vendar pa je nova raziskava prvič, da je biovizija uporabljena za akustične podatke.

»Izkazalo se je, da obdelava biovizije močno poveča obseg zaznavanja dronov tako v vizualnih kot infrardečih podatkih. Vendar smo zdaj pokazali, da lahko zaznamo jasne in jasne akustične znake dronov, vključno z zelo majhnimi in tihimi, z uporabo algoritma, ki temelji na vizualnem sistemu lebdeče muhe,« pravi prof. Finn.

Lebdeče muhe imajo vrhunske vizualne in sledilne sposobnosti, ki so bile uspešno modelirane za zaznavanje brezpilotnih letal v zapletenih in nejasnih pokrajinah. To bi lahko vključevalo vojaške ali civilne namene. 

»Nepooblaščeni brezpilotni letalniki predstavljajo posebno grožnjo letališčem, posameznikom in vojaškim bazam. Zato je za nas vedno bolj kritično, da lahko zaznamo določene lokacije brezpilotnih letal na velike razdalje z uporabo tehnik, ki lahko zajamejo tudi najšibkejše signale. Naši poskusi z uporabo algoritmov, ki temeljijo na hoverfly, kažejo, da lahko zdaj to storimo,« pravi prof. Finn.

Možgani hoverfly preslikani za zaznavanje akustičnih signalov dronov

 

Vse večja uporaba avtonomnih letal

Dr. Russell Brinkworth, ki je izredni profesor za avtonomne sisteme na univerzi Flinders, pravi, da bi letalski regulatorji, varnostni organi in širša javnost imeli veliko koristi od tehnologije. To še posebej velja, ker postaja vse bolj pomembno spremljati veliko število uporabljenih avtonomnih letal. 

»V zadnjih letih smo bili priča dronom, ki vstopajo v zračni prostor, kjer pristajajo in vzletajo komercialni letalski prevozniki, zato bi lahko bil razvoj zmogljivosti za dejansko spremljanje majhnih dronov, ko so aktivni v bližini naših letališč ali na našem nebu, izjemno koristen za izboljšanje varnosti,« Dr. Brinkworth pravi. 

»Vpliv brezpilotnih letal v sodobnem vojskovanju postaja očiten tudi med vojno v Ukrajini, zato je obveščanje o njihovi lokaciji dejansko v nacionalnem interesu. Cilj naše raziskave je znatno razširiti obseg zaznavanja, saj se uporaba brezpilotnih letal povečuje v civilnem in vojaškem prostoru.«

Obdelava po biološkem navdihu izboljša obseg zaznavanja za med 30 in 49 odstotkov v primerjavi s tradicionalnimi tehnikami, odvisno od vrste drona in pogojev. 

Da bi raziskovalci zaznali akustiko drona na kratkih do srednjih razdaljah, opazujejo posebne vzorce in splošne signale. Vendar pa večje razdalje pomenijo, da je signal šibkejši in obe tehniki sta manj učinkoviti. 

Po mnenju raziskovalcev obstajajo podobni pogoji v naravnem svetu. Na primer, lebdeče muhe imajo močne vizualne sisteme, ki lahko zajamejo vizualne signale v hrupnih, temno osvetljenih območjih. 

"Delali smo ob predpostavki, da bi lahko iste postopke, ki omogočajo, da so majhne vizualne tarče vidne med vizualnim neredom, prerazporedili, da bi iz dronov, zakopanih v hrup, pridobili nizke zvočne znake," pravi dr. Brinkworth.

Raziskovalci so pretvorili akustične signale v dvodimenzionalne "slike" in uporabili nevronsko pot možganov lebdeče muhe za izboljšanje in zatiranje nepovezanih signalov in šuma. To je povečalo obseg zaznavanja zvokov, ki so jih želeli zaznati. 

Prelomno raziskavo je financiral Sklad za tehnologije naslednje generacije Ministrstva za obrambo v Avstraliji, ki delno podpira rešitve za obravnavo oboroževanja dronov. 

Alex McFarland je novinar in pisec AI, ki raziskuje najnovejši razvoj umetnih inteligenc. Sodeloval je s številnimi startupi in publikacijami na področju umetne inteligence po vsem svetu.