Lockheed Martin testuje technologię AI do nadzoru morskiego
Koncern zbrojeniowy Lockheed Martin ogłosił przełom w dziedzinie nadzoru morskiego, wykorzystując sztuczną inteligencję do automatycznego rozpoznawania celów na morzu. Technologia oparta na radarze syntetycznej apertury (SAR) została pomyślnie przetestowana podczas lotów demonstracyjnych u wybrzeży zachodnich Stanów Zjednoczonych.
Radar SAR jest standardowym narzędziem wykorzystywanym do obrazowania jednostek nawodnych, takich jak okręty wojenne. Do tej pory analiza danych SAR wymagała ręcznego przetwarzania. Nowe rozwiązanie Lockheed Martin łączy radar SAR z algorytmami sztucznej inteligencji oraz autonomicznym sterowaniem czujnikami, co umożliwia automatyczne klasyfikowanie obiektów w czasie zbliżonym do rzeczywistego.
„To ogromny krok naprzód w wykorzystaniu sztucznej inteligencji do poprawy świadomości sytuacyjnej i zdolności decyzyjnych, zapewniający niezrównaną identyfikację zagrożeń w dużym zasięgu i w każdych warunkach pogodowych. Jesteśmy zaangażowani w dalszy rozwój tej technologii, w tym integrację danych z wielu czujników, aby zapewnić dokładniejsze informacje i pomóc żołnierzom w podejmowaniu świadomych decyzji w morzu” - powiedział John Clark, starszy wiceprezes ds. technologii i innowacji strategicznych w Lockheed Martin.
Zastosowanie tej technologii pozwala na szybsze i dokładniejsze odróżnienie jednostek wojskowych od cywilnych, co zwiększa świadomość sytuacyjną i wspiera podejmowanie decyzji w operacjach morskich. Według przedstawicieli Lockheed Martin, system działa niezależnie od warunków pogodowych i pozwala na identyfikację zagrożeń z dużej odległości.
Technologia została opracowana we współpracy między Lockheed Martin AI Center (LAIC), Skunk Works oraz Rotary and Mission Systems (RMS). W demonstracji użyto sprzętu o niewielkich rozmiarach i niskim zużyciu energii (tzw. SWaP), który przetwarza dane lokalnie, bez potrzeby komunikacji z centrami danych w chmurze lub naziemnymi stacjami analitycznymi.
System wykorzystuje narzędzia z zakresu MLOps do szybkiego ponownego szkolenia algorytmów rozpoznawania celów. Podczas testów autonomiczna kontrola czujników dynamicznie zmieniała zadania radaru w reakcji na wykryte obiekty, co zwiększa skuteczność i elastyczność działania.
