По данным Национального института стандартов и технологий (NIST), правительство США тратит миллиарды долларов на технологии рентгеновской визуализации в целях безопасности. Последний проект в этой области включает в себя новый класс рентгеновских приборов, позволяющих «видеть» предметы на расстоянии километра (чуть более полумили) даже при наличии неполных или грязных данных.
В пресс-релизе, опубликованном в среду, компания RTX BBN Technologies объявила, что с Агентством передовых оборонных исследовательских проектов (DARPA) заключен контракт на разработку алгоритмов рентгеновской визуализации дальнего действия. Интересно, что подход BBN в первую очередь опирается на моделирование, основанное на большом количестве образцов низкого качества, а не на небольшом количестве изображений высокого разрешения.
Цель состоит в том, чтобы создать математический алгоритм, способный работать с относительно шаткими или фрагментированными изображениями, более близкими к изображениям, с которыми командиры действительно сталкиваются на поле боя, говорится в сообщении компании.
мониторинг рентгена
Компания BBN Technologies со штаб-квартирой в Массачусетсе является дочерней компанией производителя аэрокосмической и оборонной продукции RTX из Вирджинии. С момента своего создания в 1948 году BBN внесла свой вклад в ряд крупных прорывов в сетевых технологиях, многие из которых также были поддержаны DARPA.
С другой стороны, новая инициатива является частью программы DARPA по рентгеновскому невизуализирующему анализу экстремального диапазона (XENA). Целью XENA является разработка «набора алгоритмических инструментов» для определения внутренней структуры удаленных объектов. В частности, программа направлена на изучение того, как размытие изображения в движении часто ухудшает качество разведывательных данных в военных условиях.
Для контекста: по данным NIST, сотрудники правоохранительных органов внутри страны и военные уже давно используют рентгеновские лучи для «нахождения скрытых объектов, включая угрозы и контрабанду». Но эти технологии обычно ограничены небольшими расстояниями, поскольку размытость изображения и шум нарушают передачу данных по мере удаления устройства от цели.
В результате основной задачей при разработке передовых систем визуализации является сбор больших объемов высококачественных данных для обучения систем реальным приложениям.
удаленная разведка
Подход BBN переворачивает это ограничение с ног на голову, предпочитая вместо этого работать с низкокачественными, легко собираемыми, данными в изобилии, чтобы создать алгоритм, способный решать практические проблемы в этой области. Важно отметить, что это по-прежнему будет иметь место на расстоянии около 0,6 мили (1 километра).
«Мы разрабатываем алгоритмы, которые превращают небольшое количество детальных снимков в достаточно подробную информацию, чтобы лица, принимающие решения, могли действовать, независимо от того, оценивает ли миссия потенциальные угрозы или поддерживает операции по реагированию на чрезвычайные ситуации», — сказал в заявлении Джошуа Фашинг, главный исследователь проекта BBN.
Если все пойдет по плану, новый алгоритм предоставит военнослужащим «доступ к действенной информации о скрытых угрозах, потенциальном оружии или структурных уязвимостях, находящихся за пределами досягаемости», заявили в компании.
