შვედური დრონი სამიზნეებს Nvidia-ს მოდულით ავტონომიურად ბომბავს

Scaleout-ის საჩვენებელ ვიდეოში „ტექნიკური ჩვენება: ავტონომიური უპილოტო საფრენი აპარატების მისიებისთვის ბორტზე განთავსებული გამოთვლითი სისტემა“ კომპანიის დრონი ხელოვნური ინტელექტით პოტენციურ საფრთხეებს ამჩნევს. მთელი დამუშავება ბორტზე მიმდინარეობს. სისტემის ასამუშავებლად ღილაკზე დაჭერის გარდა, ხელით მართვა აუცილებელი არ არის. დანიშნული პილოტი ავარიული მართვისთვის მზად რჩებოდა. მისია ადამიანის მიერ განსაზღვრული პარამეტრებით შესრულდა და ჯავშნიანი საინჟინრო მანქანის განადგურებას ისახავდა მიზნად. დაზვერვას დაახლოებით 200 წამი დასჭირდა, ხოლო სრული მისია 320 წამზე ნაკლებ დროში დასრულდა. მისია კომუნიკაციის გარეშე შესრულდა, რაც Scaleout-ის მტკიცებას ადასტურებს, რომ სისტემა ელექტრონული ომის მიმართ მდგრადია.

ანგარიშში საბრძოლო მასალა „კამიკაძე დრონად“ მოიხსენიეს, თუმცა პროგრამა უფრო ზუსტ ტერმინს, „მოარულ საბრძოლო მასალას“, იყენებს. მისიის უმეტესი ნაწილი ძებნას, სამიზნეების პრიორიტეტების განსაზღვრასა და დარტყმის მოლოდინს ეთმობა. კომპანია Scaleout Edge-სა (Scaleout Edge) და „ფედერაციულ სწავლებას“ „ტაქტიკურ კომპიუტერული ხედვის ქსელში“ აერთიანებს. მოწყობილობები ხელოვნურ ინტელექტს ადგილობრივად ავარჯიშებენ და სწრაფი ადაპტაციისთვის მოდელის განახლებებს აზიარებენ. Scaleout-ის პროექტი FEDAIR ნატოს DIANA-ს აქსელერატორის ნაწილია. პროექტმა განვითარებისთვის 100 000 ევროს დაფინანსება, სწავლება და საცდელ სისტემებზე წვდომა მიიღო.

Scaleout-მა თებერვლის პოსტში შვედეთის BTC Karlskoga-ზე (BTC Karlskoga) გამართული ცალკე „არქტიკული დარტყმის ჩვენება“ აღწერა. მისია თოვლში, ცელსიუსით -18 გრადუსზე, ანუ ფარენჰაიტით დაახლოებით 0 გრადუსზე შესრულდა. Airolit S1-ის საფრენმა პლატფორმამ (Airolit S1) Nvidia-ს Jetson Orin Nano-ზე ობიექტების აღმომჩენი YOLOv8 Nano მოდელი გაუშვა. Scaleout-ის განცხადებით, დაახლოებით 20 მ/წმ სიჩქარეზე სისტემა წამში 30 კადრს ამუშავებდა. მიზნობრივი დაყოვნება 30 მწმ ან ნაკლები იყო, ხოლო საველე პირობებში დაახლოებით 30 მწმ შენარჩუნდა. სიღრმის სენსორის გარეშე მანძილის განსაზღვრა შესაძლებელია წერტილოვანი კამერის მოდელისა და ობიექტის ცნობილი ზომის გაერთიანებით.

Scaleout-მა 30 ივნისის პოსტში „მდგრადი პერიფერიული ხელოვნური ინტელექტი დაზვერვისთვის, მეთვალყურეობისა და სადაზვერვო მონაცემების შეგროვებისთვის: ჩვენი შვედეთის საჰაერო ძალების ჩვენება“ კიდევ ერთი გამოცდა აღწერა. Scaleout Edge უკვე მოქმედი ლიცენზიით იყო განთავსებული. ქსელი ღრუბლოვან ინფრასტრუქტურაში განთავსებული Scaleout Edge-ის მართვის სისტემის ქვეშ ორ სახმელეთო კვანძს იყენებდა. პირველი, ALPHA, ავიაბაზაზე განთავსებული სტაბილური კავშირის მქონე მოწინავე კვანძი იყო. მეორე, BRAVO, უფსალაში მდებარე ლაბორატორიული კვანძი იყო, რომლის კავშირიც ჯერ გაუარესდა, შემდეგ კი მთლიანად გაწყდა. კავშირის გარეშე BRAVO მონაცემების დამუშავებასა და აქტიურ სწავლებას სრული კადრული სიხშირით აგრძელებდა და აღმოჩენებს ადგილობრივად აღრიცხავდა. კავშირის აღდგენის შემდეგ მან მონაცემები პრიორიტეტული თანმიმდევრობით გადასცა: კავშირის საკონტროლო სიგნალები, კრიტიკული გაფრთხილებები, გადახრები, მოდელის განახლებები და ტელემეტრია. გამოცდა გარე ჩარევის გავლენას იმეორებდა.