closeVideo

Fox News Flash top titres pour le 14 Mai

Fox News Flash top titres sont ici. Découvrez ce qu’en cliquant sur Foxnews.com.

L’Armée et Raytheon sont maintenant accélérer le développement et le déploiement d’une mise à niveau de contre-drone système d’armes spécialement conçus pour remédier à proximité de drone de petite taille menaces, en utilisant en partie des applications émergentes de l’IA.

intégrée contre-drone système utilise une bande Ku mobile à 360 ° de radar au sol appelé KuRFS — en conjonction avec une suite de contre-mesures, appelées effecteurs. KuRFS peut fournir des informations sur les menaces pour les rez-de commandants qui peut ensuite opter pour l’utilisation de laser contre-mesures, EW (Guerre Électronique), de grande puissance des armes à micro-ondes ou une énergie cinétique de l’intercepteur de missile de drone appelé le Coyote le Bloc 2. Cependant, avant toute menace peut être détruit, il doit d’abord être identifié ou “vu”.

lors de la préparation à la mise à niveau de la contre-drone système avec le Coyote le Bloc 2, Raytheon et de l’Armée sont mettant l’accent sur de nouvelles innovations, telles que l’application de l’AI et de l’Apprentissage Machine. Le Coyote Bloc 2, le système est déjà intégré dans un complexe système de commande et contrôle chargée d’organiser et de transmettre en temps sensible à la menace de données pour l’homme les décideurs en vertu de l’attaque. Raytheon développeurs de dire Guerrier de l’entreprise est de regarder quelques-unes des prochaines étapes avec “fusion de données” impliquant l’utilisation de l’IA pour analyser les fast-arrivée des données à partir d’autres disparates systèmes de capteurs pour optimiser les délais de décision cruciale-informer le combat de données.

les SOLDATS de l’UTILISATION de l’IA POUR le FEU de la PRÉCISION des GRENADES, le GUIDE des ATTAQUES de DRONES

Par exemple, de l’AI et de l’Apprentissage Machine, les programmes peuvent analyser arrivant menaces à l’encontre de précédentes occasions où les drones ont été utilisés pour attaquer dans une variété de façons, en tenant compte d’un large éventail de variables, telles que les vitesses d’approche, l’essaim des techniques, des armes utilisées à la navigation et à des facteurs tels que la météo obstacles ou les détails du terrain.

UN AMÉRICAIN Predator drone vole au-dessus de Kandahar Air Field, le sud de l’Afghanistan dimanche, Janv. 31, 2010 – fichier photo. (AP Photo/Kirsty Wigglesworth)

Donc, par la réception et rapidement l’analyse électronique des signaux de retour ou de “pings” à partir d’un KuRFS radar, l’IA qui détient le pouvoir de commandement et de contrôle des applications peut instantanément présenter aux commandants de réponse optimal des options telles que qui effecteur, ou “tuer méthode” serait mieux. Peut-être la météo complications ferait un laser intercepteur moins efficace? Peut-être une attaque sur une zone urbaine permettrait d’éviter une option pour utiliser “cinétique” ou explosifs défenses — compte tenu de la façon dont des fragments ou débris pourraient présenter des risques, à proximité de civils? Peut-être l’utilisation de EW armes ou de grande puissance micro-ondes pourrait être la méthode idéale pour la confiture ou de désactiver l’approche de drone essaims, ou interférer avec le demandeur ou le système de guidage utilisé par les appareils? Enfin, soi-disant cinétique options, telles qu’un Coyote Bloc 2 intercepteur arme, pourraient directement intercepter et de faire exploser l’approche d’un drone ou d’utiliser une proximité fusible pour une “zone” de l’effet explosif de frapper de petits groupes de drones.

Tous ces scénarios potentiels exigent la réunion, de l’analyse et de l’organisation de menace spécifique des données de capteur – précisément de présenter les types de situations difficiles IA applications pourraient effectuer pour les humains, à la vitesse de l’éclair. Idéalement, les technologies d’Apprentissage automatique peut recevoir et intégrer les inédites de la menace des détails de grande importance, de les fusionner avec les données existantes, l’exécution de près d’analyse en temps réel et le rendu organisé des options pour les commandants de l’homme.

MARINE BRAS de MER de DRONES POUR l’OCÉAN ATTAQUE

Ce progrès, déjà bien entamée par l’Armée et Raytheon développeurs, est bien articulé dans un essai intitulé “l’Apprentissage en Profondeur sur les Données du Capteur pour Compteur de DRONE Applications—Un Examen Systématique,” publié par la US National Library of Medicine, National Institutes of Health

Réseau IA systèmes, tel que décrit par l’essai, être “utilisé pour traiter une grande variété de données provenant de nombreuses sources différentes. Ils sont utilisés pour traiter une grande variété de données provenant de nombreuses sources différentes en raison de leur capacité à découvrir de haut niveau et les caractéristiques abstraites que caractéristique des méthodes d’extraction ne peut pas … L’utilisation de l’apprentissage en profondeur des méthodes de fusion de données peut être d’une grande importance dans la résolution de la question critique de la multi-sensorielle de l’agrégation de données.”

CLIQUEZ ICI POUR OBTENIR LA FOX NEWS

l’Intégration de cumul des données de capteur peuvent, en vertu de l’essai est de localiser optimale des applications de capteurs spécifiques à des scénarios de menace. La précision des rendus généré par KuRFS pourrait rapidement être enrichis par Électro-Optique/Infrarouge capteurs laser de l’ISR, acoustique des applications ou de la radio (RF). En outre, les attributs d’un capteur permet de compenser les limites de l’autre, la création de ce Raytheon les développeurs décrivent comme un “bien commun de l’exploitation” de l’image.