Новая технология позволит военным США заглядывать внутрь зданий и машин с безопасной дистанции
Агентство перспективных оборонных исследовательских проектов США (DARPA) объявило о начале работы над новой технологией, которая позволит военным силам буквально видеть сквозь стены и корпуса машин с расстояния почти в один километр. Финансирование проекта, получившего название XENA (X-ray Extreme-Range Non-Imaging Analysis), выделено компании BBN Technologies. Основная цель программы — преодолеть физические ограничения современных рентгеновских систем и расширить дальность их действия до 1 километра. Это должно кардинально повысить ситуационную осведомленность на поле боя в тех случаях, когда приближение к потенциально опасному объекту невозможно или связано с неоправданным риском.
Традиционные портативные рентгеновские сканеры способны выдавать четкое изображение только на малой дистанции. При увеличении расстояния сигнал неизбежно ослабевает, а на качество картинки влияют размытие от движения и шумы. Разработчики XENA предлагают принципиально новый подход. Вместо того чтобы пытаться получить один идеальный снимок, система будет собирать несколько несовершенных, "зашумленных" сканов. Специальные алгоритмы, основанные на математическом моделировании и передовом программном обеспечении для анализа изображений, объединят эти разрозненные данные в единую картину. Этот метод можно сравнить с созданием одного четкого снимка из нескольких смазанных фотографий. Анализируя повторяющиеся закономерности, система сможет реконструировать скрытую геометрию объектов искусственного происхождения, позволяя операторам обнаруживать спрятанное оружие, тайники или уязвимости конструкции на ранее недоступных дистанциях.
Еще одной ключевой особенностью проекта является отказ от сбора огромных массивов реальных данных для обучения нейросетей, что при работе на экстремальных расстояниях крайне сложно и дорого. Вместо этого команда BBN Technologies, в которую также вошли специалисты Технологического института Джорджии, будет активно использовать крупномасштабное компьютерное моделирование. Симуляции позволят точно рассчитать поведение системы в условиях слабого и искаженного сигнала и проверить способность алгоритмов извлекать критически важную информацию даже из неполных данных. Такой подход, по словам ведущего исследователя BBN Джошуа Фашинга, направлен на создание алгоритмов, которые превращают несколько зернистых "моментальных снимков" в достаточный объем информации для принятия решений, будь то оценка угроз или поддержка спасательных операций.