IMWTS26 SAA tu 1430

Introduction à la neutralisation des cibles

Présentation de Marcos Sastre Cordoba

• Dr. Marcos Sastre Cordoba, expert en technologie marine et acoustique sous-marine, travaille chez Raytheon depuis 26 ans.

• Il est responsable du projet Barracuda Mind Neutralizer, un programme débuté en 2018.

Objectifs de la présentation

• L'objectif principal est d'expliquer l'utilisation de l'IA pour aider à l'identification des cibles dans le cadre de la mission de neutralisation.

• Une démonstration vidéo sera présentée pour illustrer les capacités du système Barracuda.

Démonstration et résultats

Autonomie du véhicule

• Le véhicule a été testé sans assistance, marquant une étape importante dans son développement.

• Les tests ont permis d'atteindre un niveau d'autonomie significatif, avec des essais prévus à Panama City.

Caractéristiques techniques du système

• Le Barracuda est déployé depuis une plateforme hôte et comprend une bouée de communication pour maintenir le contact avec cette dernière.

• La mission commence par un lancement suivi d'une entrée dans l'eau où le véhicule attend les paramètres envoyés par la plateforme hôte.

Capacités clés du Barracuda

Autorité de contrôle et communication

• Le système doit avoir une autorité de contrôle suffisante pour opérer dans divers environnements marins.

• Un système Acom double usage permet non seulement la communication acoustique mais aussi la localisation du véhicule pendant l'engagement.

Modalités sensorielles

• Utilisation d'un sonar avant pour rechercher des cibles et appliquer un ATR (Automatic Target Recognition).

• Importance d'un processeur vidéo fiable pour maximiser les chances de succès lors de l'engagement final.

Préparation à l'autonomie

Défis rencontrés

• La transition vers un fonctionnement autonome a été comparée au fait de laisser conduire un adolescent pour la première fois.

Enregistrement des données

• L'enregistrement minutieux des exercices était essentiel pour documenter les capacités atteintes depuis le début du programme.

Réflexions sur l'intelligence artificielle

Évaluation initiale des solutions IA

• Au départ, il y avait des réserves concernant l'utilisation de l'IA en raison des besoins élevés en données qualitatives.

Comparaison avec d'autres domaines

• Contrairement aux algorithmes utilisés dans la reconnaissance faciale qui bénéficient d'une grande quantité de données accessibles, les algorithmes marins doivent faire face à plus de défis.

Défis de l'entraînement d'IA pour la détection de mines sous-marines

Manque de données pour l'entraînement

• Il existe un manque significatif d'images publiques sur les mines sous l'eau, avec seulement environ 20 images utilisables pour l'entraînement des IA selon une étude de 2022.

• Avec seulement 20 images, il est impossible d'apprendre à une machine à discerner efficacement les mines. Un volume de données beaucoup plus important est nécessaire.

Variabilité environnementale et classification

• Les données doivent représenter non seulement les variations environnementales mais aussi différents types de mines et conditions d'éclairage.

• Des défis liés à la classification des données existent, rendant difficile le transfert des algorithmes entre systèmes en raison des artefacts présents dans les images collectées.

Génération artificielle de données

• L'idée a été proposée d'utiliser des moyens artificiels pour générer des images réalistes afin d'entraîner l'IA.

• Une série d'images artificielles a été créée en tenant compte de diverses conditions environnementales et dynamiques pour enrichir le jeu de données.

Modélisation physique et traitement vidéo

• Utilisation du générateur de scènes Unreal Engine pour créer différentes séquences représentant la géométrie cible dans un environnement 3D.

• Des transformations physiques ont été ajoutées aux modèles générés afin d'améliorer leur réalisme, y compris le flou et le rétroéclairage.

Résultats obtenus lors des tests

• Les résultats montrent que l'algorithme peut suivre efficacement les cibles même en présence de distractions comme un plongeur ou des marques sur la cible.

• La prochaine étape consiste à livrer des actifs pour soutenir les tests au Panama City, avec une anticipation positive concernant les améliorations futures du programme.

Questions et Réponses sur le Barracuda

Image de la caméra

• La caméra utilisée est monochrome, c'est-à-dire en noir et blanc, ce qui est principalement dû à des considérations de débit plutôt qu'à des conditions de faible luminosité.

Fréquence centrale et coût

• La fréquence centrale utilisée par ACOMS est d'environ plusieurs dizaines de kilohertz. Cette information a été confirmée lors d'une question posée par un participant.

• Le coût du neutraliseur de mines est estimé à environ 100 000 dollars, mais il pourrait être moins cher si produit en grande quantité.

Neutralisation des mines

• Le Barracuda doit réacquérir une cible identifiée par un autre système (Mindhunt), en utilisant les coordonnées GPS fournies pour localiser l'objet ciblé.

• Le neutraliseur n'a pas besoin d'impact direct sur la mine; il doit atteindre une certaine distance pour activer la charge explosive.

Capteurs et navigation

• Le Barracuda utilise à la fois un sonar comme capteur principal pour la réacquisition des cibles et une caméra pour le contrôle final et l'identification.

• La bande passante du système ACOMS est de 5 kilohertz, basée sur le micromodème Huey.

Environnement opérationnel

• Les tests sont réalisés dans un environnement qui simule les exigences opérationnelles, y compris la clarté de l'eau et les vagues de surface.

• Des configurations environnementales sont établies pour répondre aux exigences spécifiques concernant les fausses cibles et les courants marins.

Perspectives futures

• Il n'y a pas encore d'estimation précise quant à la date de livraison du Barracuda à la flotte pour son utilisation opérationnelle.

• Brian Amador, responsable adjoint du programme, pourrait fournir plus d'informations sur les essais finaux et les opérations initiales du Barracuda.