Détection assistée par capteurs sur le champ de bataille de l’avenir

Lorsqu’on pense à la guerre moderne, il peut être facile d’imaginer des soldats qui participent activement sur le champ de bataille : les tirs, la sueur qui coule et les ordres donnés avec urgence. Cependant, on ne pense peut-être pas immédiatement à l’ampleur des préparatifs nécessaires pour veiller à ce que les soldats soient prêts au combat. Un élément essentiel de cette préparation est l’utilisation du renseignement recueilli pour bien définir l’environnement du champ de bataille, déterminer la menace et élaborer les plans d’action convenables. Les soldats ont besoin de ce renseignement pour réussir, et bien que cela ne changera pas, la façon dont ils obtiennent cette information changera, car les technologies et les capacités modernes évoluent rapidement pour s’adapter au combat de l’avenir.

La Force opérationnelle sur l’intelligence artificielle (AITF) de l’Armée se sert de son expertise technique et de sa connaissance approfondie de la technologie future pour réaliser un projet qui pourrait transformer radicalement la façon dont les forces armées américaines se préparent en vue d’opérations sur le champ de bataille et mènent celles-ci. Ce système est appelé « reconnaissance des menaces assistée par capteurs collaboratifs et autonomes mobiles (ATR‑MCAS) » et il s’agissait du centre d’intérêt du projet pour l’AITF et l’équipe du Carnegie Mellon University's National Robotics Engineering Center (CMU NREC), qui ont récemment participé à une activité de collecte de données à Fort Hunter-Liggett, en Californie, du 13 au 17 janvier.

L’ATR-MCAS est un système soutenu par l’IA de véhicules aériens et terrestres réseautés à la fine pointe de la technologie qui tirent parti de capteurs et de l’informatique en périphérie. Les véhicules sont munis de capteurs qui les permettent de circuler dans des zones d’intérêt pour déterminer, classifier et établir la position géographique des entités, des obstacles et des menaces éventuelles, ce qui réduit la charge cognitive des soldats. Le système est également capable de regrouper et de distribuer les données sur l’objectif, ce qui permet ensuite de formuler des recommandations et de faire des prévisions en fonction de l’aperçu combiné de la menace.

« Ce projet repousse les limites existantes de l’intelligence artificielle et de l’apprentissage automatique utilisés pour la classification d’images et la navigation autonome », a affirmé le Lcol Chris Lowrance, responsable des systèmes autonomes de l’AITF. « L’ATR-MCAS diffère des systèmes autonomes existants, car elle ne se limite pas qu’aux cas d’utilisation particuliers. Elle peut être utilisée pour effectuer des missions de reconnaissance dans la zone d’opérations ou maintenir une position fixe en exécutant des missions de surveillance et de défense de zone. » Les capacités de l’ATR-MCAS s’étendent à d’autres missions de guerre terrestre telles que la reconnaissance d’itinéraire, les missions de surveillance ou la vérification des objectifs de grande importance.

Cette capacité de s’adapter à diverses normes de rendement offre une meilleure connaissance de la situation et des aptitudes liées à la prise de décision plus rapide. En outre, cette conception adaptable accroît la létalité et la capacité de survie des soldats en leur permettant de trouver, d’identifier et de suivre des objectifs plus rapidement sur le champ de bataille.

Une fois recueillie par les capteurs autonomes, l’information de base au sujet des menaces détectées est transmise aux soldats par l’entremise d’un réseau spécial mobile. Une image commune de la situation opérationnelle (ICSO) fait état des menaces, ce qui offre une vue d’ensemble du champ de bataille. Ces renseignements fournis par l’ICSO sont ensuite traités par un agent de soutien à la prise de décision fondée sur l’IA, qui peut formuler des recommandations telles que l’établissement des priorités des menaces. Les renseignements ne seront pas recueillis selon les normes de données statiques, mais plutôt au moyen de la médiation de données robustes, qui permet une plus grande synergie et une interopérabilité accrue à l’échelle des systèmes terrestres et aériens.

Dans des applications telles que l’ATR, la médiation de données est axée sur la compréhension commune sur le plan tactique, qui est essentielle pour obtenir des renseignements exacts sur la menace ou l’objet d’intérêt. Le traitement de données d’image de nombreux capteurs au moyen de techniques d’intelligence artificielle et d’apprentissage automatique (IA/AA) exige une puissance de calcul considérable sur le plan tactique, ce qui donne aux soldats un accès plus immédiat aux données.

« Les événements de collecte de données comme celui-ci sont importants, car les données précèdent l’établissement d’une classification IA/AA ou d’un modèle de prévision et constituent un élément essentiel de ceux-ci », a ajouté Lowrance. « Plus nous saisissons les occasions de recueillir de bonnes données réalistes, plus nos systèmes seront efficaces en matière de détermination et de classification d’objets semblables à l’avenir. »

Les données recueillies pendant cet événement seront utilisées dans la formation des capteurs relativement à la reconnaissance et à la classification des objets sur le champ de bataille, ce qui améliore la pertinence et l’utilité du système en vue des opérations futures. Les images recueillies seront étiquetées en tant que types d’objets précis pour que le modèle soit en mesure d’identifier les mêmes objets d’intérêt ou des objets semblables. Une meilleure compréhension commune sur le plan tactique facilite la collaboration entre les capteurs, les systèmes et les soldats.

L’établissement d’outils intelligents et d’adaptation comme celui-ci soutient les efforts de modernisation de l’Armée et offre aux soldats une meilleure connaissance de la situation, ce qui assure leur sécurité tout en leur permettant de prendre des décisions plus éclairées sur le champ de bataille.