Automatyczne rozpoznawanie celów na brzegu sieci: potoki ATR dla ISR

Automatyczne rozpoznawanie celów to funkcja, która przekształca czujnik ISR z potoku zobrazowań w zarządzalną, priorytetyzowaną listę kandydatów, na których człowiek może faktycznie działać. Wieżyczka EO przesyłająca strumieniowo obraz 1080p z prędkością 30 klatek na sekundę generuje w ciągu godziny więcej pikseli niż analityk może przejrzeć w ciągu dnia; oprogramowanie ATR obserwuje ten strumień nieprzerwanie, wykrywa obiekty kandydujące, klasyfikuje każdy z nich według zdefiniowanej taksonomii i przypisuje skalibrowaną pewność do każdej decyzji. Detekcja to łatwa część. Trudnymi częściami — i tymi, które decydują o tym, czy system zyska zaufanie operatora — są dane treningowe, kalibracja pewności i pętla potwierdzenia przez człowieka w pętli nadzoru, która utrzymuje człowieka w roli decydenta. Niniejszy artykuł omawia cały potok tak, jak działa on na ograniczonych platformach wizji komputerowej ISR na brzegu sieci.

Czym ATR jest, a czym nie jest

Automatyczne rozpoznawanie celów to łańcuch trzech funkcji: detekcja (gdzie w tej klatce znajdują się obiekty kandydujące), klasyfikacja (czym jest każdy z nich według ustalonej taksonomii) i ocena pewności (jak pewny jest model, wyrażona jako liczba, o której operator może racjonalnie myśleć). Wynikiem jest zestaw geolokalizowanych, otagowanych, ocenionych pod względem pewności śladów przesyłanych do wspólnego obrazu operacyjnego.

Czym ATR nie jest — to organ do wydawania decyzji o zaangażowaniu. Prawidłowo zaprojektowany system ATR nigdy samodzielnie nie zamyka pętli decyzyjnej. Kompresuje objętość czujników do kandydatów i przedstawia dowody; człowiek potwierdza lub odrzuca identyfikację. To rozróżnienie nie jest kosmetyczne — kształtuje architekturę, interfejs użytkownika oraz postawę prawną i doktrynalną całego systemu. ATR, który po cichu promuje własne klasyfikacje do działań, to zupełnie inna i o wiele bardziej niebezpieczna kategoria systemu, i nie jest tym, co odpowiedzialne programy ISR wdrażają w terenie.

Taksonomia decyduje o wszystkim dalej w łańcuchu

Zanim jakikolwiek model zostanie wytrenowany, taksonomia celów musi być ustalona: dokładny zestaw klas, które system rozpoznaje — pojazd kołowy, pojazd gąsienicowy, holowana artyleria, radar obrony powietrznej, personel pieszy i tak dalej — z granularnością wymaganą przez misję. Dwie klasy są niezbywalnych i często pomijane przez niedoświadczone zespoły: jawna klasa nieznanego obiektu i klasa tła/zakłócenia. Bez nich model jest zmuszony przypisać każdy wykryty obiekt do etykiety celu, co generuje fałszywe alarmy, gdy tylko napotka coś spoza rozkładu treningowego. Model, który potrafi powiedzieć „nie wiem", jest operacyjnie bardziej wartościowy niż ten, który pewnie błędnie etykietuje cywilną ciężarówkę.

Dlaczego ATR należy do brzegu sieci

Argument za uruchamianiem ATR na platformie lub stacji kontroli naziemnej, zamiast odsyłania surowych zobrazowań do centrum przetwarzania, sprowadza się do trzech presji: przepustowości, opóźnienia i odporności łącza.

Przepustowość. Przesyłanie strumieniowe pełnoprędkościowego wideo EO lub IR przez taktyczny link danych zużywa cały downlink i rywalizuje ze wszystkim innym, co platforma musi wysyłać. Brzegowy ATR przesyła tylko wykrycia — etykietę, pewność, obwiednię i geolokalizację — co stanowi kilkaset bajtów na obiekt w porównaniu do megabitów na sekundę wideo. Stopień kompresji wynosi kilka rzędów wielkości.

Opóźnienie. Odesłanie zobrazowań do centrum naziemnego i z powrotem dodaje opóźnienie łącza i kolejkowania, które niszczy wrażliwą czasowo pętlę rozpoznawania. Wnioskowanie na platformie generuje decyzję rozpoznawczą w ramach budżetu klatek, bez zależności od zatłoczonej ścieżki połączenia zwrotnego.

Odporność łącza. W zakłóconym środowisku elektromagnetycznym downlink może być zakłócany lub przerywany. Brzegowy potok ATR kontynuuje rozpoznawanie, rejestrowanie i priorytetyzowanie celów przez utratę łącza, a następnie synchronizuje swój dziennik wykryć po przywróceniu łączności. Projekt zależny od centrum po prostu traci wzrok.

Kosztem przejścia na brzeg jest moc obliczeniowa. Centrum przetwarzania naziemnego ma stojaki procesorów graficznych; platforma ISR ma budżet mocy i termiczny mierzony w kilkudziesięciu watach. To ograniczenie napędza architekturę modelu i opisaną poniżej pracę optymalizacyjną — ta sama dyscyplina omówiona w naszym poradniku dotyczącym optymalizacji modeli AI na taktyczne wdrożenia brzegowe.

Architektura modelu dla brzegowego ATR

Standardową produkcyjną architekturą dla ATR w czasie rzeczywistym jest dwuetapowy potok. Szybki detektor zorientowany na przywołanie działa z pełną prędkością klatek, lokalizując każdy obiekt kandydujący nawet kosztem niektórych fałszywych alarmów — pominięcie celu jest gorsze niż oznaczenie dodatkowego obiektu na tym etapie. Każdy kandydat jest następnie wycinany do fragmentu i przekazywany do klasyfikatora wyższej wierności, który przypisuje ostateczną etykietę i pewność. Oddzielenie detekcji od klasyfikacji pozwala taniej etapowi nadążać za czujnikiem, podczas gdy drogi etap poświęca swoje zasoby obliczeniowe tylko na regiony zawierające już coś interesującego.

W przypadku detektora jednofazowe konwolucyjne detektory z rodziny YOLO pozostają podstawowym narzędziem na akceleratorach brzegowych, ponieważ mapują się czysto na arytmetykę całkowitoliczbową i dobrze poddają się kwantyzacji. Detektory oparte na transformerach, takie jak RT-DETR, oferują lepszą dokładność na zatłoczonych scenach przy wyższym koszcie obliczeniowym; to, czy się mieszczą, zależy od akceleratora. Etap klasyfikatora może sobie pozwolić na głębszy szkielet, ponieważ przetwarza tylko fragmenty, a nie pełne klatki.

Dwie decyzje projektowe dominują w przestrzeni kompromisów architektury na brzegu sieci. Pierwsza to rozdzielczość wejściowa. Cele ATR są często małe w klatce — pojazd w zasięgu odległości może zajmować kilkadziesiąt pikseli — a przywołanie małych obiektów załamuje się, gdy detektor zbyt agresywnie próbkuje. Typową odpowiedzią jest strategia kafelkowania: podział pełnej klatki na nakładające się kadry, uruchomienie detektora na każdym z nich i scalenie wykryć, wymieniając prędkość klatek na rozdzielczość, gdy obraz zagrożeń tego wymaga. Drugą decyzją jest wymiar czasowy. Detektor jednoklatkowy traktuje każdą klatkę niezależnie; dodanie lekkiego trackera kojarzącego wykrycia między klatkami tłumi jednoklatkowe fałszywe alarmy, stabilizuje oszacowanie pewności agregując dowody w czasie i zamienia migoczący zestaw pudełek w trwałe ślady, które operator może śledzić.

Rozpoznawanie multimodalne i wieloaspektowe

Cel wygląda radykalnie inaczej w różnych modalnościach czujników i kątach aspektowych. Sygnatura EO czołgu w południe, jego sygnatura IR w nocy i jego powrót SAR to trzy odrębne problemy rozpoznawania. Solidny ATR albo trenuje jeden model na skojarzonych modalnościach, albo uruchamia modele dla poszczególnych modalności, których wyniki są łączone. Kąt aspektowy jest równie problematyczny: pojazd widziany czołowo, z profilu i bezpośrednio z góry ma różne kształty, a model trenowany wyłącznie na zobrazowaniach skośnych zawiedzie przy przelocie bliskim nadiru. Pokrycie kątów aspektowych i modalności w zestawie treningowym ma większe znaczenie niż sama liczba obrazów.

Dane treningowe: prawdziwe wąskie gardło

Model rzadko jest czynnikiem ograniczającym dokładność ATR — dane są. Produkcyjna klasa ATR wymaga tysięcy otagowanych instancji obejmujących zakres operacyjny: każdy kąt aspektowy, zakres odległości, modalność czujnika, warunek oświetleniowy, stan pogodowy oraz stopień zasłonięcia i kamuflażu, z którymi system się spotka. Równowaga klas jest kluczowa; nadreprezentowana klasa pospolita zdominuje trening, podczas gdy rzadka, o wysokich konsekwencjach klasa zostanie słabo nauczona. Zespoły rutynowo nadpróbkują rzadkie cele i stosują ukierunkowaną augmentację w celu wyrównania.

ATR w obronności ma strukturalny problem z danymi: zobrazowania celów wojskowych w warunkach operacyjnych są rzadkie i często tajne, więc nie mogą trafić do normalnego potoku treningowego. Standardowym środkiem zaradczym są dane syntetyczne i treningowe z losowością domenową — renderingi fizyczne modeli celów w pełnym zakresie pozy, oświetlenia i efektów czujnikowych — używane do uzupełnienia zestawu danych, ze świadomie mierzonym odstępem symulacja-do-rzeczywistości zamykanym przez dostrajanie na dostępnych ograniczonych próbkach rzeczywistych. Co kluczowe, oddzielony zestaw rzeczywistych zobrazowań musi być zarezerwowany i nigdy nie trenowany, ponieważ walidacja wyłącznie syntetyczna pochlebia modelowi i ukrywa lukę domenową.

Kalibracja pewności i problem zaufania

Zaufanie operatora do ATR buduje się i niszczy na liczbie pewności. Jeśli model raportuje 95% pewności przy wykryciach faktycznie poprawnych w 70% przypadków, operatorzy szybko uczą się, że liczba jest bez znaczenia i albo nadmiernie jej ufają (działając na fałszywe alarmy), albo całkowicie ją ignorują (pokonując cel systemu). Oba tryby awarii są niebezpieczne.

Kalibracja jest rozwiązaniem. Po trenowaniu na oddzielonym zbiorze walidacyjnym dopasowywane jest mapowanie kalibracyjne, które wyrównuje raportowaną pewność z rzeczywistą dokładnością empiryczną. Skalowanie temperatury — jeden uczony parametr, który łagodzi rozkład wyjść — jest najprostszym i często wystarczającym rozwiązaniem; regresja izotoniczna radzi sobie z bardziej złożonymi błędami kalibracji kosztem potrzeby większej ilości danych walidacyjnych. Właściwą diagnostyką jest diagram niezawodności i oczekiwany błąd kalibracji, a nie ogólna dokładność. Dobrze skalibrowane 60% jest bardziej operacyjnie użyteczne niż błędnie skalibrowane 95%, ponieważ operator może je poprawnie ważyć.

Kalibrację należy też sprawdzić po kwantyzacji. Kwantyzacja INT8 może przesunąć rozkład wyników wystarczająco, aby złamać kalibrację dopasowaną na modelu pełnej precyzji, więc kalibracja jest walidowana na wdrożonym, kwantyzowanym artefakcie działającym na rzeczywistym urządzeniu brzegowym — punkt łączący ATR bezpośrednio z szerszym problemem triaży danych ISR na brzegu sieci w warunkach ograniczeń obliczeniowych.

Potwierdzenie przez człowieka w pętli nadzoru

Pętla potwierdzenia jest miejscem, gdzie ATR staje się systemem odpowiedzialnym, a nie automatycznym identyfikatorem. W projekcie z człowiekiem w pętli nadzoru model działa ciągle i autonomicznie, ale człowiek nadzoruje jego wyniki i posiada uprawnienie do potwierdzenia, odrzucenia lub nadpisania każdej klasyfikacji przed jej wpływem na jakąkolwiek decyzję. Różni się to od człowieka w pętli (human-in-the-loop), gdzie człowiek musi działać w każdym cyklu i staje się wąskim gardłem przepustowości, oraz od autonomii bez udziału człowieka (out-of-the-loop), której celowo odmawia ATR do celowania.

Dobry interfejs potwierdzenia prezentuje każde wykrycie posortowane według priorytetu, z etykietą, skalibrowaną pewnością, fragmentem obrazu pomocniczego i geolokalizacją, oferując jednoakcyjne sterowanie potwierdzeniem i odrzuceniem. Każda decyzja operatora jest rejestrowana jako dane prawdy gruntowej. Ten dziennik to nie tylko ścieżka audytu — jest sygnałem zwrotnym do wykrywania dryfu modelu w terenie i źródłem nowych otagowanych danych dla kolejnego cyklu ponownego trenowania. System ulepsza się dokładnie dlatego, że człowiek pozostał w roli decydenta nad nim.

Dryfowanie, ponowne trenowanie i akredytacja

Model ATR wdrożony przeciwko prawdziwemu przeciwnikowi degraduje się z czasem, gdy zmieniają się taktyki, kamuflaż i sprzęt — rozkład, na którym był trenowany, oddala się od rozkładu, który teraz widzi. Dzienniki potwierdzeń i odrzuceń ujawniają ten dryfowanie jako mierzalny spadek potwierdzonej przez operatora precyzji na klasę, wyzwalając cykl ponownego trenowania na zgromadzonych etykietach rzeczywistych. W przypadku akredytowanych systemów każda zmiana wersji ponownie wchodzi w proces walidacji i kalibracji, ponieważ model rozpoznający cele w inny sposób jest, dla celów akredytacji, nowym systemem.

Tu też do gry wchodzi odporność na przeciwnika. Model ATR, który przeciwnik może badać, to model ATR, który przeciwnik może próbować pokonać — przez fizyczny kamuflaż dostrojony do ślepych plamek modelu, wabiki uruchamiające konkretną klasę lub wzory zaprojektowane do tłumienia detekcji. Nie ma trwałego rozwiązania, jest tylko dyscyplina: przeprowadzaj red-teaming wdrożonego modelu przeciwko realistycznym środkom zaradczym, traktuj nagłą zmianę rozkładu w dzienniku potwierdzeń/odrzuceń jako możliwą próbę dezinformacji, a nie zwykłe dryfowanie, i utrzymuj człowieka w roli decydenta tak, aby oszukany model generował kandydata do przeglądu, nigdy działanie bez przeglądu. Odporność, kalibracja i pętla potwierdzenia to nie oddzielne funkcje; to trzy perspektywy tego samego wymagania — że operator może ufać temu, co system mu mówi.