新浪博客
照片：通用原子公司
负责发射激光的人工智能......对这种事情感到恐惧的人可能会说这是他们经常遇到的噩梦，但这正是我们这个时代的现实。或者，至少当海军研究生院
（NPS）、海军水面作战中心达尔格伦分部、洛克希德马丁公司、波音公司和空军研究实验室 （AFRL） 的人完成他们的研究时。
在某种程度上（意味着它正在开发和测试此类产品），美国海军已经使用激光来应对对其舰艇和其他资产的威胁。它们对来袭目标的预期效果使军事部门相信这是未来的战争方式，因此现在正在进行深入研究，以使激光更加有效。
研究人员关注的不是实际击败目标，而是激光检测、跟踪、锁定和射击的方式。这似乎很简单，但实际上是一个非常耗时且要求很高的过程，尤其是当有多个来袭目标时，或者无人机伴随着高超音速导弹或火箭时。
海军使用激光对付无人机的方式有点像这样。一旦雷达接收到来袭的无人驾驶自主系统（UAS，无人机的官方军事术语）的信号，它就会将数据发送到激光武器系统 （LWS）。
作该系统的人使用红外传感器并开始跟踪无人机。激光系统的一个称为望远镜的组件用于保持对无人机的锁定。然后，作员必须通过与数据库中的引用进行比较来对威胁进行分类。
照片：通用原子公司
这样做是因为接下来的事情至关重要。知道来袭的无人机类型使 LWS作员能够将激光器对准其最敏感的组件，以期造成最大的损害。
考虑到无人机的姿势，作员然后发射激光束，确保考虑到到目标的距离和途中的大气条件。这些都是需要了解的重要事情，因为，信不信由你，今天有效地发射激光需要的不仅仅是瞄准和按下按钮。
为此，激光必须从初始接触到无人机被摧毁，并且必须连续击中指定的瞄准点。正如您可能想象的那样，考虑到目标如何不断移动并且所涉及的距离有时令人印象深刻，在无人机上保持激光锁定是一件非常困难的事情。
以上都是当今水手自己做的步骤。由于正在进行的研究，美国海军上周分享了其详细信息，情况可能很快就会不再如此。当然，人类仍然会参与这个过程，但作为监督者而不是作员。
该研究的主要目标是自动化上述一些步骤，包括目标分类、姿态估计和瞄准点选择。希望一旦由 AI 运行，LWS“就可以为当今复杂和快节奏的作环境进行快速、准确的目标评估”。
照片：通用原子公司
对于手头的任务，研究团队使用了一种叫做高能激光束控制研究测试台 （HBCRT） 的东西。它由波音公司于 2016 年制造，由一个小型望远镜和中波长红外线组成，旨在复制 30 千瓦激光系统的工作原理。
为了训练用于该任务的未指定 AI，该团队使用 HBCRT 创建了无人机图像目录。这些图像中的大部分（准确地说是 100,000 张）是计算机生成的，而额外的 77,077 张图像描绘了现实世界中的收割者无人机。
编译完成后，数据集被馈送到 AI 系统，该系统使用具有深度学习功能的卷积神经网络对其进行训练。就硬件而言，海军及其合作伙伴使用了配备四个 Tesla V100 GPU 的 NVIDIA DGX 工作站。
AI 基于三个场景进行训练，这些场景要么混合现实世界和生成的图像，要么一次依赖于一种类型。事实证明，在使用真实数据集时，它学到的东西最多，产生的错误数量最少。
在 NPS 开发的 AI 模型现已转移到海军水面作战中心 Dahlgren 部门，该部门的人员将继续开发它，直到它准备好进行现场测试，包括教它以 Reaper 以外的无人机为目标。发表在《机器视觉与应用》上的一篇论文深入探讨了以发射激光为目的的 AI 训练的痛苦细节。
目前尚不清楚人工智能是否以及何时会在真实世界的战斗条件下真正控制海军激光系统。不过，这项研究也有希望引领人工智能接管军方使用的其他跟踪系统。
负责发射激光的人工智能......对这种事情感到恐惧的人可能会说这是他们经常遇到的噩梦，但这正是我们这个时代的现实。或者，至少当海军研究生院
（NPS）、海军水面作战中心达尔格伦分部、洛克希德马丁公司、波音公司和空军研究实验室 （AFRL） 的人完成他们的研究时。在某种程度上（意味着它正在开发和测试此类产品），美国海军已经使用激光来应对对其舰艇和其他资产的威胁。它们对来袭目标的预期效果使军事部门相信这是未来的战争方式，因此现在正在进行深入研究，以使激光更加有效。
研究人员关注的不是实际击败目标，而是激光检测、跟踪、锁定和射击的方式。这似乎很简单，但实际上是一个非常耗时且要求很高的过程，尤其是当有多个来袭目标时，或者无人机伴随着高超音速导弹或火箭时。
海军使用激光对付无人机的方式有点像这样。一旦雷达接收到来袭的无人驾驶自主系统（UAS，无人机的官方军事术语）的信号，它就会将数据发送到激光武器系统 （LWS）。
作该系统的人使用红外传感器并开始跟踪无人机。激光系统的一个称为望远镜的组件用于保持对无人机的锁定。然后，作员必须通过与数据库中的引用进行比较来对威胁进行分类。
照片：通用原子公司这样做是因为接下来的事情至关重要。知道来袭的无人机类型使 LWS作员能够将激光器对准其最敏感的组件，以期造成最大的损害。
考虑到无人机的姿势，作员然后发射激光束，确保考虑到到目标的距离和途中的大气条件。这些都是需要了解的重要事情，因为，信不信由你，今天有效地发射激光需要的不仅仅是瞄准和按下按钮。
为此，激光必须从初始接触到无人机被摧毁，并且必须连续击中指定的瞄准点。正如您可能想象的那样，考虑到目标如何不断移动并且所涉及的距离有时令人印象深刻，在无人机上保持激光锁定是一件非常困难的事情。
以上都是当今水手自己做的步骤。由于正在进行的研究，美国海军上周分享了其详细信息，情况可能很快就会不再如此。当然，人类仍然会参与这个过程，但作为监督者而不是作员。
该研究的主要目标是自动化上述一些步骤，包括目标分类、姿态估计和瞄准点选择。希望一旦由 AI 运行，LWS“就可以为当今复杂和快节奏的作环境进行快速、准确的目标评估”。
照片：通用原子公司对于手头的任务，研究团队使用了一种叫做高能激光束控制研究测试台 （HBCRT） 的东西。它由波音公司于 2016 年制造，由一个小型望远镜和中波长红外线组成，旨在复制 30 千瓦激光系统的工作原理。
为了训练用于该任务的未指定 AI，该团队使用 HBCRT 创建了无人机图像目录。这些图像中的大部分（准确地说是 100,000 张）是计算机生成的，而额外的 77,077 张图像描绘了现实世界中的收割者无人机。
编译完成后，数据集被馈送到 AI 系统，该系统使用具有深度学习功能的卷积神经网络对其进行训练。就硬件而言，海军及其合作伙伴使用了配备四个 Tesla V100 GPU 的 NVIDIA DGX 工作站。
AI 基于三个场景进行训练，这些场景要么混合现实世界和生成的图像，要么一次依赖于一种类型。事实证明，在使用真实数据集时，它学到的东西最多，产生的错误数量最少。
在 NPS 开发的 AI 模型现已转移到海军水面作战中心 Dahlgren 部门，该部门的人员将继续开发它，直到它准备好进行现场测试，包括教它以 Reaper 以外的无人机为目标。发表在《机器视觉与应用》上的一篇论文深入探讨了以发射激光为目的的 AI 训练的痛苦细节。
目前尚不清楚人工智能是否以及何时会在真实世界的战斗条件下真正控制海军激光系统。不过，这项研究也有希望引领人工智能接管军方使用的其他跟踪系统。