Secondo il Istituto nazionale di standard e tecnologia (NIST), il governo degli Stati Uniti spende miliardi di dollari nella tecnologia di imaging a raggi X per scopi di sicurezza. L’ultimo progetto in questo ambito prevede una nuova classe di strumenti a raggi X per “vedere” le cose da un chilometro di distanza – poco più di mezzo miglio – anche con dati incompleti o confusi.
Nell’a comunicato stampa pubblicato mercoledì, RTX BBN Applied sciences ha annunciato di aver ottenuto un contratto dalla Protection Superior Analysis Venture Company (DARPA) per sviluppare algoritmi di imaging a raggi X a lungo raggio. Curiosamente, l’approccio della Bbn si basa principalmente su simulazioni basate su un gran numero di campioni di bassa qualità, invece che su una manciata di immagini advert alta risoluzione.
L’obiettivo è creare un algoritmo matematico in grado di lavorare con immagini relativamente tremolanti o frammentate, che sia più vicino a ciò che i comandanti potrebbero effettivamente incontrare sul campo di battaglia, ha affermato la società nel comunicato.
Raggi X nella sorveglianza
BBN Applied sciences, con sede nel Massachusetts, è una filiale di RTX, un produttore aerospaziale e della difesa con sede in Virginia. Sin dalla sua fondazione nel 1948, la BBN ha contribuito alcune importanti scoperte nelle tecnologie di rete, un buon numero delle quali sono state sostenute anche dalla DARPA.
La nuova iniziativa, invece, rientra nella DARPA Analisi senza imaging a raggi X a range estremo (XENA) programma. Lo scopo di XENA è quello di sviluppare “set di strumenti algoritmici” per dedurre la composizione interna di oggetti lontani. Nello specifico, il programma cerca di affrontare il modo in cui il movement blur spesso riduce la qualità dei dati relativi all’intelligence in contesti militari.
Per contestualizzare, secondo il NIST, le forze dell’ordine nazionali e militari utilizzano da tempo i raggi X per “trovare oggetti nascosti, comprese minacce e contrabbando”. Ma queste tecnologie sono state generalmente limitate a brevi distanze, poiché il movement blur e il rumore corrompono la trasmissione dei dati man mano che il dispositivo si allontana dal bersaglio.
Di conseguenza, una delle sfide principali nello sviluppo di sistemi di imaging avanzati è stata la raccolta di dati di grandi dimensioni e di alta qualità per addestrare il sistema alle applicazioni del mondo reale.
Ricognizione remota
L’approccio della Bbn capovolge questa limitazione, optando invece di lavorare con dati di bassa qualità, ma più facili da raccogliere in abbondanza, per costruire un algoritmo in grado di affrontare problemi pratici sul campo. È importante sottolineare che questo sarebbe ancora il caso a distanze fino a circa 0,6 miglia (1 chilometro).
“Stiamo sviluppando algoritmi che trasformano un piccolo numero di istantanee granulose in dettagli sufficientemente dettagliati da consentire ai decisori di agire, sia che la missione stia valutando potenziali minacce o supportando operazioni di risposta alle emergenze”, ha detto nella dichiarazione Joshua Fasching, il principale investigatore del progetto della Bbn.
Supponendo che tutto vada secondo i piani, il nuovo algoritmo garantirà ai membri del servizio “l’accesso a informazioni utili su minacce nascoste, potenziali armi o vulnerabilità strutturali da distanze precedentemente fuori portata”, ha affermato la società.
