האם מגלי רחפנים יכולים לזהות רחפנים של FPV באופן מדויק?

למה מסוקים לא מאוישים מסוג FPV מהווים אתגר למכשירי זיהוי מסוקים קונבנציונליים

לרוב מערכות זיהוי המטוסים הלא מאוישים הסטנדרטיות קושי בזיהוי כלי טיס לא מאוישים מסוג First Person View (FPV) בשל ההבדלים הגדולים בדפוס התעופה שלהם לעומת כלי טיס אחרים. מכונות קטנות אלו מחליקות סביב בגובה נמוך מאוד מעל הקרקע, לרוב בגובה של פחות מ-50 מטרים, שם מגוון עצמים – כגון עצים, בניינים ופריטים עירוניים אחרים – מפריעים לאותות הרדאר. מה שהופך את זיהוי הכלי הזה לקשה עוד יותר הוא העובדה שמנהלי הכלי אינם משתמשים במערכות GPS רגילות או במודולי תקשורת שאליהם מתמקדות מרבית מערכות הזיהוי. כלי הטיס מסוג FPV נוטים לנוע במהירות רבה, להאיץ מ-0 עד 100 קמ"ש תוך פחות משני שניות ולבצע פניות פתאומיות הדומות לשל ציפורים או שמתמזגות עם רעש הרקע. מדייני תדרי הרדיו בדרך כלל אינם מצליחים להתאים את עצמם בזמן אמת כאשר המנחים משנים את התדרים במהירות, וגם המצלמות אינן עוזרות במיוחד, מאחר שתקלות בהן מופיעות בלילות או כאשר יש חסימה של קו הראיה. כל הגורמים הללו יחד יוצרים פגמים גדולים בשיטות הזיהוי הנוכחיות. מחקרים מראים שטכנולוגיות קיימות מפספסות בערך 70% מכלי הטיס מסוג FPV בסביבות מורכבות כמו ערים או אזורים תעשייתיים.

איך מגלי מסוקים מתקדמים משפרים את דיוק זיהוי FPV

תפיסה רב-מודלית: שילוב נתונים חזותיים, תרמיים ו-RF לזיהוי עמיד

מערכות מודרניות לגילוי רכבים טיס בלתי מאוישים (דראונים) פותרות את הבעיות הנובעות מתלות בסוג אחד בלבד של חיישן, על ידי שילוב של מצלמות רגילות, טכנולוגיית הדמיה תרמית וסריקת תדרי רדיו, כולם באחת החבילה. במהלך היום, המצלמות הרגילות מצלמות תמונות מפורטות כדי לאפשר זיהוי של צורות וממדים. המצלמות התרמיות מזהות את החום הנפלט ממנועי הדראונים והסוללות שלהם, מה שחשוב במיוחד מכיוון שכמעט שלושה רבעים מהטיסות הלא מורשות של דראונים מתרחשות בתנאי ראות לקויים, לפי דו"ח החדש ביותר של משרד הביטחון הפנים (DHS) משנת שעברה. במקביל, מערכות אלו סורקות אחר אותות רדיו המאפיינים את מערכות התצוגה מהנקודת מבט של הטייס (First Person View), ועוזרות לעובדי האבטחה לאתר את המיקום האפשרי של הטייסים. שילוב כל שיטות הגילוי השונות הללו מאפשר למערכת לזהות דראונים בכמה דרכים בו זמנית, ובכך מצמצם את מספר המקרים בהם הדראונים לא נזוהו כמעט בחצי, בהשוואה לגישות ישנות יותר המשתמשות בחיישן בודד. גם כאשר משהו חוסם את קו הראייה – למשל, כאשר דראון עף מאחורי בניין – המערכת ממשיכה לעקוב אחריו על ידי התאמת אותות הרדיו הנותרים עם קריאות תרמיות שנקלטו קודם לכן.

מיון מונע ב-AI: מודלים ללמידה עמוקה שtrained על דינמיקת טיסה ייחודית ל-FPV

אלגוריתמים של למידת מכונה משפרים את דיוק זיהוי ה-FPV על-ידי ניתוח תבניות התנועה הייחודיות שלהן. רכבים מסחריים מרחוק (drones) פשוט לא נעים בדרך הזו. FPVs יכולים להגיע למהירות של 60 מייל לשעה תוך פחות מ-1.5 שניות, לבצע לולאות אנכיות קיצוניות, ולשחות סביב מכשולים בגובה נמוך מ-15 מטר. התנהגויות אלו נרשמות כעת בבסיסי נתונים סטנדרטיים של איומים ברחבי התעשייה. הטכנולוגיה שעומדת מאחורי זה? רשתות נוירונים קונבולוציוניות שמעבדות בזמן אמת נתונים מהחיישנים בעזרת ארכיטקטורת AttnYOLO. במילים פשוטות, הן ממקדות את תשומת לבן יותר בתנועות חריגות על-ידי מתן משקל שונה לחלקים השונים של התמונה. עם זאת, אימון המודלים הללו דורש כמויות גדולות של נתונים. השתמשנו בקבוצות שכוללות למעלה מ-20,000 מצבים טיסתיים שונים, והתוצאות מדברות בעד עצמן: דיוק של כ-98.8% בזיהוי כאשר השמיים צלולים, ויורד רק לכ-96.2% גם כאשר האותות מוטרדים או חלקים מהדרון אינם נראים. מה שהופך את המערכת הזו באמת ייחודית הוא היכולת שלה להתפתח באופן עצמאי באמצעות שיטה הנקראת 'למידה Федерלית' (federated learning). אין צורך להתאים ידנית את ההגדרות בכל פעם ש-FPVs משנים את טקטיותיהם. גישה זו כולה הופכת את מערכות זיהוי הדרונים הרגילות למערכות פעילות להערכה של איומים, ולא רק לצופות פאסיביות.

המגבלות הפעולתיות במציאות של מגלי רחפנים בעלי יכולת FPV

מגבלות סביבתיות וקיצוניות: אור נמוך, חסימה ופער בזמן עיבוד בזמן אמת

גלאים מתקדמים מסוג FPV ממשיכים להתקשה במגבלות تشغיליות משמעותיות כאשר הם מוצבים בסביבות לא צפויות. חיישני האופטיקה שעליהם אנו סומכים לאישור חזותי פשוט אינם פועלים כראוי בתנאי תאורה חלשה או כאשר משהו חוסם את קו הראייה. הדמיה תרמית עוזרת בלילה, אך אינה יכולה לראות דרך עצמים מוצקים שמכסים לחלוטין את המטרייה. גילוי RF מתערבב על ידי כל הסיגנלים שמתנגנים בעיר, ורדאר פשוט אינו מזהה מטריות קטנות ששוקלות פחות מ-250 גרם. קיים גם הנושא של עיבוד בזמן אמת: בעוד שמערכות בינה מלאכותית מתקדמות מקצרות את זמני התגובה לערך של כ-2–5 שניות, הן דורשות חומרה חזקה לעיבוד קצה, אשר בדרך כלל אינה מעשית עבור ציוד נייד או ניזון מסוללות. כל הבעיות המترשלות הללו הן הסיבה לכך שאף אחד מגלאי המטריות של ימינו אינו מגיע לציון מושלם של 100% לזיהוי FPV בפעולות שדה אמיתיות. לכן אנשי אבטחה חכמים יודעים כי הם צריכים שכבות מגן מרובות שמתאימות למגוון מצבים, במקום לסמוך על טכנולוגיה אחת בלבד.

שאלות נפוצות

למה קשה לגלות UAVs מסוג FPV?

קשיי התחשפות של UAVs מסוג FPV נובעים מכך שהם פועלים בגבהים נמוכים, מבצעים תנועות מהירות ואקראיות, ולעיתים קרובות אינם משתמשים במערכות GPS או תקשורת קונבנציונליות.

איך מגשימים גלאי מסוקים מתקדמים את הדיוק?

גלאי מסוקים מתקדמים משתמשים בשילוב של חיישנים חזותיים, תרמיים ותדר רדיו, יחד עם מיון מבוסס בינה מלאכותית, כדי לשפר את דיוק התחשפות.

מהן המגבלות של גלאי מסוקים בעלי יכולת FPV קיימים?

לגלאי מסוקים בעלי יכולת FPV קיימים ישנן קשייות כגון תנאי תאורה נמוכה, חסימה (Occlusion), הפרעות בתדר הרדיו (RF interference) והצורך בחומרה עוצמתית לעיבוד בזמן אמת.