Шведский стартап Scaleout Systems в рамках программы Affordable Loitering Modular Ammunition (ALMA) продемонстрировал возможности автономных барражирующих боеприпасов. В недавних испытаниях беспилотник, созданный в сотрудничестве с BAE Systems Bofors, самостоятельно обнаружил, классифицировал и поразил цель, используя встроенные алгоритмы машинного зрения. Весь процесс обработки данных происходил непосредственно на борту устройства, без необходимости внешнего управления или обмена данными с базой.
Особенности автономного поиска и наведения
В ходе демонстрации, названной «Техническое демо: Бортовой периферийный интеллект для автономных миссий БПЛА», дрон по команде на старт начал самостоятельный поиск угроз. Согласно отчету, аппарат в течение примерно 200 секунд занимался разведкой, после чего классифицировал бронированную инженерную машину как приоритетную цель, самостоятельно совершил маневр и нанес удар. Полный цикл операции занял менее 320 секунд. Хотя присутствие пилота сохранялось в качестве предохранительного механизма, вмешательство человека в процесс наведения не требовалось.
Технической основой решения стала платформа Scaleout Edge в сочетании с концепцией «федеративного обучения» и тактической сетью компьютерного зрения (Tactical Computer Vision Network, TCVN). Подобный подход позволяет устройствам обучаться локально и обмениваться обновлениями моделей для оперативной адаптации в полевых условиях. Использование бортовой обработки делает систему устойчивой к средствам радиоэлектронной борьбы, так как дрон не зависит от внешних каналов связи.
Технические показатели и полевые тесты
Один из ключевых этапов тестирования прошел в феврале в шведском городе Карлскуга, где температура воздуха опускалась до -18 градусов Цельсия. В этом испытании использовался планер Airolit S1, оснащенный вычислительным модулем Nvidia Jetson Orin Nano. Программное обеспечение дрона запускало модель распознавания объектов YOLOv8 Nano. Инженеры зафиксировали частоту кадров на уровне 30 fps при скорости полета около 20 м/с, а задержка обработки данных составила 30 мс или менее.
Для определения расстояния до цели без использования датчиков глубины применялась модель камеры-обскуры в сочетании с данными о габаритах объектов. Дополнительные тесты, проведенные совместно со шведскими ВВС, подтвердили работоспособность сети при полной потере связи. В ходе эксперимента лабораторный узел BRAVO, имитирующий работу в условиях помех, продолжал выполнять активное обучение и логирование данных даже после полного отключения от центра управления. После восстановления соединения накопленная информация автоматически синхронизировалась с системой по приоритетности.
Перспективы и правовое регулирование
Проект Scaleout Systems получил грантовую поддержку в размере 100 000 евро от акселератора DIANA, работающего под эгидой НАТО. Несмотря на успешные демонстрации, компания пока не имеет официальных контрактов на закупку или боевое применение своей разработки. Вопрос использования летального автономного оружия в настоящее время является предметом широких дискуссий на уровне экспертной группы ООН. В итоговых докладах организации подчеркивается необходимость сохранения человеческого контроля для соблюдения законов войны. Рекомендации по этому вопросу будут обсуждаться в Женеве в ноябре, а судьба программы ALMA от BAE Systems Bofors до сих пор остается неопределенной.
Технологические особенности TCVN и устойчивость к помехам
Интеграция Scaleout Edge и метода «федеративного обучения» формирует основу Tactical Computer Vision Network (TCVN). В рамках этого решения устройства способны проводить обучение ИИ непосредственно на местах, что позволяет быстро адаптировать модели к меняющейся обстановке без необходимости переобучения на центральном сервере. Проект FEDAIR, реализуемый компанией, получил не только финансовую поддержку в размере 100 000 евро от акселератора НАТО DIANA, но и доступ к специализированным тренировочным площадкам и мощностям для тестирования.
Особое внимание в ходе испытаний со шведскими ВВС было уделено архитектуре узлов управления. Система состояла из двух компонентов: узла ALPHA, размещенного непосредственно на авиабазе со стабильным каналом связи, и лабораторного узла BRAVO в Уппсале. В ходе эксперимента связь с узлом BRAVO была намеренно сначала ухудшена, а затем полностью прервана. Даже в условиях «отключения» BRAVO продолжал поддерживать работу алгоритмов вывода и активного обучения с исходной частотой кадров. После восстановления соединения накопленные данные — включая критические оповещения, обновления моделей и телеметрию — передавались на центральный узел в соответствии с заданным приоритетом, что подтверждает высокую отказоустойчивость системы в условиях интенсивного радиоэлектронного противодействия.
Ограничения и этический контекст
Важно отметить, что в тестах использовались компактные и энергоэффективные модели машинного зрения, не относящиеся к категории «граничных» (frontier models), что делает систему доступной для масштабирования. Например, в февральской демонстрации применялась плата Nvidia Jetson Orin Nano, которую может приобрести любой энтузиаст-любитель. Несмотря на впечатляющие результаты, разработчики подчеркивают, что все текущие демонстрации предшествуют любым официальным закупкам со стороны стран-членов НАТО или развертыванию в реальных зонах боевых действий.
Этическая сторона вопроса остается острой: экспертная группа ООН настаивает на том, что для соответствия нормам международного гуманитарного права необходимо сохранение человеческого суждения и непосредственного контроля на всех этапах применения летальных систем. Соответствующие рекомендации будут представлены и рассмотрены в Женеве в ноябре, что может существенно повлиять на будущее развитие и внедрение подобных автономных технологий в армиях мира.
