教导军事人工智能系统识别敌方无人机需要在真实战场条件下展示数千个该无人机的示例，涵盖不同的光照、天气、角度和传感器类型，但在实际操作中收集到的影像往往过于敏感，无法移动，在带宽受限的环境中传输困难，并且手动标注所需的时间过长，无法满足现代计算机视觉模型对可靠性能的实际需求。
根据公司声明，Scaleout和AI Verse正在合作开发一种结合合成数据和联邦学习的方法，旨在训练和改进边缘模型，同时减少移动原始操作数据的需求，两家公司均被独立选为北大西洋公约组织（NATO）国防创新加速器（DIANA）下的2025年创新者。
NATO的DIANA计划成立于2021年，并于2022年正式启动，旨在将深科技初创企业与盟国防御项目连接起来，作为联盟加速私营部门双重用途创新转化为军事作战能力的主要机制，运行挑战项目，选择在关键技术领域（包括人工智能、自动化系统和网络安全）工作的公司。Scaleout和AI Verse均独立获得2025年小组的名额，这使得它们后续的合作成为互补能力的汇聚，而非预先分配的合作，每家公司都为一个单独无法完全解决的问题提供了独特的解决方案。
总部位于法国的AI Verse构建了一个名为GAIA的平台，生成战场环境的照片级真实计算机生成图像，并附有人工智能系统学习所需的注释标签，这意味着每个合成图像都预先标记了本来需要数小时手动标注才能为单个真实照片生成的信息。AI Verse通过基于物理的渲染技术解决了合成训练数据的核心异议，即当在合成图像上训练的模型在真实传感器数据上部署时出现的性能差距，模拟实际传感器物理特性，包括红外热信号、镜头畸变特征、特定快门速度下的运动模糊、在操作距离范围内的大气散射以及表面材料反射率。最终结果不是战场外观的风格化近似，而是特定传感器在特定条件下实际捕获的物理准确模拟，公司认为这缩小了历史上使合成训练数据在精确防御应用中不可靠的领域差距。
考虑到为这些任务收集真实世界训练数据所需的实际要求，反无人机和ISR（情报、监视和侦察）应用的实际意义变得清晰：在操作区域内飞行任务，捕捉在与部署环境相关的特定大气和光照条件下的无人机和其他威胁的影像，然后在任何人工智能模型可以开始学习之前，手动标注每一帧影像。AI Verse表示，其合成影像被在乌克兰运营的防御组织使用或测试，包括Soloma Avionics和STARK Defence，为该技术的声明提供了一定程度的现实验证，而仅靠实验室演示无法提供，尽管在这些部署中实现的具体性能改进尚未得到独立验证。
Scaleout成立于2017年，作为瑞典乌普萨拉大学信息技术系的衍生公司，专注于一种称为联邦学习的技术，这是一种在分布式位置训练人工智能模型的方法，无需将基础数据集中或在站点之间转移，这使得敏感的操作影像可以保留在收集地点，同时从中提取的情报作为模型更新在网络中传播，而不是原始影像。
仅显示内容预览。完整文章请访问原始来源。 查看完整文章
Scaleout和AI Verse正在合作开发军事应用的人工智能系统，重点关注合成数据和联邦学习。他们的合作旨在增强人工智能在识别敌方无人机和提高作战效率方面的能力。这项技术正在乌克兰的防务组织中进行测试，为北约推进军事创新的努力做出贡献。
- Scaleout和AI Verse正在合作开发军事应用的人工智能。
- 该合作重点关注合成数据和联邦学习。
- AI Verse的GAIA平台为人工智能系统生成逼真的训练数据。
- 该技术正在乌克兰的防务组织中进行测试。
- 北约的DIANA计划支持军事技术的创新。