De acordo com o Instituto Nacional de Padrões e Tecnologia (NIST), o governo dos EUA gasta bilhões de dólares em tecnologia de imagem de raios X para fins de segurança. O projeto mais recente neste domínio envolve uma nova classe de ferramentas de raios X para “ver” coisas a um quilômetro de distância – pouco mais de 800 metros – mesmo com dados incompletos ou confusos.
Em um Comunicado de imprensa emitido na quarta-feira, a RTX BBN Technologies anunciou que foi contratada pela Defense Advanced Research Project Agency (DARPA) para desenvolver algoritmos de imagem de raios X de longo alcance. Curiosamente, a abordagem da BBN baseia-se principalmente em simulações baseadas num grande número de amostras de baixa qualidade, em oposição a um punhado de imagens de alta resolução.
O objetivo é criar um algoritmo matemático capaz de trabalhar com imagens relativamente trêmulas ou fragmentadas, mais próximo do que os comandantes realmente encontrariam no campo de batalha, disse a empresa no comunicado.
Raios X em vigilância
A BBN Technologies, com sede em Massachusetts, é uma subsidiária da RTX, fabricante aeroespacial e de defesa com sede na Virgínia. Desde a sua fundação em 1948, a BBN tem contribuiu alguns avanços importantes nas tecnologias de rede, muitos dos quais também foram apoiados pela DARPA.
A nova iniciativa, por outro lado, faz parte do projeto da DARPA Análise sem imagem de alcance extremo de raios X (XENA). O objetivo da XENA é desenvolver “conjuntos de ferramentas algorítmicas” para inferir a composição interior de objetos distantes. Especificamente, o programa procura abordar a forma como o desfoque de movimento reduz frequentemente a qualidade dos dados relacionados com a inteligência em ambientes militares.
Para contextualizar, os responsáveis pela aplicação da lei nacionais e militares há muito que utilizam raios X para “encontrar objectos escondidos, incluindo ameaças e contrabando”, de acordo com o NIST. Mas estas tecnologias têm sido normalmente limitadas a distâncias curtas, uma vez que o desfoque de movimento e o ruído corrompem a transmissão de dados à medida que o dispositivo se afasta do alvo.
Como resultado, um grande desafio no desenvolvimento de sistemas avançados de imagem tem sido a coleta de dados grandes e de alta qualidade para treinar o sistema para aplicações do mundo real.
Reconhecimento remoto
A abordagem da BBN vira essa limitação de cabeça para baixo, optando, em vez disso, por trabalhar com dados de baixa qualidade – mas mais fáceis de coletar em abundância – para construir um algoritmo que seja capaz de resolver problemas práticos no campo. É importante ressaltar que este ainda seria o caso em distâncias de até cerca de 1 quilômetro.
“Estamos desenvolvendo algoritmos que transformam um pequeno número de instantâneos granulados em detalhes suficientes para que os tomadores de decisão possam agir, quer a missão esteja avaliando ameaças potenciais ou apoiando operações de resposta a emergências”, disse Joshua Fasching, investigador principal da BBN para o projeto, no comunicado.
Supondo que tudo corra conforme o planejado, o novo algoritmo concederá aos membros do serviço “acesso a informações acionáveis sobre ameaças ocultas, armas potenciais ou vulnerabilidades estruturais em áreas anteriormente fora de alcance”, disse a empresa.
