诺斯罗普利用机器学习来帮助太空部队导弹解析

华盛顿——诺斯罗普·格鲁曼公司正在开发一种软​​件，据称该软件可以依靠模式识别功能来简化发现、分类和监控全球导弹发射的高风险过程。

这家国防公司正在为美国太空部队完善所谓的“利用机器学习减少虚假航迹”技术，预计于 2025 年初交付。预计将用于 天基红外系统 程序，或 SBIRS，并且在其他高空持续红外任务中具有潜在的应用。

天军人员每个月都会追踪数千起潜在的导弹事件，并且必须应对误报。日益精密的间谍技术、卫星激增、武器不断发展以及海外军事冲突可能会使本已复杂的进程变得更加复杂。

诺斯罗普的产品旨在简化 信息雪崩 该公司任务开发业务主管约翰·斯坦格尔表示，分析人员面临的挑战是解析可能不是实际发射或出站的弹丸，同时确保没有“真实事件或真正的导弹”被错误分类。

“随着传感器变得更好——随着太空中传感器的改进——它们变得更加灵敏。随着传感器变得越来越敏感，我们得到的错误轨迹就越多，”Stengel 在接受 C4ISRNET 采访时说道。 “能够利用机器学习来帮助循环中的人类，可以说，完成他或她的工作是绝对至关重要的。”

有关

使用机器学习减少虚假航迹是根据真实世界数据进行训练的，可以修改为外国军队 推进各自的武库。该系统使用斯坦格尔所谓的轮廓，或经过验证的特征，如速度、形状和高度，来检测和标记物体，以供用户进一步检查。

“系统要做的是说：‘嘿，这看起来不像真正的导弹，但我要把它呈现给操作员，即循环中的人，以确保并做出决定， ’”斯坦格尔说。

他补充说：“随着世界上不同国家修改或调整或推出新的武器系统，我们必须将这些系统添加到训练场景中，以便系统了解它，拥有最新、最好的武器系统。” “我从未听说过在这些场景中取代人类。这是 所有关于协助设立的区域办事处外，我们在美国也开设了办事处，以便我们为当地客户提供更多的支持。“

国防部多年来一直认为人工智能和机器学习对于快速整理战场信息至关重要。它的实施正在加速和传播； 据政府问责办公室称，该部门正在处理超过 685 个人工智能相关项目，其中包括几个与主要武器系统相关的项目。

C4ISRNET 记者 Courtney Albon 对本文有贡献。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.defensenews.com/artificial-intelligence/2024/01/25/northrop-harnesses-machine-learning-to-aid-space-force-missile-parsing/