Reconhecimento Automático de Alvos Baseado no Espaço do ELP/PLA

 Como a China está aproveitando a inteligência artificial para automatizar a vigilância por satélite e aprimorar sua segmentação militar.

Já exploramos os satélites SIGINT/ELINT e de imagens (IMINT) que a China usa para geolocalizar as forças americanas. Agora, passamos para a próxima etapa crucial: como o PLA interpreta todos esses dados visuais usando o Reconhecimento Automático de Alvos, ou ATR. Observe que estamos abordando principalmente o ATR baseado no espaço e que a tecnologia é usada em domínios terrestres.

Para o ELP, alcançar a vitória em "guerras informatizadas" (打赢信息化战争) é um princípio fundamental de sua modernização. Cada vez mais, isso está evoluindo para o conceito de "guerra inteligenciada" (智能化战争), onde a inteligência artificial está profundamente enraizada nos sistemas militares. O ATR é um pilar dessa visão, visto pelos estrategistas do ELP como o " olho que tudo vê " (火眼金睛) do futuro campo de batalha e um componente crítico da guerra orientada por algoritmos. Para sistemas baseados no espaço, o ATR promete aprimorar drasticamente a inteligência, vigilância e reconhecimento (ISR) da China e reforçar suas cadeias de ataque e destruição de precisão de longo alcance.

Visão geral do ATR

O que exatamente é o Reconhecimento Automático de Alvos? Em sua essência, o ATR é uma tecnologia projetada para automatizar o processo de detecção, identificação e classificação de alvos usando dados de vários sensores, muitas vezes sem intervenção humana. Pense nisso como ensinar um computador a "ver" e "entender" o que está observando, seja uma imagem de uma câmera eletro-óptica (EO) ou um retorno de radar de um satélite de Radar de Abertura Sintética (SAR).

O processo típico de ATR envolve algumas etapas principais :

1. Coleta de dados: sensores em satélites coletam imagens ou dados de sinais.
2. Extração de características: o sistema analisa esses dados para identificar características distintivas, como o formato de um navio, o tamanho de uma aeronave ou a assinatura térmica de um motor.
3. Reconhecimento/Classificação de Padrões: Algoritmos de aprendizado de máquina, especialmente técnicas de aprendizado profundo como Redes Neurais Convolucionais (CNNs), comparam esses recursos extraídos com um banco de dados pré-estabelecido de assinaturas de alvos conhecidos para classificar o alvo.
4. Correspondência e tomada de decisão: o padrão classificado é comparado com perfis conhecidos, e uma decisão sobre a identidade do alvo é tomada.

Essencialmente, o ATR visa transformar grandes quantidades de dados brutos de sensores em informações concisas e acionáveis ​​sobre alvos. Isso é crucial para aliviar a carga cognitiva dos analistas humanos, que podem ficar sobrecarregados com o grande volume de dados dos sensores modernos.

Este é um fluxo de trabalho ATR genérico ( fonte: Hongyan Sun ). As imagens brutas entram à esquerda, as regiões candidatas são propostas, os recursos são extraídos e passados ​​por um classificador de rede neural convolucional, os alvos validados são geolocalizados e os dados de alvo resultantes são enviados para engajamento ou análise posterior.

O desenvolvimento do ATR do PLA

A jornada da China rumo ao ATR não foi um sucesso instantâneo. Comparada a algumas nações ocidentais que começaram a explorar o ATR nas décadas de 1970 e 1980, a China chegou relativamente tarde. Um artigo da Universidade Nacional de Tecnologia de Defesa (NUDT) (国防科技大学) observou que o trabalho específico da China nessa área avançada de armas guiadas " ainda estava para começar ", enquanto outros já haviam começado. Alguns dos primeiros especialistas chineses chegaram a chamar a busca por essa tecnologia de ponta de "fantasia" (幻想), dado o estado do armamento chinês na década de 1990.

Um momento crucial veio com o estabelecimento do primeiro laboratório-chave da China dedicado ao reconhecimento automático de alvos no NUDT em 1992. De acordo com um artigo de 2020 no The Paper da China, a equipe do laboratório ATR do NUDT, liderada por figuras como o Professor Li Xiao, obteve sucesso por volta de 2007 durante os testes de um novo e importante sistema de mísseis sem nome (meu palpite é um DF-21D ASBM ou CJ-10 LACM, com base no momento). Poucas semanas antes de um grande teste de fogo real, quando o sistema ATR enfrentou problemas de adaptação ambiental, a equipe do NUDT teria trabalhado 24 horas por dia para resolvê-los. A "espada longa do grande país" (大国长剑), como o míssil era chamado, foi lançada no horário, armada com o "cérebro superpoderoso" do ATR da equipe (超级大脑), e atingiu um acerto preciso. Segundo relatos, esse sucesso foi um momento decisivo, demonstrando o imenso potencial do ATR para a liderança do ELP e, segundo relatos, desencadeando um "boom de pesquisa" em ATR nas instituições do ELP depois de 2007.

Com a mudança do PLA para a guerra de inteligência, o Reconhecimento Inteligente de Alvos agora é visto como uma capacidade fundamental, com a capacidade de classificar todos os tipos de alvos em todos os domínios, geografias e condições ambientais.

Diferentes sistemas coletam dados ópticos, de SAR e de elevação que alimentam modelos de IA. O sistema converte essas entradas em caixas delimitadoras, segmentações de instância e panópticas e até mesmo respostas em linguagem natural sobre a cena.

Capacidades atuais: IA em órbita e munições mais inteligentes

O desenvolvimento do ATR na China é um esforço nacional, envolvendo universidades militares, a Academia Chinesa de Ciências (ACC) e conglomerados estatais de defesa que operam sob a égide da Fusão Militar-Civil (军民融合). Os principais participantes incluem:

1. Laboratório Nacional Chave de Reconhecimento Automático de Alvos do NUDT (自动目标识别全国重点实验室).
2. Institutos CAS como o Instituto de Automação de Shenyang (中国科学院沈阳自动化研究所) para visão mecânica e o Instituto de Eletrônica, que desenvolveu o sistema de detecção de navios SAR “ ShipSurveillance ”.
3. Indústria de Defesa: Empresas como a China Aerospace Science and Technology Corporation (CASC), cuja plataforma " Siwei Earth " (四维地球) utiliza IA para extrair automaticamente alvos terrestres (aeronaves, tanques de petróleo, etc.) de imagens de satélite de alta resolução. A China North Industries Group Corporation (NORINCO) desenvolveu uma " Tecnologia de Detecção Inteligente de Alvos Semelhante ao Cérebro " (类脑智能目标检测技术), que alega alta precisão em condições adversas.

Aqui está o que estamos vendo em termos de capacidades espaciais demonstradas ou em campo:

Satélites de Observação da Terra com IA: As constelações comerciais de sensoriamento remoto da China, como a Jilin-1 (吉林一号), desenvolvida pela Chang Guang Satellite Technology, estão incorporando cada vez mais IA a bordo. Em 2022, surgiram relatos de que um satélite Jilin-1 equipado com software de IA poderia reconhecer e rastrear alvos em movimento (como veículos) de forma autônoma com precisão impressionante — um sucesso de 95% na identificação de pequenos objetos e uma melhoria de sete vezes no rastreamento de alvos em movimento, mesmo quando temporariamente concluídos.

Este diagrama mostra o uso de vídeo baseado no espaço, como o de Jilin-1, e aprendizado de máquina para localizar, classificar e rastrear alvos em movimento em tempo real

Satélites SAR com ATR: Dada a capacidade do SAR de enxergar através de nuvens e escuridão, ele é essencial para a vigilância marítima. A China está lançando diversos satélites SAR (como a série militar Yaogan (遥感) e a série de uso duplo Gaofen (高分)) e incorporando-os ao ATR. O Taijing-4 03 (泰景四号03), um satélite SAR de alta resolução em banda X, supostamente carrega processadores de IA para detecção rápida de alvos a bordo e identificação de objetos em suas imagens SAR. Pesquisas chinesas que utilizam aprendizado profundo para o ATR de SAR demonstraram alta precisão em conjuntos de dados de referência .

Um modelo de aprendizado profundo detecta navios e rastros de navios nesta imagem SAR Gaofen-3

Processamento de Borda/A bordo: Uma tendência fundamental é a mudança para o processamento de IA a bordo dos próprios satélites. Isso permite análises em tempo real ou quase real, reduzindo a enorme largura de banda necessária para o download de todos os dados brutos e acelerando o ciclo de segmentação. Pesquisadores chineses afirmam que avanços na " redução do peso da IA " e chips resistentes à radiação tornam isso viável.

Munições Guiadas de Precisão (PGMs) com ATR: Grande parte dessa pesquisa sobre ATR culmina em dar às PGMs a capacidade de "pensar". O laboratório de ATR do NUDT conduziu experimentos com munições inteligentes de espera que incorporam ATR para busca, identificação e ataque autônomos. Isso se alinha ao objetivo das capacidades de "disparar e esquecer" e remonta a sucessos iniciais, como a "espada longa do grande país" equipada com um "cérebro" de ATR. Os mísseis de cruzeiro são outra plataforma fundamental para a integração de ATR, permitindo-lhes identificar e atingir alvos específicos com base em características pré-programadas.

ATR em ação

Uma das aplicações mais significativas do ATR baseado no espaço para o PLA é aprimorar suas capacidades antinavio de longo alcance, um pilar de sua estratégia de Antiacesso/Negação de Área (A2/AD).

Veja como isso poderia contribuir para uma cadeia de destruição antinavio:

1. Encontrar e Corrigir: Uma constelação de satélites chineses (EO, SAR, ELINT) rastreia vastas áreas oceânicas. Algoritmos ATR a bordo detectam automaticamente potenciais alvos navais, como grupos de ataque de porta-aviões dos EUA, classificando as embarcações com base em suas assinaturas visuais ou de radar.
2. Rastreamento: Uma vez detectados, os sistemas controlados por IA podem ajudar a manter um rastreamento contínuo das embarcações em movimento, potencialmente usando transferências de satélite e algoritmos preditivos.
3. Alvo e Engajamento: Os dados de alvo são retransmitidos para unidades da Força de Foguetes do PLA armadas com ASBMs como o DF-21D e o DF-26. Os localizadores terminais desses mísseis, também equipados com ATR, podem então distinguir autonomamente o alvo de alto valor de escoltas ou chamarizes e guiar o míssil até seu ponto de mira.

Este processo infundido com ATR visa encurtar drasticamente o ciclo Observar, Orientar, Decidir, Agir (OODA), que é vital para atingir alvos móveis ou com tempo limitado.

No entanto, desenvolver e operacionalizar um ATR robusto está repleto de desafios:

O Dilema dos Dados: A IA moderna, especialmente o aprendizado profundo, é ávida por dados. Adquirir imagens rotuladas e de alta qualidade de plataformas militares adversárias em diversas condições operacionais é incrivelmente difícil e caro. Pesquisadores do PLA reconhecem que dados amostrais insuficientes são um grande obstáculo . Para mitigar isso, eles estão explorando a geração de dados sintéticos (usando ferramentas e até mesmo motores de jogo como Grand Theft Auto V para criar conjuntos de dados simulados para treinamento) e técnicas de aumento de dados.

Desenvolver conjuntos de dados de alta qualidade de alvos em diferentes ângulos de observação, condições ambientais, modalidades de sensores e domínios é caro e difícil

Robustez do Algoritmo e Adaptabilidade Ambiental: Os sistemas ATR devem ter um desempenho confiável em ambientes de campo de batalha complexos, desorganizados e dinâmicos. Fatores como clima, estado do mar, variações do terreno e técnicas parciais de CCD (camuflagem, ocultação e engano) podem degradar significativamente o desempenho. O PLA está ciente de que os adversários usarão iscas e outros métodos para criar um " labirinto encantador " (迷魂阵) para confundir seus sistemas. Além disso, a ameaça de ataques adversários ( entradas sutilmente modificadas projetadas para enganar modelos de IA ) é uma preocupação séria.

Explicabilidade (XAI): Muitos modelos avançados de IA operam como " caixas pretas ", dificultando a compreensão de seus processos de tomada de decisão. Essa falta de transparência é um gargalo para aplicações confiáveis ​​em sistemas militares críticos.

Integração e rede: Integrar com sucesso os recursos de ATR em redes de comando e controle (C2) mais amplas, garantir a disseminação oportuna de dados e fazer com que diferentes sistemas e unidades confiem e usem efetivamente as indicações geradas por máquina são obstáculos operacionais significativos.

Conclusão

O esforço conjunto do PLA para o ATR é uma indicação clara de seu compromisso com a construção de um exército "inteligente". Olhando para o futuro, podemos antecipar sistemas ainda mais capazes: constelações mais densas de satélites equipados com IA, permitindo vigilância persistente; IA embarcada de maior desempenho, talvez utilizando " aprendizado de poucos disparos " (algoritmos que podem aprender com dados limitados) para reconhecer novos alvos com dados limitados; maior fusão multissensor, onde dados de satélites de inteligência óptica, de radar e de sinais são combinados para uma imagem mais completa; e, potencialmente, uma mudança em direção a sistemas de armas mais autônomos .

As implicações estratégicas para os Estados Unidos são profundas. O amadurecimento das capacidades ATR do PLA, particularmente quando integradas a sistemas de ataque de longo alcance, tem o potencial de corroer as vantagens tecnológicas tradicionais dos EUA e complicar a projeção de forças americanas no Indo-Pacífico. A capacidade de localizar, fixar, rastrear e atingir ativos navais e aéreos americanos com mais rapidez e precisão, especialmente plataformas de alto valor como porta-aviões, aumenta o risco para essas forças e pode alterar o cálculo de dissuasão na região.

Isso exige uma adaptação contínua dos conceitos operacionais dos EUA, ênfase no desenvolvimento de medidas robustas de combate a ataques aéreos (ATR) (incluindo técnicas avançadas de CCD e guerra eletrônica) e investimento sustentado na manutenção de uma vantagem competitiva em capacidades militares baseadas em IA. A competição entre detecção e dissimulação, impulsionada pela IA, está se intensificando.

O ELP fez progressos inegáveis. No entanto, traduzir esses avanços em capacidades consistentemente confiáveis ​​e eficazes em combate, capazes de superar a névoa da guerra e as contramedidas inimigas determinadas, continua sendo um desafio constante.

Coletar grandes quantidades de imagens é uma coisa; processá-las com rapidez e precisão suficientes para serem operacionalmente decisivas é outro desafio completamente diferente. É por isso que nossa próxima publicação nesta série sobre ISR espacial analisará como o PLA está explorando constelações de satélites multifenomenológicos para obter uma visão ainda mais abrangente do campo de batalha.

Fonte:
https://ordersandobservations.substack.com/p/pla-space-based-automatic-target