The Pulse
I droni di Scaleout scelgono i bersagli sul campo di battaglia senza comandi in tempo reale
La startup svedese Scaleout Systems sta adattando piccoli modelli di IA per droni in grado di individuare, classificare e attaccare bersagli sul campo di battaglia senza ricevere comandi continui dagli operatori. Il suo lavoro con NATO DIAN
AI.info Team ·
«Con la guerra in Ucraina e un mondo in trasformazione, ci siamo resi conto che questa tecnologia può essere molto importante per rendere operativi i dati edge e quelli dei sensori per il machine learning, così da garantire che gli alleati della NATO ottengano quel vantaggio strategico.»
Andreas Hellander, cofondatore e CEO di Scaleout Systems
Scaleout Systems sta sviluppando software per droni militari in grado di rilevare, identificare e classificare per priorità i bersagli sul campo di battaglia direttamente a bordo del velivolo, consentendo a una missione d’attacco di proseguire senza un collegamento in tempo reale con un operatore umano.
I sistemi della startup svedese sono stati dimostrati su un drone d’attacco autonomo nell’ambito del progetto Affordable Loitering Modular Ammunition, o ALMA, guidato da BAE Systems Bofors. In una dimostrazione tenutasi a gennaio in Svezia, il drone ha individuato potenziali minacce, ha selezionato un veicolo corazzato del genio come bersaglio di maggior valore in base agli obiettivi della missione e gli si è diretto incontro per sganciare un esplosivo.
Un operatore umano poteva comunque controllare o deviare il velivolo. La differenza è che il drone ha completato la sequenza di selezione e ingaggio del bersaglio senza ricevere comandi diretti durante la missione.
I piccoli modelli passano dal cloud al drone
L’approccio di Scaleout non si basa su un grande modello generalista eseguito in un data center distante. L’azienda adatta modelli di visione artificiale più piccoli ai processori disponibili sui droni, sui tablet dei piloti e nei posti di comando avanzati.
Questi modelli possono identificare oggetti usando le telecamere e i sensori di bordo del drone, per poi inviare aggiornamenti selezionati dei modelli ai nodi di calcolo presso il quartier generale di un plotone o di una compagnia. Il sistema non deve trasmettere tutti i filmati grezzi, riducendo così la quantità di dati sensibili che circola sul campo di battaglia.
«Devono poter funzionare sull’hardware dispiegato in prima linea e sui dispositivi edge, che possono variare molto: dai piccoli dispositivi integrati alle workstation edge piuttosto potenti», ha detto Hellander ad Ars Technica.
Apprendimento federato per campi di battaglia senza connessione
Scaleout è entrata nel Defence Innovation Accelerator for the North Atlantic della NATO, noto come DIANA, nel 2025. Il suo progetto Federated Aerial Intelligence for Recon punta ad aggiornare i modelli su dispositivi distribuiti, mantenendo i dati dei sensori originali nel luogo in cui sono stati raccolti.
L’apprendimento federato consente a ciascun nodo locale di addestrare o perfezionare un modello usando i propri dati. In seguito, i nodi possono condividere gli aggiornamenti dei modelli invece dei filmati grezzi, permettendo a un sistema centrale di combinare informazioni provenienti da più luoghi e di distribuire sul campo un modello aggiornato.
Secondo la descrizione che Scaleout dà del progetto FEDAIR, il metodo è pensato per ambienti in cui le comunicazioni sono inaffidabili e i dati sensibili non possono essere centralizzati. La NATO include l’azienda tra gli innovatori DIANA del 2025.
«I modelli potrebbero essere stati addestrati in un ambiente desertico e, se provassimo a impiegarli in un ambiente urbano, non funzionerebbero bene», ha detto Hellander. «Se potessimo distribuire diverse nuove versioni di questo modello che, nel corso di una sola giornata o, di certo, di un’operazione, continuino ad apprendere e a migliorare grazie a questa enorme quantità di dati dei sensori generata sul campo, a livello operativo, quello sarebbe il vantaggio sostenibile.»
Il test dell’aeronautica svedese si è concentrato sull’interruzione del collegamento
A giugno, Scaleout ha testato il sistema presso una base dell’aeronautica svedese a Uppsala. La dimostrazione ha utilizzato un nodo di calcolo avanzato nella base e un nodo di sviluppo separato nel laboratorio di Scaleout.
Quando il collegamento tra i nodi è stato interrotto, il sistema avanzato ha continuato a eseguire inferenze locali dell’IA e processi di apprendimento attivo. Ha registrato i rilevamenti e ha continuato a funzionare fino al ripristino del collegamento; a quel punto, gli aggiornamenti locali sono stati sincronizzati con l’altro nodo.
La descrizione che Scaleout dà della dimostrazione illustra una configurazione a tre livelli: un sistema di controllo per la gestione dei modelli, nodi a terra che eseguono inferenze e addestramento locale, e software di bordo che svolge analisi dell’ultimo miglio sui droni. Secondo l’azienda, l’aeronautica svedese ha già una licenza per la principale piattaforma software di Scaleout.
Con ALMA la selezione dei bersagli entra nella missione di volo
Il progetto ALMA punta a realizzare una munizione circuitante a basso costo, in grado di operare con capacità di calcolo a bordo. Nella dimostrazione pubblica descritta da Scaleout, l’IA del drone ha rilevato, identificato e localizzato potenziali minacce, per poi classificarle in base all’obiettivo della missione.
Questa capacità va oltre la navigazione. Un drone che segue un percorso preprogrammato esegue comunque un piano di volo fisso; la dimostrazione di ALMA ha mostrato un sistema che ha interpretato ciò che vedevano i suoi sensori, ha scelto tra diversi possibili bersagli e ha modificato la traiettoria verso il veicolo selezionato.
Altri programmi militari per droni perseguono forme di autonomia più limitate. L’Ucraina ha impiegato droni d’attacco in grado di seguire un bersaglio dopo che un operatore lo ha designato, compresi sistemi progettati per continuare a funzionare quando i collegamenti radio sono bloccati dal terreno o da interferenze elettroniche. Nella dimostrazione di Scaleout, l’operatore umano viene escluso dal processo immediato di selezione del bersaglio dopo l’avvio della missione, pur potendo continuare a dirigere il sistema.
L’autonomia avanza più rapidamente delle misure di sicurezza
Il vantaggio tecnico è evidente: un drone capace di elaborare localmente i dati dei sensori è meno vulnerabile alla perdita delle comunicazioni, alle interferenze GPS o al danneggiamento della rete di comando. Gli aggiornamenti locali dei modelli potrebbero anche aiutare i sistemi militari ad adattarsi a nuovi veicoli, mimetiche e condizioni operative senza attendere il rilascio di un aggiornamento software completo.
Lo stesso approccio solleva una questione più difficile sulla responsabilità. Se un sistema identifica un bersaglio, lo classifica e lo attacca dopo un comando relativo alla missione, la decisione umana viene presa prima e a un livello più alto rispetto all’ingaggio finale. Questo può migliorare i tempi di reazione, ma rende anche più gravi gli errori del modello, i dati di addestramento non aggiornati e le identificazioni errate.
Il lavoro di Scaleout non dimostra che la selezione autonoma dei bersagli sia ampiamente impiegata in combattimento. L’azienda e i suoi partner hanno descritto dimostrazioni e programmi di sviluppo, tra cui il progetto ALMA e il test dell’aeronautica svedese. Il risultato concreto è un drone in grado di continuare a rilevare, apprendere ed eseguire una sequenza d’attacco definita anche dopo che la rete che lo collega al resto del sistema si interrompe.