美国当地时间1月23日，据外媒报道，美国陆军作战能力发展司令部（DEVCOM）旗下陆军研究实验室（ARL）最近宣布，将在研究中使用增强现实技术来帮助检测路边爆炸危险，例如简易爆炸装置（IED）、未爆炸弹/炸药和地雷等。

　　为保证车队行动安全，进行路线侦查是保护士兵免受爆炸物威胁的重要一环，也是不断演变需要转化策略对抗的一个问题。为了解决这一问题，ARL和其他研究合作者得到了美国国防威胁降低局(DTRA)通过“血猎犬帮派计划”的资金支持，该项目的重点是采用系统方法对爆炸物进行探测。

　　ARL的项目经理凯利·舍邦迪说：“从逻辑上讲，对于防爆威胁物探测的研究，有必要继续采用系统化的方法。我们的合作项目提供了最先进的技术和方法，可以与经验丰富的专家一起快速推进项目，以满足或超过军事要求和过渡点。”

　　目前该项目有来自美国各地7个不同的外部合作机构，包括美国军事学院、特拉华大学视频/图像建模与合成实验室、Ideal Innovations、Alion Science and Technology、The Citadel、IMSAR 、AUGMNTR。

　　项目研究的第一阶段，研究人员花了15个月的时间来评估针对各种爆炸危险点的高技术准备水平（TRL）防区探测技术，此外，其还开发并评估了一个TRL较低的防区外探测传感器，该传感器专注于检测爆炸物危险触发设备。

　　根据美国陆军的说法，第一阶段的评估包括探测概率、误报概率和其他重要信息，基于这些信息将决定项目第二阶段的最佳性能传感器的选择。

　　具体来说，研究人员在配备高清红外摄像头和导航系统的无人机系统上使用各种传感器，以利用机器学习技术对爆炸物威胁进行远距离探测。

　　在第一阶段进行评估的传感器包括机载合成孔径雷达、地面车辆和小型无人机LIDAR、高清电子光学相机、长波红外摄像机和一个非线性交界检测雷达。

　　研究人员在一条长7公里的实验轨道上对真实世界中的代表性地形进行了现场测试，总共包括625个爆炸点、各种危险爆炸物、模拟杂波和校准目标。他们收集了安置前后的数据，以模拟传感器通过时的真实变化。

　　为了充分训练人工智能/机器学习算法，其需要通过传感器集合收集TB级数据。该算法随后对每个传感器进行自主的目标检测。

　　美国陆军表示，这种传感器数据是通过地理定位的像素对齐，人工智能/机器学习技术可以应用于某一特定区域的部分或全部传感器数据的组合。

　　此外，检测算法能够为每个可疑目标提供“置信度”，并将其作为AR叠加图显示给用户。检测算法通过各种传感器排列执行，因此可以汇总性能结果，并进入第二阶段的最佳行动方案。

　　美国空军爆炸物处置和DTRA计划经理Mike Fuller中校说：“这些努力的成果对于确保作战人员在当前作战环境中的安全具有重要意义。”

　　美国陆军也指出，未来对于这项技术的研究将使AR引擎实时显示自动目标探测信息成为可能。这三年的努力最终将在多个测试机构进行展示，最终证明该技术在不同地形上的鲁棒性。

　　Fuller说：“我们将多种模式进行了对比，以应对现实中各种相关目标的威胁，并评估这些传感器的输出融合，以确定最有效的方法来最大程度地提高检测概率并最大程度地减少误报。我们希望陆军和联合社区都能从收集的数据和所有参与者收集的数据和经验教训中受益。”