نیروی هوایی ایالات متحده می خواهد از هوش مصنوعی برای کمک به مشکلات سوخت گیری در هوا استفاده کند
نیروی هوایی ایالات متحده از هوش مصنوعی برای شناسایی اشتباهات سوختگیری هوایی، بهبود آموزش خلبانان و کاهش وابستگی به ارزیابیهای انسانی میخواهد.
نیروی هوایی ایالات متحده از هوش مصنوعی می خواهد که اشتباهات را در هنگام سوخت گیری هوایی تشخیص دهد
دوربینهای تانکرها فیلمی را برای تجزیه و تحلیل خودکار عملیات سوختگیری ارائه میکنند
هوش مصنوعی سرعت، هم ترازی، موقعیت و سرعت نزدیک شدن هواپیما را کنترل می کند نیروی هوایی ایالات متحده در حال بررسی استفاده از هوش مصنوعی برای شناسایی اشتباهات در طول عملیات سوختگیری هوایی و بهبود نحوه دریافت بازخورد عملکرد خدمه است.
سیستم پیشنهادی فیلم های گرفته شده توسط دوربین های هواپیمای تانکر را تجزیه و تحلیل می کند و مانورهای پروازی و خطاهای عملیاتی را شناسایی می کند که ارزیابی های مرسوم ممکن است نادیده گرفته شوند.
مقامات نظامی از این فناوری میخواهند تا ارزیابیهای دقیقی از تمرینهای سوختگیری ارائه کند و وابستگی به قضاوت انسان را در طی یکی از سختترین مراحل هوانوردی کاهش دهد.
سیستم هوش مصنوعی حرکات هواپیما و دقت سوختگیری را کنترل میکند
این ابتکار بر توسعه نرم افزاری متمرکز است که قادر به بررسی تعاملات بین هواپیماهای تانکر و نزدیک شدن به گیرنده ها در طول فرآیند پیچیده انتقال سوخت است.
این فناوری با استفاده از بینایی کامپیوتری و یادگیری ماشینی، حرکات هواپیما را بررسی میکند و تعیین میکند که آیا خدمه جداسازی و همسویی مناسب را حفظ میکنند یا خیر.
همچنین بر رونق سوختگیری نظارت میکند و حرکات آن را با مسیر هواپیما مقایسه میکند تا انحرافات بالقوه خطرناک در حین تحویل سوخت را شناسایی کند.
اندازهگیریها شامل سرعت هواپیما، موقعیت نسبی، سرعت نزدیک و هم ترازی میشود که به مربیان اجازه میدهد تا مانورهای خاص را به جای تکیه بر مشاهدات عمومی بررسی کنند.
نرم افزار پیشنهادی به طور خودکار خروج از شرایط پرواز مورد انتظار را شناسایی می کند و اطلاعات عملکرد را برای مربیانی که ماموریت های سوخت گیری تکمیل شده را بررسی می کنند، تولید می کند.
طبق درخواست تحقیقاتی ارتش، در حال حاضر، ارزیابی ها اساسا به مشاهدات مربی، ارزیابی خدمه و بررسی دستی فیلم های ضبط شده بستگی دارد.
این روشها میتوانند قضاوتهای متناقضی ایجاد کنند، بهویژه زمانی که مربیان یک مانور را متفاوت تفسیر میکنند یا اشتباهات مختصری را در طول عملیات پیچیده نادیده میگیرند.
بنابراین، ارزیابی نرمافزار شامل پوششهای گرافیکی، نقشههای عملکرد کدگذاریشده رنگی و نمایشهای زمانی خواهد بود که رویدادهای مهم را در طی تمرینات سوختگیری فردی شناسایی میکند.
در نتیجه نیروی هوایی خواهان اندازهگیریهای خودکار است که بتواند ارزیابیهای منسجمتری را ارائه دهد و در عین حال به پرسنل کمک کند تا دقیقا محل وقوع اشتباهات را درک کنند.
این پروژه تحت برنامه تحقیقاتی نوآوری در کسب و کارهای کوچک قرار می گیرد که از شرکت ها دعوت می کند راه حل های تکنولوژیکی را با توجه به نیازهای نظامی خاص توسعه دهند.
توسعه دهندگان علاقه مند تا 25 نوامبر 2026 فرصت دارند تا درخواست هایی را ارسال کنند که نشان دهد چگونه سیستم های پیشنهادی آنها می تواند الزامات عملیاتی و آموزشی سرویس را برآورده کند.
فناوری تانکر KC-46 و کاربردهای آموزشی آینده
تلاش اولیه توسعه بر روی KC-46 Pegasus متمرکز است، یک هواپیمای سوخترسان مجهز به دوربینهایی که از عملیات انتقال سوخت کنترلشده از راه دور پشتیبانی میکنند.
تجهیزات دید از راه دور آن به اپراتورهای بوم اجازه می دهد تا به جای مشاهده مستقیم، دستگاه سوخت گیری را با استفاده از تغذیه دوربین و نمایشگرهای سه بعدی هدایت کنند.
با این حال، فناوری مشاهده موجود هواپیما با مشکلات فنی مداوم مواجه شده است، اگرچه مقامات نظامی انتظار دارند اکثر مشکلات برجسته به زودی حل شود.
انتظار می رود توسعه دهندگان محیط های بررسی تعاملی را در نظر بگیرند که به خلبانان و مربیان اجازه می دهد تا مانورها را از دیدگاه های مختلف بررسی کنند.
این فناوری در نهایت میتواند با شبیهسازهای پرواز، تجهیزات واقعیت مجازی و پلتفرمهای آموزشی واقعیت افزوده که قبلا برای آموزش هوانوردی استفاده میشد، ارتباط برقرار کند.
برنامه ریزان نظامی یک نمونه اولیه عملیاتی مناسب برای ادغام با ترتیبات آموزشی موجود برای حداقل یک دسته از هواپیماهای دریافت کننده می خواهند.
این درخواست همچنین کاربردهای بالقوه فراتر از سوختگیری، از جمله ارزیابی خودکار سایر فعالیتهای هوانوردی در سراسر وزارت دفاع را شناسایی میکند.
از طریق دفاع نیوز
متن اصلی (انگلیسی)
The US Air Force wants to use AI to help with its mid-air refuelling problems
The US Air Force wants artificial intelligence to identify aerial refuelling mistakes, improve pilot training and reduce dependence on human assessments.