خبر
خودکارسازی، از راه دور و ایمن‌سازی ارزیابی فرودگاه‌ها
زمان مطالعه: 6 دقیقه
خودکارسازی، از راه دور و ایمن‌سازی ارزیابی فرودگاه‌ها
خودکارسازی، از راه دور و ایمن‌سازی ارزیابی فرودگاه‌ها
خبر
خودکارسازی، از راه دور و ایمن‌سازی ارزیابی فرودگاه‌ها
زمان مطالعه: 6 دقیقه

در سال ۲۰۲۲، راندال پیترسن، یک مهندس عمران در نیروی هوایی ایالات متحده، برای ارزیابی خسارت در باند فرودگاه، در یک ماموریت آموزشی شرکت کرد و پروتکل “بازیابی پایگاه” را پس از یک حمله شبیه‌سازی شده تمرین کرد. تیم او ساعت‌ها با لباس‌های محافظ شیمیایی در منطقه راه رفتند و در حین مستندسازی خسارت و جستجوی تهدیدهایی مانند مهمات منفجر نشده، مختصات جغرافیایی را از طریق رادیو گزارش می‌دادند.

این کار برای همه مهندسان نیروی هوایی قبل از اعزام استاندارد است، اما برای پیترسن، که پنج سال گذشته را به عنوان دانشجوی کارشناسی ارشد و اکنون دانشجوی دکترا و همکار MathWorks در MIT، صرف توسعه روش‌های سریع‌تر و ایمن‌تر برای ارزیابی فرودگاه‌ها کرده است، اهمیت ویژه‌ای داشت. برای پیترسن، کار وقت‌گیر، طاقت‌فرسا و بالقوه خطرناک، پتانسیل تحقیقات او را برای فعال کردن ارزیابی‌های از راه دور فرودگاه‌ها برجسته کرد.

پیترسن می‌گوید: “آن تجربه واقعاً روشنگر بود. تقریباً یک دهه است که به ما گفته شده یک سیستم جدید مبتنی بر پهپاد در حال ساخت است، اما هنوز به دلیل ناتوانی در شناسایی مهمات منفجر نشده محدود است؛ از هوا، آن‌ها خیلی شبیه سنگ یا آوار به نظر می‌رسند. حتی دوربین‌های با وضوح فوق‌العاده بالا نیز عملکرد کافی ندارند. ارزیابی سریع و از راه دور فرودگاه هنوز یک روش استاندارد نیست. ما هنوز فقط آماده انجام این کار به صورت پیاده هستیم، و اینجاست که تحقیقات من وارد می‌شود.”

هدف پیترسن ایجاد سیستم‌های خودکار مبتنی بر پهپاد برای ارزیابی خسارت فرودگاه و تشخیص مهمات منفجر نشده است. این امر او را به مسیرهای تحقیقاتی متعددی کشانده است، از یادگیری عمیق گرفته تا سیستم‌های هوایی بدون سرنشین کوچک تا تصویربرداری “فراطیفی”، که تابش الکترومغناطیسی غیرفعال را در طیف وسیعی از طول موج‌ها ثبت می‌کند. تصویربرداری فراطیفی ارزان‌تر، سریع‌تر و بادوام‌تر می‌شود، که می‌تواند تحقیقات پیترسن را در طیف وسیعی از کاربردها از جمله کشاورزی، واکنش اضطراری، معدن و ارزیابی ساختمان به طور فزاینده‌ای مفید کند.

یافتن علوم کامپیوتر و جامعه

پیترسن که در حومه ساکرامنتو، کالیفرنیا بزرگ شد، در مدرسه به ریاضیات و فیزیک گرایش پیدا کرد. اما او همچنین یک ورزشکار دو استقامت و یک پیشاهنگ عقاب بود، و می‌خواست راهی برای کنار هم قرار دادن علایق خود پیدا کند.

پیترسن می‌گوید: “من چالش چندوجهی که آکادمی نیروی هوایی ارائه می‌داد را دوست داشتم. خانواده من سابقه خدمت ندارند، اما استخدام‌کنندگان در مورد آموزش جامع صحبت می‌کردند، جایی که جنبه‌های آکادمیک یک بخش بود، اما آمادگی جسمانی و رهبری نیز بخش‌های دیگر بودند. این رویکرد همه‌جانبه به تجربه دانشگاهی برای من جذاب بود.”

پیترسن در مقطع کارشناسی در آکادمی نیروی هوایی در رشته مهندسی عمران تحصیل کرد، جایی که برای اولین بار یاد گرفت چگونه تحقیقات آکادمیک انجام دهد. این امر مستلزم یادگیری کمی برنامه‌نویسی کامپیوتر بود.

پیترسن به یاد می‌آورد: “در سال آخر، آزمایشگاه‌های تحقیقاتی نیروی هوایی پروژه‌های مرتبط با روسازی داشتند که در حوزه کاری من به عنوان یک مهندس عمران قرار می‌گرفت. در حالی که دانش تخصصی من به تعریف مشکلات اولیه کمک کرد، بسیار واضح بود که توسعه راه حل‌های مناسب به درک عمیق‌تری از بینایی کامپیوتر و سنجش از دور نیاز دارد.”

این پروژه‌ها که به ارزیابی روسازی فرودگاه و تشخیص تهدید می‌پرداختند، همچنین پیترسن را به استفاده از تصویربرداری فراطیفی و یادگیری ماشین سوق دادند، که او در سال ۲۰۲۰ با ورود به MIT برای ادامه تحصیل در مقاطع کارشناسی ارشد و دکترا بر آن بنا نهاد.

پیترسن می‌گوید: “MIT یک انتخاب واضح برای تحقیقات من بود زیرا این مدرسه سابقه بسیار قوی در مشارکت‌های تحقیقاتی و تفکر چند رشته‌ای دارد که به شما در حل این مشکلات غیرمتعارف کمک می‌کند. هیچ جای بهتری در جهان از MIT برای کارهای پیشرفته مانند این وجود ندارد.”

زمانی که پیترسن به MIT رسید، ورزش‌های افراطی مانند ماراتن‌های فوق‌العاده، چتربازی و صخره‌نوردی را نیز پذیرفته بود. بخشی از آن ناشی از شرکت او در مسابقات مهارت‌های پیاده‌نظام در مقطع کارشناسی بود. این مسابقات چند روزه، مسابقات نظامی‌محور هستند که در آن تیم‌هایی از سراسر جهان از کوه‌ها عبور می‌کنند و فعالیت‌های نمره‌دار مانند مراقبت تاکتیکی از مجروحان جنگی، جهت‌یابی و تیراندازی را انجام می‌دهند.

پیترسن می‌گوید: “گروهی که من در کالج با آن‌ها می‌دویدم واقعاً به این چیزها علاقه داشتند، بنابراین این تا حدودی نتیجه طبیعی ایجاد روابط بود. این رویدادها شما را ۴۸ یا ۷۲ ساعت می‌چرخاند، گاهی اوقات با کمی خواب در میان، و شما با دوستان خود رقابت می‌کنید و اوقات خوبی را سپری می‌کنید.”

پیترسن از زمان ورود به MIT با همسر و دو فرزندش، جامعه دوندگان محلی را پذیرفته و حتی به عنوان مربی چتربازی سرپوشیده در نیوهمپشایر کار کرده است، اگرچه اعتراف می‌کند که زمستان‌های ساحل شرقی برای او و خانواده‌اش برای سازگاری سخت بوده است.

پیترسن بین سال‌های ۲۰۲۲ تا ۲۰۲۴ از راه دور کار می‌کرد، اما تحقیقات خود را از آسایش یک دفتر خانگی انجام نمی‌داد. آموزشی که واقعیت ارزیابی فرودگاه‌ها را به او نشان داد در فلوریدا انجام شد، و سپس او به عربستان سعودی اعزام شد. او اتفاقاً یکی از مقالات ژورنال دکترای خود را از یک چادر در صحرا نوشت.

پیترسن که اکنون به MIT بازگشته و در بهار امسال به پایان دوره دکترا نزدیک می‌شود، از همه افرادی که در طول سفرش از او حمایت کرده‌اند سپاسگزار است.

پیترسن می‌گوید: “کاوش در تمام رشته‌های مختلف مهندسی، تلاش برای فهمیدن مسائل با کمک تمام مربیان در MIT و منابع موجود برای کار بر روی این مشکلات واقعاً تخصصی، سرگرم‌کننده بوده است.”

پژوهش با هدف

در تابستان ۲۰۲۰، پیترسن یک دوره کارآموزی با HALO Trust، یک سازمان بشردوستانه که در زمینه پاکسازی مین‌های زمینی و سایر مواد منفجره از مناطق آسیب دیده از جنگ فعالیت می‌کند، گذراند. این تجربه کاربرد قدرتمند دیگری برای کار او در MIT نشان داد.

پیترسن می‌گوید: “ما مناطق پس از درگیری در سراسر جهان داریم که در آن کودکان سعی می‌کنند بازی کنند و مین‌های زمینی و مهمات منفجر نشده در حیاط خلوت آن‌ها وجود دارد. اوکراین نمونه خوبی از این موضوع در اخبار امروز است. همیشه بقایای جنگ باقی می‌ماند. در حال حاضر، مردم باید به این مناطق بالقوه خطرناک بروند و آن‌ها را پاکسازی کنند، اما تکنیک‌های جدید سنجش از دور می‌توانند این روند را تسریع کرده و آن را بسیار ایمن‌تر کنند.”

اگرچه کارشناسی ارشد پیترسن عمدتاً حول ارزیابی ساییدگی و پارگی معمولی ساختارهای روسازی می‌چرخید، اما دکترای او بر روش‌های تشخیص مهمات منفجر نشده و آسیب‌های شدیدتر متمرکز شده است.

پیترسن می‌گوید: “اگر باند فرودگاه مورد حمله قرار گیرد، بمب‌ها و دهانه‌ها در سراسر آن وجود خواهد داشت. این یک محیط چالش‌برانگیز برای ارزیابی ایجاد می‌کند. انواع مختلف حسگرها انواع مختلفی از اطلاعات را استخراج می‌کنند و هر کدام مزایا و معایب خود را دارند. هنوز کارهای زیادی هم در بخش سخت‌افزار و هم در بخش نرم‌افزار باید انجام شود، اما تاکنون، داده‌های فراطیفی به عنوان یک عامل تشخیص امیدوارکننده برای آشکارسازهای شیء مبتنی بر یادگیری عمیق به نظر می‌رسند.”

پیترسن پس از فارغ التحصیلی در گوام مستقر خواهد شد، جایی که مهندسان نیروی هوایی به طور منظم همان شبیه‌سازی‌های ارزیابی فرودگاهی را که او در فلوریدا در آن شرکت کرده بود، انجام می‌دهند. او امیدوار است که روزی به زودی، آن ارزیابی‌ها نه توسط انسان‌ها با لباس‌های محافظ، بلکه توسط پهپادها انجام شود.

پیترسن می‌گوید: “در حال حاضر، ما به خطوط دید بصری متکی هستیم. اگر بتوانیم به راه حل‌های تصویربرداری طیفی و یادگیری عمیق حرکت کنیم، می‌توانیم سرانجام ارزیابی‌های از راه دور انجام دهیم که همه را ایمن‌تر می‌کند.”

منبع: اخبار MIT

اشتراک گذاری:

آخرین مقالات پیشنهادی

دیدگاه‌ها

اشتراک در
اطلاع از
guest
0 Comments
قدیمی‌ترین
تازه‌ترین بیشترین رأی
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
دیتانید تو مراحل مختلف تحلیل داده می‌تونه به شما کمک کنه:
  1. امکان‌سنجی خواسته‌ها و تطبیق نیازمندی‌ها
  2. استخراج و تمیز کردن دادگان
  3. طراحی مدل‌های مناسب
  4. آموزش مدل براساس داده‌های به‌دست آمده
  5. استقرار مدل

آخرین اخبار

اخبار مشابه

روش جدید قابلیت اطمینان گزارش‌های تشخیصی رادیولوژیست‌ها را ارزیابی و بهبود می‌بخشد
به دلیل ابهام ذاتی در تصاویر پزشکی مانند اشعه ایکس، رادیولوژیست‌ها اغلب هنگام توصیف وجود یک آسیب‌شناسی خاص، مانند ذات‌الریه، از کلماتی مانند "ممکن ..
فناوری Web3 به ایجاد اطمینان و اعتماد در هوش مصنوعی کمک می‌کند
وعده هوش مصنوعی این است که زندگی همه ما را آسان‌تر خواهد کرد. و با این سهولت بزرگ، پتانسیل سود جدی نیز به همراه می‌آید. سازمان ملل متحد تخمین ...
نینا شیک(نویسنده): تأثیر هوش مصنوعی مولد بر تجارت، سیاست و جامعه
نینا شیک، سخنران و کارشناس برجسته در زمینه هوش مصنوعی مولد است که به دلیل کار پیشگامانه‌اش در تقاطع فناوری، جامعه و ژئوپلیتیک مشهور است...