Med hjälp av pokerbottar har forskare på Totalförsvarets forskningsinstitut (FOI) skapat en prototyp som beräknar sökmönster och skattar position vid undervattensspaning med aktiv sonar. Den kan användas som taktiskt beslutsstöd för att få en oförutsägbar spaning.
Tre faktorer är viktiga vid ubåtsjakt; överraskning, snabbhet och vilseledning. Men med en förändrad hotbild blir det mer än bemannade ubåtar och dykare som ingår i militära operationer i, på och runt våra vatten.
– Riskerna höjs och autonoma drönare är billiga, det blir fler operationer och av mindre slag, säger Christoffer Limér som är forskningsingenjör på avdelningen Cyberförsvar och ledningsteknik på FOI.
Han och forskarkollegorna på avdelningen har i en tidigare studie tittat på möjligheten för oförutsägbar patrullering på land med hjälp av pokerbottar. Nu har de använt pokerbottarna igen för att komma fram till nyttan av dem vid undervattensövervakning med aktiv sonar. De har skapat prototypen Deep Acoustic Mission Planner, DAMP.
– Algoritmen som används för att träna pokerbottar passar det scenario vi vill lösa. Osäkerheten i pokerspelet liknar den i många militära situationer. Det gäller att uppskatta vad motståndaren kan ha för kort och vad nästa drag är. Vår datorprototyp gör positionsskattning av var undervattensfarkosten är och beräknar sökmönster med aktiva sonarer.
Prototyp ger beslutsstöd för spaning
Vid jakt på en undervattensfarkost får aktiva sonarer hela tiden in nya data, det gör att positionsskattningen uppdateras vartefter. De aktiva sonarerna kan finnas på en ytfarkost, undervattensfarkost, helikopter eller drönare.
Forskarnas prototyp DAMP ger beslutsstöd för en spaningsuppgift genom att översätta den till ett pokerliknande spel som analyseras med hjälp av förstärkningsinlärning från det senaste inom pokerbottar. Den är anpassad till dynamiken i undervattensspaning.
Christoffer Limér säger att när de utvecklat en så komplex prototyp går den inte att verifiera analytiskt. I stället gör de empiriska undersökningar för att stresstesta strategin, antingen genom att låta människor spela mot strategin upprepade gånger eller träna en annan AI mot den för att hitta svagheter. AI:n lär sig genom att spela mot sig själv hundratals miljoner gånger.
Kan inte exploateras av motståndaren
Forskarnas resultat indikerar redan nu att om vattenvolymen är rimlig vid aktiv spaning kan deras prototyp DAMP inte exploateras av en motståndare som studerar spaningsinsatser för att försöka lära sig hur den tänker.
– I dagsläget kan prototypen koordinera en eller ett fåtal ytfarkoster över ett område på runt 10×10 kilometer. Nästa steg är att skala upp det till flera och olika plattformar, ytfarkoster, drönare, helikoptrar och undervattensfarkoster, och koordinera med andra fast installerade sensorer, säger Christoffer Limér.
Rapporten Beslutsstöd för oförutsägbar aktiv spaning – Sökmönster och positionsskattning för undervattenssövervakning med sonar är skriven av forskarna Joel Brynielsson, Mika Cohen, Christoffer Limér och Felix Rydell på uppdrag av Försvarsmakten.
Fakta
Tre områden där prototypen DAMP kan vara till nytta för Försvarsmakten:
- Beslutsstöd, hjälpa beslutsfattare att få bättre lägesbild och hotbild i form av positionsskattning och värmekartor av potentiella hot under vattnet.
- Utveckla strategier för autonoma farkoster att söka av områden på ett koordinerat sätt.
- Hjälpa till att utvärdera olika plattformar, ytfarkoster, helikopter/drönare och fast installerade sonarer. Hur väl olika konfigurationer av dem kan söka av områden på ett koordinerat och optimalt sätt utan alltför mycket mänsklig handpåläggning.
Källa: Forskningsingenjör Christoffer Limér.
Länk till rapporten: Beslutsstöd för oförutsägbar aktiv spaning
