高达675万加元的阶段性开发资金以推动技术前进

挑战概述 加拿大国防部及武装部队正在寻求创新的人工智能驱动解决方案，旨在融合来自不同领域的异质数据流，为作战决策提供实时、可解释且符合政策框架的态势感知。此项新技术将通过提升战场态势感知能力，降低系统脆弱性并加速决策进程。

IDEaS项目提供的支持

针对本挑战赛的资助额度将取决于解决方案的技术就绪水平。较低TRL的解决方案（TRL 1-3）有资格获得高达25万加元、为期最长6个月的开发资金。在设计阶段（TRL 4-5），可获得高达150万加元、为期最长12个月的资助。最后，在构建阶段（TRL 6-9），可获得高达500万加元资金，用于在各种环境中构建和验证原型。只要解决方案能推进到相应的TRL，即有机会进入下一资助阶段。请访问"竞争性项目运作方式"了解更多资金信息。

挑战详情

背景与情境

加拿大武装部队的作战行动产生海量、异质的数据流，例如文本报告、图像、视频、音频、射频/信号情报、传感器遥测数据，以及新兴模态如量子衍生测量和基于无人机的情报。这些数据源目前相互隔离，限制了实时态势感知与决策能力。

此项能力通过实现跨模态的学习型自适应融合，而非静态聚合，直接支持加拿大武装部队数字战役计划及国防部/武装部队人工智能战略。它符合《部队能力计划》中关于情报监视侦察、指挥与控制以及作战韧性的优先事项。该能力将加强武装部队跨领域和跨密级整合情报的能力，确保与盟友的互操作性，以及在对抗环境下的安全行动。

与传统的基于规则的融合不同，此倡议利用人工智能驱动的架构，学习跨异质模态的复杂关系，传播不确定性，并为动态、降级环境下的关键任务决策提供符合政策、可解释的输出。

解决方案将被集成到武装部队的ISR平台、C2系统及战术边缘部署中。其输出将用于完善武装部队多域作战条令，输入实验和兵棋推演环境，并支持下一代决策支持系统的采购策略。

国防部/武装部队发起此挑战，旨在观察人工智能技术在此问题上的进展。

应用场景示例如下（包括但不限于）：

• 北极作战联合ISR融合：对卫星图像、射频信号和遥测数据进行人工智能驱动的时空对齐，以实现对北极区域的持续领域感知。
• 多域战场实时威胁评估：基于深度学习融合光电视频、信号情报和文本情报，用于动态目标选定和部队防护。
• 战术单元边缘融合：在可穿戴系统上部署具备约束感知能力的人工智能模型，集成音频、视频和传感器数据，以在连接降级情况下提升士兵态势感知。
• 海上任务大队行动：利用声纳、射频和视觉数据流，采用人工智能驱动的异常检测，并提供不确定性评分和可解释的输出。
• 机载多传感器平台：融合雷达、光电/红外和遥测数据，以增强对隐身或欺骗性敌方目标的探测与跟踪。

核心要求

提议的解决方案必须证明能够实现以下目标：

• 提供一个能够聚合、摄取、融合至少两种异质数据类型（例如传感器数据、文本、射频）并生成输出的人工智能模型，以产出输出指标和度量（例如分类、检测、关联）。

期望成果

提议的解决方案应包含以下能力和考量（包括但不限于）：

• 用于跨模态时空对齐、不确定性传播和置信度评分的高级深度学习架构。
• 实体解析和动态知识图谱集成，以实现跨领域的持续目标跟踪。
• 利用基于人工智能的溯源跟踪进行符合政策框架的融合，以实现跨密级的安全集成与完整溯源。
• 适用于作战环境中实时人工智能融合流水线的可扩展架构，包括为建立操作员信任而提供的可解释输出。
• 在融合流水线设计中考虑尺寸、重量、功耗以及计算限制，以适应边缘部署。

https://www.canada.ca/en/department-national-defence/programs/defence-ideas/element/competitive-projects/challenges/multi-modal-ai-for-advanced-situational-decisions.html