שיתוף הפעולה עם AeroNous מצטרף לשורה של שילובים ביטחוניים שבהם אינוויז מספקת שכבת תפיסה מרחבית למערכות Counter-UAS. המשמעות: טכנולוגיות חישה שפותחו עבור רכב אוטונומי נכנסות כעת לארכיטקטורות רב־חיישניות להגנת מתקנים ותשתיות
חברת אינוויז הישראלית מרחיבה את נוכחותה בתחום מערכות ההגנה מפני רחפנים. החברה משתפת פעולה עם AeroNous הישראלית, המפתחת פלטפורמת שליטה ובקרה פתוחה להגנה על תשתיות, מתקנים ואתרים אסטרטגיים. במסגרת שיתוף הפעולה תשולב טכנולוגיית ה־LiDAR של אינוויז במערכת השליטה והבקרה של AeroNous, במטרה לשפר יכולות איכון תלת־ממדי בזמן אמת של מטרות אוויריות.
אף שמדובר לכאורה בעוד שילוב של חיישן במערכת קיימת, ההקשר הרחב מעניין יותר: אינוויז אינה נכנסת לשוק ההגנה מפני רחפנים כספקית של אמצעי יירוט, אלא כספקית של שכבת תפיסה מרחבית. זהו תפקיד הדומה מאוד לזה שמילאה טכנולוגיית LiDAR בעולם הרכב האוטונומי – יצירת תמונת עולם תלת־ממדית מדויקת, המתעדכנת בזמן אמת ומוזנת למערכת קבלת ההחלטות.
ההכרזה עם AeroNous מצטרפת לשורת שיתופי פעולה שעליהם דווח לאחרונה, ובהם שילובים עם Regulus, Givon Defense ו־Cogniteam. המכנה המשותף ביניהם הוא שימוש ב־LiDAR לא רק כעוד חיישן גילוי, אלא ככלי לשיפור יכולות Localization, Perception, Classification ו־Situational Awareness – כלומר איכון, תפיסה, סיווג ובניית תמונת מצב מרחבית.
מערכות נגד רחפנים מאמצות ארכיטקטורת רכב אוטונומי
מערכות Counter-UAS התבססו בעבר לא פעם על חיישן מרכזי אחד: מכ"ם, מצלמות אלקטרו־אופטיות או חיישני RF. אולם האיום השתנה. רחפנים קטנים, רחפני FPV, מערכות אוטונומיות ונחילים פועלים לעיתים בגובה נמוך, בסביבה עירונית ובקרבת עצים, מבנים וקווי חשמל.
במצב כזה לא מספיק לדעת שקיים אובייקט באוויר. המערכת צריכה להבין מהו, היכן הוא נמצא בדיוק, כיצד הוא נע, ומה הסיכוי שמדובר באיום אמיתי ולא בציפור, בלון או עצם אחר.
לכן התחום עובר בהדרגה לארכיטקטורות רב־חיישניות. מכ"ם מספק גילוי וטווח, מצלמות מספקות מידע חזותי, חיישני RF מזהים אותות תקשורת כאשר הם קיימים, ותוכנת AI משלבת את הנתונים לתמונת מצב אחת. סקירות מחקריות בתחום Counter-UAS מציינות כבר כמה שנים כי מערכות כאלה משלבות בדרך כלל מכ"ם, ראייה ממוחשבת, RF, חיישנים אקוסטיים ומיזוג נתונים כדי להתמודד עם האתגר של גילוי וזיהוי רחפנים. (arXiv)
בתוך הארכיטקטורה הזאת, ה־LiDAR מוסיף שכבה ייחודית: ענן נקודות תלת־ממדי, הכולל מרחק, גובה, צורה ותנועה. במקום תמונה דו־ממדית או החזר מכ"ם בלבד, המערכת מקבלת מודל מרחבי שניתן להזין לאלגוריתמי מעקב, סיווג וחיזוי תנועה.
מאוטומוטיב לדיפנס
המעבר הזה טבעי עבור אינוויז. החברה פיתחה את חיישניה במשך שנים עבור שוק הרכב האוטונומי, שבו נדרש שילוב של חומרה אופטית, עיבוד אות, קושחה, עיבוד ענני נקודות ותוכנת תפיסה. מחקרים בתחום הרכב האוטונומי מדגישים כי LiDAR מספק מידע תלת־ממדי בצורת ענן נקודות, וכי מידע כזה משמש לזיהוי אובייקטים בזמן אמת. מחקר שעסק ב־InnovizOne הראה שימוש בחיישן LiDAR של אינוויז לזיהוי תלת־ממדי בזמן אמת על מאיץ AI חסכוני, בהקשר של רכב אוטונומי. (arXiv)
היישום הביטחוני שונה מן הרכב האוטונומי, אך הבעיה הבסיסית דומה: כיצד לבנות מודל מרחבי אמין של עולם דינמי, שבו עצמים קטנים נעים במהירות ונדרש לקבל החלטות בזמן קצר.
במערכת רכב אוטונומי, המודל הזה נועד לזהות הולכי רגל, מכוניות, אופניים ומכשולים. במערכת Counter-UAS, הוא נועד לסייע בזיהוי ובמעקב אחר עצמים מעופפים קטנים. בשני המקרים, התפקיד של ה־LiDAR אינו להחליף את המכ"ם או את המצלמות, אלא להשלים אותם.
מרכז הכובד עובר לתוכנה
הנקודה המעניינת בשיתופי הפעולה האחרונים של אינוויז היא זהות השותפים. חלקם אינם מפתחים אמצעי יירוט, אלא שכבות שליטה ובקרה, תפיסה, ניווט, איכון או תוכנה. הדבר מלמד כי מרכז הכובד בתחום אינו נמצא רק באפקטור הסופי, אלא במערכת שמזהה, מסווגת ומבינה את המרחב.
זהו שינוי חשוב גם מבחינת תעשיית השבבים והחיישנים. מערכות הגנה מודרניות הופכות למערכות חישה, עיבוד ו־AI בזמן אמת. הן דורשות חיישנים מדויקים, מעבדי אות, מאיצי AI, קישוריות מהירה ותוכנות מיזוג נתונים.
עבור אינוויז, הכניסה לתחום הזה עשויה לפתוח שוק נוסף מעבר לרכב האוטונומי – שוק שבו יש ביקוש גובר לחיישנים אמינים, מוקשחים ובעלי יכולת עבודה בתנאי סביבה מורכבים.
עם זאת, הדרך לשוק הביטחוני אינה פשוטה. מערכות כאלה דורשות אינטגרציה עמוקה עם ספקי שליטה ובקרה, עמידה בדרישות אמינות מחמירות, התאמה לתרחישי שטח שונים ותהליכי אישור ארוכים. נוסף על כך, LiDAR אינו פתרון יחיד לכל האיומים: הוא תלוי בטווח, בתנאי ראות, בהספק ובאופן שבו המידע שלו משולב עם חיישנים אחרים.
לכן חשיבות המהלך של אינוויז אינה בכך שה־LiDAR הופך את מערכות ההגנה מפני רחפנים למערכת עצמאית, אלא בכך שהוא עשוי להפוך לאחת משכבות התפיסה המרכזיות בארכיטקטורה רב־חיישנית.
אם ברכב האוטונומי ה־LiDAR נועד לעזור למכונית להבין את הכביש, בתחום Counter-UAS הוא נועד לעזור למערכת להבין את המרחב האווירי הנמוך. בשני המקרים, הערך אינו נמצא רק בלייזר עצמו, אלא ביכולת להפוך נקודות אור למודל תלת־ממדי שמערכת AI יכולה להבין ולפעול לפיו.
