IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)
Navigation

Inscrivez-vous gratuitement
pour pouvoir participer, suivre les réponses en temps réel, voter pour les messages, poser vos propres questions et recevoir la newsletter

Embarqué Discussion :

La Russie envisage de relocaliser ses centres de données sous terre pour se protéger des attaques ukrainiennes


Sujet :

Embarqué

  1. #21
    Membre expérimenté
    Homme Profil pro
    Développeur informatique
    Inscrit en
    Octobre 2017
    Messages
    3 258
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Suisse

    Informations professionnelles :
    Activité : Développeur informatique

    Informations forums :
    Inscription : Octobre 2017
    Messages : 3 258
    Par défaut
    Est-ce que lorsque les drones en question subiront une "hallucination" et se mettront à liquider également les soldats ukrainiens (rien ne ressemble plus à un soldat russe que son homologue du camp d'en face), les autorités ukrainiennes comptent faire de l'histoire un sujet de propagande, une news qu'il faut annoncer au monde entier?

    Cette annonce prouve une seule chose: Notre civilisation humaine n'a pas besoin de se faire de soucis pour son devenir futur face au réchauffement de la planète qu'elle a elle-même initié... Elle se sera auto-détruite bien avant qu'elle en subisse les conséquences graves!

  2. #22
    Membre éclairé
    Homme Profil pro
    Architecte réseau
    Inscrit en
    Février 2024
    Messages
    483
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 46
    Localisation : Allemagne

    Informations professionnelles :
    Activité : Architecte réseau

    Informations forums :
    Inscription : Février 2024
    Messages : 483
    Par défaut
    Le conflit russo-ukrainien ressemble à un Hunger Game géant où les sans-grade et les enrôlés de force sont envoyés se faire massacrer en premier ligne, tandis que les responsables restent tranquillement à l'arrière-front.

    Compte-tenu du risque de conflit probable entre l'OTAN et la Russie d'ici à la fin de la décennie, j'invite très fortement les hommes de moins de 45 ans à se tenir le plus éloignés possible d'Europe. L'Allemagne a déjà passé une loi en ce sens, les hommes doivent demander une autorisation pour séjourner hors d'Europe plus de 3 mois.

  3. #23
    Membre expérimenté
    Homme Profil pro
    Développeur informatique
    Inscrit en
    Octobre 2017
    Messages
    3 258
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Suisse

    Informations professionnelles :
    Activité : Développeur informatique

    Informations forums :
    Inscription : Octobre 2017
    Messages : 3 258
    Par défaut
    Citation Envoyé par RenarddeFeu Voir le message
    Compte-tenu du risque de conflit probable entre l'OTAN et la Russie d'ici à la fin de la décennie, j'invite très fortement les hommes de moins de 45 ans à se tenir le plus éloignés possible d'Europe.
    Commentaire typique de la génération Z: "Courage... Fuyons... Abandonnons au moindre soucis le pays à qui l'on doit tout, le pays qui nous a soigné, qui nous a éduqué, qui nous a offert toutes les infrastructures d'un pays riche qui nous a permis d'être ce que nous sommes devenus"...

    On a eu en Suisse un exemple de ce comportement: La Suisse a une armée de milice, des citoyens soldats qui ayant une vie normale dans le civil peuvent être appelés à rejoindre leur unité militaire à laquelle ils ont été incorporé en cas de crise (même fonctionnement qu'en Israel)... Lors du Covid, le gouvernement suisse a ordonné l'entrée en service de 4 000 hommes des troupes sanitaires pour aider à gérer la pandémie, seuls 80% des hommes ont répondu à l'appel!!!

    20% de couards qui ont considéré que leur devoir envers leur patrie, envers leur concitoyens n'était pas prioritaire par rapport à leur nombril!!!

    Je n'ose pas imaginer si l'Europe devait réellement faire face à un conflit avec la Russie... Ce serait la débandade de la génération Z...

    Comme en Ukraine où se sont des quadragénaires et plus qui combattent sur le front alors que les 18-22 ans ont fui le pays par centaines de milliers pour ne pas être enrôlé dans l'armée afin de défendre leur pays?

  4. #24
    Responsable Systèmes


    Homme Profil pro
    Gestion de parcs informatique
    Inscrit en
    Août 2011
    Messages
    18 647
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Paris (Île de France)

    Informations professionnelles :
    Activité : Gestion de parcs informatique
    Secteur : High Tech - Matériel informatique

    Informations forums :
    Inscription : Août 2011
    Messages : 18 647
    Par défaut
    20% de couards qui ont considéré que leur devoir envers leur patrie, envers leur concitoyens n'était pas prioritaire
    Ou 20% de gens qui n'ont pas eu leur mot à dire sur la prise de décision d'enclencher ou non le conflit, les décisionnaires étant bien planqué.

    C'est pas blanc ou noir.

    La Suisse a une armée de milice, des citoyens soldats qui ayant une vie normale dans le civil peuvent être appelés à rejoindre leur unité militaire
    Sauf que la suisse ne participe à aucun conflit.
    Ma page sur developpez.com : http://chrtophe.developpez.com/ (avec mes articles)
    Mon article sur le P2V, mon article sur le cloud
    Consultez nos FAQ : Windows, Linux, Virtualisation

  5. #25
    Membre expérimenté
    Homme Profil pro
    Développeur informatique
    Inscrit en
    Octobre 2017
    Messages
    3 258
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Suisse

    Informations professionnelles :
    Activité : Développeur informatique

    Informations forums :
    Inscription : Octobre 2017
    Messages : 3 258
    Par défaut
    Citation Envoyé par Christophe Voir le message
    Ou 20% de gens qui n'ont pas eu leur mot à dire sur la prise de décision d'enclencher ou non le conflit, les décisionnaires étant bien planqué.

    Sauf que la suisse ne participe à aucun conflit.
    1. Par définition, un pays n'est pas géré en demandant l'avis de chacun... Dans les démocraties, le "mot à dire", c'est lors des élections et que l'on choisi un gouvernement pour son pays...

    Il est d'ailleurs amusant de constater que ceux qui votent le moins, c'est justement les gens qui se plaignent ensuite de ne pas avoir leur "mot à dire"


    2. Parce que vous croyez peut-être que la génération Z se comporte différemment d'un pays à l'autre? Alors que les jeunes ukrainiens ou russes fuient en masse leur pays en guerre, vous voulez me faire croire que les français ou les allemands nous la joueraient comme en 1914, tous unis pour défendre la patrie?

  6. #26
    Chroniqueur Actualités
    Avatar de Patrick Ruiz
    Homme Profil pro
    Redacteur web
    Inscrit en
    Février 2017
    Messages
    2 654
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Cameroun

    Informations professionnelles :
    Activité : Redacteur web
    Secteur : Communication - Médias

    Informations forums :
    Inscription : Février 2017
    Messages : 2 654
    Par défaut L’Ukraine utilise des drones Hornet dotés d’IA pour mener des frappes en toute autonomie en Russie
    L’Ukraine utilise des drones Hornet dotés d’IA pour mener des frappes en toute autonomie en Russie
    Grâce à ces ordinateurs volants, l’Ukraine parle désormais de victoire et non plus de survie

    Grâce à l'intégration massive de l'IA et de la robotique, l'Ukraine transforme radicalement sa stratégie militaire face à la Russie. Le recours croissant aux drones autonomes et aux systèmes télécommandés permet de compenser l'infériorité numérique humaine tout en neutralisant les tactiques de vagues d'assaut russes. Des analystes estiment que cette révolution technologique modifie les perspectives du conflit, qui passe d'une simple lutte pour la survie à une véritable ambition de victoire. Ils soulignent de plus que cette avance technologique affaiblit non seulement la logistique ennemie, mais redéfinit également le futur de la sécurité européenne.

    Un nombre restreint, mais croissant de responsables et d’analystes européens affirment ce qui était impensable il y a quatre ans : l’Ukraine ne se contente pas de survivre à sa guerre épuisante contre la Russie, elle prospère à certains égards et pourrait même être en passe de remporter la victoire. Selon ces derniers, le recours croissant de l'armée ukrainienne aux drones autonomes pourrait s'avérer un élément décisif dans ce conflit meurtrier.

    L'armée ukrainienne a développé des robots terrestres et des drones capables non seulement de conserver le territoire, mais aussi de le reprendre. Les tactiques évoluent : l'Ukraine déploie des concepts d'infanterie centrés sur les robots, combinant les attaques de systèmes terrestres et aériens. Le pays se démarque par sa volonté de repenser complètement sa doctrine militaire et ses chaînes d'approvisionnement autour de la guerre autonome, créant notamment des réseaux de défense distribués capables d'identifier et d'intercepter les menaces avec une intervention humaine minimale.

    L’Ukraine met à contribution des Hornet UAV qui s’appuient sur le processeur Qualcomm QCS5430 chargé d'exécuter tous les algorithmes intégrant des éléments d'intelligence artificielle ; les bases de données sont stockées sur un disque de 128 Go, tandis qu'un autre disque de 64 Go est dédié aux logiciels.

    Ce drone est aussi connu sous le nom de « Martian-2 ». Le Martian-1 était un quadricoptère kamikaze, plus ancien et plus petit, produit par le même fabricant, Swift Beat LLC. Le Hornet est plus grand et vole plus loin et plus haut. Il s’agit d’un petit drone de type avion à voilure fixe, doté d’une aile droite d’une envergure d’environ 2,2 m, d’un fuselage allongé d’environ 1,4 m de long et d’une hélice propulsive située dans la partie arrière.

    Le drone est équipé d’un puissant moteur électrique sans balais SE4720, généralement utilisé sur les drones industriels lourds. Sa partie avant est lisse ; c’est là que se trouvent les capteurs optiques orientés vers l’avant. L’espace interne du fuselage est réparti entre les composants électroniques, la batterie et la charge utile. Sa masse peut atteindre 20 kg. Ce dernier ne dispose pas de train d’atterrissage. Un lanceur portable à tension ou à assistance pneumatique est utilisé pour son lancement.

    L’inconvénient de l’aile droite est sa vulnérabilité au flottement lors d’un piqué. Afin de réduire le risque de défaillance structurelle, l’aile est dotée d’un longeron en fibre de carbone et de manchons de raccordement métalliques. L’aile droite a été choisie pour augmenter la portance, économiser l’énergie de la batterie et garantir un vol stable à vitesse de croisière. Elle simplifie également la fabrication d’un drone jetable et en réduit le coût.

    Certaines sources soulignent la grande discrétion acoustique du drone. Pour réduire le bruit, un caoutchouc souple est utilisé sur les pales de l'hélice, ainsi qu'un support de moteur amortissant les vibrations.

    La vitesse de croisière du drone est estimée à environ 100-120 km/h. L'alimentation est assurée par une batterie de deux kilogrammes composée de cellules lithium-ion haute capacité, vraisemblablement des cellules Samsung 21700 disposées selon une configuration 12S2P. Une batterie complètement chargée fournit une tension d'environ 50 V.

    Pendant la phase de croisière, la mission principale du drone consiste à traverser la zone de première ligne saturée de guerre électronique. C’est pourquoi le Hornet est conçu comme un système pratiquement indépendant de la navigation par satellite. Le GPS sert néanmoins d'outil auxiliaire pour effectuer des vérifications ponctuelles des coordonnées. Selon certaines sources, sur le front, le GPS est parfois désactivé afin d'éviter que le drone ne soit détourné par une attaque par usurpation de signal.

    Le système de navigation principal repose sur le flux optique : une caméra orientée vers le bas filme en continu le sol, tandis que le processeur suit les mouvements du terrain sous le drone. La nuit ou au-dessus d’une surface uniforme, comme la neige par exemple, un projecteur infrarouge peut être activé pour éclairer le sol et aider le système optique à maintenir le cap. La mission de vol est programmée à l’aide de coordonnées, après quoi le drone pénètre dans la zone de chasse en pilotage automatique.

    Tout au long de son parcours, le Hornet peut voler en mode « silence radio », ses antennes étant désactivées, ce qui le rend plus difficile à détecter à l’aide de systèmes de renseignement électronique. Lorsque le drone commence à émettre, son signal serait décalé par logiciel vers des fréquences non standard comprises entre 160 et 450 MHz via des modules HopeRF. Ces fréquences auraient été choisies pour faire passer le signal pour des canaux utilisés par des radios civiles numériques russes ou des stations radio militaires. Toute tentative de brouillage d’un tel canal risquerait de perturber simultanément les communications de leurs propres unités.


    Un statut de puissance militaire acquise grâce à la technologie

    Ces avancées technologiques et tactiques suscitent l'admiration et l'intérêt croissant des pays occidentaux, qui voient l'industrie de défense ukrainienne évoluer à une vitesse stupéfiante. Grâce à la mise en contribution de l'IA, des drones et des robots terrestres, plusieurs tendances à long terme ont évolué en faveur de l’Ukraine. Cependant, pour le gouvernement ukrainien, déclarer victoire exigera bien plus qu'une simple cessation des hostilités.

    Selon des chiffres partagés par le ministère ukrainien de la Défense, au cours du premier trimestre, l'Ukraine a déployé des systèmes robotisés dans plus de 21 000 interventions, marquant une évolution fulgurante dans l'automatisation du champ de bataille. Pour le seul mois de mars, 9 000 missions de combat et de logistique ont été recensées, ce qui représente une hausse majeure par rapport aux 2 900 missions enregistrées en novembre dernier.

    Cette montée en puissance s'accompagne d'une adoption généralisée au sein des forces armées ukrainiennes, puisque le nombre d'unités utilisant ces robots a presque triplé en quelques mois, passant de 67 à 167 unités actives sur le terrain. Les analystes soulignent toutefois que malgré leur déploiement accéléré sur le terrain, l'usage des véhicules terrestres sans pilote reste encore secondaire par rapport à la domination écrasante des drones aériens.

    Les dirigeants mondiaux voient en l'intelligence artificeille un moyen de domination

    Eric Schmidt est un homme d'affaires américain avec une fortune personnelle estimée à plus de 35,5 milliards de dollars. Il a dirigé Google de 2001 à 2011 et est également connu pour avoir des positions très controversées sur la technologie, notamment l'IA. En août 2024, par exemple, s'adressant à des étudiants, Eric Schmidt les a invités à ne pas avoir peur de voler les données dont ils ont besoin pour entraîner leurs grands modèles de langage.

    Il a présidé la National Security Commission on Artificial Intelligence (NSCAI) du gouvernement américain, une organisation qui conseille le président et le Congrès sur les questions de sécurité nationale et de défense relatives à l'IA. « Le coût de l'autonomie diminue si rapidement que la guerre des drones, qui est l'avenir des conflits, permettra de se débarrasser des chars, de l'artillerie et des mortiers », a prédit à l'époque l'ancien PDG de Google.

    Aujourd'hui, il travaille à militariser l'IA. Il a aussi laissé entendre que « les progrès de l'IA sont plus importants que la préservation du climat ». Il estime que nous devrions nous lancer à fond dans la construction de centres de données d'IA, car « de toute façon, nous n'atteindrons jamais nos objectifs climatiques ».

    Un rapport publié en mars 2024 a révélé que l'armée de l'air américaine envisage d'introduire 1 000 drones contrôlés par l'IA pour améliorer ses capacités de combat aérien. Ces drones seront conçus pour accompagner et protéger les avions avec équipage, comme les chasseurs F-35 et les bombardiers B-21. Ils pourront porter leurs propres armes, frapper d'autres aéronefs et des cibles au sol, ainsi qu'effectuer des missions de reconnaissance.

    Conclusion

    L'introduction des drones aériens et terrestres annonce un changement de paradigme dans la guerre, combinant l'innovation technologique et l'agilité stratégique. Cependant, elle soulève des préoccupations. Des experts appellent à l'interdiction des armes autonomes létales. Mais leur appel reste jusque-là sans réponse et les tentatives visant à élaborer des normes pour réglementer ces développements sur le plan mondial ont été infructueuses.

    Un rapport de 2023 a révélé que les scientifiques du Pentagone discutent de la création de super-soldats cybernétiques qui ne ressentent rien lorsqu'ils tuent, ce qui rapproche davantage d'un monde où Skynet ne relèverait plus de la science-fiction. Le super-soldat du Pentagone est décrit comme le soldat du futur et sera inondé de stimulants antidouleur, amélioré avec des implants cérébraux, du sang synthétique et d'autres équipements technologiques.

    D'autres grandes puissances militaires, telles que la Chine et la Russie, auraient déjà leurs propres programmes de recherche dans le domaine des armes autonomes létales. Selon les experts, les conflits du futur seront essentiellement technologiques, car l'IA est en train de changer le visage de la guerre. Toutefois, alors que les poches de tensions se multiplient, les risques pour l'humanité sont encore inconnus et font l'objet de très peu de débats publics.

    Et vous ?

    Que pensez-vous de l'accélération de la militarisation des technologies comme l’intelligence artificielle ? Les choses auraient-elles pu être différentes si on prend en compte que des dirigeants comme Vladimir Poutine ont déclaré qu'ils considèrent l'intelligence artificielle comme un moyen de cominer le monde ?

    Voir aussi :

    L'Ukraine dit avoir déployé des « robots terrestres » à la place de soldats lors de plus de 21 000 missions au premier trimestre. Des soldats affirment que le front ressemble à l'univers Terminator

    Les drones de guerre russes continuent d'utiliser Starlink malgré la répression du Pentagone, les forces russes se procuraient des terminaux Starlink sur le marché noir

    L'IA et les drones détournés de leur usage initial et convertis en armes destructrices : les États-Unis frappent l'Iran avec des armes qui sont des copies de ses propres drones kamikazes Shahed 136
    Contribuez au club : Corrections, suggestions, critiques, ... : Contactez le service news et Rédigez des actualités

  7. #27
    Membre très actif
    Homme Profil pro
    Ingénieur développement logiciels
    Inscrit en
    Octobre 2002
    Messages
    219
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Paris (Île de France)

    Informations professionnelles :
    Activité : Ingénieur développement logiciels
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Octobre 2002
    Messages : 219
    Par défaut
    LOL, des attaques ponctuelles dans les profondeurs de la Russie et ça parle déjà victoires. Des drones portant du kérosène et qui explosent en émettant des flammes et des fumées, c'est pour épater la galerie occidentale, c'est Hollywood, mais stratégiquement, ça ne change rien. C'est plutôt victoire pour les relations publiques de cette entité néo-nazi. Pendant ce temps là, l'armée russe continue de conquérir les territoires sur le théâtre opérationnelle. Les drones dotés de IA n'est l'apanage de l'ukraine, les russes aussi développent leurs propres drones dotés de l'IA.

    Il y a une campagne de propagande ukrainienne en cours pour dépeindre le pays comme étant en train de gagner le conflit contre la Russie. Cette campagne se base sur des attaques de drones ciblant des cibles de production d’énergie en Russie. Bien que l’incendie de réservoirs de carburant dans telle ou telle raffinerie russe puisse sembler impressionnante, les effets sur la Russie n’ont été qu’assez faibles. Les attaques de drones en cours sur la Crimée ont entraîné quelques désagréments pour les habitants de l’île. La campagne ukrainienne est soutenue par les Européens qui tentent de ramener les États-Unis dans le conflit. Les États-Unis n’en étaient cependant jamais vraiment sortis. Après la rencontre entre le président Trump et le président Poutine en août 2025 à Anchorage, il a été question d’un accord entre les deux présidents mais les détails n’ont jamais été annoncés. Après la réunion, Trump avait demandé l’Ukraine à quitter la région du Donbass pour faire la paix avec la Russie. Mais il n’a jamais exercé de pression pour obtenir ce résultat. Pendant ce temps, le soutien des armes et des services de renseignement américains à l’Ukraine continuait. Pendant un certain temps, la Russie avait semblé croire en « l’esprit d’Anchorage » et avait exprimé l’espoir de mettre fin au conflit en se fiant à la proposition de Trump. Cet espoir s’est évaporé depuis longtemps. (Moon of Alabama)

  8. #28
    Membre expérimenté
    Homme Profil pro
    Développeur informatique
    Inscrit en
    Octobre 2017
    Messages
    3 258
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Suisse

    Informations professionnelles :
    Activité : Développeur informatique

    Informations forums :
    Inscription : Octobre 2017
    Messages : 3 258
    Par défaut
    Le recours croissant aux drones autonomes et aux systèmes télécommandés permet de compenser l'infériorité numérique humaine tout en neutralisant les tactiques de vagues d'assaut russes. Des analystes estiment que cette révolution technologique modifie les perspectives du conflit, qui passe d'une simple lutte pour la survie à une véritable ambition de victoire
    Au lieu de se laisser bercer de belles histoires, que le lecteur prenne la peine de regarder une carte du monde: Pour que la "véritable ambition de victoire" se transforme en "victoire", faudrait-il encore résoudre un problème qu'aucun envahisseur de la Russie n'a résolu (pas plus Napoléon que Hitler)... Sa profondeur!!!

    L'Ukraine peut détruire la totalité des infrastructures à portée de drones, cela ne couvrira que la partie occidentale de la Russie... Les drones ukrainiens peuvent atteindre Moscou ou St-Petersburg mais pas Vladivostock!!!

    L'usage de drones ne change rien à la guerre: Au final, ce sont toujours les populations civiles qui trinquent

    Petit question: En quoi la stratégie russe ou ukrainienne se basant sur l'envoi de drones/missiles sur l'adversaire est différente de la stratégie des allemands qui lançaient sur Londres des V1 et V2 en 1944 et 1945, soit il y a 80 ans???

  9. #29
    Membre éprouvé
    Profil pro
    programmeur du dimanche
    Inscrit en
    Novembre 2003
    Messages
    1 234
    Détails du profil
    Informations personnelles :
    Localisation : France

    Informations professionnelles :
    Activité : programmeur du dimanche
    Secteur : Santé

    Informations forums :
    Inscription : Novembre 2003
    Messages : 1 234
    Par défaut
    Les Russes et les Ukrainiens utilisent beaucoup de technologies similaires et les 2 ont des drones tueurs. C'est notamment pour cela que le front est quasi gelé.
    La guerre ne sera pas gagnée à cause d'une percée technologique, c'est une guerre d'attrition.
    Actuellement la guerre dure car les Européens achètent des armes US pour les donner à l'Ukraine, ainsi que le renseignement.
    Le Russie pense que les Européens craqueront avant elle par défaite économique. (Sous prétexte que ce sont les Russes qui ont les matières premières) .

    Ensuite, bien malin qui connait la fin.
    Peut être que les Russes arriveront à fabriquer tellement de réacteurs pour drones que le taux d'interception ukrainien baissera trop.
    Peut être que les Russes décideront que les Européens sont tellement partie prenante avec tous les transferts économiques, technologiques, matériels et informationnels qu'ils lanceront une frappe stratégique sur l'Europe ou frapperont la profondeur de l'Europe à basse intensité.
    Peut être que les dégâts des drones sur les vies et les structures économiques profondes russes pousseront à un cesser le feu à la coréenne.

    En tous cas, cette guerre est une horreur qui était évitable, et il ne sortira rien de bon des courses aux armements, que ce soient les robots tueurs autonomes, ou de l'Allemagne et la Pologne qui investissent massivement dans une guerre à venir. On a déjà vu la fin dans le passé.

  10. #30
    Membre émérite Avatar de der§en
    Homme Profil pro
    Chambord
    Inscrit en
    Septembre 2005
    Messages
    1 427
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Loir et Cher (Centre)

    Informations professionnelles :
    Activité : Chambord
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Septembre 2005
    Messages : 1 427
    Par défaut
    La réalité du terrain contredit ces affirmations, la Russie obtiendra non seulement les régions russophone maltraitées depuis plusieurs décennies par les ukrainiens mais aussi des annexions dont Odessa entre autre…

  11. #31
    Membre éclairé
    Homme Profil pro
    Architecte réseau
    Inscrit en
    Février 2024
    Messages
    483
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Âge : 46
    Localisation : Allemagne

    Informations professionnelles :
    Activité : Architecte réseau

    Informations forums :
    Inscription : Février 2024
    Messages : 483
    Par défaut
    Avec ces nouvelles technologies, le rôle des êtres humains sur le champ de bataille n'est pas sans rappeler celui des canaris dans les mines, 80% de mortalité dans les forces d'assaut quand-même.

    Avec la guerre Russie-OTAN qui pointe le bout de son nez, et l'avance manifeste des Russes sur ces questions, les hommes de moins de 45 ans ont tout intérêt à partir trèèès loin d'Europe. Les tranchées de la 1ère guerre mondiale passeraient pour le club med en comparaison de ce qui les attend (sauf s'ils graissent la patte des gradés pour rester à l'arrière bien entendu).

  12. #32
    Membre éclairé
    Homme Profil pro
    sans
    Inscrit en
    Mai 2023
    Messages
    316
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Hérault (Languedoc Roussillon)

    Informations professionnelles :
    Activité : sans

    Informations forums :
    Inscription : Mai 2023
    Messages : 316
    Par défaut
    Il suffira d'un bug ou d'une prise de controle par autrui pour que ces robots tueurs tuent des cibles qu'il ne fallait pas tuer....
    les trucs autonomes c'est du délire de chercheur mais pas une solution réelle.

    Quand à cette guerre, on dirait qu'elle dure pour pouvoir tester des armements et relancer le marché de l'armement.

  13. #33
    Chroniqueur Actualités

    Homme Profil pro
    Rédacteur technique
    Inscrit en
    Juin 2023
    Messages
    2 201
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Bénin

    Informations professionnelles :
    Activité : Rédacteur technique
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Juin 2023
    Messages : 2 201
    Par défaut L'Ukraine va équiper ses drones Shrike d'une IA capable de traquer et de frapper des cibles
    La société américaine Auterion va équiper 50 000 drones Shrike ukrainiens d'une IA avancée capable de traquer et de frapper des cibles de manière autonome
    dans le cadre d'un contrat de 100 millions de dollars

    Une collaboration entre la société américaine Auterion et le fabricant ukrainien SkyFall permet d'équiper 50 000 drones Shrike d'une IA avancée pour le champ de bataille. Ce système de guidage terminal permet aux engins de traquer et de frapper des cibles de manière autonome, même en cas de brouillage du signal GPS ou de perte de liaison radio. Contrairement aux munitions de précision occidentales coûteuses, ces drones utilisent des puces électroniques abordables pour offrir une efficacité redoutable à moindre coût. Cette technologie simplifie la formation des pilotes et ouvre la voie à l'utilisation future de nuées de drones coordonnées contre la Russie.

    Auterion est une entreprise suisso-américaine controversée fondée en 2017 à Zurich par Lorenz Meier (créateur de l'autopilote open source PX4) et Kevin Sartori, aujourd'hui basée à Arlington, en Virginie, aux États-Unis. Elle développe un système d'exploitation commun et des logiciels pour véhicules autonomes, principalement axés sur les drones militarisés et les systèmes robotiques pour les secteurs de l'entreprise et de la défense.

    Auterion a noué un partenariat avec l'entreprise ukrainienne SkyFall, spécialisée dans la conception et la fabrication de drones. SkyFall a été lancé en juin 2022, quelques mois après le début de l'invasion russe, connue notamment pour son drone nocturne Vampire, surnommé « Baba Yaga » par les soldats russes.

    Ce partenariat stratégique vise à doter les drones Shrike de SkyFall d'un système d'IA capable de détecter et de poursuivre de manière autonome des cibles en mouvement. Grâce à un contrat de 100 millions de dollars financé par l'Allemagne, environ 50 000 drones vont être équipés de kits d'autonomie développés par Auterion. Selon plusieurs rapports récents, l'armée ukrainienne a commencé à recevoir ces drones autonomes à la mi-juillet.

    Une mise à niveau d'envergure pour les drones FPV de combat

    Auparavant pilotés manuellement pour un coût d'environ 400 dollars, ces drones de courte portée coûtent désormais près de 2 000 dollars l'unité une fois dotés du matériel et du logiciel Skynode S. Le Skynode S d'Auterion est un contrôleur de vol et un ordinateur de mission compact, économique et propulsé par l'IA. Il intègre la plateforme logicielle AuterionOS et permet la vision par ordinateur en temps réel pour les petits systèmes de drones.


    Lorenz Meier, cofondateur et PDG d'Auterion, explique la nature de cette mise à niveau : « ce que nous faisons, c'est remplacer le contrôleur de vol existant, qui n'a ni ordinateur ni IA, par une avionique dotée d'un microprocesseur, d'une IA embarquée, et capable de poursuivre la cible de manière totalement autonome ». Ce changement offre aux drones FPV Shrike de SkyFall d'une autonomie visuelle et une résistance au brouillage sur le front.

    Le système d'Auterion permet à l'opérateur de diriger manuellement le drone vers la zone d'opération, de désigner une cible, puis d'activer le mode de guidage terminal. Une fois lancé, l'appareil poursuit sa trajectoire de manière autonome, même s'il perd sa connexion radio à cause d'obstacles physiques ou d'un brouillage ennemi. Pour s'orienter, l'IA d'Auterion se base exclusivement sur les images de la caméra principale embarquée du drone.

    « Cela permet aux opérateurs de piloter manuellement les drones FPV Shrike jusqu'à une zone de combat, de désigner une cible jusqu'à 800 mètres, puis de basculer l'interrupteur pour passer en mode de guidage terminal autonome, où l'on tire et on oublie », a déclaré Lorenz Meier, cofondateur et PDG d'Auterion.

    Cette absence totale de dépendance au GPS constitue un avantage tactique décisif face aux systèmes de guerre électronique russes. Après leur introduction, les drones de type Shrike ont déjà prouvé leur valeur en frappant de nombreux blindés, systèmes d'artillerie et même deux hélicoptères russes Mi-28 évalués chacun à 19 millions de dollars. L'ajout de cette technologie autonome vise à accroître encore davantage leur taux d'efficacité globale.

    Vers le contrôle d'essaims de drones et une formation express

    Les kits de frappe d'Auterion intègrent également la possibilité de futures mises à jour logicielles pour diriger des essaims de drones autonomes. Grâce au système Nemyx, un unique opérateur pourra commander un groupe de drones capables de collaborer pour attaquer des cibles, prioriser les menaces de grande valeur et ajuster leur ciblage en temps réel sans intervention humaine afin de ne pas gaspiller plusieurs munitions sur un même objectif.

    Malgré les controverses, Lorenz Meier explique à propos de cette vision : « cela signifie fondamentalement que vous pouvez diriger l'un de nos essaims vers un objectif, et vous pouvez soit décider de diriger toutes les munitions vers un seul point cible, soit les disperser dès le départ, et elles redéfiniront leurs priorités ». De plus, cette autonomisation réduit drastiquement la complexité du pilotage, simplifiant la formation des nouvelles recrues.

    Le système d'Auterion pourrait améliorer le taux de réussite des drones Shrike pilotés à distance, qui ont déjà touché de nombreuses cibles de la taille d’un véhicule. Ces cibles comprennent notamment des chars blindés, des systèmes de guerre électronique, des pièces d’artillerie et des lance-roquettes. Selon le Kyiv Independent, les drones Shrike auraient abattu deux hélicoptères russes Mi-28, d’une valeur de 19 millions de dollars chacun.

    Les armes létales autonomes et la question du contrôle humain

    Auterion n’a pas précisé de calendrier concernant la mise en œuvre du logiciel permettant le contrôle d'essaims. Cependant, l’entreprise a déjà démontré cette capacité d’essaimage de drones lors d’un exercice de combat avec tir réel sur un champ de tir militaire américain à Camp Blanding, en Floride. La démonstration consistait à faire commander par un pilote de drone trois drones d’attaque autonomes chargés d’éliminer trois cibles distinctes.


    Les innovations d’Auterion simplifient grandement les compétences de pilotage requises des opérateurs humains, qu’ils pilotent un seul drone ou commandent un essaim. Cela pourrait aider l’armée ukrainienne à déployer davantage de drones avec un nombre limité d’opérateurs, et pourrait s’avérer encore plus précieux pour les États-Unis ou d’autres pays qui ne disposent pas encore d’un grand nombre d’opérateurs de drones formés.

    « Nous avons constaté que nous pouvions former des personnes en — je ne plaisante pas — 60 secondes pour piloter ce drone et même pour diriger l’essaim, car il suffit de déplacer le curseur vers le haut ou vers le bas pour les orienter dans la bonne direction vers la cible. Et lorsque vous êtes suffisamment proche pour acquérir la cible, il suffit de la sélectionner à l’écran », a affirmé Lorenz Meier. Mais ces innovations suscitent des inquiétudes.

    Malgré ses progrès récents, Auterion milite pour maintenir la prise de décision humaine au moment de la frappe fatale, même si l'apparition de conflits opposant exclusivement des systèmes autonomes face à d'autres systèmes autonomes pourrait un jour imposer des décisions à la microseconde.

    Conclusion

    L'avènement d'armes létales agissant sans supervision humaine soulève une urgence éthique et juridique internationale, poussant notamment les Nations Unies à réclamer leur interdiction afin d'éviter que le jugement humain ne disparaisse des conflits. La perspective de déléguer le droit de tuer à une IA pose un profond problème moral, car cette automatisation déresponsabilise les attaquants et bafoue également la dignité humaine des cibles.

    S'exprimant récemment sur France 24, Mariarosaria Taddeo, professeure d'éthique numérique et de technologies de défense à l'Oxford Internet Institute de l'université d'Oxford, a déclaré que « ces systèmes sont totalement aveugles ». Selon Mariarosaria Taddeo, « que le système détecte un combattant, un enfant ou une personne âgée, il ne sera pas capable de faire la distinction ni conçu pour cela, ce qui mettra davantage les civils en danger ».

    Selon certains spécialistes, le véritable défi des prochaines années ne sera pas nécessairement la technologique, mais résidera dans la capacité des gouvernements à maintenir leurs garde-fous légaux face à l'évolution des algorithmes, plutôt que de céder à la tentation d'un avantage tactique absolu.

    Sources : Auterion (1, 2), Skynode S, Lorenz Meier

    Et vous ?

    Quel est votre avis sur le sujet ?
    Que pensez-vous du contrôleur de vol Skynode S de la société américaine Auterion ?
    Quelle est votre position sur la délégation à l'IA de décisions engageant la vie humaine ?
    Cela est-il acceptable sur le plan éthique ? Pensez-vous que l'humanité a déjà atteint le stade de Skynet ?
    Comment l'humanité peut-elle faire face à la prolifération rapide des armes autonomes létales ?

    Voir aussi

    Grâce aux robots, l'Ukraine parle désormais de victoire, et non plus seulement de survie. Un nombre croissant de ces engins autonomes sont pilotés par l'IA, ce qui suscite des préoccupations éthiques

    L'Ukraine dit avoir déployé des « robots terrestres » à la place de soldats lors de plus de 21 000 missions au premier trimestre. Des soldats affirment que le front ressemble à l'univers Terminator

    L'Ukraine s'apprête à remplacer ses soldats de première ligne par 25 000 robots terrestres sans pilote, pour faire passer entièrement la logistique de première ligne à des systèmes robotiques

  14. #34
    Membre très actif
    Homme Profil pro
    Ingénieur développement logiciels
    Inscrit en
    Octobre 2002
    Messages
    219
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : France, Paris (Île de France)

    Informations professionnelles :
    Activité : Ingénieur développement logiciels
    Secteur : High Tech - Éditeur de logiciels

    Informations forums :
    Inscription : Octobre 2002
    Messages : 219
    Par défaut
    les HIMARS, les Leopard, les Challenger, les Abrams, les F-16, les ATACMS, les Storm Shadow, les drones navals, les essaims de drones, l'intelligence artificielle… À chaque épisode, les communicants promettaient le tournant décisif. À chaque fois, la réalité du champ de bataille s'est révélée infiniment plus têtue que les conférences de presse. Non, ça ne changera rien sur le champ de bataille.

  15. #35
    Membre expérimenté
    Homme Profil pro
    Développeur informatique
    Inscrit en
    Octobre 2017
    Messages
    3 258
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Suisse

    Informations professionnelles :
    Activité : Développeur informatique

    Informations forums :
    Inscription : Octobre 2017
    Messages : 3 258
    Par défaut
    Citation Envoyé par noremorse Voir le message
    les HIMARS, les Leopard, les Challenger, les Abrams, les F-16, les ATACMS, les Storm Shadow, les drones navals, les essaims de drones, l'intelligence artificielle… À chaque épisode, les communicants promettaient le tournant décisif. À chaque fois, la réalité du champ de bataille s'est révélée infiniment plus têtue que les conférences de presse. Non, ça ne changera rien sur le champ de bataille.
    A remarquer que les médias si enclin à parler de l'Ukraine, ne parlent plus de "HIMARS, les Leopard, les Challenger, les Abrams, les F-16, les ATACMS, les Storm Shadow, les drones navals, "mais plus que de IA... Serait-ce juste un effet de mode?

  16. #36
    Chroniqueur Actualités
    Avatar de Patrick Ruiz
    Homme Profil pro
    Redacteur web
    Inscrit en
    Février 2017
    Messages
    2 654
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Cameroun

    Informations professionnelles :
    Activité : Redacteur web
    Secteur : Communication - Médias

    Informations forums :
    Inscription : Février 2017
    Messages : 2 654
    Par défaut Un drone entièrement piloté par l’IA tue trois Ukrainiens
    Un drone entièrement piloté par l’IA tue 3 Ukrainiens. Cette attaque menée, selon l’Ukraine, par un drone russe équipé d'une puce Nvidia présage d’un avenir dystopique où les robots extermineront les humains.

    Faire le parallèle avec un match de football mènerait à dire « 1 but partout » étant donné que de récents rapports parus à mi-parcours de cette année font état de ce que, pour la première fois, des drones entièrement autonomes de l’armée ukrainienne ont tué des soldats russes sans aucune intervention humaine. C’est dire que la guerre animée par l’intelligence artificielle et les robots est plus que jamais une réalité sur les champs de bataille. Pour de nombreux observateurs, la crainte réside dans celle d’un futur dystopique tel que décrit dans des films comme Terminator.

    Le drone entièrement autonome qui a tué trois Ukrainiens était équipé d’un mini-PC Jetson Orin Nano Super de Nvidia

    Le mois dernier, dans la ville de Zaporijia, dans le sud-est de l’Ukraine, un petit drone russe ressemblant à un avion-modèle a fondu sur la ville depuis le ciel. Alors qu’il tentait de se diriger vers une station-service, il s’est écrasé contre un mur et a explosé dans une pluie d’éclats, tuant Tetiana Bubynets, une étudiante de 19 ans, ainsi que deux autres personnes.

    Ils faisaient partie des milliers de civils ukrainiens qui ont perdu la vie lors de frappes aériennes russes, mais les circonstances de leur décès présentaient une tournure inquiétante. Le drone qui les a tués était guidé par un système expérimental d’intelligence artificielle, et non par un pilote humain, selon des experts en drones, des commandants militaires ukrainiens et l’équipe médico-légale qui a examiné les débris de cette frappe meurtrière ainsi que d’autres survenues dans la ville.


    Les rapports font état de ce que ce dernier était équipé d’un mini-PC Jetson. Ce dernier est équipé d'un processeur ARM Cortex A78E et d'un GPU Nvidia personnalisé doté de 1024 cœurs CUDA et de 32 cœurs Tensor. Il fournit également 67 TOP. À titre de comparaison, le SBC Raspberry Pi 5 et son kit d'IA peuvent fournir environ 13 TOP. Un Mac Mini M4 peut atteindre 38 TOPS. Nvidia a inclus une version personnalisée de Linux pour les projets à exécuter, avec le thème Nvidia.

    Grosso modo, ces drones sont des espèces d’ordinateurs volants. L’Ukraine met à contribution des Hornet UAV qui s’appuient sur le processeur Qualcomm QCS5430 chargé d'exécuter tous les algorithmes intégrant des éléments d'intelligence artificielle ; les bases de données sont stockées sur un disque de 128 Go, tandis qu'un autre disque de 64 Go est dédié aux logiciels. Ce sont d’ailleurs ces modèles que le pays met à contribution pour mener des frappes en toute autonomie en Russie.


    Les champs de bataille actuels voient un essor de chiens-robots, de drones autonomes et essaims de drones

    En Ukraine, l'adaptation rapide de modèles civils d'IA entraînés sur des données de terrain a permis de porter le taux de précision des frappes de drones de 10-20 % à 70-80 %.

    Des initiatives comme les laboratoires d'entraînement tactique développent des drones capables d'identifier et de suivre des cibles de manière totalement autonome en dépit du brouillage de guerre électronique et de la perte du signal de contrôle humain.

    Des robots et tourelles au sol gérés par des algorithmes d'IA commencent à sécuriser des positions ou à automatiser le pointage de l'artillerie pour suppléer l'infanterie dans les zones hautement exposées.

    On note aussi une utilisation croissante de chiens-robots. Du point de vue du développeur informatique, ces robots sont des kits matériels - à la présentation visuelle similaire à celle d’un chien sur pattes – programmables via une API fournie par le constructeur. C’est au travers de cette dernière, ainsi que d’une série de modules d’extensions, que le développeur peut aller à l’essentiel de l’application à mettre en œuvre.

    Code Python : Sélectionner tout - Visualiser dans une fenêtre à part
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    82
    83
    84
    85
    86
    87
    88
    89
    90
    91
    92
    93
    94
    95
    96
    97
    98
    99
    100
    101
    102
    103
    104
    105
    106
    107
    108
    109
    110
    111
    112
    113
    114
    115
    116
    117
    118
    119
    120
    121
    122
    123
    124
    125
    126
    127
    128
    129
    130
    131
    132
    133
    134
    135
    136
    137
    138
    139
    140
    141
    142
    143
    144
    145
    146
    147
    148
    149
    150
    151
    152
    153
    154
    155
    156
    157
    158
    159
    160
    161
    162
    163
    164
    165
    166
    167
    168
    169
    170
    171
    172
    173
    174
    175
    176
    177
    178
    179
    180
    181
    182
    183
    184
    185
    186
    187
    188
    189
    190
    191
    192
    193
    194
    195
    196
    197
    198
    199
    200
    201
    202
    203
    204
    205
    206
    207
    208
    209
    210
    211
    212
    213
    214
    215
    216
    217
    218
    219
    220
    221
    222
    223
    224
    225
    226
    227
    228
    229
    230
    231
    232
    233
    234
    235
    236
    237
    238
    239
    240
    241
    242
    243
    244
    245
    246
    247
    248
    249
    250
    251
    252
    253
    254
    255
    256
    257
    258
    259
    260
    261
    262
    263
    264
    265
    266
    267
    268
    269
    270
    271
    272
    273
    274
    275
    276
    277
    278
    279
    280
    281
    282
    283
    284
    285
    286
    287
    288
    289
    290
    291
    292
    293
    294
    295
    296
    297
    298
    299
    300
    301
    302
    303
    304
    305
    306
    307
    308
    309
    310
    311
    312
    313
    314
    315
    316
    317
    318
    319
    320
    321
    322
    323
    324
    325
    326
    327
    328
    329
    330
    331
    332
    333
    334
    335
    336
    337
    338
    339
    340
    341
    342
    343
    344
    345
    346
    347
    348
    349
    350
    351
    352
    353
    354
    355
    356
    357
    358
    359
    360
    361
    362
    363
    364
    365
    366
    367
    368
    369
    370
    371
    372
    373
    374
    375
    376
    377
    378
    379
    380
    381
    382
    383
    384
    385
    386
    387
    388
    389
    390
    391
    392
    393
    394
    395
    396
    397
    398
    399
    400
    401
    402
    403
    404
    405
    406
    407
    408
    409
    410
    411
    412
    413
    414
    415
    416
    417
    418
    419
    420
    421
    422
    423
    424
    425
    426
    427
    428
    429
    430
    431
    432
    433
    434
    435
    436
    437
    438
    439
    440
    441
    442
    443
    444
    445
    446
    447
    448
    449
    450
    451
    452
    453
    454
    455
    456
    457
    458
    459
    460
    461
    462
    463
    464
    465
    466
    467
    468
    469
    470
    471
    472
    473
    474
    475
    476
    477
    478
    479
    480
    481
    482
    483
    484
    485
    486
    487
    488
    489
    490
    491
    492
    493
    494
    495
    496
    497
    498
    499
    500
    501
    502
    503
    504
    505
    506
    507
    508
    509
    510
    511
    512
    513
    514
    515
    516
    517
    518
    519
    520
    521
    522
    523
    524
    525
    526
    527
    528
    529
    530
    531
    532
    533
    534
    535
    536
    537
    538
    539
    540
    541
    542
    543
    544
    545
    546
    547
    548
    549
    550
    551
    552
    553
    554
    555
    556
    557
    558
    559
    560
    561
    562
    563
    564
    565
    566
    567
    568
    569
    570
    571
    572
    573
    574
    575
    576
    577
    578
    579
    580
    581
    582
    583
    584
    585
    586
    587
    588
    589
    590
    591
    592
    593
    594
    595
    596
    597
    598
    599
    600
    601
    602
    603
    604
    605
    606
    607
    608
    609
    610
    611
    612
    613
    614
    615
    616
    617
    618
    619
    620
    621
    622
    623
    624
    625
    626
    627
    628
    629
    630
    631
    632
    633
    634
    635
    636
    637
    638
    639
    640
    641
    642
    643
    644
    645
    646
    647
    648
    649
    650
    651
    652
    653
    654
    655
    656
    657
    658
    659
    660
    661
    662
    663
    664
    665
    666
    667
    668
    669
    670
    671
    672
    673
    674
    675
    676
    677
    678
    679
    680
    681
    682
    683
    684
    685
    686
    687
    688
    689
    690
    691
    692
    693
    694
    695
    696
    697
    698
    699
    700
    701
    702
    703
    704
    705
    706
    707
    708
    709
    710
    711
    712
    713
    714
    715
    716
    717
    718
    719
    720
    721
    722
    723
    724
    725
    726
    727
    728
    729
    730
    731
    732
    733
    734
    735
    736
    737
    738
    739
    740
    741
    742
    743
    744
    745
    746
    747
    748
    749
    750
    751
    752
    753
    754
    755
    756
    757
    758
    759
    760
    761
    762
    763
    764
    765
    766
    767
    768
    769
    770
    771
    772
    773
    774
    775
    776
    777
    778
    779
    780
    781
    782
    783
    784
    785
    786
    787
    788
    789
    790
    791
    792
    793
    794
    795
    796
    797
    798
    799
    800
    801
    802
    803
    804
    805
    806
    807
    808
    809
    810
    811
    812
    813
    814
    815
    816
    817
    818
    819
    820
    821
    822
    823
    824
    825
    826
    827
    828
    829
    830
    831
    832
    833
    834
    835
    836
    837
    838
    839
    # Copyright (c) 2023 Boston Dynamics, Inc.  All rights reserved. 
    # 
    # Downloading, reproducing, distributing or otherwise using the SDK Software 
    # is subject to the terms and conditions of the Boston Dynamics Software 
    # Development Kit License (20191101-BDSDK-SL). 
     
    """Tutorial to show how to use the Boston Dynamics API to detect and follow an object""" 
    import argparse 
    import io 
    import json 
    import math 
    import os 
    import signal 
    import sys 
    import time 
    from multiprocessing import Barrier, Process, Queue, Value 
    from queue import Empty, Full 
    from threading import BrokenBarrierError, Thread 
     
    import cv2 
    import numpy as np 
    from PIL import Image 
    from scipy import ndimage 
    from tensorflow_object_detection import DetectorAPI 
     
    import bosdyn.client 
    import bosdyn.client.util 
    from bosdyn import geometry 
    from bosdyn.api import geometry_pb2 as geo 
    from bosdyn.api import image_pb2, trajectory_pb2 
    from bosdyn.api.image_pb2 import ImageSource 
    from bosdyn.api.spot import robot_command_pb2 as spot_command_pb2 
    from bosdyn.client.async_tasks import AsyncPeriodicQuery, AsyncTasks 
    from bosdyn.client.frame_helpers import (GROUND_PLANE_FRAME_NAME, VISION_FRAME_NAME, get_a_tform_b, 
                                             get_vision_tform_body) 
    from bosdyn.client.image import ImageClient 
    from bosdyn.client.lease import LeaseClient, LeaseKeepAlive 
    from bosdyn.client.math_helpers import Quat, SE3Pose 
    from bosdyn.client.robot_command import (CommandFailedError, CommandTimedOutError, 
                                             RobotCommandBuilder, RobotCommandClient, blocking_stand) 
    from bosdyn.client.robot_state import RobotStateClient 
     
    LOGGER = bosdyn.client.util.get_logger() 
     
    SHUTDOWN_FLAG = Value('i', 0) 
     
    # Don't let the queues get too backed up 
    QUEUE_MAXSIZE = 10 
     
    # This is a multiprocessing.Queue for communication between the main process and the 
    # Tensorflow processes. 
    # Entries in this queue are in the format: 
     
    # { 
    #     'source': Name of the camera, 
    #     'world_tform_cam': transform from VO to camera, 
    #     'world_tform_gpe':  transform from VO to ground plane, 
    #     'raw_image_time': Time when the image was collected, 
    #     'cv_image': The decoded image, 
    #     'visual_dims': (cols, rows), 
    #     'depth_image': depth image proto, 
    #     'system_cap_time': Time when the image was received by the main process, 
    #     'image_queued_time': Time when the image was done preprocessing and queued 
    # } 
    RAW_IMAGES_QUEUE = Queue(QUEUE_MAXSIZE) 
     
    # This is a multiprocessing.Queue for communication between the Tensorflow processes and 
    # the bbox print process. This is meant for running in a containerized environment with no access 
    # to an X display 
    # Entries in this queue have the following fields in addition to those in : 
    # { 
    #   'processed_image_start_time':  Time when the image was received by the TF process, 
    #   'processed_image_end_time':  Time when the image was processing for bounding boxes 
    #   'boxes': list of detected bounding boxes for the processed image 
    #   'classes': classes of objects, 
    #   'scores': confidence scores, 
    # } 
    PROCESSED_BOXES_QUEUE = Queue(QUEUE_MAXSIZE) 
     
    # Barrier for waiting on Tensorflow processes to start, initialized in main() 
    TENSORFLOW_PROCESS_BARRIER = None 
     
    COCO_CLASS_DICT = { 
        1: 'person', 
        2: 'bicycle', 
        3: 'car', 
        4: 'motorcycle', 
        5: 'airplane', 
        6: 'bus', 
        7: 'train', 
        8: 'truck', 
        9: 'boat', 
        10: 'trafficlight', 
        11: 'firehydrant', 
        13: 'stopsign', 
        14: 'parkingmeter', 
        15: 'bench', 
        16: 'bird', 
        17: 'cat', 
        18: 'dog', 
        19: 'horse', 
        20: 'sheep', 
        21: 'cow', 
        22: 'elephant', 
        23: 'bear', 
        24: 'zebra', 
        25: 'giraffe', 
        27: 'backpack', 
        28: 'umbrella', 
        31: 'handbag', 
        32: 'tie', 
        33: 'suitcase', 
        34: 'frisbee', 
        35: 'skis', 
        36: 'snowboard', 
        37: 'sportsball', 
        38: 'kite', 
        39: 'baseballbat', 
        40: 'baseballglove', 
        41: 'skateboard', 
        42: 'surfboard', 
        43: 'tennisracket', 
        44: 'bottle', 
        46: 'wineglass', 
        47: 'cup', 
        48: 'fork', 
        49: 'knife', 
        50: 'spoon', 
        51: 'bowl', 
        52: 'banana', 
        53: 'apple', 
        54: 'sandwich', 
        55: 'orange', 
        56: 'broccoli', 
        57: 'carrot', 
        58: 'hotdog', 
        59: 'pizza', 
        60: 'donut', 
        61: 'cake', 
        62: 'chair', 
        63: 'couch', 
        64: 'pottedplant', 
        65: 'bed', 
        67: 'diningtable', 
        70: 'toilet', 
        72: 'tv', 
        73: 'laptop', 
        74: 'mouse', 
        75: 'remote', 
        76: 'keyboard', 
        77: 'cellphone', 
        78: 'microwave', 
        79: 'oven', 
        80: 'toaster', 
        81: 'sink', 
        82: 'refrigerator', 
        84: 'book', 
        85: 'clock', 
        86: 'vase', 
        87: 'scissors', 
        88: 'teddybear', 
        89: 'hairdrier', 
        90: 'toothbrush' 
    } 
     
    # Mapping from visual to depth data 
    VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE = { 
        'frontleft_fisheye_image': 'frontleft_depth_in_visual_frame', 
        'frontright_fisheye_image': 'frontright_depth_in_visual_frame' 
    } 
    ROTATION_ANGLES = { 
        'back_fisheye_image': 0, 
        'frontleft_fisheye_image': -78, 
        'frontright_fisheye_image': -102, 
        'left_fisheye_image': 0, 
        'right_fisheye_image': 180 
    } 
     
     
    def _update_thread(async_task): 
        while True: 
            async_task.update() 
            time.sleep(0.01) 
     
     
    class AsyncImage(AsyncPeriodicQuery): 
        """Grab image.""" 
     
        def __init__(self, image_client, image_sources): 
            # Period is set to be about 15 FPS 
            super(AsyncImage, self).__init__('images', image_client, LOGGER, period_sec=0.067) 
            self.image_sources = image_sources 
     
        def _start_query(self): 
            return self._client.get_image_from_sources_async(self.image_sources) 
     
     
    class AsyncRobotState(AsyncPeriodicQuery): 
        """Grab robot state.""" 
     
        def __init__(self, robot_state_client): 
            # period is set to be about the same rate as detections on the CORE AI 
            super(AsyncRobotState, self).__init__('robot_state', robot_state_client, LOGGER, 
                                                  period_sec=0.02) 
     
        def _start_query(self): 
            return self._client.get_robot_state_async() 
     
     
    def get_source_list(image_client): 
        """Gets a list of image sources and filters based on config dictionary 
      
        Args: 
            image_client: Instantiated image client 
        """ 
     
        # We are using only the visual images with their corresponding depth sensors 
        sources = image_client.list_image_sources() 
        source_list = [] 
        for source in sources: 
            if source.image_type == ImageSource.IMAGE_TYPE_VISUAL: 
                # only append if sensor has corresponding depth sensor 
                if source.name in VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE: 
                    source_list.append(source.name) 
                    source_list.append(VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE[source.name]) 
        return source_list 
     
     
    def capture_images(image_task, sleep_between_capture): 
        """ Captures images and places them on the queue 
      
        Args: 
            image_task (AsyncImage): Async task that provides the images response to use 
            sleep_between_capture (float): Time to sleep between each image capture 
        """ 
        while not SHUTDOWN_FLAG.value: 
            get_im_resp = image_task.proto 
            start_time = time.time() 
            if not get_im_resp: 
                continue 
            depth_responses = { 
                img.source.name: img 
                for img in get_im_resp 
                if img.source.image_type == ImageSource.IMAGE_TYPE_DEPTH 
            } 
            entry = {} 
            for im_resp in get_im_resp: 
                if im_resp.source.image_type == ImageSource.IMAGE_TYPE_VISUAL: 
                    source = im_resp.source.name 
                    depth_source = VISUAL_SOURCE_TO_DEPTH_MAP_SOURCE[source] 
                    depth_image = depth_responses[depth_source] 
     
                    acquisition_time = im_resp.shot.acquisition_time 
                    image_time = acquisition_time.seconds + acquisition_time.nanos * 1e-9 
     
                    try: 
                        image = Image.open(io.BytesIO(im_resp.shot.image.data)) 
                        source = im_resp.source.name 
     
                        image = ndimage.rotate(image, ROTATION_ANGLES[source]) 
                        if im_resp.shot.image.pixel_format == image_pb2.Image.PIXEL_FORMAT_GREYSCALE_U8: 
                            image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # Converted to RGB for TF 
                        tform_snapshot = im_resp.shot.transforms_snapshot 
                        frame_name = im_resp.shot.frame_name_image_sensor 
                        world_tform_cam = get_a_tform_b(tform_snapshot, VISION_FRAME_NAME, frame_name) 
                        world_tform_gpe = get_a_tform_b(tform_snapshot, VISION_FRAME_NAME, 
                                                        GROUND_PLANE_FRAME_NAME) 
                        entry[source] = { 
                            'source': source, 
                            'world_tform_cam': world_tform_cam, 
                            'world_tform_gpe': world_tform_gpe, 
                            'raw_image_time': image_time, 
                            'cv_image': image, 
                            'visual_dims': (im_resp.shot.image.cols, im_resp.shot.image.rows), 
                            'depth_image': depth_image, 
                            'system_cap_time': start_time, 
                            'image_queued_time': time.time() 
                        } 
                    except Exception as exc:  # pylint: disable=broad-except 
                        print(f'Exception occurred during image capture {exc}') 
            try: 
                RAW_IMAGES_QUEUE.put_nowait(entry) 
            except Full as exc: 
                print(f'RAW_IMAGES_QUEUE is full: {exc}') 
            time.sleep(sleep_between_capture) 
     
     
    def start_tensorflow_processes(num_processes, model_path, detection_class, detection_threshold, 
                                   max_processing_delay): 
        """Starts Tensorflow processes in parallel. 
      
        It does not keep track of the processes once they are started because they run indefinitely 
        and are never joined back to the main process. 
      
        Args: 
            num_processes (int): Number of Tensorflow processes to start in parallel. 
            model_path (str): Filepath to the Tensorflow model to use. 
            detection_class (int): Detection class to detect 
            detection_threshold (float): Detection threshold to apply to all Tensorflow detections. 
            max_processing_delay (float): Allowed delay before processing an incoming image. 
        """ 
        processes = [] 
        for _ in range(num_processes): 
            process = Process( 
                target=process_images, args=( 
                    model_path, 
                    detection_class, 
                    detection_threshold, 
                    max_processing_delay, 
                ), daemon=True) 
            process.start() 
            processes.append(process) 
        return processes 
     
     
    def process_images(model_path, detection_class, detection_threshold, max_processing_delay): 
        """Starts Tensorflow and detects objects in the incoming images. 
      
        Args: 
            model_path (str): Filepath to the Tensorflow model to use. 
            detection_class (int): Detection class to detect 
            detection_threshold (float): Detection threshold to apply to all Tensorflow detections. 
            max_processing_delay (float): Allowed delay before processing an incoming image. 
        """ 
     
        odapi = DetectorAPI(path_to_ckpt=model_path) 
        num_processed_skips = 0 
     
        if TENSORFLOW_PROCESS_BARRIER is None: 
            return 
     
        try: 
            TENSORFLOW_PROCESS_BARRIER.wait() 
        except BrokenBarrierError as exc: 
            print(f'Error waiting for Tensorflow processes to initialize: {exc}') 
            return False 
     
        while not SHUTDOWN_FLAG.value: 
            try: 
                entry = RAW_IMAGES_QUEUE.get_nowait() 
            except Empty: 
                time.sleep(0.1) 
                continue 
            for _, capture in entry.items(): 
                start_time = time.time() 
                processing_delay = time.time() - capture['raw_image_time'] 
                if processing_delay > max_processing_delay: 
                    num_processed_skips += 1 
                    print(f'skipped image because it took {processing_delay}') 
                    continue  # Skip image due to delay 
     
                image = capture['cv_image'] 
                boxes, scores, classes, _ = odapi.process_frame(image) 
                confident_boxes = [] 
                confident_object_classes = [] 
                confident_scores = [] 
                if len(boxes) == 0: 
                    print('no detections founds') 
                    continue 
                for box, score, box_class in sorted(zip(boxes, scores, classes), key=lambda x: x[1], 
                                                    reverse=True): 
                    if score > detection_threshold and box_class == detection_class: 
                        confident_boxes.append(box) 
                        confident_object_classes.append(COCO_CLASS_DICT[box_class]) 
                        confident_scores.append(score) 
                        image = cv2.rectangle(image, (box[1], box[0]), (box[3], box[2]), (255, 0, 0), 2) 
     
                capture['processed_image_start_time'] = start_time 
                capture['processed_image_end_time'] = time.time() 
                capture['boxes'] = confident_boxes 
                capture['classes'] = confident_object_classes 
                capture['scores'] = confident_scores 
                capture['cv_image'] = image 
            try: 
                PROCESSED_BOXES_QUEUE.put_nowait(entry) 
            except Full as exc: 
                print(f'PROCESSED_BOXES_QUEUE is full: {exc}') 
        print('tf process ending') 
        return True 
     
     
    def get_go_to(world_tform_object, robot_state, mobility_params, dist_margin=0.5): 
        """Gets trajectory command to a goal location 
      
        Args: 
            world_tform_object (SE3Pose): Transform from vision frame to target object 
            robot_state (RobotState): Current robot state 
            mobility_params (MobilityParams): Mobility parameters 
            dist_margin (float): Distance margin to target 
        """ 
        vo_tform_robot = get_vision_tform_body(robot_state.kinematic_state.transforms_snapshot) 
        print(f'robot pos: {vo_tform_robot}') 
        delta_ewrt_vo = np.array( 
            [world_tform_object.x - vo_tform_robot.x, world_tform_object.y - vo_tform_robot.y, 0]) 
        norm = np.linalg.norm(delta_ewrt_vo) 
        if norm == 0: 
            return None 
        delta_ewrt_vo_norm = delta_ewrt_vo / norm 
        heading = _get_heading(delta_ewrt_vo_norm) 
        vo_tform_goal = np.array([ 
            world_tform_object.x - delta_ewrt_vo_norm[0] * dist_margin, 
            world_tform_object.y - delta_ewrt_vo_norm[1] * dist_margin 
        ]) 
        se2_pose = geo.SE2Pose(position=geo.Vec2(x=vo_tform_goal[0], y=vo_tform_goal[1]), angle=heading) 
        tag_cmd = RobotCommandBuilder.synchro_se2_trajectory_command(se2_pose, 
                                                                     frame_name=VISION_FRAME_NAME, 
                                                                     params=mobility_params) 
        return tag_cmd 
     
     
    def _get_heading(xhat): 
        zhat = [0.0, 0.0, 1.0] 
        yhat = np.cross(zhat, xhat) 
        mat = np.array([xhat, yhat, zhat]).transpose() 
        return Quat.from_matrix(mat).to_yaw() 
     
     
    def set_default_body_control(): 
        """Set default body control params to current body position""" 
        footprint_R_body = geometry.EulerZXY() 
        position = geo.Vec3(x=0.0, y=0.0, z=0.0) 
        rotation = footprint_R_body.to_quaternion() 
        pose = geo.SE3Pose(position=position, rotation=rotation) 
        point = trajectory_pb2.SE3TrajectoryPoint(pose=pose) 
        traj = trajectory_pb2.SE3Trajectory(points=[point]) 
        return spot_command_pb2.BodyControlParams(base_offset_rt_footprint=traj) 
     
     
    def get_mobility_params(): 
        """Gets mobility parameters for following""" 
        vel_desired = .75 
        speed_limit = geo.SE2VelocityLimit( 
            max_vel=geo.SE2Velocity(linear=geo.Vec2(x=vel_desired, y=vel_desired), angular=.25)) 
        body_control = set_default_body_control() 
        mobility_params = spot_command_pb2.MobilityParams(vel_limit=speed_limit, obstacle_params=None, 
                                                          body_control=body_control, 
                                                          locomotion_hint=spot_command_pb2.HINT_TROT) 
        return mobility_params 
     
     
    def depth_to_xyz(depth, pixel_x, pixel_y, focal_length, principal_point): 
        """Calculate the transform to point in image using camera intrinsics and depth""" 
        x = depth * (pixel_x - principal_point.x) / focal_length.x 
        y = depth * (pixel_y - principal_point.y) / focal_length.y 
        z = depth 
        return x, y, z 
     
     
    def remove_ground_from_depth_image(raw_depth_image, focal_length, principal_point, world_tform_cam, 
                                       world_tform_gpe, ground_tolerance=0.04): 
        """ Simple ground plane removal algorithm. Uses ground height 
            and does simple z distance filtering. 
      
        Args: 
            raw_depth_image (np.array): Depth image 
            focal_length (Vec2): Focal length of camera that produced the depth image 
            principal_point (Vec2): Principal point of camera that produced the depth image 
            world_tform_cam (SE3Pose): Transform from VO to camera frame 
            world_tform_gpe (SE3Pose): Transform from VO to GPE frame 
            ground_tolerance (float): Distance in meters to add to the ground plane 
        """ 
        new_depth_image = raw_depth_image 
     
        # same functions as depth_to_xyz, but converted to np functions 
        indices = np.indices(raw_depth_image.shape) 
        xs = raw_depth_image * (indices[1] - principal_point.x) / focal_length.x 
        ys = raw_depth_image * (indices[0] - principal_point.y) / focal_length.y 
        zs = raw_depth_image 
     
        # create xyz point cloud 
        camera_tform_points = np.stack([xs, ys, zs], axis=2) 
        # points in VO frame 
        world_tform_points = world_tform_cam.transform_cloud(camera_tform_points) 
        # array of booleans where True means the point was below the ground plane plus tolerance 
        world_tform_points_mask = (world_tform_gpe.z - world_tform_points[:, :, 2]) < ground_tolerance 
        # remove data below ground plane 
        new_depth_image[world_tform_points_mask] = 0 
        return new_depth_image 
     
     
    def get_distance_to_closest_object_depth(x_min, x_max, y_min, y_max, depth_scale, raw_depth_image, 
                                             histogram_bin_size=0.50, minimum_number_of_points=10, 
                                             max_distance=8.0): 
        """Make a histogram of distances to points in the cloud and take the closest distance with 
        enough points. 
      
        Args: 
            x_min (int): minimum x coordinate (column) of object to find 
            x_max (int): maximum x coordinate (column) of object to find 
            y_min (int): minimum y coordinate (row) of object to find 
            y_max (int): maximum y coordinate (row) of object to find 
            depth_scale (float): depth scale of the image to convert from sensor value to meters 
            raw_depth_image (np.array): matrix of depth pixels 
            histogram_bin_size (float): size of each bin of distances 
            minimum_number_of_points (int): minimum number of points before returning depth 
            max_distance (float): maximum distance to object in meters 
        """ 
        num_bins = math.ceil(max_distance / histogram_bin_size) 
     
        # get a sub-rectangle of the bounding box out of the whole image, then flatten 
        obj_depths = (raw_depth_image[y_min:y_max, x_min:x_max]).flatten() 
        obj_depths = obj_depths / depth_scale 
        obj_depths = obj_depths[obj_depths != 0] 
     
        hist, hist_edges = np.histogram(obj_depths, bins=num_bins, range=(0, max_distance)) 
     
        edges_zipped = zip(hist_edges[:-1], hist_edges[1:]) 
        # Iterate over the histogram and return the first distance with enough points. 
        for entry, edges in zip(hist, edges_zipped): 
            if entry > minimum_number_of_points: 
                filtered_depths = obj_depths[(obj_depths > edges[0]) & (obj_depths < edges[1])] 
                if len(filtered_depths) == 0: 
                    continue 
                return np.mean(filtered_depths) 
     
        return max_distance 
     
     
    def rotate_about_origin_degrees(origin, point, angle): 
        """ 
        Rotate a point counterclockwise by a given angle around a given origin. 
      
        Args: 
            origin (tuple): Origin to rotate the point around 
            point (tuple): Point to rotate 
            angle (float): Angle in degrees 
        """ 
        return rotate_about_origin(origin, point, math.radians(angle)) 
     
     
    def rotate_about_origin(origin, point, angle): 
        """ 
        Rotate a point counterclockwise by a given angle around a given origin. 
      
        Args: 
            origin (tuple): Origin to rotate the point around 
            point (tuple): Point to rotate 
            angle (float): Angle in radians 
        """ 
        orig_x, orig_y = origin 
        pnt_x, pnt_y = point 
     
        ret_x = orig_x + math.cos(angle) * (pnt_x - orig_x) - math.sin(angle) * (pnt_y - orig_y) 
        ret_y = orig_y + math.sin(angle) * (pnt_x - orig_x) + math.cos(angle) * (pnt_y - orig_y) 
        return int(ret_x), int(ret_y) 
     
     
    def get_object_position(world_tform_cam, world_tform_gpe, visual_dims, depth_image, bounding_box, 
                            rotation_angle): 
        """ 
        Extract the bounding box, then find the mode in that region. 
      
        Args: 
            world_tform_cam (SE3Pose): SE3 transform from world to camera frame 
            visual_dims (Tuple): (cols, rows) tuple from the visual image 
            depth_image (ImageResponse): From a depth camera corresponding to the visual_image 
            bounding_box (list): Bounding box from tensorflow 
            rotation_angle (float): Angle (in degrees) to rotate depth image to match cam image rotation 
        """ 
     
        # Make sure there are two images. 
        if visual_dims is None or depth_image is None: 
            # Fail. 
            return 
     
        # Rotate bounding box back to original frame 
        points = [(bounding_box[1], bounding_box[0]), (bounding_box[3], bounding_box[0]), 
                  (bounding_box[3], bounding_box[2]), (bounding_box[1], bounding_box[2])] 
     
        origin = (visual_dims[0] / 2, visual_dims[1] / 2) 
     
        points_rot = [rotate_about_origin_degrees(origin, point, rotation_angle) for point in points] 
     
        # Get the bounding box corners. 
        y_min = max(0, min([point[1] for point in points_rot])) 
        x_min = max(0, min([point[0] for point in points_rot])) 
        y_max = min(visual_dims[1], max([point[1] for point in points_rot])) 
        x_max = min(visual_dims[0], max([point[0] for point in points_rot])) 
     
        # Check that the bounding box is valid. 
        if (x_min < 0 or y_min < 0 or x_max > visual_dims[0] or y_max > visual_dims[1]): 
            print(f'Bounding box is invalid: ({x_min}, {y_min}) | ({x_max}, {y_max})') 
            print(f'Bounds: ({visual_dims[0]}, {visual_dims[1]})') 
            return 
     
        # Unpack the images. 
        try: 
            if depth_image.shot.image.pixel_format == image_pb2.Image.PIXEL_FORMAT_DEPTH_U16: 
                dtype = np.uint16 
            else: 
                dtype = np.uint8 
            img = np.fromstring(depth_image.shot.image.data, dtype=dtype) 
            if depth_image.shot.image.format == image_pb2.Image.FORMAT_RAW: 
                img = img.reshape(depth_image.shot.image.rows, depth_image.shot.image.cols) 
            else: 
                img = cv2.imdecode(img, -1) 
            depth_image_pixels = img 
            depth_image_pixels = remove_ground_from_depth_image( 
                depth_image_pixels, depth_image.source.pinhole.intrinsics.focal_length, 
                depth_image.source.pinhole.intrinsics.principal_point, world_tform_cam, world_tform_gpe) 
            # Get the depth data from the region in the bounding box. 
            max_distance = 8.0 
            depth = get_distance_to_closest_object_depth(x_min, x_max, y_min, y_max, 
                                                         depth_image.source.depth_scale, 
                                                         depth_image_pixels, max_distance=max_distance) 
     
            if depth >= max_distance: 
                # Not enough depth data. 
                print('Not enough depth data.') 
                return False 
            else: 
                print(f'distance to object: {depth}') 
     
            center_x = round((x_max - x_min) / 2.0 + x_min) 
            center_y = round((y_max - y_min) / 2.0 + y_min) 
     
            tform_x, tform_y, tform_z = depth_to_xyz( 
                depth, center_x, center_y, depth_image.source.pinhole.intrinsics.focal_length, 
                depth_image.source.pinhole.intrinsics.principal_point) 
            camera_tform_obj = SE3Pose(tform_x, tform_y, tform_z, Quat()) 
     
            return world_tform_cam * camera_tform_obj 
        except Exception as exc:  # pylint: disable=broad-except 
            print(f'Error getting object position: {exc}') 
            return 
     
     
    def _check_model_path(model_path): 
        if model_path is None or \ 
        not os.path.exists(model_path) or \ 
        not os.path.isfile(model_path): 
            print(f'ERROR, could not find model file {model_path}') 
            return False 
        return True 
     
     
    def _check_and_load_json_classes(config_path): 
        if os.path.isfile(config_path): 
            with open(config_path) as json_classes: 
                global COCO_CLASS_DICT  # pylint: disable=global-statement 
                COCO_CLASS_DICT = json.load(json_classes) 
     
     
    def _find_highest_conf_source(processed_boxes_entry): 
        highest_conf_source = None 
        max_score = 0 
        for key, capture in processed_boxes_entry.items(): 
            if 'scores' in capture.keys(): 
                if len(capture['scores']) > 0 and capture['scores'][0] > max_score: 
                    highest_conf_source = key 
                    max_score = capture['scores'][0] 
        return highest_conf_source 
     
     
    def signal_handler(signal, frame): 
        print('Interrupt caught, shutting down') 
        SHUTDOWN_FLAG.value = 1 
     
     
    def main(): 
        """Command line interface.""" 
     
        parser = argparse.ArgumentParser() 
        parser.add_argument( 
            '--model-path', default='/model.pb', help= 
            ('Local file path to the Tensorflow model, example pre-trained models can be found at ' 
             'https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md' 
            )) 
        parser.add_argument('--classes', default='/classes.json', type=str, 
                            help='File containing json mapping of object class IDs to class names') 
        parser.add_argument('--number-tensorflow-processes', default=1, type=int, 
                            help='Number of Tensorflow processes to run in parallel') 
        parser.add_argument('--detection-threshold', default=0.7, type=float, 
                            help='Detection threshold to use for Tensorflow detections') 
        parser.add_argument( 
            '--sleep-between-capture', default=0.2, type=float, 
            help=('Seconds to sleep between each image capture loop iteration, which captures ' 
                  'an image from all cameras')) 
        parser.add_argument( 
            '--detection-class', default=1, type=int, 
            help=('Detection classes to use in the Tensorflow model.' 
                  'Default is to use 1, which is a person in the Coco dataset')) 
        parser.add_argument( 
            '--max-processing-delay', default=7.0, type=float, 
            help=('Maximum allowed delay for processing an image. ' 
                  'Any image older than this value will be skipped')) 
        parser.add_argument('--test-mode', action='store_true', 
                            help='Run application in test mode, don\'t execute commands') 
     
        bosdyn.client.util.add_base_arguments(parser) 
        bosdyn.client.util.add_payload_credentials_arguments(parser) 
        options = parser.parse_args() 
        signal.signal(signal.SIGINT, signal_handler) 
        try: 
            # Make sure the model path is a valid file 
            if not _check_model_path(options.model_path): 
                return False 
     
            # Check for classes json file, otherwise use the COCO class dictionary 
            _check_and_load_json_classes(options.classes) 
     
            global TENSORFLOW_PROCESS_BARRIER  # pylint: disable=global-statement 
            TENSORFLOW_PROCESS_BARRIER = Barrier(options.number_tensorflow_processes + 1) 
            # Start Tensorflow processes 
            tf_processes = start_tensorflow_processes(options.number_tensorflow_processes, 
                                                      options.model_path, options.detection_class, 
                                                      options.detection_threshold, 
                                                      options.max_processing_delay) 
     
            # sleep to give the Tensorflow processes time to initialize 
            try: 
                TENSORFLOW_PROCESS_BARRIER.wait() 
            except BrokenBarrierError as exc: 
                print(f'Error waiting for Tensorflow processes to initialize: {exc}') 
                return False 
            # Start the API related things 
     
            # Create robot object with a world object client 
            sdk = bosdyn.client.create_standard_sdk('SpotFollowClient') 
            robot = sdk.create_robot(options.hostname) 
     
            if options.payload_credentials_file: 
                robot.authenticate_from_payload_credentials( 
                    *bosdyn.client.util.get_guid_and_secret(options)) 
            else: 
                bosdyn.client.util.authenticate(robot) 
     
            # Time sync is necessary so that time-based filter requests can be converted 
            robot.time_sync.wait_for_sync() 
     
            # Verify the robot is not estopped and that an external application has registered and holds 
            # an estop endpoint. 
            assert not robot.is_estopped(), 'Robot is estopped. Please use an external E-Stop client,' \ 
                                            ' such as the estop SDK example, to configure E-Stop.' 
     
            # Create the sdk clients 
            robot_state_client = robot.ensure_client(RobotStateClient.default_service_name) 
            robot_command_client = robot.ensure_client(RobotCommandClient.default_service_name) 
            lease_client = robot.ensure_client(LeaseClient.default_service_name) 
            image_client = robot.ensure_client(ImageClient.default_service_name) 
            source_list = get_source_list(image_client) 
            image_task = AsyncImage(image_client, source_list) 
            robot_state_task = AsyncRobotState(robot_state_client) 
            task_list = [image_task, robot_state_task] 
            _async_tasks = AsyncTasks(task_list) 
            print('Detect and follow client connected.') 
     
            lease = lease_client.take() 
            lease_keep = LeaseKeepAlive(lease_client) 
            # Power on the robot and stand it up 
            resp = robot.power_on() 
            try: 
                blocking_stand(robot_command_client) 
            except CommandFailedError as exc: 
                print(f'Error ({exc}) occurred while trying to stand. Check robot surroundings.') 
                return False 
            except CommandTimedOutError as exc: 
                print(f'Stand command timed out: {exc}') 
                return False 
            print('Robot powered on and standing.') 
            params_set = get_mobility_params() 
     
            # This thread starts the async tasks for image and robot state retrieval 
            update_thread = Thread(target=_update_thread, args=[_async_tasks]) 
            update_thread.daemon = True 
            update_thread.start() 
            # Wait for the first responses. 
            while any(task.proto is None for task in task_list): 
                time.sleep(0.1) 
     
            # Start image capture process 
            image_capture_thread = Process(target=capture_images, 
                                           args=(image_task, options.sleep_between_capture), 
                                           daemon=True) 
            image_capture_thread.start() 
            while not SHUTDOWN_FLAG.value: 
                # This comes from the tensorflow processes and limits the rate of this loop 
                try: 
                    entry = PROCESSED_BOXES_QUEUE.get_nowait() 
                except Empty: 
                    continue 
                # find the highest confidence bounding box 
                highest_conf_source = _find_highest_conf_source(entry) 
                if highest_conf_source is None: 
                    # no boxes or scores found 
                    continue 
                capture_to_use = entry[highest_conf_source] 
                raw_time = capture_to_use['raw_image_time'] 
                time_gap = time.time() - raw_time 
                if time_gap > options.max_processing_delay: 
                    continue  # Skip image due to delay 
     
                # Find the transform to the highest confidence object using the depth sensor 
                get_object_position_start = time.time() 
                robot_state = robot_state_task.proto 
                world_tform_gpe = get_a_tform_b(robot_state.kinematic_state.transforms_snapshot, 
                                                VISION_FRAME_NAME, GROUND_PLANE_FRAME_NAME) 
                world_tform_object = get_object_position( 
                    capture_to_use['world_tform_cam'], world_tform_gpe, capture_to_use['visual_dims'], 
                    capture_to_use['depth_image'], capture_to_use['boxes'][0], 
                    ROTATION_ANGLES[capture_to_use['source']]) 
                get_object_position_end = time.time() 
                print(f'system_cap_time: {capture_to_use["system_cap_time"]}, ' 
                      f'image_queued_time: {capture_to_use["image_queued_time"]}, ' 
                      f'processed_image_start_time: {capture_to_use["processed_image_start_time"]}, ' 
                      f'processed_image_end_time: {capture_to_use["processed_image_end_time"]}, ' 
                      f'get_object_position_start_time: {get_object_position_start}, ' 
                      f'get_object_position_end_time: {get_object_position_end}, ') 
     
                # get_object_position can fail if there is insufficient depth sensor information 
                if not world_tform_object: 
                    continue 
     
                scores = capture_to_use['scores'] 
                print(f'Position of object with confidence {scores[0]}: {world_tform_object}') 
                print(f'Process latency: {time.time() - capture_to_use["system_cap_time"]}') 
                tag_cmd = get_go_to(world_tform_object, robot_state, params_set) 
                end_time = 15.0 
                if tag_cmd is not None: 
                    if not options.test_mode: 
                        print('executing command') 
                        robot_command_client.robot_command(lease=None, command=tag_cmd, 
                                                           end_time_secs=time.time() + end_time) 
                    else: 
                        print('Running in test mode, skipping command.') 
     
            # Shutdown lease keep-alive and return lease gracefully. 
            lease_keep.shutdown() 
            lease_client.return_lease(lease) 
            return True 
        except Exception as exc:  # pylint: disable=broad-except 
            LOGGER.error('Spot Tensorflow Detector threw an exception: %s', exc) 
            # Shutdown lease keep-alive and return lease gracefully. 
            return False  
     
     
    if __name__ == '__main__': 
        if not main(): 
            sys.exit(1)

    Des drones sont déjà capables de prendre de façon autonome des décisions de vie ou de mort sur des humains. Qu’adviendra-t-il de l’humanité lorsque le stage d’intelligence artificielle générale sera atteint ?

    Au stade d’intelligence artificielle générale, les machines seraient capables de réflexion causale, c’est-à-dire de cette capacité à raisonner sur « le pourquoi les choses se produisent. » C’est ce palier que les équipes de recherche dans le domaine visent et c’est contre l’atteinte de ce dernier que se dresse des groupes de manifestants comme STOP AI. L’objectif : protéger l’humanité. L’initiative qui n’est pas nouvelle, mais fait suite à celle des groupes Pause AI et No AGI, intervient dans un contexte d’utilisation croissante de l’intelligence artificielle sur les champs de bataille.

    La position du groupe STOP AI est en effet cohérente avec des sorties de chercheurs selon lesquelles l’intelligence artificielle est susceptible de devenir plus intelligente que les Hommes contre lesquels elle pourra se retourner et les exterminer.

    « Je pense qu'une bonne analogie serait la façon dont les humains traitent les animaux. Ce n'est pas que nous détestons les animaux. Je pense que les humains aiment les animaux et ont beaucoup d'affection pour eux. Mais lorsqu'il s'agit de construire une autoroute entre deux villes, nous ne demandons pas la permission aux animaux. Nous le faisons simplement parce que c'est important pour nous. Je pense que, par défaut, c'est le type de relation qui s'établira entre nous et l’intelligence artificielle générale (AGI) », confirme l’ex scientifique en chef d’OpenAI dans un documentaire.

    Et vous ?

    Pour ou contre l'utilisation de l'IA à des fins militaires ? Si pour, à quel degré ou à quelles fins ? Si contre, pourquoi ?
    Êtes-vous surpris de la mise à contribution de l’intelligence artificielle sur les champs de bataille ?

    Voir aussi :

    Des représentants de 150 entreprises de la tech plaident contre les robots tueurs autonomes, lors d'une conférence internationale sur l'IA
    USA : le sous-secrétaire à la défense soulève l'importance d'associer l'intelligence artificielle à l'armée, évoquant une future course aux armes
    Des experts en IA boycottent un projet de robots tueurs d'une université en Corée du Sud, en partenariat avec le fabricant d'armes Hanwha Systems
    Non, l'IA de Google ne doit pas être au service de la guerre ! Plus de 3000 employés de Google protestent contre la collaboration avec le Pentagone
    Robots militaires : les États-Unis testent l'efficacité de leurs prototypes dans le Pacifique, l'armée irakienne présente son robot mitrailleur
    Contribuez au club : Corrections, suggestions, critiques, ... : Contactez le service news et Rédigez des actualités

  17. #37
    Membre expérimenté
    Homme Profil pro
    Développeur informatique
    Inscrit en
    Octobre 2017
    Messages
    3 258
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Suisse

    Informations professionnelles :
    Activité : Développeur informatique

    Informations forums :
    Inscription : Octobre 2017
    Messages : 3 258
    Par défaut
    Alors qu’il tentait de se diriger vers une station-service, il s’est écrasé contre un mur et a explosé dans une pluie d’éclats, tuant Tetiana Bubynets, une étudiante de 19 ans, ainsi que deux autres personnes.
    Donc, selon les affirmations des Ukrainiens:

    1. L'intelligence Artificielle à la mode Nvidia n'était pas si intelligente que ça puisque voulant viser une station-service, l'engin a fini par se crasher dans un bête mur!

    2. Le drone ne visait pas des gens puisque ce sont les éclats suite au crash dans le mur qui ont malheureusement tué 3 personnes


    Dire qu'un drone muni d'IA a tué 3 personnes et laisser penser qu'il s'agit d'une "chasse organisée par l'IA" n'est pas correct dans ce cas... Le film Terminator reste pour l'instant un film de "science-fiction"...

  18. #38
    Membre averti
    Profil pro
    Inscrit en
    Octobre 2007
    Messages
    44
    Détails du profil
    Informations personnelles :
    Âge : 44
    Localisation : France, Isère (Rhône Alpes)

    Informations forums :
    Inscription : Octobre 2007
    Messages : 44
    Par défaut
    Mouais, même si c'est tragique ça n'est pas le drone qui a délibérément tué ces personnes, ça reste un accident, et ça reviendrait à dire après un accident de voiture autonome par exemple: "une voiture autonome perd le contrôle et tue 3 piétons, cela présage d'un avenir dystopique où les voitures extermineront les humains"... On en est loin quand même !
    Bref, titre put*clic de compétition...

  19. #39
    Membre actif
    Homme Profil pro
    Inscrit en
    Juillet 2013
    Messages
    23
    Détails du profil
    Informations personnelles :
    Sexe : Homme

    Informations forums :
    Inscription : Juillet 2013
    Messages : 23
    Par défaut L'Histoire s répète
    Et on en tire rien .Hiroshima, Nagasaki des erreurs d'appréciation .... à quand un appel de Stockholm pour l'IA

  20. #40
    Membre très actif

    Homme Profil pro
    Développeur Web
    Inscrit en
    Octobre 2013
    Messages
    232
    Détails du profil
    Informations personnelles :
    Sexe : Homme
    Localisation : Pérou

    Informations professionnelles :
    Activité : Développeur Web

    Informations forums :
    Inscription : Octobre 2013
    Messages : 232
    Par défaut Peines perdues
    Les rejets de l'IA par les peuples ne suffiront pas à arrêter ceux qui décident de son usage pour tuer des humains, ni même à en stopper le développement.

Discussions similaires

  1. Réponses: 3
    Dernier message: 20/06/2018, 12h42
  2. [CSS 3] Positionner un texte au centre de l'endroit où se trouve une image.
    Par 6nawak dans le forum Mise en page CSS
    Réponses: 2
    Dernier message: 07/05/2015, 12h03
  3. [WD15] Affichage des donnes de fichier INI dans une table mémoire
    Par bestmoroco dans le forum WinDev
    Réponses: 7
    Dernier message: 17/10/2012, 21h15
  4. Réponses: 2
    Dernier message: 09/08/2010, 10h05
  5. [VBA] fonction qui donne la valeur présente dans une table
    Par zanou666 dans le forum VBA Access
    Réponses: 7
    Dernier message: 25/09/2007, 18h33

Partager

Partager
  • Envoyer la discussion sur Viadeo
  • Envoyer la discussion sur Twitter
  • Envoyer la discussion sur Google
  • Envoyer la discussion sur Facebook
  • Envoyer la discussion sur Digg
  • Envoyer la discussion sur Delicious
  • Envoyer la discussion sur MySpace
  • Envoyer la discussion sur Yahoo