Mobiele sensorplatformen, 3d-printing en objectherkenning: de Koninklijke Marechaussee (KMar) experimenteert erop los. Tijdens het digitale event Operatie Volt verzorgt de afdeling Deep Vision een talk over onder meer robotica en reinforcement learning.
Registreer je gratis voor Operatie Volt
Klik hier om een ticket te bemachtigen.
De Koninklijke Marechaussee is een politieorganisatie met militaire status. De organisatie is opgericht met als doel de staat te beschermen en ook internationaal inzetbaar vanuit haar militaire politietaak. Data scientist M. en computer engineer H. zijn onderdeel van het Deep Vision-team van de KMar. “We doen onderzoek naar technologie en maken prototypes,” vertelt M. “Er liggen voor onze organisatie veel kansen in het automatiseren en optimaliseren met onder meer AI.”
Het Deep Vision-kernteam bestaat uit vijf fulltimers en een flexibele schil van meerdere parttimers, waaronder studenten van Defensity College die een AI-studierichting volgen en parttime als reservist werken. Deep Vision wil bewustwording creëren. “We geven veel presentaties binnen de KMar om te zorgen dat mensen op de hoogte zijn van nieuwe technologieën. Bijvoorbeeld deepfakes, die een bedreiging kunnen vormen voor de stabiliteit in ons land. Door onze collega’s kennis bij te brengen over dit verschijnsel, zijn we als organisatie alerter.” Behalve rond deepfakes en robotica zijn vanuit het Deep Vision-team de afgelopen jaren projecten opgestart met thema’s als computer vision en 3d-printing.
Objectherkenning
Veel reizigers zullen de KMar kennen van grensbewaking op Schiphol. Er werken verschillende teams op Schiphol, en een van deze teams heeft de bevoegdheid om bij verdachte personen telefoons en andere devices in beslag te nemen. Voorheen werd de inhoud van deze apparaten handmatig bekeken. Omdat dit proces te veel tijd in beslag nam, is een prototype, genaamd RetinaImage, ontwikkeld om de speld uit de hooiberg te halen: relevante foto’s van wapens, reisdocumenten of ID-kaarten. “Gezien de grote hoeveelheid foto’s die mensen tegenwoordig op hun telefoon hebben staan, is het niet te doen om dat allemaal handmatig te bekijken. Daarom hebben we een prototype ontwikkeld dat automatisch relevante foto’s uit het toestel filtert,” vertelt H.
Voor het project is onder andere samengewerkt met forensische data-onderzoekers van de politie. “Zij waren al bezig met een front-end design voor een soortgelijke toepassing en dat hebben we aan onze back-end geplakt. Naast objectherkenning bevat het prototype ook ocr. Dat betekent dat als er teksten in een foto staan, het systeem deze herkent. Handig als je bijvoorbeeld wilt zoeken naar specifieke woorden in een specifieke taal.” Een uitdaging is nog wel het testen en ontwikkelen van het prototype op Schiphol. “Het is voor een organisatie als de KMar mogelijk om zelf neurale netwerken in te trainen op basis van een specifieke operationele maatwerk-behoefte. In ieder geval staat er een werkend systeem waar we mee verder kunnen.”
Deepfakes
Het gebruik van deepfakes door vijandige staten kan grote gevolgen hebben voor de veiligheid van Nederland. Daarom moet de organisatie kennis hebben van het maken en herkennen van deepfakes. M: “We zijn bezig met onderzoeken voor het detecteren van deepfakes. Bekende deepfake-video’s zoals die van Jeremy Corbyn en Boris Johnson zijn niet zomaar door iedereen te maken, terwijl een realistische deepfake-foto snel is gemaakt met opensource-software.”
Er zijn verschillende soorten deepfakes: van leuke filters voor face-swapping tot het manipuleren van video- en audiostreams. De manier van detecteren is dan ook afhankelijk van de gebruikte techniek. H: “We zoeken naar een multimodale aanpak. Zelf zijn we nog aan het onderzoeken welke methodes nu echt bleeding edge zijn. Als organisatie moeten we onszelf kunnen wapenen tegen de potentieel schadelijke effecten van deepfakes, daarom is onderzoek hiernaar waardevol.”
3d-printing
Naast objectherkenning en onderzoek naar deepfakes experimenteert de KMar ook met 3d-printing, bedoeld om prototypen te maken van bijvoorbeeld behuizingen van elektronica of zaklamphouders voor aan de riem van operationele collega’s. M: “Sommige onderdelen zijn zo specifiek dat het Deep Vision-team ze op verzoek van de operatie 3d-print om snel een operationeel probleem op te lossen. Vaak wordt onze uitrusting in duizenden of zelfs tienduizenden stuks geleverd, waardoor we niet zomaar een model kunnen aanpassen om een bepaalde eenheid te voorzien van extra functionaliteit.”
Een 3d-printer werkt snel, waardoor dit niet alleen handig is voor het creëren van prototypes van gebruiksvoorwerpen. De KMar bewaakt verschillende objecten en een reconstructie hiervan kan ook door middel van een 3d-printer worden gemaakt. “Het is efficiënter om een 3d-printje te maken van een gebouw dan om een maquette te bouwen. Maar de meest interessante toepassing van 3d-printing is die voor robotica. Ook hier bevinden we ons in de onderzoeksfase, voor wat het uitprinten van onderdelen voor miniatuurrobots betreft,” aldus M.
Robotica en reinforcement learning
De KMar test ook het inzetten van robotica als mobiele sensorplatformen. Door robotica te gebruiken, kan de KMar een bepaald gebied in kaart brengen en controleren. H: “Door bijvoorbeeld slimme camera’s te gebruiken, kunnen we abnormale activiteiten automatisch signaleren. Op de langere termijn is het voor een mens lastig om te signaleren of iets buiten het normale patroon valt. Daar zijn computers juist heel goed in.”
Bij robotica komen verschillende soorten technologie samen. Met reinforcement learning wil de KMar de robot dingen aanleren in een virtuele omgeving, in de hoop dat dit goed wordt vertaald naar de fysieke wereld. De bedoeling is om voor verschillende doeleinden een complete pipeline in te richten met tooling, voor bijvoorbeeld het ontwerpen van een robot in 3d-software, de virtuele robot vervolgens leren lopen met reinforcement learning, het uitprinten van de onderdelen (3d-printing), het assembleren van de robot en tot slot de fysieke robot om een gebouw laten lopen. H: “De tooling die we hiervoor gebruiken, is heel verschillend. Als we het hebben over 3d-modelleren, gebruiken we Solidworks CAD-software en Fusion 360, waardoor we complexere modellen kunnen maken. Om een 3d-model te converteren naar een print, gebruiken we PrusaSlicer.”
Herleidbaarheid
Transparantie en verantwoording staan voorop bij de KMar. Daarom is het belangrijk om de ‘black box’ van bijvoorbeeld deep learning-algoritmes zoveel mogelijk open te breken. M: “Daarom doen we onderzoek naar hoe we de werking en resultaten van een algoritme kunnen controleren en uitleggen. De herleidbaarheid is volgens M niet te verzekeren. Tools zoals bijvoorbeeld heat maps voor objectherkenning kunnen wel inzicht geven op basis van welke pixels het netwerk bepaalt dat een object bestaat en waar. “Met heat maps kan gevisualiseerd worden op basis van welke pixels het systeem een persoon herkent als een persoon.”
Meld je aan!
Tijdens Operatie Volt, het digitale evenement waarin de politie en Defensie de handen ineen slaan en zich presenteren als werkgevers voor IT-talent, verzorgen M en H een talk over reinforcement learning. Mis deze talk niet en meld je hieronder aan. Voor meer informatie over Operatie Volt kun je op onderstaande button klikken.
Dit artikel is geen redactioneel artikel, maar gesponsord en tot stand gekomen dankzij de politie, Defensie en Tweakers Partners. Dit is de afdeling binnen Tweakers die verantwoordelijk is voor commerciële samenwerkingen, winacties en Tweakers events zoals meet-ups, Developers Summit, Testfest en meer. Kijk hier voor een overzicht van alle acties en events. Mocht je ideeën met ons willen delen over deze vorm van adverteren, dan horen wij dat graag. Hierover kun je met ons in gesprek via [Discussie] Reclame algemeen].
:strip_exif()/i/2003395200.jpeg?f=fpa)
:strip_icc():strip_exif()/u/551547/crop5d1a1a4a2e71b_cropped.jpeg?f=community){kind=small}
/u/357965/avatar2.png?f=community){kind=avatar}
/u/257022/crop629738e7a7bae_cropped.png?f=community){kind=small}