Deep AR Law Enforcement Ecosystem

Dissemination & Communication

PROYECTO DARLENE

Mejora de la conciencia situacional con las herramientas de realidad aumentada de DARLENE para combatir la delincuencia y el terrorismo.

Por Iosu Alonso, Intendente de la Ertzaintza. Departamento de Seguridad del Gobierno Vasco

DARLENE desarrollará herramientas innovadoras de realidad aumentada (RA) que mejorarán la conciencia situacional cuando se responda a actividades delictivas y terroristas La conciencia situacional normalmente es crucial para la supervivencia y seguridad de los oficiales y civiles en las situaciones de lucha contra la delincuencia, y la tecnología de RA puede mejorar enormemente esta habilidad vital superponiendo información útil directamente sobre el mundo real. En este artículo, la Ertzaintza (Policía Vasca), socia del proyecto DARLENE, analiza la importancia y los desafíos de la conciencia situacional para los fuerzas y cuerpos de seguridad y su papel en la solución DARLENE.


Desde el punto de vista de la Ertzaintza (Policía Vasca), y como uno de los pilares del Sistema de Seguridad Pública del País Vasco, compartimos la necesidad de contar con los recursos necesarios y las mejores capacidades posibles con el resto de organismos que pueden ser movilizados, de acuerdo con los planes de acción establecidos para cada tipo de situación (delincuencia, terrorismo, accidente, catástrofe, calamidad, etc.). Todo esto con el fin de proteger a la ciudadanía y sus derechos fundamentales.


DARLENE nos ofrece una serie de herramientas que facilitan e incrementan nuestras capacidades utilizando diferentes tecnologías, prestando especial atención a la mejora de la conciencia situacional de todas las partes intervinientes, tanto a nivel estratégico, como táctico y operativo.

¿Qué supone el conocimiento de la situación para las fuerzas del orden?

Para nosotros, la conciencia situacional es una habilidad vital, a menudo crucial para la supervivencia y la seguridad tanto de los agentes como de la ciudadanía. Por ello, las FFCCS deben trabajar continuamente para cultivar y mejorar una mentalidad de conciencia situacional. Al integrar esta forma de pensar con la tecnología avanza, los agentes de policía pueden obtener ventajas considerables cuando se enfrentan a situaciones peligrosas. [1]


Cuando un agente carece de conocimientos y formación en materia de conciencia situacional, y toma decisiones en un contexto altamente impredecible y bajo mucho estrés, el es generalmente desfavorable.
Por tanto, la conciencia situacional y la consiguiente selección del mejor plan de acción son habilidades policiales cruciales que informan de los resultados de comportamiento, así como del aprendizaje motor básico.

¿Qué relación tiene la conciencia situacional con la toma de decisiones al responder a actividades delictivas y terroristas? ¿Qué es el bucle OODA?

Cualquier atleta de élite,como un lanzador de disco, tiene que realizar una tarea precisa en un rango limitado de decisiones controladas. En las labores policiales, ni siquiera una simple habilidad motriz está estandarizada o se utiliza de forma aislada. Los agentes deben evaluar, considerar, decidir y actualizar las acciones posibles o adecuadas dada la situación del momento. Debido a esto, no se puede analizar las habilidades motrices sin contemplar todos los demás aspectos de los encuentros policiales, como el estrés por motivos laborales, la conciencia situacional y la toma de decisiones complejas. [2]

Los fundamentos de la AS pueden describirse en lo que se conoce como bucle OODA, un acrónimo para las siglas en inglés del ciclo “Observe, Orient, Decide, Act” (Observa, Orienta, Decide, Actúa, en español) [3]. Este enfoque prima la agilidad frente a la fuerza bruta cuando se trata de adversarios humanos, ideando una respuesta basada en la toma de decisiones mejores y más rápidas para superar al adversario.

¿Cómo pretende DARLENE mejorar la conciencia situacional?

Las tecnologías DARLENE permitirán a las FFCCS evitar las iniciativas de delincuentes y terroristas mediante el desarrollo de una imagen operativa común tanto para el personal in situ como para el de mando, basada en la combinación de datos recogidos de distintas fuentes. En este sentido, el aprendizaje automático (machine learning, ML) se prestará para analizar grandes volúmenes de datos adquiridos en tiempo real por múltiples sensores, lo que permitirá ofrecer evaluaciones más rápidas y de forma mucho más coordinada para ayudar a las personas responsables de la toma de decisiones de las FFCCS, con el fin de superar al adversario. Esto puede llevarse a cabo sobrepasando los límites de las habilidades humanas para procesar la información de la escena, e incluso arrojando luz en áreas indetectables para el ser humano (puntos ciegos) Así, combinará tecnologías e investigaciones de vanguardia con el fin de proporcionar un medio para que las FFCCS recuperen la superioridad en escenarios de vigilancia y maniobras tácticas, aprovechando la RA y el ML junto con otras tecnologías potencialmente revolucionarias (por ejemplo, el 5G), para ejecutar eficazmente el bucle OODA durante los incidentes, lo que les permite estar un paso por delante de terroristas y otros posibles adversarios, tanto de dentro como de fuera del panorama de la Unión Europea. [4]

En relación con las actividades policiales preventivas , poder determinar qué puntos conflictivos conocen los agentes de policía y cuáles no proporciona una imagen más clara de la exactitud de las percepciones policiales. El hecho de que la actividad delictiva (intensa) quede fuera de la atención de quienes deben proteger la seguridad de la ciudadanía no solo afecta a la eficacia de la policía, sino que también puede afectar a la confianza de la población en la organización policial. [5] La mejora en la toma de decisiones sobre el uso de la fuerza se traduce directamente en decisiones que pueden salvar las vidas de la policía y de los y las civiles con quienes trabajan.

¿Cómo vamos a fomentar la confianza en la tecnología DARLENE entre las FFCCS y los usuarios finales de primeros auxilios?

El consorcio DARLENE prevé el desarrollo de un prototipo del kit tutorial DARLENE, que se utilizará para formar al personal en situaciones de alto estrés y en los retos derivados de los nuevos desarrollos tecnológicos. Se ha ideado un método de formación en dos fases, en el que se organizará una serie de talleres y seminarios de formación para facilitar primero la formación de formadores, seguida de la formación de los usuarios finales externos. En este sentido, DARLENE no sólo hace hincapié en el desarrollo de habilidades relacionadas con el uso de las soluciones tecnológicas, sino también en la capacidad de los aprendices de aplicar los conocimientos adquiridos, así como de transferirlos entre ellos. [6]

El consorcio DARLENE garantizará un sólido cumplimiento ético y legal durante el diseño y desarrollo de las gafas inteligentes de RA DARLENE y en el ecosistema de las fuerzas de seguridad. Las innovadoras gafas de RA dispondrán de segmentación semántica en tiempo real para que las FFCCS detecten y localicen rápidamente objetos y eventos del mundo real, pero no incluirán la función de reconocimiento facial. Una evaluación ética integrada de la protección de datos y del impacto social de las herramientas de realidad aumentada garantizará el cumplimiento de los requisitos éticos y fomentará la confianza del público en el uso legal de la tecnología en la lucha contra la delincuencia y el terrorismo. 

Si estás interesado en nuestro proyecto, contacta con nosotros. Para más información sobre el proyecto, suscríbete a nuestro boletín electrónico y síguenos en Twitter, Facebook y LinkedIn.
 
Referencias bibliográficas:

[1] H2020-CP-2017 ver 1.00 20180525. 1.2. Relation to the work programme. 5p.
[2] Di Nota PM and Huhta J-M (2019) Complex Motor Learning and Police Training: Applied, Cognitive, and Clinical Perspectives. Conclusions. 16p. Front. Psychol. 10:1797. doi: 10.3389/fpsyg.2019.01797
[3] Olmos, R., et al. (2018). Automatic handgun detection alarm in videos using deep learning. Neurocomputing, 275, 66-72.
[4] H2020-CP-2017 ver 1.00 20180525. 1.2. Relation to the work programme. 5p.
[5] ISPRS Int. J. Geo-Inf. 2019, 8, 260; doi:10.3390/ijgi8060260. 11p
[6] H2020-CP-2017 ver 1.00 20180525. 1.2. Relation to the work programme. 5p.
Imágenes de la ERTZAINTZA