Повномасштабна війна змусила український ІТ-сектор шукати відповіді на дуже конкретні запити фронту. Одна з компаній, що виросла з цього запиту, — Farsight Vision. Вона розробляє програмне забезпечення для аналізу фото, відео та розвідувальних даних і побудови детальних макетів та карт місцевості поля бою.
CEO компанії Вікторія Яремчук та її співзасновник Володимир прийшли в мілтех не з оборонної індустрії, а з цивільних доменів — ритейлу, геоінформаційних систем та automotive. Саме цей бекграунд дозволив команді не починати з нуля, а швидко адаптувати вже відпрацьовані технології до потреб війська.
15 років computer vision у ритейлі: як досвід Володимира став фундаментом мілтех-продукту
Один із співзасновників Farsight Vision, Володимир, має приблизно 15 років досвіду в computer vision у ритейлі. На перший погляд, це далекий від війни домен: магазини, полиці, камери спостереження, поведінка покупців. Але саме там відпрацьовуються ключові навички роботи з великими масивами візуальних даних, які сьогодні критично потрібні на фронті.
Ритейл-комп’ютерний зір — це завжди про масштаб. Камери знімають безперервно, дані накопичуються терабайтами, а системи мають у реальному часі розуміти, що відбувається в кадрі: чи правильно викладений товар, чи не порожні полиці, як рухаються потоки людей. Це не просто розпізнавання об’єктів, а побудова цілісної картини з фрагментів відео та фото.
У військовому застосуванні завдання формулюється інакше, але технічна суть дуже схожа. Замість камер у супермаркеті — дрони, замість покупців — техніка, укріплення, логістика противника. Потрібно взяти розрізнені фото та відео з повітря, зібрані в різний час і з різних ракурсів, і перетворити їх на зрозумілу модель місцевості, придатну для планування операцій.
Досвід Володимира в ритейлі дав Farsight Vision кілька ключових переваг.
По-перше, глибоке розуміння життєвого циклу візуальних даних. У ритейлі давно навчилися працювати з «брудними» даними: різна якість камер, погане освітлення, перешкоди в кадрі, часткове перекриття об’єктів. На фронті ситуація ще складніша: дрони літають у диму, в тумані, під обстрілами, а оператори не завжди можуть дотримуватися ідеальних сценаріїв зйомки. Команда, яка роками «чистила» та інтерпретувала складні відеопотоки, виявилася готовою до цього виклику.
По-друге, вміння будувати масштабовані пайплайни обробки. Ритейл-комп’ютерний зір — це завжди про потік: дані мають проходити через низку алгоритмів, зберігатися, індексуватися, бути доступними для швидкого пошуку й аналітики. У мілтех-середовищі це трансформувалося в здатність приймати великі датасети з дронів, обробляти їх у кілька етапів — від попередньої обробки до побудови ортофотопланів і 3D-моделей — і повертати результат у зручному для військових форматі.
По-третє, розуміння продуктового виміру. Ритейл — це завжди ринок, де рішення виживають лише тоді, коли реально закривають потребу і приносять вимірювану користь. Ця логіка перенеслася й у Farsight Vision: замість «красивих технологій заради технологій» команда зосередилася на тому, як саме їхній софт допомагає приймати рішення на полі бою.
У результаті багаторічний досвід у цивільному computer vision став не просто технічною базою, а й ментальною рамкою: будь-який алгоритм має працювати на конкретну операційну цінність, а не на демонстрацію можливостей.
Геоінформаційні системи: як цивільні карти перетворилися на інструмент для війська
Другий ключовий блок експертизи Farsight Vision — геоінформаційні системи (ГІС), з якими працювала CEO компанії Вікторія Яремчук. У цивільному житті ГІС використовують для аналізу територій під забудову, планування комунікацій, роботи з критичною інфраструктурою. Це завжди про шари даних, просторові зв’язки та контекст.
У військовому домені завдання інше, але логіка шарів зберігається. Є рельєф, є дороги, є лінії оборони, є укриття, є логістичні маршрути. Усе це потрібно бачити не як хаотичний набір точок, а як систему, де кожен об’єкт має координати, висоту, відстані до інших об’єктів і значення для операцій.
Досвід Вікторії в ГІС напряму конвертувався в компетенції, потрібні війську.
По-перше, це вміння працювати з геопросторовими ділянками як з об’єктами аналізу. У цивільних проєктах це можуть бути земельні ділянки, траси, лінії електропередач. У військових — опорні пункти, позиції артилерії, маршрути підвозу боєприпасів. Принцип один: дані мають бути прив’язані до координат, щоб по них можна було вимірювати, планувати, моделювати сценарії.
По-друге, розуміння, що карта — це не просто картинка, а інтерфейс для прийняття рішень. У ГІС-системах карта завжди інтерактивна: по ній клацають, на ній фільтрують шари, з нею працюють як з інструментом. Ця логіка лягла в основу того, як Farsight Vision підходить до побудови ортофотопланів: це не «велика фотографія», а 2D-проекція місцевості, з якої можна витягувати XYZ-інформацію, робити розмітку, накладати додаткові дані.
По-третє, досвід роботи з різними типами даних. У цивільних ГІС це можуть бути супутникові знімки, кадастрові дані, результати лазерного сканування, дані сенсорів. У військовому застосуванні — фото та відео з дронів, координати з GPS (коли він працює), додаткові розвідувальні джерела. Важливо не просто зібрати їх, а звести в єдину просторову модель.
Саме тому в підході Farsight Vision до ортофотопланів важливим є не лише зшивання зображень, а й коректна геоприв’язка. З класичної фотограметрії команда бере ключові принципи: зйомка під кутом 90 градусів до землі (надир) для 2D-проекції, використання характеристик камери, матриці калібрування, фіксованої висоти польоту. Це дозволяє з ортофотоплану не просто «дивитися зверху», а отримувати просторову інформацію, придатну для вимірювань.
Там, де потрібна 3D-модель, підхід змінюється: для відновлення об’ємів і кутів об’єктів Farsight Vision рекомендує польоти з кутом камери приблизно 65–70 градусів, а не строго 90 вниз. Це вже чиста фотограметрична практика, але вона органічно виросла з ГІС-логіки: різні задачі — різні режими зйомки, різні типи моделей.
Automotive та connected vehicles: як досвід з флотами машин сформував вимоги до надійності
Третій важливий пласт досвіду Вікторії Яремчук — automotive та connected vehicles. Йдеться про системи, які дозволяють керувати флотами машин і вантажівок, планувати їхні місії, маршрути, логістику, а також про «двіжки» для автономного або напівавтономного управління.
У цивільному світі це, наприклад, платформи, які дозволяють диспетчеру керувати сотнями автомобілів: задавати завдання, відстежувати місцезнаходження, оптимізувати маршрути, реагувати на позаштатні ситуації. Усе це працює на основі розподілених сенсорних систем: GPS, датчики в авто, зв’язок з сервером, телеметрія.
Цей досвід дав Farsight Vision кілька критичних для мілтеху інсайтів.
По-перше, розуміння, як поводяться розподілені сенсорні системи в реальному світі. У automotive завжди є затримки зв’язку, збої, «дірки» в покритті, різна якість каналів. На фронті це помножується на заглушення GPS, відсутність стабільного інтернету, ризики перехоплення. Архітектура мілтех-продукту не може спиратися на ідеальний зв’язок — і це було зрозуміло з досвіду connected vehicles.
По-друге, вимоги до надійності. У системах, які керують флотами машин, помилка алгоритму або збій зв’язку — це не просто незручність, а потенційна аварія, зрив доставки, фінансові втрати. У військовому контексті ціна помилки ще вища. Тому в архітектурі Farsight Vision закладена логіка, що система має працювати навіть тоді, коли інтернету немає, а зв’язок з сервером переривається.
Саме з цієї логіки виросло одне з ключових рішень MVP Farsight Vision — офлайн-пристрій Mapper на базі Raspberry Pi. Початково продукт існував як API, куди «прокачані» користувачі могли завантажувати датасети фото або фрагменти відео з дронів типу Mavic. Але дуже швидко стало зрозуміло, що на фронті це працює погано: між польотом і можливістю завантажити дані в хмару виникав великий часовий лаг, пов’язаний із відсутністю інтернету.
Mapper вирішив це обмеження. Після польоту оператор просто вставляє SD-карту з дрона в невелику коробку з Raspberry Pi. Поки він їде або йде пішки, дані обробляються прямо на пристрої, офлайн. Як тільки з’являється інтернет — через хотспот чи інший канал — Mapper надсилає результати на сервер для подальшої, більш ресурсоємної обробки.
Це типове для automotive мислення: частина обробки переноситься «на край» (edge), щоб зменшити залежність від мережі й скоротити час до отримання проміжного результату. У випадку Farsight Vision це означає, що військові не прив’язані до стабільного каналу зв’язку, а можуть працювати з даними майже відразу після польоту.
По-третє, розуміння, що інтерфейси мають бути вбудовані в уже існуючі канали комунікації. У цивільних connected systems це можуть бути мобільні додатки, веб-панелі, корпоративні месенджери. У військовому середовищі є свої обмеження щодо того, які інструменти можна використовувати. Farsight Vision свідомо відмовилася від Telegram-ботів, які були б «легкими та радісними», і обрала Signal-бот як канал доставки результатів. На виході користувач отримує дві URL-адреси: одну — на ортофотоплан (з можливістю розмітки), другу — на 3D-модель ділянки польоту.
Це знову ж таки automotive-логіка: результат має приходити туди, де користувач уже є, у форматі, який не вимагає від нього додаткових зусиль.
Від ритейлу до фронту: як поєднання доменів дозволило не починати з нуля
Farsight Vision не будувала свій мілтех-продукт як «чистий армійський стартап», що починає з білого аркуша. Команда принесла в оборону три зрілі цивільні домени — ритейл-комп’ютерний зір, геоінформаційні системи та automotive — і почала комбінувати їх.
З ритейлу прийшло вміння працювати з величезними масивами візуальних даних, будувати пайплайни обробки, масштабувати рішення. З ГІС — розуміння просторового аналізу, шарів даних, геоприв’язки, перетворення карт на інструмент для рішень. З automotive — досвід розподілених сенсорних систем, вимоги до надійності, логіка edge-обробки та інтеграції в існуючу інфраструктуру зв’язку.
Це поєднання дозволило Farsight Vision швидко адаптувати цивільні технології до військових задач.
По-перше, не довелося винаходити базові алгоритми обробки зображень. Багато з того, що роками відшліфовувалося в ритейлі, виявилося придатним для аналізу фото та відео з дронів — з урахуванням специфіки фронту, але без фундаментальної перебудови.
По-друге, не потрібно було з нуля будувати розуміння, як працюють карти та просторові моделі. ГІС-досвід дозволив одразу мислити ортофотопланами як інструментом, а не як «красивою картинкою», і закласти в продукт можливість витягувати XYZ-інформацію, працювати з шарами, робити розмітку.
По-третє, архітектура системи від початку проєктувалася з урахуванням ненадійного зв’язку, офлайн-режимів і потреби в edge-обробці — завдяки automotive-бекграунду. Mapper на Raspberry Pi став не випадковим «костилем», а логічним елементом системи, що відповідає реальним умовам фронту.
По-четверте, команда мислила продуктом, а не лише технологією. У ритейлі та automotive немає сенсу в рішенні, яке не інтегрується в процеси клієнта. У військовому контексті це означає, що Farsight Vision відразу шукала способи, як зробити свій софт частиною повсякденної роботи підрозділів: від того, як оператор дрона знімає місцевість, до того, як командир отримує посилання в Signal і відкриває готовий макет для планування.
По-п’яте, цивільний досвід допоміг уникнути спокуси створювати надто складні комплекси, до яких армія може бути не готова. Вікторія прямо формулює тезу: іноді певна складність систем просто не потрібна, і завдання полягає не в тому, щоб зробити «максимально технологічно», а в тому, щоб зробити так, аби це реально працювало в польових умовах.
У підсумку Farsight Vision — це приклад того, як цивільні технології можуть бути швидко й ефективно переорієнтовані на військові задачі, якщо за ними стоїть глибокий доменний досвід і розуміння реальних обмежень користувача.
Висновок: мілтех як точка зборки різних індустрій
Історія Farsight Vision показує, що сучасний мілтех — це не окрема «вежа зі слонової кістки», а точка перетину кількох зрілих індустрій. Computer vision з ритейлу, геоінформаційні системи з цивільної інфраструктури, automotive та connected vehicles — усе це виявилося напряму релевантним для побудови софту, який допомагає військовим краще бачити поле бою.
Ключовим виявилося не походження технологій, а здатність адаптувати їх до жорстких обмежень фронту: відсутності інтернету, заглушеного GPS, високої ціни помилки. Mapper на Raspberry Pi, Signal-бот замість популярних, але небезпечних месенджерів, ортофотоплани як інструмент просторового аналізу, а не просто «велика фотографія» — усе це рішення, які виросли з цивільного досвіду, але були переосмислені під потреби війська.
Для українського технологічного сектору це важливий сигнал: мілтех не обов’язково починається з військових тендерів і закритих НДІ. Він може виростати з ритейлу, логістики, автомобільної індустрії — за умови, що команди готові чесно подивитися на реальність фронту і підлаштувати під неї свої технології.
Джерело
Що відбувається з софтом у мілтех? fvp #29 з Вікторією Яремчук, CEO Farsight Vision