- 軍事無人機羣利用人工智能實現自主協作與任務執行。
- 去中心化算法使無人機羣能夠適應環境及應對障礙物。
- 邊緣人工智能使無人機能在無需遠端支援下處理信息。
- 傳感器融合技術提升無人機對環境的理解及威脅識別能力。
軍事無人機羣正迅速成為自主作戰的重要發展之一。與傳統的無人機操作不同，傳統無人機是單獨控制的，而無人機羣則旨在讓多架無人機協同工作，分享信息，適應戰場環境，並共同執行任務。人工智能在這一能力中扮演著核心角色，幫助無人機解讀傳感器數據、在受限環境中導航、分配任務、與其他平台通訊以及減輕操作人員的工作負擔。以下是七項支持軍事無人機羣實現的人工智能技術。
無人機羣的協同運作
無人機羣智能允許多架無人機作為協調的羣體運作，而非孤立的飛機。這些系統使用去中心化的算法來決定各無人機如何互動、維持編隊、分配任務、應對障礙物，以及在羣體成員失去時進行適應。這一方法部分受到自然界中集體行為的啟發，包括鳥羣和昆蟲羣落。軍事研究計劃已經深入探討這一概念，例如美國國防高級研究計劃局（DARPA）的進攻性無人機羣啟用戰術（OFFSET）計劃，研究如何在複雜操作中，特別是在密集城市環境中，讓大量自動系統協同工作。
這種方法的主要優勢在於韌性。因為控制可以分佈在多個平台上，單一無人機的損失並不一定會削弱整個編隊。
邊緣人工智能的應用
軍事無人機羣無法總是依賴將每個信息傳回遙遠的指揮中心。電子戰、通訊幹擾、帶寬限制或物理障礙可能會中斷連接。邊緣人工智能解決了這一問題，允許無人機直接在機載上處理信息。人工智能處理器可以實時分析圖像、解讀傳感器信息、識別物體並支持導航，而無需持續訪問遠端計算基礎設施。分佈式計算還允許將工作負載分散到多架無人機上，無需完全依賴單個中央處理器，無人機成員可以利用自身的機載計算能力來支持更廣泛的任務。
這降低了延遲，並使自主系統能夠更快地對迅速變化的戰場環境作出反應。
通訊對於無人機羣的操作至關重要。網狀網絡允許無人機之間直接交換信息，而不僅僅依賴於單一的通訊中心。每架飛機都可以作為網絡中的一個節點，傳遞遙測、傳感器信息、位置信息和任務更新。在受限環境中，自適應網絡顯得尤其有價值。當個別鏈接被中斷時，通訊可以通過其他可用的節點重新路由。美國海軍已經在演習中實驗了網狀網絡的無人系統，期間參與的各平台之間分發目標和傳感器信息。
GPS 幹擾對自主軍事系統構成了重大挑戰。對手可以幹擾或欺騙衞星導航信號，從而可能阻止無人機準確確定其位置。因此，軍事自主系統越來越多地開發了替代導航技術。視覺慣性測程可以將相機圖像與慣性測量結合，以估算無人機的運動。地形相對導航將觀察到的地形與存儲的地圖信息進行比對，而激光雷達和其他傳感器可以幫助飛機瞭解其周圍環境。人工智能可以處理這些不同的輸入，並持續估算飛機的位置。
這些能力可以使無人機羣在傳統衞星導航變得不可靠時繼續運作。
傳感器融合技術的優勢
現代軍事無人機可以攜帶多種不同類型的傳感器，包括電子光學相機、紅外系統、雷達和電子戰設備。每個傳感器單獨提供的戰場信息僅僅是局部的。傳感器融合將來自多個來源的信息結合，以形成對周圍環境的更有用的理解。人工智能算法可以比對進入的數據、識別相關性、過濾不必要的信息，並幫助區分真正的威脅和背景噪音。在無人機羣中，這一技術的威力更為強大，因為多架無人機可以從不同位置觀察同一環境。
結合這些不同的觀察角度，可以幫助無人機羣獲得比單一飛機獨立生成的更廣泛及更準確的作戰情況。
單獨控制數十或數百架無人機會令操作人員不堪重負。人機協作旨在通過將操作人員的角色從直接駕駛轉向更高層次的任務管理來解決這一問題。操作人員不再需要指定每個動作，而是提供目標、地理邊界、優先級或任務限制。自主系統隨後能夠判斷參與的無人機應如何分配任務並協調其運動。DARPA 在其無人機羣自主研究中探索了人機協作，展示了相對較小的軍事單位如何管理大量無人系統。其目標不一定是將人類排除在操作之外，而是使單個操作人員能夠監督越來越複雜的自主編隊。
最後，計算機視覺和機器學習可以幫助無人機解讀其傳感器所檢測到的信息。基於人工智能的識別系統可以分析圖像和其他傳感器信息，以檢測、分類和跟蹤感興趣的物體。在無人機羣中，來自多個平台的觀察可以進行比較，從而使一架無人機的檢測能夠被其他無人機驗證或跟蹤。這有助於偵察、監視、威脅警報和戰場意識。這七項技術共同改變了無人機羣的運作方式，將其從無人飛行器的集合轉變為越來越協調的自主系統，具備感知、通訊、導航及作為網絡化力量行動的能力。
人工智能如何改變軍事無人機運作
人工智能在軍事無人機羣的發展中扮演著關鍵角色，透過去中心化的算法和邊緣計算技術，使無人機能夠在複雜環境中自主協作。這不僅提高了作戰韌性，還使其能夠在通訊受限的情況下進行任務。隨著傳感器融合技術的應用，無人機能夠更全面地理解戰場環境，並有效識別威脅，這些進展將顯著改變未來的軍事作戰模式。