无人机现在已经成为非对称战争和常规战争的共同特征。正如英国Shephard网站发布的最新技术报告所发现的那样，硬件和软件技术的进步意味着无人机未来可能会发挥更大的作用。

　　随着在图像识别、导航和决策等领域的应用，人工智能将成为无人机战场的关键“赋能器”，从而生成新的任务集，并提升无人机执行现有任务的能力。人工智能将对无人机作战行动产生重大影响，推进其执行一系列任务集的自主化进程。如今，工业界正在针对传感器和其他系统寻求人工智能驱动的技术进步，并为未来几年设定了雄心勃勃的目标。

　　人工智能应用于无人机有一系列潜在的案例，最引人注目的可能是在导航和传感技术领域。美国战略与国际问题研究中心（CSIS）副主任沙恩·谢赫指出，“在过去的10年中，无人机本身以及人工智能及其姊妹学科机器学习都取得了较大进展。期间，我们看到无人机变得更小，飞得更快更远，携带的有效载荷更重，军用和商用无人机都变得更加有效。同一时期，大量富有成效的研究出现在人工智能/机器学习领域，其中一些重大成果正推动进一步的投资。我们无法预测具体的发展领域，但鉴于这些趋势，相信很快就会出现人工智能‘赋能’的大规模无人机编队。”

　　谢赫表示，人工智能不确定会扩大无人机的既定任务集，但肯定会使无人机能够更有效地执行当前的任务。比如，配备人工智能图像识别设备的无人机，将使平台更快、更准确地识别和跟踪目标。“同样的技术可能允许无人机在不使用GPS的情况下分析地形，并导航至需要关注的区域，从而使防御方很难通过被动式传感器发现它们。人工智能‘赋能’的自主性，可以让无人机在更大的集群中执行作战任务，且只需要极少的操作人员对其攻击行动进行协调。”

　　美国AitechSystems公司产品和解决方案总监丹·莫尔表示，“实时响应应用需要能够在边缘传感器（用于非接触式测量和监控各种物体边缘位置的传感器）和自主操作中执行人工智能处理的系统，计算需求因此将呈现指数级增长。”AitechSystems公司开发了一系列小尺寸（小型/小封装）人工智能产品，提供用于包括无人机在内的一系列军事和航空航天系统的计算和通用图形处理器单元（GPGPU，利用显卡GPU实现通用计算的技术,并利用其良好的并行计算性能,提高计算效率、节省计算时间）。莫尔表示，基于人工智能和数据传输技术的边缘计算是军事和航空航天市场关注的焦点。其中，在无人机领域，人工智能的主要应用包括对目标进行探测、分类、确定和获取其位置，以及对目标进行跟踪和进行快速精确实时决策。

　　与此同时，美国TeledyneFLIRDefense公司负责开发单兵侦察系统项目的产品总监辛普森·席兰德表示，该公司正在语音控制和辅助目标自动识别等多个领域为无人机开发人工智能。他声称：“要让人工智能真正与无人机相关，我们需要将更多的人工智能应用于边缘，使无人机能够根据自身面临的态势做出正确的选择。”该公司预计，未来将有更多数量的无人机和无人地面车辆一起协同行动，以执行更为复杂的任务（席兰德认为，这可能需要5～10年的时间）。

　　另据席兰德称，指挥集群无人机搜索GPS和通信系统无法覆盖区域的能力将具有很大的价值，这将为士兵提供有关战场态势的实时详细信息。然而，这将要求无人机能够在建筑物和狭小空间内飞行，这正是TeledyneFLIRDefense公司“黑色大黄蜂”微型无人机（亦称“纳米”无人机）主要的关注点。他表示：“在现代战争中，很少有士兵和军事资产会暴露于对手观察探测范围内，所有这一切将都隐藏在视线之外，比如隧道或建筑物里。这就是人工智能无人机的发展方向。”

　　近年来，无人机领域的几家公司相继推出了基于人工智能开发的新产品和新系统。比如，以色列Steadicopter公司开发出“金鹰”旋翼无人机，该无人机是第一种具有精确打击能力的此类系统。Steadicopter公司首席执行官伊泰·托伦表示，“金鹰”无人机背后的技术之一是人工智能（软件）包，能够使其对目标进行分类和识别。该无人机是根据客户需求开发的。他解释道：“我们发现，许多军方客户非常需要一种能够在机载平台上自动连通‘从传感器到射手’回路的系统。”该公司负责业务开发和营销的副总裁沙伊·菲什拜因表示，另一个人工智能应用案例是，以色列非制冷红外探测器和高功率激光二极管制造商SCD公司开发的可以集成于无人机的新型Swift-EI短波红外探测器。该探测器采用“基于事件”的成像技术，来对特定类型的激光进行分类。究其原因，在“后台”挑选数据的“基于事件”的成像技术，可以实现下一代基于人工智能系统的开发，从而提供多域作战空间多光谱红外成像信息，以更好地感知态势、实现先进的目标自动探测，以及跨平台和跨部队的目标切换，同时提高作战人员的杀伤力。

　　与此同时，美国埃尔玛电子公司为传感器有效载荷和其他系统生产的一体化嵌入式计算硬件，也可以支持军用无人机应用的人工智能。该公司负责系统产品开发的总监马克·利特菲尔德指出，“传感器领域有机会将基于人工智能的计算技术应用于从雷达、光电/红外（EO/IR）系统到电子战和信号情报等各个领域。事实证明，深度学习等人工智能技术对于解决此类问题拥有非常强大的功能，而现代硬件，比如通用图形处理器单元和专门设计用于深度学习引擎的专用芯片系统设备，正在使这一切成为可能。”利特菲尔德预计，“不久的将来会出现新的、更强大的、功耗更低的处理技术。我们目前仍处于人工智能/深度学习革命的早期阶段，因此很难肯定地预测未来几年的发展情况，但很明显，基于深度学习的人工智能将以引起关注和令人惊讶的方式得以应用。”

　　此外，利特菲尔德还指出，“尽管如此，仍存在一系列挑战。首先，必须对深度学习网络进行训练，为此需要大量数据，这些数据必须是高质量的。就像所有的计算机信息处理技术一样，‘垃圾’输入会导致‘垃圾’输出。”其次，利特菲尔德表示，深度学习只对其所接受的训练有效，如果遇到新的东西，可能就无法正常发挥作用。然而，这些挑战可以通过更新网络和提供额外的培训来克服。利特菲尔德指出，用于深度学习的计算硬件的功耗往往较高，因此会产生热量。“无人机平台通常必须满足严格的尺寸、重量和功率（SWaP）方面的限制条件，否则无法承载如此高功耗和热要求的硬件。然而，相关市场目前已经出现一些可以部署在严重受限于SWaP的平台上新的低功耗部（组）件。”

　　席兰德认为，计算能力是目前面临的一个主要瓶颈，并指出TeledyneFLIRDefense公司正在与美国高通公司（该公司开发的硬件极大提升了TeledyneFLIRDefense公司开发的软件的能力）合作开发相关产品，以期实现“以更低的功耗进行更多计算”的目标。

　　美国AitechSystems公司产品和解决方案总监丹·莫尔则表示，人工智能技术在军用无人机和更广泛领域的进步是一个不断发展和复杂的课题，预计在不久的将来会出现几种与无人机相关的技术趋势。总的来说，他指出，“无人机将变得更加强大、更可靠和更自主，从而减少对人类直接控制的需求。”

　　此外，莫尔还指出，人工智能可能在促进网络安全和预防性维护，以及作战方面发挥重要作用，“人工智能系统将通过提供基于数据分析的见解、模拟和建议，助力军事指挥官进行决策。这可以提高军事行动的效率和效能。”

　　针对其他趋势，莫尔认为，关于使用致命性自主武器，以及关注人工智能伦理和减少偏见的辩论，可能会愈演愈烈。“军事人工智能技术的开发和部署因国家的技术能力、军事战略和政策而异。这些趋势凸显了军事行动中自动化和数据驱动决策的潜力，但也强调了道德考量和该领域国际合作的重要性。”

　　谢赫则表示，在无人机系统中使用人工智能将继续面临政治阻力，部分原因是担心基于人工智能开发的“终结者”（无人机）可能会失控；此外，还有一些具体的担忧，比如军方能够让无人机自主识别和打击其所关注的目标。“从技术上讲，我们已经拥有了人工智能无人机。然而，更广泛地使用无人机可能需要更高水平的可靠性，并了解人工智能何时或为什么会做出奇怪的决策。大多数人都认为有必要让人类参与其中，特别是对于武器化系统。”

　　“当然，随着人工智能的进步，决策者和操作人员对这些无人机系统越来越有信心，他/她们可能会扩大监督范围，让一名监督员监控十几架自主无人机，但至少一名操作人员将留在回路中。”谢赫强调说：“如今的主要问题是，操作人员应该在回路中的哪个环节对无人机进行操作，他/她们同时应该监管多少个回路？”显然，如果计算能力和人类监督水平的障碍能够被清除，人工智能必将在未来的无人系统中发挥重要作用。

　　众所周知，探测化学、生物、放射和核威胁（CBRN）是一项固有的危险任务，通常仍由徒步人员使用手持设备执行。然而，无人机机载传感器的发展和无人机的更大自主性已经开始减轻这一风险负担。无人机可以在化学、生物、放射和核传感活动中提供显著优势，使操作人员能够在执行任务时保持安全距离。事实上，无人机在CBRN探测中的潜力始终是美国国防部的主要关注点。该部发言人凯利·弗林指出，美国《国防战略》、《反大规模杀伤性武器战略》和《生物防御态势评估报告》都确立了“联合部队必须能够在CBRN环境中获胜”的目标。弗林表示，这需要更好地将CBRN防御能力整合到这支部队中。

　　远离危险 在具体行动方面，美国国防部副部长凯瑟琳·希克斯 2023年8月底宣布了“复制者”计划，该计划旨在未来18～24个月内部署数千个可消耗性自主系统。希克斯声称，这些自主系统可能“配备了大量传感器，足以为我们提供近乎实时的新的可靠信息来源。”弗林则指出，这将有助于让美军现役人员远离危险，并减轻携带单独系统执行CBRN探测任务的后勤保障负担。

　　美国国防部的另一项工作是启动了“机器人平台上的CBRN传感器集成（CSIRP）”计划。该计划旨在重新装配技术成熟的美国政府开发的现货CBRN探测传感器，将其安装在包括无人机在内的无人/机器人系统上。“作为五角大楼化学和生物防御计划（CBDP）的一部分，CSIRP计划也在开发通用安装接口，以及处理器硬件和软件。”弗林透露：“虽然我们已经在使用技术成熟的CBRN探测系统，但国防部正在进行科学和技术投资，旨在降低CBRN探测传感器的尺寸/重量/功率要求和成本，并利用人工智能、机器学习和自主性、传感和通信能力方面的技术进步，从而能够更及时、更准确地探测、警告和报告CBRN危害。”

　　目前有多家公司活跃在这个领域。比如，通过其MUVEC360（多气体）、MUVER430（辐射光谱）和MUVEB330（生物）传感器有效载荷，TeledyneFLIRDefense公司提供化学、放射和生物威胁探测传感器。这些传感器是为集成到多型号无人机而设计的，包括该公司的“空中袭击者”和“空中突击队员”无人机。

　　TeledyneFLIRDefense公司负责开发综合探测系统项目的高级主管克莉丝汀·科尔特指出，“在过去的10年中，各种性能、任务和成本选项的无人机变得越来越容易获得。有效载荷也有一个平行的增长轨迹，以支持在支援监视任务中快速采用无人机平台。此外，CBRN探测传感器也需要同时发展，包括不仅优化探测需求、还优化功率和通信要求的模块化传感器，以适应与这些平台的集成。”

　　科尔特补充道：“开发CBRN探测传感技术的主要目标是最大限度地提高传感器执行任务的能力，同时保护操作人员的生命安全。因为接近威胁源通常会提高探测性能，所以集成像MUVE系列传感器这样的传感设备，不仅能够保障操作人员执行CBRN探测任务，而且能够提高其完成任务的可能性。MUVE系列传感器为操作人员提供了一个更好的视野，以通过在跨空域的扩展物理空间内实时传感来评估态势感知，这对于以前的地面操作人员来说，在没有高度复杂、昂贵的独立运行的探测传感器的情况下是无法实现这一点的。”

　　此外，科尔特还指出，没有任何传感器或相关技术能够适用于所有任务。为无人机的支持系统（比如微处理机支持软件等）选配商用现货CBRN探测传感器，可能会导致根本不匹配，从而带来操作方面的挑战。“CBRN探测传感器的尺寸、重量和功率是否合适、能否很好地完成预定任务，以及能否以有意义的方式传输有用的数据等问题通常需要进行权衡，目的是确保操作人员拥有与执行CBRN探测任务有关的某些能力。我们公司设计开发的MUVE系列传感器拥有跨无人平台的可切换接口和集成选项，能够满足我们的操作人员，或其他第三方执行CBRN探测任务的需求。”

　　避免暴露 美国BertinEnvironics公司也在研制化学和放射威胁探测设备，并将其集成于无人机和无人地面车辆。该公司负责手持式化学威胁探测器产品开发的经理米卡·莎里宁表示，其ChemProX手持式化学威胁探测器具有内置电源和无线数据传输功能，这意味着该探测器可以用来以快速简单的方式扩展无人机的探测能力。

　　莎里宁指出，无人机在CBRN探测方面最明显的优势是，操作人员不需要将自己暴露于潜在的威胁环境。在更广泛的层面上，无人机沿其航向收集和接收信息的能力不仅有助于威胁探测，而且有助于更快地生成更大的CBRN事故态势图。“由于时间至关重要，能够更快地确定CBRN事故态势图，并将精力集中在必要的事情或区域，有助于更快地做出决策，最终拯救更多人员的生命。”

　　另据莎里宁称，在CBRN探测中使用无人机和其他无人系统，可以大大缩短实现态势感知所需的时间。探测人员不用花时间穿上全套防护服，首次探测CBRN事故可以通过对无人机或无人地面车辆进行遥控操作来完成。将来自视频或热像仪的信息与CBRN探测器结合起来，将为CBRN事故及其潜在的化学特征等提供更广阔的视角。

　　按照莎里宁的说法，尽管CBRN探测器的能力仍在继续发展中，但也看到了用户体验方面的更大进步。其中许多CBRN探测设备仍然基于几十年来开发的相同核心技术。他表示：“我看到CBRN探测器的可用性有了更多的发展。这包括在现有探测技术的基础上，为CBRN探测器增加无线数据传输等功能或解决方案，以拓展其能力。从某种程度上讲，今天的制造商正在更多地跳出常规思维模式，试图增加某些能力或功能，来支持核心CBRN探测技术。”

　　莎里宁认为，最大的挑战不在于探测方面，也不在于CBRN沾染环境的不可预测性，而在于可能缺乏简洁性。他警告称，无人机和将CBRN探测能力集成到平台上的相关工作不应该成为操作人员的负担。“不同任务或平台中采用的技术应该力求简单易行——不仅部署和使用简单，而且易于理解。虽然CBRN探测器可以提供很多不同的数据和数值，但在大多数情况下，提供核心信息就足够了，这些信息应该尽可能容易地被访问和被解读。”

　　与此同时，他还指出，许多操作人员可能没有足够的经验在CBRN环境中使用这些系统。然而，随着时间的推移，人们的意识肯定会不断提高，但技术本身必须支持针对CBRN探测的轻松学习和实施无人机解决方案。

　　信息共享 美国德雷珀公司为一系列自主系统开发智能软件架构，并装备了一系列用于执行CBRN侦察和其他情报、监视与侦察（ISR）任务的小型无人机。其开发项目部分由美国化生放核防御联合项目执行办公室资助，该办公室是美国国防部化学和生物防御计划的一个组成部分。

　　德雷珀公司自主、制导、导航和控制部门负责人卡米拉·弗兰克林表示，公司已经开发了一种“全域执行与规划技术”（ADEPT）软件架构，用于管理整个无人机系统的性能，旨在克服使用无人机进行CBRN探测所面临的挑战。

　　弗兰克林解释称：“在城市环境中作战的士兵需要一种无人机，即使GPS信号减弱或完全不可用，也能在建筑物和障碍物内及其周围导航。分散部署在一个区域的士兵需要一种安全、联网并能够‘测绘’环境的信息共享方式。在过去的10年里，无人机技术已经发展到更加模块化、可重复使用，并向第三方用户开放。这可以更容易地为无人机添加新的功能，以对某个区域内需要关注的目标进行探测。”

　　弗兰克林补充道，其他增强型功能包括传感器融合算法，使无人机能够合成来自GPS、激光雷达或摄像头等设备的数据。当然，用户界面始终是一个关键因素。德雷珀公司采用的是战术突击套件（TAK）态势感知界面，TAK界面是该公司作为美国空军研究实验室团队的参与方帮助开发的。此外，她还指出：“搭载CBRN传感器和TAK界面插件的无人机，可以通过共享网络上基于地图的通用作战态势图与操作人员和中央司令部进行通信。基于地图的界面（比如TAK界面）不仅可以提供作战行动中的实时地理参照视图，而且增强了决策支持。”

　　展望未来，弗兰克林希望看到自主编队无人机CBR遥控探测能力的实现。她表示，无人机开发人员将能够集成飞行软件和传感器驱动算法，以便无人机编队能够自主执行目前由单架无人机执行的CBRN探测任务，或者在一个或多个（信号）输入不可用或不可靠的环境（比如没有GPS覆盖的区域、GPS可能被欺骗的区域和无光环境等）执行此类任务。由于这样的无人机编队必须通过单一界面进行控制，因此需要对无人机和传感器数据进行仔细关注和管理，以确保用户不会信息过载。

　　另外一个趋势将是空中、地面和海上自主平台编队内部的协作行为。弗兰克林声称：“这项技术将‘赋能’分散分配任务和任务优先化、协作导航和绘制地图、消除路径冲突和预防事故，以及自主平台编队规划、控制、监控和联网。”

　　事实上，没有什么比探测CBRN威胁更能体现部署军用无人系统执行“枯燥、肮脏和危险”任务的理由了。虽然现在可能还不是部队封存危险防护服的时候，但新型传感器和更先进的自主性意味着，无人机未来将承担越来越大的负担和风险。AG真人国际