乌克兰当前人工智能自主作战能力与未来愿景

正文

请到「今天看啥」查看全文

如前文所述，设想中的未来战场与实际情 况有很大差异。在ISR方面，人类处理能力限制、 数据处理延迟、多源数据合成的复杂性3个主 要因素阻碍了乌克兰军方期望的未来自主作战 范式的实现。

2.2　人工智能如何应对ISR面临的挑战

人工智能具备克服上述限制的能力。人工 智能可以将数据快速处理为高质量的情报信息， 并能够近实时处理大量多源数据。在广泛的人 工智能赋能能力组合中，有多种方法和系统可 以帮助应对各种挑战，从在无人机图像中检测 敌方装备到解析不同格式的非结构化文本数据。

本报告提供的第一个案例是一款称为 Griselda的数据分析平台。该平台是一个由人工 智能驱动的非结构化数据处理系统，可以针对 多种用途进行定制。该公司创始人Teplukhin分 享了这项技术的2个典型应用案例，它们在很 大程度上使用了相同的底层方法。

一是分析群聊，以获取可供行动使用的情 报。在2022年俄乌冲突爆发之初，作战人员 主要通过群聊或Signal等即时通信平台分享情 报信息。尽管乌军拥有更先进的通信系统（如 Delta）和专门的军事通信渠道，但一些基础平 台至今仍被广泛使用。某些渠道每天会收到数 千条消息，其中常常包含非结构化和非标准化 的战场报告，如发现俄军装备的信息。但如此 大量的碎片化数据大幅增加了前线作战人员的 信息处理难度，如果没有技术解决方案，几乎 不可能及时提取关键信息。

二是对截获的多来源俄方音频通信内容的 管理。传统上，处理如此庞大的音频数据集需 要投入大量人力资源，包括配备众多分析师的 大型呼叫中心，这些分析师负责转录、理解和 提取相关细节。这种方法不仅劳动强度大，还 容易出错，限制了其效率和可扩展性。

为应对这些挑战，乌克兰军方在这2个案 例上利用Griselda展开合作，借助人工智能实现 了流程自动化。该系统在关键功能上取代了人 工操作，如转录、语义分析，以及从截获的对 话中识别实体和关键数据点。此外，人工智能 构建了本体图谱，能够在海量的数据集中进行 模式识别和语义关联，这些图谱使分析师能够发 现人类人工无法洞察的信息和关系。Teplukhin 称，通过此类工作流程的自动化，预计人工智 能可减少99%的人力需求。从作战角度来看， 这一突破大大提高了情报信息处理的准确性和 效率。

重要的是，Griselda与Delta系统的集成能 够确保所有情报信息在整个指挥链中的即时分 发。这些信息随后会在地图上可视化呈现，实 现向相关人员的无缝分发，包括部署在发现可 疑活动区域的无人机操作员。通过引导无人机 前往指定位置，这些操作员可以验证情报，并 在必要时收集更多细节，从而增强态势感知和 提高作战效率。

2.3　乌军利用人工智能发展 ISR 系统的经验教训

利用人工智能可优化实时情报处理资源配 置，如自动筛选侦察无人机视频流等大量信息， 标记关键内容，让分析师聚焦最相关数据。对 军事数据集整理和对信息标注工作进行标准化 能够提高人工智能模型开发效率与灵活性，军 方和私营部门可合作采用一致协议，分离相关 参数、筛选小数据集。构建专业化小规模的人 工智能模型，利用大型数据集的特定子集训练 以应对特定作战挑战，能够精确求解问题、简 化训练过程，使解决方案更加适应任务变化。

2.4　人工智能赋能的ISR系统发展趋势

乌克兰军方在军事行动中大力推进人工智 能应用，以提升作战能力。一方面，迫切要求 将所有无人侦察系统集成到态势感知和火力校 正平台，输入共享情报系统，构建全面实时作 战态势图；同时转向采用人工智能赋能的实时 多传感器融合技术，整合多源数据创建持续更 新的作战态势图，增强态势感知能力。另一方 面，人工智能系统从基本数据分析向提供战略 建议升级，并基于实时情报评估标注潜在威胁， 推荐打击目标等。此外，军事机构放宽外部开 发者访问审核数据集的限制，助力开发更适应 作战需求的先进人工智能模型。人工智能赋能 的实时态势感知为联合全域作战和盟军的协同 行动奠定基础，帮助决策者快速调配资源、识 别威胁并把握战机。

3    人工智能在ATR中的应用

ATR是一套用于自动检测、分类和跟踪物 体或人员的技术。其核心是模式识别算法，该 算法将接收到的传感器数据与一组已知模板或 行为模型进行匹配，将异常特征标记为潜在目 标。ATR在军事领域并非新概念，但人工智能 改变了其工作方式和系统开发方式，提升了性 能并降低了成本，而此前这些应用往往因成本 过高而难以实现。

3.1　ATR当前面临的挑战

尽管ATR技术在现代战场上已不可或缺， 但它仍然面临着巨大挑战。虽然在受控环境中 表现良好，但在实战复杂动态条件下，其适应 性和精度会下降。配备ATR 功能的有人操控无 人机面临使用诱饵和伪装、电子战干扰、应对 低能见度和城市密集环境3个主要挑战。

3.2　人工智能如何应对ATR面临的挑战

在复杂作战环境中，人工智能在识别和跟 踪目标的速度、准确性和效率方面具有显著优 势。将配备人工智能赋能的ATR软件直接集成 到无人系统中，可以实现在本地独立网络中处 理数据，融合多个传感器的输入，即使是在无 法与基地的态势感知系统进行实时通信的情况 下，也能使作战人员了解周围环境和目标情况。

人工智能赋能ATR的核心能力在于能够比 人类操作员更快速、准确地检测和分类目标。 在经过数据集训练（包含真实战场场景）后， 先进机器学习算法能够在各种地形和天气条件 下区分车辆、人员和建筑物。这些系统可以持 续运行而不会疲劳，能够捕捉到人类观察者可 能忽略的细微差别，从而识别诱饵和伪装目标。 除检测外，人工智能还擅长根据威胁等级、与 友军距离及任务目标等因素，对多个目标进行 快速优先级排序。

本报告提供的第二个案例是Skydio公司的 ATR技术实现从消费级技术到战场人工智能的 演进Skydio团队分享了其无人机在乌克兰的应 用经历与技术发展。起初，旧款无人机X2因采 用静态频率的设计，且基于电子战挑战小的环 境研发，缺乏频率敏捷性，在俄乌冲突中面对 俄罗斯电子战时，出现通信故障、作战范围缩 小等问题，在乌军中声誉受损。

为解决这些问题，Skydio团队在2022— 2024年对乌克兰进行30多次访问，将战场经验 融入X10D无人机开发。X10D具备抗干扰、无 GPS导航及多系统集成能力，虽主要面向商业和 公共安全领域，但在ATR上实现突破，使其能 够高效执行ISR任务。

自2014年起，Skydio的ATR能力不断升级， 从简单的目标跟踪执行发展到具有深度学习复 杂检测能力，其团队持续优化模型，提升光电 和红外图像检测精度。X10D配备先进热像仪， 可通过辐射红外成像判断车辆状态。此外，视 觉惯性里程计技术增强了ATR能力，X10D的6 个超广角导航摄像头可创建避障3D地图，且通 过技术改进，将GPS拒止环境下的导航高度从 30m扩展到300m，极大地提升了在开阔战场和 城市环境中战术侦察的实用性，尤其适用于GPS 信号常受干扰的城市战及相关ISR任务。

为了最大限度地发挥X10D无人机的ATR 能力，Skydio已致力于将其集成到乌克兰的指挥 控制网络中，包括军方使用的Delta系统和其他 机构系统。这种集成使得无人机ISR数据能够 在多个单位之间共享，增强了乌军战场态势感 知能力。

3.3　乌军利用人工智能发展ATR系统的经验教训

将目标识别任务交由无人平台搭载的人工 智能ATR系统，能减少人为限制、提升任务成果， 让操作员专注高级决策，提高作战效率与态势 感知。乌克兰无人机制造商着重开发可与任意 无人平台集成的专业化自主能力，以人工智能 赋能的ATR功能为核心构建商业模式，推动无 人系统领域技术进步。同时，乌克兰工程师借 助开源技术和现有计算机视觉模型加速研发、 降低成本，整合现成软件解决方案快速创建和 部署ATR系统，这种经济高效的策略，对可消 耗或一次性平台颇具吸引力，更契合其控制成 本的需求。

3.4　人工智能赋能的ATR系统发展趋势

配备ATR系统的无人机在实战中展现出卓 越效能，促使乌军开始采购更多具备自主能力 的无人机。

为无人机配备可负担得起的机载计算机， 使人工智能模型能够进行实时目标识别。将低 成本处理器直接安装到无人机硬件中，乌军能 够部署紧凑型人工智能模块，这些模块无须依 赖大量外部处理即可识别目标。这种方法降低 了延迟，节省了带宽，并提供了更大作战灵活性。

乌军采用只需较小数据集支撑的人工智能 训练技术，简化了无人机任务中的目标识别过 程。训练人工智能算法通常需要海量高质量数 据支持，而专为较小数据集设计的新型模型能 够实现更快速地开发和应用。这种高效性使得 乌军即使在训练数据有限的情况下，也能更快 部署ATR功能。

为应对诱饵和伪装等不断演进的手段，乌 克兰工程师持续对模型进行升级，并频繁使用 更新后的作战数据进行再训练。随着对手采用 创新方法躲避探测，ATR模型必须不断用真实

请到「今天看啥」查看全文