自主攻击无人机搭载 Nvidia Jetson Orin Nano 独立锁定并打击目标

据 Ars Technica 报道，在一次最新演示中，搭载小型非前沿计算机视觉模型的无人机成功自主识别并攻击了目标。瑞典 AI 初创公司 Scaleout Systems 在“低成本巡飞弹模块弹药”（Affordable Loitering Modular Ammunition，ALMA）项目中，使用 BAE Systems Bofors 提供的低成本巡飞弹进行了攻击测试。在 BAE 2026 年冬季演示活动中，该无人机在检测到目标并进行地理定位后，将一辆装甲工程车辆列为最高优先级目标，随后自主飞行至目标位置并投掷了爆炸物。

Scaleout 发布的演示视频“技术演示：自主无人机任务的车载边缘智能”展示了该公司如何利用 AI 让无人机探测潜在威胁，且所有处理均在工作机本地完成。除了按下启动按钮外，无需其他人工干预，但指定飞行员仍保留作为安全备份控制器。该任务在设定好的参数下执行，以攻击装甲工程车辆，侦察阶段耗时约 200 秒，整个任务在 320 秒内完成。全程无需通信支持，印证了 Scaleout 关于其系统具备抗电子战能力的说法。

报道中称该弹药为“自杀式无人机”，但项目官方使用的术语“巡飞弹”（loitering munition）描述更为准确。任务的大部分时间用于搜索、目标排序和等待攻击时机。该公司将 Scaleout Edge 与“联邦学习”相结合，构建了“战术计算机视觉网络”（Tactical Computer Vision Network，TCVN）。设备在本地训练 AI 并共享模型更新，从而实现快速适应。Scaleout 的 FEDAIR 项目隶属于北约 DIANA 加速器，获得了 10 万欧元的研发资金、培训及测试权限支持。

2 月份的一篇帖文中，Scaleout 介绍了其在瑞典 BTC Karlskoga 基地进行的另一项“北极突击演示”。该任务在零下 18 摄氏度（约 0 华氏度）的雪地环境中执行。现场使用的 Airolit S1 机体在 Nvidia 的 Jetson Orin Nano 上运行 YOLOv8 Nano 目标检测模型。Scaleout 宣称，在约 20 m/s 的飞行速度下，帧率可达 30 fps，目标延迟不超过 30 ms，且实测持续延迟也稳定在 30 ms 左右。结合已知物体尺寸与针孔相机模型，无需深度传感器也能实现测距。 6 月 30 日，Scaleout 发布的跟进帖文《面向 ISR 的韧性边缘 AI：深入解析瑞典空军演示》，讲述了另一项测试，当时 Scaleout Edge“已获正式许可并部署”。该网络采用双地面节点架构，由云端托管的 Scaleout Edge 控制平面进行管理。第一个节点 ALPHA 前置部署在空军基地，具备稳定链路；第二个节点 BRAVO 位于乌普萨拉的实验室，其连接先被降质，随后被完全切断。即使在离线状态下，BRAVO 仍保持全帧率的推理与主动学习，将检测结果本地记录，并在重新连接后按优先级依次回填数据，顺序为：心跳信号、关键警报、数据漂移、模型更新和遥测数据。此项测试模拟了外部干扰的影响。

这些演示、许可及资助均发生在官方北约采购订单下达或实际实战部署之前。联合国专家组正在应对有关致命性自主武器的问题，其近期报告指出，为遵守战争法，必须保留人类判断与控制；相关建议将于 11 月在日内瓦接受审查。尽管如此，Scaleout 的演示已表明，机体平台上可实现自主目标选择，且 2 月份的测试显示该功能可运行在业余爱好者即可购买的开发板上。BAE Systems Bofors 是否会将 ALMA 从演示阶段推进到采购阶段，仍有待观察。

在 Google News 上关注 Tom's Hardware，或将我们添加为首选来源，即可在信息流中获取我们的最新新闻、分析与评测。