在荒涼的環境中進行偵察對美國軍方來說并不是什么新鮮事。然而，隨著實地的外國威脅變得更加復雜和遙遠，在危險、難以到達的地方收集情報的挑戰需要一種方法，最大限度地收集關鍵數據，同時最大限度地減少對現場人員的風險。

使用無人機系統 （UAS） 或無人機在危險情況下執行情報、監視和偵察 （ISR） 工作要求它們重量輕、符合法規，并在動態 GPS 和 GPS 拒絕的環境中可靠地機動。

沒有全球定位系統，沒問題

GPS已成為汽車，手機和包括UAS在內的設備的標準導航功能。自主UAS使用GPS來確定其緯度和經度，以及氣壓計（用于高度）和指南針（用于磁航向），以獲得它們在太空中位置的準確方向和位置。他們還使用此數據來確定其他對象的位置，例如任務航點、地理圍欄和起始位置。

GPS信號的強度決定了無人機導航的準確性。GPS在天空視野暢通無阻的情況下效果最好，但隨著用例數量的增加，UAS必須導航的不同類型的環境也是如此。

對于UAS來說，在室內或建筑物附近導航可能非常具有挑戰性，因為建筑物會阻擋并反射GPS衛星與接收器的通信。即使衛星強度略有下降，也會導致位置精度迅速下降。GPS信號的退化或丟失會降低位置數據的準確性，并可能迫使車輛終止導航，直到有人干預或撞車。

沒有GPS信號，UAS就無法在太空中定位，因此無法自行運行。由于無人機通常必須在動態GPS中導航到拒絕GPS的環境，因此當GPS不可用時，它們需要可靠的備用導航工具。通過視覺慣性里程計（VIO），UAS可以在沒有GPS的情況下自主運行。VIO使用視覺和慣性數據來測量行進距離和位置，而無需GPS信號。VIO的獨特之處在于它可以在3D空間中測量飛機的位置，并且是許多其他計算機視覺功能的基礎，例如避障，位置控制和GPS拒絕環境中的自主導航。

同時使用 GPS 和 VIO 的 UAS 可以在動態環境中精確導航并完成關鍵任務，包括：

室內監控：由于信號干擾會降低或消除 GPS 可靠性，因此在隧道、地雷、掩體和其他結構內飛行小型 UAS （sUAS） 可能很困難或不可能。

搜索和救援：根據地形、茂密的樹木覆蓋和其他自然障礙物，GPS 信號可能微弱甚至不存在，因為障礙物使連接成為挑戰。

災區：無人機通常用于緊急救援工作，因為它們能夠進入難以到達的地方，但碎片和瓦礫會削弱GPS信號。

關鍵基礎設施：使用UAS測量建筑物，橋梁和其他潛在的禁區結構，而無需部署現場人員，從而提高安全性，同時提供僅憑人員并不總是可以訪問的多個視角的優勢。

越小越好

由于重量是重力的克星，因此UAS必須盡可能輕巧，尤其是在密閉空間中使用時。優化重量和飛行的一種方法是在其主印刷電路板（PCB）上使用帶有多個集成組件的自動駕駛儀。

PCB現在比以往任何時候都更小，更智能。傳統上，UAS開發人員需要使用六到七個不同的板來實現自主性，AI和飛行。然而，隨著新技術和創新，市場上的一些自動駕駛儀現在將所有計算能力濃縮到一個單板解決方案中。這種單一包裝解決方案可實現更小、更輕的飛行器，非常適合在危險情況下導航。單個 PCB 還可以減少布線和成本，同時提高可靠性，因為組件更少。

另外， 考慮使用集成 PCB 時的易于開發;由于已經板上已有軟件，因此開箱即用。基于開源平臺構建的 PCB 配有可靠的軟件開發套件 （SDK），可實現靈活高效的設計和構建，以及用于可選附加組件的功能端口。

美國國防部（DoD）國防創新部門（DIU）率先開展了所謂的“藍色UAS項目”，該項目為國防部和聯邦政府合作伙伴開發了值得信賴的sUAS。這項工作建立在美國陸軍的sUAS記錄計劃短程偵察（SRR）的基礎上，以頒布廉價，背包便攜式，垂直起降sUAS。根據DIU的信息，藍色sUAS系統共享SRR飛行器的功能，但集成了供應商提供的地面控制系統。

藍色UAS框架計劃滿足國防部的要求，即提供在國防部sUAS計劃內實現更高水平的現場自主性的sUAS組件;sUAS組件之間的共性，可減少開發時間和成本;以及通過在可信平臺上測試面向未來的技術來領先于國防部最新要求的能力。

集成的即插即用解決方案的一個示例是來自ModalAI的VOXL Flight。它將配套計算機與PX4飛行控制器融合在一個PCB上，從而實現GPS拒絕飛行。它的自動駕駛儀從GPS無縫切換到VIO，即使在動態環境中也能確保精確飛行。ModalAI自2018年以來一直與DIU合作。

利用 AI 讓無人機更智能

將人工智能（AI）的實時學習與自主無人機的探索能力相結合，使“智能”UAS成為21世紀軍事行動的重要組成部分。人工智能為無人機增加了先進的感知功能，為飛行員提供物體跟蹤和分類、區域測繪和實時操作反饋等關鍵數據。這種原始數據收集具有前瞻性的好處，使指揮中心人員能夠從捕獲的圖像和反饋中學習，從而制定適用于未來任務的有根據的理論。

基于GPS拒絕導航構建通信拒絕導航

當sUAS在隧道等拒絕GPS的環境中導航時，它也可能失去與其無線電鏈路的連接，這可能會切斷與飛行員的實時通信。在這些通信被拒絕（通信被拒絕）的情況下，車輛必須能夠獨立于飛行員完成其任務并分析數據。這就是機載計算機視覺和人工智能接管的地方。

支持人工智能的UAS進一步受益于智能自導航和物體回避/檢測，這在通信和GPS拒絕環境中至關重要。實時處理機載數據的能力使無人機能夠獨立于飛行員做出決策。

例如：sUAS被派去執行偵察任務，以偵察隧道中的敵方人員并失去無線電鏈路連接。在這種情況下，它仍然可以依靠VIO進行導航，并依靠AI來繪制和探索領土。計算機視覺、機器學習和深度/圖像傳感器使UAS能夠自主掃描和識別可能構成威脅的物體或人。一旦檢測到威脅，飛行器就會被編程為返回飛行員，在那里它可以傳達其發現。

這種自主性為軍事和企業應用提供了廣泛的用例，包括結構和地下檢查、地形掃描、安全監控、在惡劣環境中檢測危險等。

在惡劣或密集的室內環境中飛行UAS需要精確的飛行解決方案，以便在啟用GPS和拒絕GPS的環境之間導航。GPS拒絕的自主飛行器也可以在傳統的敵人干擾或操縱GPS信號的戰略之外運行。在拒絕GPS和拒絕通信的環境中為飛船配備GPS和VIO導航工具，結合智能AI和計算機視覺解決方案，擴大了這些sUAS的視野。

審核編輯：郭婷