美國國防創新單位簽約推動反無人機系統邊緣 AI 快速再訓練技術

美國國防創新單位簽約推動反無人機系統邊緣 AI 快速再訓練技術

美國國防創新單位（Defense Innovation Unit, DIU）已與 Vizgard 及 Syzygy Integration LLC 簽訂合約，旨在展示直接在邊緣裝置上進行反無人機人工智慧（AI）模型快速再訓練與優化的能力。

傳統模式耗時數週，新技術數小時內完成

傳統的 AI 模型改良方式，需先從已部署的系統中提取作戰數據，再傳送給分析師與數據科學家進行處理，往往需要等待數週才能獲得更新後的模型。而在這項新計畫中，再訓練與優化作業將直接在 Syzygy 的 Snap-E-AI-RTR 邊緣裝置上進行，確保所有數據不會離開裝置本體，完全消除對雲端的依賴。操作人員可透過 Syzygy 的 AwareX 功能，在 ATAK 及 iTAK 平台上即時標記效能問題，並在數小時內部署重新訓練後的模型。

新增子分類功能強化威脅識別

該合約還涵蓋子分類能力的開發，可識別偵測到的無人飛行載具（UAS）平台的品牌與製造商資訊，並提供酬載警示功能。這使操作人員能從基本的無人機偵測，進階到更精細的即時情報分析。

奠基於 2023 年合作基礎

此項計畫建立在兩家公司自 2023 年以來的合作基礎上，Vizgard 的 FortifAI 系統已在 Syzygy 的自主感測器計畫中實際部署運用。

Syzygy 執行長 Wesley Mitchell 表示：「我們在南部邊境執行任務並從事反無人機作業已有相當時間，深知第一天部署的模型，到了第三個月就不再適用。能夠直接在 SNAP 邊緣裝置上進行再訓練與優化，且不需將敏感作戰數據移出裝置，這徹底改變了我們因應威脅態勢演變的方式。Vizgard 與 Syzygy 的整合讓這一切成為可能。」

避免次佳模型影響作戰效能

兩家公司指出，若部署 AI 卻缺乏再訓練機制，操作人員可能被迫依賴表現不佳的模型，反而造成干擾而非助力。透過在作戰系統內直接生成已標註且經過清理的數據集，這套整合式工作流程旨在消除傳統的處理瓶頸，為操作人員提供在邊緣端驗證與再訓練模型的工具。

原文來源： 查看原文