主題
AI自動駕駛 相關的無人機與低空經濟報導
美國聯邦航空總署6月22日正式宣布，將一份12年期、總值8.75億美元的航空交通管理軟體合約授予波士頓新創公司Air Space Intelligence（ASI）。該合約涵蓋FMDS（航流管理數據與服務）系統及SMART（空域、航路與軌跡策略管理）功能，預計秋季初步上線。ASI因已有Flyways AI軟體在Alaska Airlines、Delta與United等航司的實際運營中而勝出，擊敗傳統大廠Palantir與Thales。此舉對無人機視距外飛行的規模化營運具關鍵影響，因為大規模BVLOS作業須仰賴能提前數小時預測空域衝突的系統。
來源：DroneXL
美國陸軍指揮參謀學院在2025年度學年進行創新實驗，以Vantage平台的大型語言模型扮演虛擬上級指揮部角色。61名學員代表第25步兵師參謀進行兩週模擬演習，AI負責提供實時戰損評估、情蒐更新與目標打擊建議。實驗成功解決高層控制組（HICON）人力資源有限的問題，使參謀能在自主時程內重複訓練。然而研究也指出，LLM容易產生「幻覺」與激進傾向，若過度依賴可能削弱軍事專業判斷力，因此強調須搭配人工監督與教義驗證。
來源：Small Wars Journal
加州爾灣市警察局的「無人機首發響應」（DFR）計畫於6月成功追蹤並逮捕一名沃爾瑪竊嫌。該計畫由爾灣市耗資200萬美元建置即時犯罪中心，整合超過1,000支監視器、車牌辨識與無人機即時影像串流，與Flying Lion公司合作營運。預先部署在高樓屋頂的無人機可在數分鐘內起飛應警，相比傳統空中支援大幅提升響應效率。系統自上線後財產犯罪與暴力犯罪均下降雙位數，但隱私與透明度問題仍待解決。
來源：DroneXL
麻省理工學院研究團隊以拓撲優化技術開發新型電腦模型，可將橋梁與建築用材減少最多90%。該系統融合數位設計與施工實務，支援多材料混搭，並於紐約水牛城附近的Lockport橋梁完成實證。研究人員指出，透過策略性選用木材降低碳排放，再以鋼材補強關鍵部位，可在三項目標——成本、碳排與施工性——間取得平衡。
來源：Interesting Engineering
美國明尼蘇達州聖保羅警察局的無人機首響應（DFR）計畫自5月30日啟動後，四週內完成472架次任務，已超越該局2025年全年436架次的巡邏飛行記錄。該計畫在三個巡邏分區各部署一台Skydio X10無人機，由屋頂停機坪自動起飛，90秒內可抵達轄區任何地點。14名警員組成的即時資訊中心24小時監看，負責派遣決策與座標傳送。計畫上線初期已協助定位33人、促成36件逮捕，明尼蘇達州已成為美國最活躍的DFR聚落，Minnetonka、Brooklyn Park、Bloomington等城市均採用Skydio系統。
來源：DroneXL
MBDA於巴黎Eurosatory國防展推出FastTrack AI輔助任務規劃系統，將巡弋飛彈航路規劃從傳統數小時甚至數天大幅縮短至數分鐘。系統整合敵方防空情資、地形與氣象資料，自動評估數千條可能航路，並提供「匿蹤指數」預估飛彈規避敵方感測的時間比例。展示中納入消耗型無人機「Deluge」協同規劃，成功將困難任務成功率從50%提升至80%以上。
來源：Interesting Engineering
前美國空軍部長肯德爾在新書節錄中深析自主武器禁令的實踐困境。他指出，自主武器系統與傳統核武、化學武器不同，其關鍵能力隱含於軟體與AI模型，幾無法透過國際檢查驗證。加上「自主武器」定義至今無共識，各級自動化程度難以界定，導致任何條約框架形同虛設。在大國競爭時代，美中俄均積極發展自主武器，各國皆懼怕單邊放棄帶來戰略劣勢，使多邊談判陷入僵局。肯德爾的分析為國際社會如何在技術現實與道德責任間平衡，提出關鍵省思。
來源：Breaking Defense
美國陸軍空中突擊旅近期完成的AI工具評估報告指出，目前主流的大型語言模型（LLM）因本質上基於文字運作，對三維空間的感知與推理能力嚴重不足，因此不適合用於戰術規劃。空中突擊旅上校Ryan Bell強調，戰術層級的行動方案制定需要精確掌握地形、高度、飛行路徑及立體態勢，而現有生成式AI無法勝任此類需求。該評估凸顯軍事AI整合過程中，技術能力與實戰需求之間存在顯著落差。
來源：Breaking Defense
美國海軍研究實驗室（NRL）科學家成功展示創新雙用途雷射系統，具備遠距無線電力傳輸與反無人機作戰的雙重功能。該系統由美國陸軍採購與維持次長辦公室贊助，平時作為電力光束傳輸工具，為遠距接收端無線供電；一旦發現威脅，可迅速轉換為反無人機（C-UAS）防禦模式。此整合型設計不僅解決遠征部隊的電力補給困難，更提升了部隊在複雜戰場環境下的自持能力與應變反應速度，代表美國在定向能武器與無線電力技術整合的重要突破。
來源：UAS Vision
美國研究機構發表最新成果，指出機器人毋需依賴大量高精度數據即可習得精密操作任務。透過粗略示範教學方式，機器人在真實應用中的效能較傳統方法提升四倍。此突破有望降低機器人系統導入門檻，推動製造業、醫療產業及服務業的自動化升級，標誌著機器人訓練方法的典範轉移。
來源：Tech Xplore Robotics
澳洲阿德萊德大學研究人員開發出受蜜蜂與螞蟻啟發的群體機器人系統，利用「群體智慧」概念讓多台機器人在無中央指揮的情況下完成複雜協作任務。該系統可在危險或難以進入的礦坑環境執行探勘、挖掘與監測工作，降低工安事故風險。群體機器人具高度彈性與容錯能力，即便部分機器人故障仍能持續運作，同時透過精準作業與智慧資源調配減少環保衝擊。研究團隊預期未來將此技術實際導入採礦現場。
來源：Tech Xplore Robotics
Patronus AI完成5000萬美元融資，該公司由前Meta AI研究員創辦，致力開發對AI代理進行壓力測試的「數位世界」模擬平台。隨著企業加速導入AI代理技術，驗證自主系統行為的可靠性已成產業急迫需求。投資方表示該公司面臨市場需求遠超預期的成長，融資將用於擴展產品功能與團隊規模。
來源：TechCrunch