无人机自动补给人工智能机器学习算法开发

无人机战场供电难题：自动充电技术如何破解续航困局？

美军对空中无人机的依赖日益加深，尤其是在监视与侦察任务中，一个现实挑战随之凸显：电池能量终将耗尽，续航能力直接制约了作战半径与任务可靠性。简言之，若无人机飞行中途必须返航更换电池，甚至因电量耗尽而被迫“趴窝”，即便配备再先进的侦察设备也难以发挥作用。

针对这一难题，美军正探索一项富有创意的解决方案——利用陆基自动驾驶车辆为前线无人机提供移动充电。通俗来说，就像派出“移动充电宝车”，使小型无人飞机系统（sUAS）能够自主降落并与无人地面车辆（UGV）对接，完成无线充电，从而持续执行任务。

美国陆军作战能力发展司令部（CCDC）陆军研究实验室（ARL）正携手伊利诺伊大学芝加哥分校，推进一项为期四年、总额800万美元的合作项目。其核心目标是开发关键的推进动力技术，为未来无人机系统提供更可靠的能源保障。

该项目的重点方向之一，是研发人工智能/机器学习（AI/ML）算法，使sUAS能够自主规划最优返航路线，精准降落在UGV上完成充电。军事领域引入AI/ML，根本原因在于需要实现对无人机返航路径的完全自主控制，从而真正延长其作战半径与任务时长。

项目经理Mike Kweon博士指出，当前瓶颈显而易见：采用现有电池技术的sUAS，可飞行时间大约只有26分钟。这意味着，若执行稍长任务，士兵必须携带成千上万块备用电池才能满足需求——这在实战环境中几乎不具备可行性。

Kweon直言：“如果不能解决能源供应问题，人工智能和机器学习所带来的所有其他先进技术，对陆军而言都毫无意义。战场上，我们根本没有条件为数百架无人机逐一更换电池，更别提花费大量时间充电。”

小型无人机的自动充电方案

目前，研究人员正在评估多种充电选项，并已开发出数种AI/ML算法，帮助像四旋翼飞行器这类小型无人机规划最佳路径、实时监控并优化电源管理。

具体来说，工作流程如下：小型无人机配备电池电量传感器，根据剩余电量依次亮起三盏LED灯（绿、黄、红）。绿灯代表电量充足；当电量降至最佳水平以下时，黄灯亮起；红灯则表示无人机即将在几秒或几分钟内断电。

一旦电池电量低于最佳状态，无人机便会自动下降，悬停在UGV的充电端口上方，开始无线充电。研究人员还利用光谱诊断、数据科学等先进技术，开发配套传感器与控制系统。

关于同时能有多少架无人机在一个UGV上进行无线充电，Kweon解释说：“这完全取决于平台外无线功率传输技术的实际能力。所谓平台外充电，是指sUAS可以脱离自身平台，依靠UGV完成充电。充电距离本身也是设计时的重要参数。”

值得关注的是，团队正在针对不同任务场景下的多架UAS进行运行影响分析，以便更精准地规划充电时机。在充电方式上，短期方案是采用改进型锂离子电池，力争在六分钟内实现快速充电。

这类无人机将主要搭载用于情报、监视和侦察（ISR）的摄像头——这是美军小型无人机最常见的任务类型——同时也能承担救援任务。所有采集到的图像数据都会回传至指挥控制系统，供决策者进行态势感知与评估。

至于UGV，它们属于小型多功能运输工具（SMET），配置上“将由发动机或混合动力系统提供推进动力”，并配备充电板。Kweon表示，关于UGV的更多具体细节暂不便公开。

AI/ML算法如何运作？

研究团队正在并行开发多种AI/ML算法。伊利诺伊大学芝加哥分校主导的算法，侧重于寻找前往UGV的最佳（即最短）充电路径。该算法采用无监督学习，能够自主收集路线数据，并在无人干预的情况下从中学习经验。

Kweon负责的项目同时涵盖能源与电源管理，自动充电正是其中的组成部分。路由算法的逻辑也将类似地应用于能量与功率管理算法。

“能量/电源管理算法会包含多个子模型，”Kweon介绍，“核心目的是持续监控电池电量水平；同时结合任务概况、环境条件等因素，预测任务所需的能量和功率；最终与无人机通信，找到最佳充电时机和最经济的返航路线。”

他强调，算法的准确性至关重要，既关系到任务能否有效执行，也关乎能否避免飞行资产损失。

“这些算法最终将被编程并集成到广泛的自主堆栈中，以实现真正的自主运行，”Kweon说道。

此外，ARL还在研发支持AI的避障算法——当无人机遭遇鸟类或其他飞行物体撞击时，能够自动调整飞行姿态。无人机需要在空中快速恢复原定航线，或临时规划替代路线。

陆军实验室的“机动与机动性人工智能基础研究计划（AIMM ERP）”中，另一个核心目标是为UGV开发自动越野行驶算法。

“当无人机需要充电续航时，它必须找到一条前往UGV的优化路径。而在复杂地形或有争议地带，路径规划本身就很有挑战性，”Kweon进一步指出，“无人机还需要在返航过程中，最大限度降低能源消耗。”

大型无人机的动力差异化需求

对于包括“未来战术无人飞机系统”、RQ-7“影子”以及MQ-1C“灰鹰”（中空长航时无人机）在内的大型无人机，其推进和动力需求与小型无人机存在显著差异。陆军资助的研究，将聚焦于多燃料混合动力推进系统中的燃料传感器小型化。

“实现多种燃料可靠运行的关键，涵盖点火系统、燃料输送和空气管理——这是任何发动机设计中的基本要素，”Kweon解释道，“主要区别在于，军用需求与商业或地面应用完全不同。在新材料、传感和控制方法的设计上，必须从基础物理原理入手理解。同时，这些技术需要通过行业合作加速落地。”

大型无人机将配备多燃料传感器，用于“检测进入发动机的燃料特性，使发动机能更可靠地兼容任何类型的燃料运行，”Kweon说，“与商业部门不同，陆军既要能使用喷气燃料（其着火特性从汽油到柴油不等），也要能使用国外任何当地可获得的燃料。”

Kweon强调，确保大型UAS能在任何类型的燃料上稳定运行、降低部件故障风险，是一个关键目标。“我们要确保我们的UAS在任何燃料上都能可靠运行，主要部件不能轻易出现故障，这样才能提高任务准备状态，同时减少部件故障，提升可持续性。”

从长远来看，团队的目标是开发出一种“可以实时检测关键燃料特性、独立于燃料类型的传感器”。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：无人机自动补给人工智能机器学习算法开发要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题