軍事無人機群は、自律的な戦闘における重要な発展の一つとして急速に進化しています。従来の無人機操作とは異なり、従来の無人機は単独で制御されますが、無人機群は複数の無人機が協調して作業し、情報を共有し、戦場環境に適応し、共同で任務を遂行することを目的としています。この能力において、人工知能は中心的な役割を果たし、無人機がセンサーのデータを解釈し、制限された環境でナビゲートし、任務を割り当て、他のプラットフォームと通信し、オペレーターの負担を軽減するのを助けます。以下は、軍事無人機群の実現を支える七つの人工知能技術です。
無人機群のインテリジェンスとマルチエージェント協調
無人機群のインテリジェンスは、複数の無人機が孤立した飛行機ではなく、協調した群体として機能することを可能にします。これらのシステムは、各無人機がどのように相互作用し、編隊を維持し、任務を割り当て、障害物に対処し、群体メンバーが失われた場合に適応するかを決定するために、分散型アルゴリズムを使用します。このアプローチは、鳥の群れや昆虫の群落など、自然界の集団行動から部分的にインスパイアされています。軍事研究プログラムは、この概念を深く探求しており、例えば、アメリカ国防高等研究計画局（DARPA）の攻撃的無人機群の戦術（OFFSET）プログラムでは、特に密集した都市環境において、大量の自動システムが協調して作業する方法を研究しています。
このアプローチの主な利点は、レジリエンスです。制御が複数のプラットフォームに分散されるため、単一の無人機の損失が全体の編隊を必ずしも弱体化させるわけではありません。
エッジAIと分散型機載コンピューティング
軍事無人機群は、常に遠くの指揮センターに情報を送信することに依存できません。電子戦、通信干渉、帯域幅の制限、または物理的障害が接続を中断する可能性があります。エッジAIはこの問題を解決し、無人機が機載で直接情報を処理できるようにします。AIプロセッサは、リアルタイムで画像を分析し、センサー情報を解釈し、物体を識別し、ナビゲーションをサポートすることができ、遠隔の計算インフラに継続的にアクセスする必要がありません。分散型コンピューティングは、作業負荷を複数の無人機に分散させることを可能にし、単一の中央プロセッサに完全に依存することなく、無人機メンバーは自らの機載計算能力を利用して、より広範な任務をサポートできます。
これにより、遅延が減少し、自律システムが急速に変化する戦場環境に迅速に反応できるようになります。
AI駆動のメッシュネットワークとレジリエント通信
通信は無人機群の運用にとって非常に重要です。メッシュネットワークは、無人機間で直接情報を交換することを可能にし、単一の通信センターに依存するだけではありません。各機体はネットワーク内の一つのノードとして機能し、リモートセンシング、センサー情報、位置情報、任務の更新を伝達します。制限された環境では、適応型ネットワークが特に価値があります。個々のリンクが中断された場合、通信は他の利用可能なノードを介して再ルーティングされます。アメリカ海軍は演習でメッシュネットワークの無人システムを実験しており、その際に参加する各プラットフォーム間で目標やセンサー情報を配信しています。
AI駆動のナビゲーション技術によるGPS非依存環境
GPSの干渉は、自律的な軍事システムにとって重大な課題です。敵は衛星ナビゲーション信号を干渉または欺くことができ、無人機が正確に自らの位置を特定するのを妨げる可能性があります。そのため、軍事自律システムは代替ナビゲーション技術をますます開発しています。視覚慣性測定は、カメラ画像と慣性測定を組み合わせて無人機の動きを推定します。地形相対ナビゲーションは、観測された地形を保存された地図情報と照合し、レーザー測距や他のセンサーが機体の周囲の環境を理解するのを助けます。人工知能はこれらの異なる入力を処理し、機体の位置を継続的に推定します。
これらの能力により、無人機群は従来の衛星ナビゲーションが不安定になった場合でも運用を続けることができます。
マルチセンサー融合技術
“`
現代の軍事用ドローンは、電子光学カメラ、赤外線システム、レーダー、電子戦装置など、さまざまなタイプのセンサーを搭載できます。各センサーが提供する戦場情報は部分的なものに過ぎません。センサー融合は、複数の情報源からの情報を結合し、周囲の環境に対するより有用な理解を形成します。人工知能アルゴリズムは、入力データを照合し、関連性を識別し、不必要な情報をフィルタリングし、真の脅威とバックグラウンドノイズを区別するのに役立ちます。ドローン群では、この技術の力がさらに強力であり、複数のドローンが異なる位置から同じ環境を観察できます。
これらの異なる観察角度を組み合わせることで、ドローン群は単一の航空機が独立して生成するよりも広範で正確な作戦状況を得ることができます。
人間と機械の協力および人工知能によるタスク管理
数十または数百のドローンを個別に制御することは、オペレーターにとって負担が大きくなります。人間と機械の協力は、オペレーターの役割を直接操縦からより高次のタスク管理に移行させることで、この問題を解決することを目的としています。オペレーターは各動作を指定する必要がなく、目標、地理的境界、優先順位、またはタスク制限を提供するだけで済みます。その後、自律システムは参加するドローンがどのようにタスクを割り当て、動きを調整するかを判断できるようになります。DARPAは、そのドローン群の自律研究において人間と機械の協力を探求し、比較的小規模な軍事ユニットが大量の無人システムを管理する方法を示しました。その目標は必ずしも人間を操作から排除することではなく、単一のオペレーターがますます複雑な自律編隊を監督できるようにすることです。
人工知能に基づく目標識別および脅威分類
最後に、コンピュータビジョンと機械学習は、ドローンがそのセンサーで検出した情報を解釈するのに役立ちます。人工知能に基づく識別システムは、画像やその他のセンサー情報を分析して、興味のある物体を検出、分類、追跡します。ドローン群では、複数のプラットフォームからの観察を比較できるため、1機のドローンによる検出が他のドローンによって検証または追跡されることが可能です。これにより、偵察、監視、脅威警報、戦場意識が向上します。これら7つの技術は、ドローン群の運用方法を根本的に変え、無人航空機の集合体からますます調整された自律システムへと進化させ、知覚、通信、ナビゲーション、そしてネットワーク化された力として行動する能力を備えています。