國軍導入AI新興科技　軍校無人機挑戰賽技術成果一次看

實習記者鍾弘元／台北報導

國防大學理工學院院長崔怡楓少將今（29）日於國防部記者會說明「無人機挑戰賽」技術成果。包括團隊開發無GNSS導航、AI辨識與自主飛行系統，並啟動南部培訓營深化產學合作，加速軍民兩用技術導入部隊實戰應用。

本次挑戰賽主題為「無衛星導航系統（Global Navigation Satellite System，簡稱GNSS）環境執行多目標偵蒐」，模擬無人機受到干擾無法使用GNSS，並不使用第一人稱主視角（First Person View，簡稱FPV）操作時，能於未知環境進行自主飛行與偵蒐，並獲取目標之資訊，包含數量、位置等；挑戰技術包含「無GNSS自主導航」、「自主飛行與動態路徑規劃」及「機載目標物偵蒐、AI影像辨識與定位」，本次參賽技術重點分述如下：

play_circle_outline 新北警無人機隊16分站成立　強化制空監控能力

（一）航位推算技術：在無GNSS環境下，本團隊採用Dead Reckoning（航位推算，簡稱DR）方法來估算新位置，DR是一種透過已知起點、速度、方向和時間推算當前位置的導航技術，在已知初始位置下，利用加速度計及陀螺儀取得速度及航向變化，根據這些資訊，使用理論公式可推算新位置，技術具有自主性、即時性和廣泛適用性，但存在累積誤差問題，需結合其他感測器或定期校準以提高精度。

（二）精準辨識技術：裝載Nvidia Jetson Nano微運算平台及全域快門（Global Shutter）單目鏡頭，選擇YOLOv8作為核心物件辨識演算法，並採用深度學習推理加速軟體庫TensorRT將模型進一步優化，使其能在有限算力下實現高準確度和即時性。對應比賽需求，團隊針對民用車輛、迷彩圖裝軍用車輛、油桶等目標，建立專用數據集進行訓練，增加模型對目標的辨識能力。

（三）目標定位技術：YOLO物件辨識模型會在目標物上產生邊界框（Bounding Box），用於標記和定位所檢測到的物件，結合DR及辨識技術，可將所辨識之目標進行定位。