【軍傳媒／國內軍事新聞】國防大學參與由國科會指導、成功大學主辦之「第二屆國防應用無人機挑戰賽」，透過產學交流與師生合作，強化無人機自主作戰技術之研發與應用。
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衛星導航系統（GNSS）時，同時不使用第一人稱主視角（First Person View，簡稱FPV）操作，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：
（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。
國防大學理工學院國防科學研究所所長李彥宏上校帶領的團隊，採用YOLOv8版本的物件辨識模型進行目標辨識訓練，並整合航跡運算技術在市售無人機平台上，驗證無GPS導航狀態下的目標辨識及定位能力。
在無GPS信號的情況下，無人機必須透過其他方式獲取座標，因此國防大學使用航跡推算原理，利用已知的前一個位置移動的速度、方向與時間來推估目前的位置，並將推算資料匯入飛控電腦，讓無人機在GPS受干擾狀態下，整合導航數據，實現即時定位與飛行控制。
國防大學理工學院團隊在設計過程中，不僅針對導航及目標辨識效能進行優化，更著重於整體系統的軟硬體整合與效能平衡。透過周密的電力管理、載重分配及運算資源調度設計，使原型無人機能兼顧續航力與即時運算需求，透過本次參賽，展現了無人機平台上多模組、高整合度系統設計的重要性，並為未來國防應用中高自主性無人載具的發展奠定了基礎。
這次比賽在嘉義亞創中心舉行，目標物的位置及飛行範圍並未事先公布，考驗參賽團隊所設計的無人機在現場的反應能力，由於無GPS導引時可以運用慣性、LiDAR、視覺、光流等技術輔助航向估測，因此參賽團隊各自絞盡腦汁，國防大學甚至曾經嘗試用辨識星象太陽等方位來作為參考方向軍事上的應用除了戰時普遍的GPS干擾情況環境下，許多原本的地形地貌也可能因為戰火而被改變，另外像救災時也能發揮功用，例如像2024年4月3日的花蓮大地震，當時在太魯閣峽谷內，由於衛星導航失效，導致連土耳其的救災團隊也無法使用無人機協助尋找受難人員及確認情況，因此相關的應急處理能力必須從承平時期就開始培養，國防大學默默教導軍事院校的學生，培養年輕一代不外顯但卻至關重要的隱實力。
未來無人機的應用將脫離人工操作為主的模式，AI勢必取代有人操控，類似這種比賽其實就是訓練整合的能力，國防大學的團隊中就包括機械及航太工程學系、電機電子工程學系、資訊工程系等等，因為一台小小的無人機，要增加改變功能，各個部位的零件除了軟體要能互通、在電學上也要能整合、結構上要能平衡等，讓學生能跳脫本科系的框架學習，是很難得的機會及體驗。
