
讓無人機少講一點話,它們圍堵野火的成績反而變好。
論文模擬裡,一架無人機飛離火線,身邊 5 × 5 格的溫度圖找不到火,只能在沒什麼可撲滅的地方遊蕩,遲遲找不回火場。
兩架無人機在燒了一半的森林上空,短暫進入彼此的通訊範圍。它們沒有交換影像,也沒有回報座標,只各自丟給對方十筆資料。每一筆記的是某一步往哪個方向飛、當下量到的溫度、拿到幾分,以及下一步的處境變成什麼樣。交換完就散開,回到聽不見對方的距離外。
這一幕只發生在練習階段。正式出任務時,這群無人機彼此完全不通訊。
這是英國克蘭菲爾德大學(Cranfield University)四位研究者設計的實驗,2026 年 7 月發表在期刊《Drones》。他們想知道,一群各自學習的滅火無人機,如果讓它們多分享一點經驗,擋住野火的表現會不會比較好。
實驗跑完,擋火成績最好的,是通訊距離限制最嚴(10 格)的那一組。
克蘭菲爾德大學用強化學習教無人機滅火
這群無人機的飛法,沒有人事先寫好。它們用的是強化學習:讓電腦自己反覆嘗試,做對了加分,做錯了扣分,練久了就會傾向做出能拿高分的動作。
讓好幾個學習者同時練,叫多代理人強化學習。代理人是一個會自己做決定的程式,在這個實驗裡,每架無人機各是一個代理人。
作者指出,過去用這種方法研究野火滅火,常做兩個簡化。第一,火勢太乾淨,從起火點往四面均勻擴散,像一個慢慢變大的圓。第二,所有無人機共用一份經驗紀錄、共用一套策略,整群其實只有一個大腦在學,這叫集中式。這兩個簡化讓模擬成績好看,卻很難搬到真實火場。
這篇研究兩邊都改。火勢做得更像真的,學習也改成去中心化,每架無人機有自己的經驗紀錄、自己的策略,各學各的。
風向讓 100 × 100 方格森林的野火不再是圓
森林是一張 100 × 100 的方格圖。每一格有一個代表植被多寡的數值,茂密的地方連成一片,稀疏的地方也連成一片。稀疏區在模擬裡就像天然的防火線,火燒到那裡會變慢,甚至斷掉。
每一格只有三種狀態:還沒燒、正在燒、燒完了。正在燒的格子有機會點燃旁邊的格子,植被越密越容易燒起來。燒完的格子不會再傳火。
這次新加進來的是風。火往順風的方向比較容易燒過去,逆風就比較難。風速照真實野火的紀錄來設定,風向每一回合隨機決定,同一回合裡還會小幅飄動。一回合就是一場從起火開始的模擬火災。
火的樣子因此變得很多種。它可能順著風拉成細長的一條,可能整片偏向一側,也可能碎成好幾道互不相連的火頭,甚至在無人機找到它之前就衝到邊界。對還在亂飛摸索的無人機來說,能撞上火線、從中學到東西的機會少了很多。
每架無人機只看得到身邊 5 × 5 格的溫度
環境變難,無人機能看到的東西也被砍掉一大半。
先前的集中式版本裡,無人機知道隊友的精確位置,也看得到整片森林的火勢。新版全部拿掉。每架無人機只看得到以自己為中心、5 × 5 格範圍的溫度。另外它還知道起火區大概在哪個方向、多遠,附近有沒有隊友,當下的風速風向,以及自己的位置和這一回合過了多久。
風速風向給了,風怎麼帶動火勢卻沒告訴它。無人機得自己從經驗裡摸出來。
能做的動作很簡單,每一步往周圍八格之一移動。滅火是自動的,正在燒的格子只要落進無人機的撲滅範圍,就會熄掉,不再點燃旁邊的格子。每一回合開始時,五架無人機隨機出現在森林邊緣。
撲滅一格火,馬上加分。往溫度高的方向飛,也有一點分數。回合剛開始時,朝起火區前進會加分。隊友靠太近會扣分,火頭逼近邊界也會扣分。等回合結束,再看火有沒有被擋住,發一筆全隊平分的獎勵或懲罰。
研究者用「圍堵」當成績,也就是火有沒有燒到森林邊界。他們沒有用燒掉多少面積來算。在這麼多隨機變化的環境裡,燒得少可能只是那場火本來就弱,或剛好被風吹進稀疏區,跟無人機做了什麼無關。
SUPER 經驗分享:只傳出乎意料的經驗給隊友
各學各的,學得很慢。研究者因此加了一套叫 SUPER 的選擇性經驗分享。
每架無人機會替自己的經驗排順序。實際結果跟它原本預期差最多的那幾筆,最值得學,排在最前面。分享時只挑排名前面的少數幾筆送給隊友,不送整份經驗紀錄,也不送自己的策略。
研究者比了三種設定。第一種不設限,全隊每 10 回合共享最多 100 筆高價值經驗。另外兩種規定兩架無人機要靠得夠近才能配對,配對成功時各給對方 10 筆,距離分別限在 20 格和 10 格以內。
這些交換只發生在練習期間。正式測試時,每架無人機只靠自己看到的那一小塊飛。
每組五架無人機,練 5,000 回合。之後各挑練習期間表現最好的版本,跑 1,000 場火來測試。
通訊限 10 格擋下 41.1% 野火,不設限 26.5%。
| 通訊設定 | 火被擋住 | 火燒出邊界 |
|---|---|---|
| 不設限分享 | 26.5% | 73.5% |
| 20 格半徑 | 33.3% | 66.7% |
| 10 格半徑 | 41.1% | 58.9% |
練習期間的分數也是同一個順序,10 格那組最高,不設限那組最低。
作者認為可能的原因是,不設限分享時,某幾架無人機或某幾段飛行經驗會一再流進全隊的紀錄,大家最後都在一批很相似的資料上練習。限制距離之後,交換變成一次次零散的兩兩相遇,誰跟誰交換,要看當下誰剛好在附近。每架無人機的紀錄因此保有比較多變化,碰到沒見過的火,表現看起來也比較好。這個解釋作者沒有另外做實驗驗證。
通訊 10 格組仍有近六成野火燒到邊界
10 格通訊半徑那組,是三種通訊設定裡成績最好的,1,000 場火裡仍有 589 場燒到邊界。它撲滅的火也最多,平均撲滅約 27.0% 正在燒的格子,不設限那組約 17.5%。10 格的無人機確實比較願意跟火正面接觸。
作者接著說明,撲滅得多,圍堵策略不一定好。他們翻出無人機的飛行紀錄,找到兩種一再出現的失敗。
無人機學會追火,沒學會圍堵野火。
第一種失敗是追火。
論文附的飛行軌跡圖裡,一架無人機貼著火線一路跟,沿途撲滅不少格子。照計分方式,這樣做很合理,撲滅一格就馬上拿到分數。要圍堵,無人機得先猜火頭會往哪走,提早繞到前面守住。做對這件事的獎勵,要等回合結束才拿得到,還要五架平分。每一架的選擇單獨看都說得通,整隊卻擋不住火。
第二種失敗是迷路。
每架無人機主要靠身邊 5 × 5 格的溫度決定往哪飛。論文模擬裡,一架無人機飛離火線,身邊 5 × 5 格的溫度圖找不到火,只能在沒什麼可撲滅的地方遊蕩,遲遲找不回火場。
作者建議,未來可以讓無人機在特定狀況發生時才通訊,或發出有限的全區警示,或讓它們自己學出傳遞訊號的方法,目的是讓走散的成員找回任務,又不必回頭要求隨時完整通訊。
野火圍堵率:拿掉風 46.9%、9 架無人機 51.0%
研究者另外做了兩組對照,每次只改一個條件。
第一組把風拿掉,其他照 10 格設定重新訓練。圍堵率從 41.1% 升到 46.9%。風確實讓任務變難,但拿掉之後仍有一半以上的火擋不住。沒有風的時候,一回合可能拖得比較久,燒掉的面積也可能更大。
第二組把無人機從 5 架加到 7 架、9 架,圍堵率是 41.1%、48.0%、51.0%。顧到的範圍變廣有幫助,但機隊將近翻倍,只換到十個百分點。作者也提醒,無人機變多,每次分享的經驗筆數跟著變多,交換如果太頻繁、內容太重複,分享的效果可能被稀釋掉。
克蘭菲爾德團隊自己列出的模擬限制
作者的結論是,限制通訊範圍的經驗分享讓學習變好,圍堵表現卻仍然有限。他們認為原因出在圍堵成功的獎勵很少出現、又要等回合結束才拿得到,每架無人機只看得到一小塊,以及隊友之間配合不起來。簡化過的模擬環境,也可能讓團隊配合看起來比實際好。
這套模擬的方格圖是平的,沒有地形高低、燃料乾濕、局部天氣。風被當成整片森林都一樣。通訊範圍內被當成完全可靠,不會斷線或掉資料。無人機的定位被當成完全精準,也不用管電池和滅火劑用完。方格的大小不對應任何真實距離,飛行高度沒有模擬,跟有人駕駛的滅火飛機怎麼共用空域也沒有討論。
這批無人機常常追著眼前的火撲滅,因為撲滅一格就能馬上拿分。作者把這歸為獎勵沒有對準圍堵,往後的無人機群要擋住野火,獎勵設計、通訊機制,以及無人機掌握火場全貌的能力,都得往促成圍堵的方向改進。
製作方式:初稿由 AI 依來源資料整理,Skyfaring 編輯校正後發布。
站內延伸
無人機研究:技術情報月報
民用與軍用論文同頁切換,依中國、非中國、台灣分組,看各子主題的活躍度與走向,每月更新。
相關文章
烏克蘭 DELTA 系統是什麼?前線影片怎麼練出 AI 無人機?
烏克蘭國防部說,2026 年到 9 月為止烏軍擊落逾 35 萬架俄軍無人機,每一次命中都錄進 DELTA 作戰系統。這套系統每天收進逾 7.5 萬路戰場影像,也是一份 500 萬幀標註資料集的主要來源,用它訓練的 AI 認出一台敵方裝備只要 2.2 秒。9 月 25 日,英國成為第一個加入這個訓練平台的國際夥伴,但一幀影像也帶不走。
烏克蘭前線靠聲音偵測無人機,能拿來訓練的樣本只有 1.1 小時。
烏克蘭聲學偵測公司 Zvook 與基輔理工的研究者,用戰場實錄的音檔訓練小型無人機偵測模型。目標類別在訓練集裡只有 441 段,只拿這批資料訓練,模型幾乎一律不報;補進通訊塔上的六萬多段錄音之後,兩支麥克風之間的差異又成了新問題。
一台玩具等級的無人機,已經開始有能力暗殺特定的人。
一台在市面上當玩具賣的 DJI Tello,沒有深度感測器、沒有 GPS、機上算力也很有限。一支羅馬尼亞軍事技術學院的團隊,只用開源模型和一面 3D 列印的斜鏡,就讓它自己找到人、認出臉、沿著地上的線飛。
烏克蘭怎麼讓無人機在看不完的戰場直播裡,記住每一台軍車?
前線上空塞滿偵察無人機,影像多到沒人看得完,畫質又被雲端壓縮得模糊。一支烏克蘭國防部團隊用單幀標注訓練出一套即時追蹤法,讓機器在低幀率的空拍畫面裡,靠著車輛周圍的地景,認出那是不是同一台軍車。