眼神指挥无人机,揭秘Anduril和Meta的美军AR眼镜
查看引用/信息源请点击:technologyreview
看哪炸哪
(映维网Nweon 2026年05月19日)Anduril和Meta竞标推进美国军用AR头显项目已有一年时间。根据《麻省理工科技评论》,团队日前披露了原型机的关键细节。例如,士兵未来或许只需动动眼睛、说出指令,就能调度无人机实施打击。

在加入Anduril担任副总裁之前,项目负责人奎伊·巴内特曾在美国陆军特种作战司令部服役。他表示,自己的根本目标是优化“人即武器系统”。换句话说,团队希望无人机和士兵能够协同观察、无缝共享信息,并作为一个整体做出决策。
实际上,Anduril正在推进两个这样的项目。第一个是美国陆军的Soldier Born Mission Command(SBMC)项目,原型设计合同价值1.59亿美元,目标是与Meta合作开发可附加到现有军用头盔的增强现实眼镜。
但Anduril同时启动了一个资金自筹的“支线任务”。团队将设计一款名为“鹰眼”的组合系统。这并非军方要求,但Anduril坚称军方最终会青睐并采购它。
目前来看,这两个系统都尚需数年时间。例如,SBMC项目的预计投产日期需要等到2028年,而且前提是美国陆军最终能选定一个方案。但巴内特向《麻省理工科技评论》透露了Anduril两款原型的研发方向。
根据情况不同,两款原型的眼镜都会在士兵的视场中叠加特定信息。这可能是简单如一个指南针,或可能是复杂如整个区域的地图、附近无人机飞行信息、由人工智能驱动对卡车等目标的识别等等。
然后,士兵可以用通俗语言与界面对话,例如为伤员安排撤离,或考虑到禁入区域来规划路线。一个大语言模型将用于帮助将士兵的语音转化为软件可执行的命令,而Anduril正在测试谷歌的Gemini、Meta的Llama,甚至包括Anthropic的Claude。这一切的引擎将是Anduril的Lattice软件,它可以把来自众多不同军事硬件的数据整合成一幅完整的画面。实际上,欸过陆军已于今年3月宣布,将投入200亿美元将Lattice与其几乎所有基础设施进行集成。
巴内特团队负责设计的头显可以帮助士兵执行多步骤任务。士兵可以派遣一架无人机监视某个区域,并指示其在发现类似炮兵部队的目标后返回;随后系统会推荐行动方案,例如派遣附近无人机进行打击。如果一切按计划进行,操控系统甚至可能不需要语音,士兵可以通过眼动追踪和细微的轻触动作进行交流。
至少构想是这样。巴内特表示,早期原型已经可以实现,但尚未有可供美国陆军大规模测试的版本。相关零件已于三月开始到位。
兰德公司高级政策研究员、前美国海军陆战队员乔纳森·黄表示,这对本就深陷信息过载的士兵而言负担非常重。这两个智能眼镜项目都旨在创建一个简洁的界面,在正确的时间只呈现正确的信息。但如果这款产品消耗的注意力比节省的还多,士兵们就会拒绝使用:“你有多大的脑力带宽来支持,既保持对周围环境的警觉,又以你和团队能表现更好的方式来操作这项技术?”
他回忆起自己担任排长的时候,有一台同时在三频道运行的无线电:“一旦有两个人同时在不同频道说话,我立刻就什么都听不懂了,而且我可能顾不上注意周围环境。我认为人的接收能力是有限度的。”
巴内特表示,理想情况下,智能眼镜可以缓解这种信息过载。Anduril的策略是在用户快速获取必要信息的方式上进行创新。语音命令和眼动追踪就是所述策略的一环。但乔纳森·黄认为,即使技术全都可行,要判断系统对士兵是否真正有用,可能尚需要数年的实地测试。
这样的系统将标志着士兵对非完美人工智能系统的依赖程度显著升级。尽管用于识别物体的计算机视觉模型早已获得军方采用,而且聊天机器人已进入伊朗战争中的决策环节,但相关技术尚未普及到大多数前线士兵。一个负责识别威胁并建议打击行动的智能眼镜系统,将带来巨大的新错误风险。
Anduril并非唯一竞相开发作战智能眼镜的公司。专注于军用可穿戴传感器的Rivet同期获得了一份1.95亿美元的原型设计合同。
对于Anduril的两款原型产品,团队正在测试一种新的数字夜视系统,利用电子传感器和算法来增强微弱光线。实际上,这是一项在过去数十年来只闻其声的技术,因为运行速度太慢而无法实用,并且图像颗粒感强。Anduril表示,通过结合新型生成式人工智能和机器学习技术,他们已经比之前的原型取得了改进。
对于美国陆军的项目,智能眼镜、夜视仪和传感器将附加到士兵已有的头盔和其他装备,并配有一个独立的电池组。“鹰眼”版本则会将技术集成到头盔本身。巴内特指出,即便美国陆军最终不倾向于选择“鹰眼”,Anduril都会尝试向外国军队销售系统。
当然,项目依然有多个挑战需要克服。与Meta的AI眼镜不同,原型必须在充满灰尘、爆炸和烟雾的环境中运行。增加所需的计算能力和电池续航则意味着要增加重量,而士兵们目前已经背负着超过100磅(约45公斤)的装备。另外,这项技术必须在没有普遍5G蜂窝网络的环境中工作,同时强大的计算机视觉和人工智能模型需要在设备本地运行。
乔纳森·黄指出,要让美国陆军愿意大规模采购,“它必须能行得通,而且必须相当无缝。这是一个非常高的门槛。”

