Дрони НАТО отримали автономний штучний інтелект

Системи штучного інтелекту для безпілотників поступово переходять від експериментальних розробок до практичних випробувань. Одним із таких проєктів стала технологія шведської компанії Scaleout Systems, яка дозволяє запускати компактні моделі комп’ютерного зору безпосередньо на борту безпілотника та продовжувати їхню роботу навіть за відсутності стабільного зв’язку з командним центром.

Scaleout Systems була заснована дослідниками Уппсальського університету. Компанія спочатку працювала над машинним навчанням для комерційного транспорту, однак після початку повномасштабної війни в Україні у 2022 році переорієнтувала значну частину розробок на оборонні технології. У 2025 році Scaleout стала учасником програми NATO DIANA.

Як працює автономний ШІ

Замість великих моделей штучного інтелекту, для роботи яких потрібні потужні сервери, розробники використовують компактні алгоритми комп’ютерного зору. Вони можуть працювати на обмежених за продуктивністю процесорах, встановлених безпосередньо на безпілотниках або польових обчислювальних вузлах.

Це дозволяє обробляти відео та дані сенсорів без постійної передачі інформації на віддалений сервер. У результаті система може продовжувати працювати навіть тоді, коли зв’язок із центральною інфраструктурою перерваний.

Такий підхід особливо важливий в умовах радіоелектронної боротьби, коли канали зв’язку можуть бути нестабільними або навмисно придушуватися. Scaleout описує свою платформу як систему, здатну виконувати розпізнавання та локальне навчання навіть за відсутності постійного підключення.

ШІ може навчатися без центрального сервера

Однією з ключових особливостей технології є використання федеративного навчання. За такого підходу дані не обов’язково потрібно передавати до єдиного центру. Окремі вузли можуть навчати локальні моделі на власних даних, після чого передавати результати навчання до загальної системи.

Це дає змогу враховувати особливості конкретної місцевості та умов роботи. Наприклад, модель, яка спочатку навчалася на одних типах ландшафту, може адаптуватися до нових умов без необхідності передавати весь масив відеозаписів у центральний дата-центр.

Після відновлення зв’язку локальні оновлення можуть синхронізуватися з центральною системою. Таким чином, окремий обчислювальний вузол отримує можливість навчатися автономно, а накопичені зміни згодом можуть бути передані іншим елементам мережі.

Випробування безпілотника ALMA

Технологію Scaleout Systems використали в межах проєкту ALMA — Affordable Loitering Modular Ammunition, який очолює BAE Systems Bofors. Концепція передбачає створення недорогого автономного баражувального боєприпасу.

Під час демонстрації у Швеції в січні 2026 року безпілотник за допомогою бортового ШІ зміг самостійно виявляти потенційні загрози, ідентифікувати їх та визначати координати. Обробка інформації відбувалася безпосередньо на борту, без необхідності передавати відео на зовнішній сервер.

У ході випробування система виявила кілька об’єктів і визначила броньовану інженерну машину як пріоритетну ціль відповідно до заданого сценарію. Після цього безпілотник самостійно попрямував до обраного об’єкта.

При цьому людина все одно могла контролювати безпілотник та втручатися в його роботу. Особливість демонстрації полягала в тому, що безпосередня команда оператора на вибір конкретної цілі не була потрібна — відповідне рішення в межах заданої місії система прийняла самостійно.

Система продовжує працювати без зв’язку

Ще одне випробування відбулося у червні 2026 року на авіабазі шведських ВПС в Уппсалі. Там розробники перевіряли, чи зможе система продовжувати роботу після втрати зв’язку між польовим обчислювальним вузлом і центральною лабораторією.

Під час демонстрації локальний вузол продовжив виконувати розпізнавання та процеси активного навчання після розриву з’єднання. Коли зв’язок відновили, накопичені оновлення моделі були синхронізовані з центральною системою.

Такий принцип може бути особливо корисним для безпілотних систем, які працюють у середовищі з нестабільним зв’язком, обмеженою пропускною здатністю або активним радіоелектронним протистоянням.

Чому використовують невеликі моделі

Для роботи на безпілотнику немає можливості використовувати такі самі обчислювальні ресурси, як у великому дата-центрі. Саме тому Scaleout Systems робить ставку на компактні моделі комп’ютерного зору, які можна запускати на невеликих бортових процесорах.

Перевага такого підходу полягає не лише в автономності. Обробка інформації безпосередньо на пристрої також зменшує залежність від каналів передачі даних. Відео з камери не потрібно постійно передавати на центральний сервер для аналізу.

За концепцією Scaleout, окремі безпілотники та наземні вузли можуть формувати розподілену систему, у якій кожен елемент здатний виконувати локальні обчислення та навчання. Згодом отримані оновлення можуть використовуватися всією мережею.

Технологія для роботи в складних умовах

NATO DIANA приділяє значну увагу автономним і безпілотним системам, здатним працювати в умовах обмеженого зв’язку, перешкод та інших факторів, що ускладнюють використання традиційної інфраструктури. Саме такі сценарії визначені одним із напрямів програми Альянсу у сфері автономних систем.

Розробка Scaleout відповідає цій концепції: частина обчислень переноситься безпосередньо на край мережі — ближче до джерела даних. У випадку безпілотника це означає, що камера, процесор і модель штучного інтелекту можуть працювати як єдина автономна система.

Водночас проведені демонстрації не означають, що всі військові дрони країн НАТО вже оснащені подібними системами. Йдеться про випробування та розвиток окремих технологій у межах оборонних проєктів і програм інновацій. NATO DIANA продовжує підтримувати розробки автономних систем, здатних працювати у складному та нестабільному середовищі.

Що дає федеративне навчання

У перспективі федеративне навчання може дозволити різним підрозділам або країнам обмінюватися результатами роботи моделей без необхідності передавати весь масив первинних даних. Це особливо важливо для військової розвідки, де відео та інші сенсорні дані можуть мати обмежений доступ.

Scaleout зазначає, що за такого підходу локальні системи можуть навчатися на власних даних, а після синхронізації передавати отримані оновлення іншим вузлам. Теоретично це створює можливість для формування розподіленої мережі ШІ, яка поступово адаптується до нових умов роботи.

Подальший розвиток таких технологій залежатиме від результатів випробувань, вимог безпеки та рішень військових замовників. Але сам принцип перенесення штучного інтелекту безпосередньо на безпілотник уже демонструє, як автономні системи можуть працювати навіть тоді, коли постійний зв’язок із центром недоступний.