烽火问鼎计划 美国海军研究生院 (NPS) 正在开发 AI 解决方案，以实现利用高能激光进行自动无人机防御。研究人员使用了配备四块 Tesla V100 GPU 的 NVIDIA DGX 工作站，AI训练使用了深度学习卷积神经网络，分别使用CG生成的10万张图片和实拍的7万余张照片组成的数据集对AI进行训练，实拍图片包括具有不同背景、太阳强度、湍流的自然环境，基于不同的数据集配置，研究人员训练了三种 AI 模型并进行比较，以确定哪种表现最佳。第一种模型仅使用CG图片数据集，第二种模型同时使用CG图片和实拍图片，第三种场景仅使用实拍图片，总体而言，测试显示仅使用实拍图片数据集训练的 AI 模型表现最佳，产生的错误最少。 每天认识一件兵器
MD一等人正在开发和测试几台“激光武器系统”（LWS），LWS 发射成本低，但建造成本高，但一旦建造完成，它就可以持续发射，每次发射只需几美元。不过目前一等人的LWS的部分瞄准操作还需要人工介入：
[星星]目标探测：首先，雷达系统检测到敌方无人机的存在，并将目标信息传递给激光武器系统。
[半星]目标跟踪：LWS 操作员使用红外传感器（具有宽视场）开始对无人机进行跟踪。随后，利用高能激光（HEL）望远镜的高倍率和窄视场继续精确跟踪，同时通过快速转向镜保持对无人机的锁定。(这部分可以利用图像识别自动化)
[空星]目标识别与瞄准：操作员通过视频屏幕观察远处的无人机图像，将其与目标参考进行比较，以识别无人机类型并确定其特定的瞄准点。不同类型的无人机具有不同的特征，其瞄准点是该型号无人机最易受激光打击的部位。
[星星]姿态判断与射击：操作员需要确定无人机相对于 LWS 的姿态，以准确定位瞄准点。通过观察屏幕上的无人机图像，操作员确定激光武器的瞄准位置，然后发射激光束。
[半星]瞄准点保持：完成以上这些准备工作后，操作员还不能像操作动能武器系统（如防空炮或拦截导弹）那样，简单地将十字准星移动到屏幕上的瞄准点并按下发射按钮。尽管激光以光速传播，但它们并不像科幻电影中那样瞬间摧毁无人机。要使无人机被加热到足以造成灾难性损坏，激光必须持续发射。但有一个问题。激光束必须持续保持在同一个点上。如果无人机转向而激光束没有调整，最初瞄准的点将不再被加热。激光束现在击中的任何新点都会开始加热，但这可能不是瞄准点。如果无人机不断移动，那么如果不持续重新瞄准，激光束将在其表面游走。在这种情况下，激光的能量将分布在一个大区域，而不是集中在一个点上，需要更长时间才能摧毁目标。而持续将激光束发射到一个点的过程称为瞄准点保持。
需要注意的是，LWS 与无人机之间的距离以及大气条件可能会影响图像质量，使得目标识别和瞄准过程更加具有挑战性和耗时。并且由人类操作员执行，这些步骤可能非常耗时，尤其是在面对大量无人机群时。再加上敌方导弹和火箭以高超音速飞行的挑战，建立适当防御的努力变得更加复杂和紧迫。
未来AI模型投入使用后，LWS将根据雷达提示开始跟踪，并使用姿势估计自动选择瞄准点。LWS的跟踪系统将是半自动的。因此，操作员将只负责监督跟踪系统，并决定是否开火，而不是手动控制跟踪系统，使得LWS评估和消灭敌对无人机的能力大大增强。
除了LWS，AI也能用于其他武器的光学跟踪系统。当舰载防御系统可能受到大量无人机、导弹和火箭的威胁时，确定敌我和应对敌对威胁的效率的提高可能会改变游戏规则，加快决策优势。
