洛克希德·马丁公司在“2025美国陆军协会”会议上发布了Sanctum反无人机系统。该系统基于现有客户基础设施的软件化反无人机层，强调开放式架构和快速的人工智能驱动传感器融合，可对威胁进行排序，并通过单个操作员显示器协调非动能和动能效应器，并在每次交战后应用学习更新。

Sanctum采用开放式模块化架构构建。它并非取代现有基础设施，而是连接到指挥所和已部署的传感器网络，从而无须全面重建即可扩展覆盖范围。模块可根据任务需求添加或移除，从固定地点的近距离保护到广域监视。其目的是围绕通用软件基准进行标准化，同时允许用户混合使用现有的第三方传感器和效应器，从而减少集成阻力并提高维护效率。

探测和跟踪层使用人工智能处理来自多个特征的实时数据，尤其是射频和光电输入。这种多源融合技术可在杂乱环境中提高轨迹关联性和识别质量，尤其是在难以识别小目标的复杂环境中。通过对威胁进行排序并滤除误报，可以缩短从首次探测到授权交战的决策时间。学习循环是连续的：每次交战后都会调整模型，以便阈值和跟踪参数能够反映威胁在战场上的实际行为。

在操作员方面，Sanctum提供单一管理平台，集中管理战术图像、传感器控制和效应器任务。操作员无须切换系统即可完成监视、警报、识别和交战，而指挥系统保留最终决定权。决策辅助工具源自实际用例，旨在提供符合标准程序而非临时工作流程的选项。

附加选项包括电子战和动能手段。在一种情况下，干扰和欺骗旨在破坏控制链路、定位或导航，使无人机无法完成其任务。在另一种情况下，当非动能效应不合适时，物理拦截器会针对小型、低特征目标。管理战斗的软件连接传感器和效应器，确定目标优先级，并在出现集群时协调分层响应。该套件旨在降低附带风险，并以足够的弹药储备维持多次交战。

该系统有三个技术要点值得注意。首先，开放式架构允许与现有指挥与控制系统逐步集成，消除对单一供应商的依赖，并简化升级。其次，射频和光电数据融合提高了对通常特征极少的小型无人机进行正确识别的概率。第三，实时模型更新会随着操作员积累经验而调整检测阈值和跟踪滤波器，这在战术和机身快速迭代的情况下尤为重要。

Sanctum解决了两个反复出现的问题。对于固定站点防御，它能够在关键节点周围建立密集的传感器网络，并根据威胁密度在轮班期间的变化分配效应器。对于机动部队，它能够在编队移动时保持战术图像的连续性，在整个网络中移交轨迹，并提出符合交战规则的比例响应。在这两种情况下，重点仍然是使用现有的指挥控制路径，以便控制人员保持正常的战斗节奏。该系统旨在节省决策时间，并使效应器与情况相匹配，尤其是在小型无人机饱和攻击给操作员带来压力的情况下。

该公司表示，最近的实地测试表明，该系统能够在现实条件下检测、跟踪和击败小型无人机。这些测试被描述为朝着真实的作战可用性迈出的一步，并为用于改进算法的学习流程提供了信息。与此同时，该路线图强调了针对小型无人机系统的分层防御，即围绕战斗管理核心组装传感器和效应器，并提供了在不中断服务的情况下逐站逐区扩展覆盖范围的实用方案。（逸文）