【让坦克再次伟大】MD三等人计划将初创公司Allen Control Systems的“牛蛙”(Bullfrog)遥控武器站安装在“艾布拉姆斯”坦克和“布雷德利”步兵战车上，这种武器站利用游戏引擎、具备图像识别的人工智能(AI)瞄准技术来执行反无人机任务，可以安装多种口径武器，目前可以拦截最高5G过载机动的目标。#每天认识一件兵器##烽火问鼎计划#

Bullfrog使用完全被动探测手段，利用阵列式 EO/IR 光电传感器，以完全半球形的方式被动侦测和识别物体，不需要雷达，这样可以减少自身被发现 (信号风险)。

计算机视觉是不仅用于侦测，还用于识别和追踪。通过机器视觉 + AI 来识别无人机 (目标识别、目标分类)。

ACS 还使用 “训练数据生成” 技术：通过仿真产生大量高度标注图像，用来训练其视觉模型。Bullfrog系统内部储存有威胁库，他们首先获取真实世界的图像（比如伊朗阅兵中展示的最新见证者 149 无人机），将其输入“虚幻5”(Unreal Engine 5）引擎生成3D建模，并创建数百万张标记过的图像，这些图像是根据特定环境、地理位置、城市景观、光照条件等定制的。然后再用真实世界的图像进行验证。这样做有两大益处：Bullfrog 知道它在看什么。 操作员知道这是一架 Shahed 149，并且它正朝你飞来。它使 Bullfrog 能够决定它的瞄准点。 因为不总是需要瞄准目标中心，有时会瞄准关键部件、燃油箱或有效载荷。

拦截小巧、快速移动物体的一个挑战，不是其线性速度，而是其表现出的不可预测性，也就是加速和减速。Bullfrog 的预测建模能够以预测性或主动性的方式进行射击，而不是反应性的方式。

Bullfrog 是一个闭环（Closed-Loop）武器系统。这意味着在目标跟踪、队列分配完成后，系统无需额外人工输入即可执行击毁动作。

ACS认为此类遥控武器站主要有两大问题：

1. 机械系统

要提高炮塔系统的精度，首先要从机械系统入手。电动机械系统的难题在于——即使输入完全相同的指令，两次结果也可能不同。传统的远程武器站常使用PID 控制器（比例控制器），但它们通常没有考虑真实世界的物理约束，例如：电机最大扭矩、炮塔惯性等。Bullfrog 的控制算法对自身物理状态具有极高的感知，实现“物理自觉”的精确控制。

2. 计算机视觉延迟

另一个约束因素是计算机视觉的延迟。难点不在于“是否存在延迟”，而在于要实时判断延迟的原因与变化趋势，甚至要预测未来 0.5 秒内的延迟。Bullfrog 以 190 帧/秒 的速率采样外界，将所有数据实时输入到弹道解算系统中，从而在射击时实现预测修正射表。