無人機
說任務，執行蜂群：六款語言模型的無人機指揮實測。
博洛尼亞大學的研究讓六款語言模型指揮十架無人機執行真實任務，GLM 拿下最高完成率，GPT 常常忘記降落，而 token 消耗量和任務完成率之間，幾乎沒有關係。
2026年6月5日—
Skyfaring
用數據觀察世界
從球場到天空，從歷史到當代——用數字和資料說出那些不容易被看見的故事。
運動數據分析 · 飛航安全數據分析 · 詠春拳 · 歷史與軍事閱讀心得分享
本站瀏覽次數：— 次瀏覽
🗂 我的專案
📰 最新文章
查看全部 →
無人系統
最短的路，存活率是零：戰場無人車怎麼學會繞遠路。
一篇葡萄牙陸軍官校的論文，替戰場無人車打造了一套會算風險的選路系統 ARGUS。它把指揮官意圖、地形、敵情威脅轉成一張風險地圖，再用自製的 APULSE 演算法，在時間預算內找出一條最不容易被發現的路線。
2026年6月3日—
軍事
習近平親手打造的海軍，把戰略焦點擺在了台灣。
美國海軍戰爭學院的一份報告，把中國海軍十三年來的脫胎換骨追溯到一個人身上。從航艦、海軍陸戰隊到軍事戰略方針，習近平都親自拍板。報告作者說得很白：所謂海上軍事鬥爭，指的就是台灣。讀懂這支艦隊的來歷，等於讀懂海峽對岸那道陰影是怎麼長出來的。
2026年6月3日—
空中用網子捕無人機：自主攔截系統怎麼在 60 公尺外瞄準目標
地面感測器精度只有幾公尺，但網子要打中目標需要幾十公分的誤差。德國研究團隊把 LiDAR 和攝影機裝上攔截無人機，讓它自己在空中找到、確認、然後用網捕獲目標。
2026年6月1日—
無人機
五十架無人機要攔截誰，誰說了算。
當攻方同時派出的無人機數量超過防守方的瞬時攔截能力，傳統的一對一分配邏輯就垮了。西北工業大學這篇論文的問題是：五十架藍方無人機要如何在沒有指揮官的情況下，自行決定誰去追誰？
2026年6月1日—
無人系統
指揮，不是控制：AI 無人車上戰場後誰負責。
一篇 2025 年的軍事人機互動研究，用一個傷患後送場景提出了一個根本問題：當 AI 無人地面車輛在戰場上獨立行動，傳統的「有意義的人類控制」概念為什麼不夠用，應該用什麼取而代之。
2026年5月28日—
無人機
八美元的 GPS 干擾器，就能讓一架無人機不知道自己在哪裡
一份 2025 年 IEEE 學術調查揭示了民用無人機通訊基礎設施的系統性漏洞，從 8 美元的 eBay GPS 干擾器，到商用軟體定義無線電仿造 ADS-B 信號，攻擊門檻的下降速度比防禦技術的成熟快得多。
2026年5月27日—
電腦視覺
球場上有十個人在跑：AI 如何記住每一個的身分
多目標追蹤在籃球場景裡有個核心難題：十個人穿著相似球衣，掩護時兩人緊貼，鏡頭跟拍時模糊抖動。GameSense 用雙層記憶機制解決身分連貫的問題，追蹤指標在 SportsMOT 上超越所有競品。
2026年5月26日—
無人機
五架無人機在威脅邊緣徘徊了一千步
來自中國北方自動控制技術研究所的這篇論文，揭示了 AI 無人機群訓練中的一個根本矛盾：越安全的策略，越難完成任務。解法不是讓 AI 更勇敢，而是把兩個本來混在一起的問題分開來解。
2026年5月25日—
無人機
不要打已死的無人機：action masking 如何讓 AI 快 10 倍學會防禦決策
一個 AI 系統在 500 次模擬中把無人機群造成的傷害壓低了 22%，不是因為它比規則更聰明，而是因為有人告訴它不要打已死的目標。action masking 這個零成本的設計決策，讓訓練速度快了整整 10 倍。
2026年5月25日—
籃球研究
你選的是「位置」，還是「打法」？用數據重新定義籃球陣容的組建邏輯。
一支球隊需要幾個控球後衛？這個問題問錯了。San Diego State University 的研究橫跨 110 個聯賽、22,500 名球員，把所有人分成 9 種打法原型，再從中推導出冠軍陣容的黃金比例。
2026年5月20日—
無人機
你說「排成聖誕樹」，三十架無人機就排好了。
你說一句『排成一個半徑兩公尺的圓圈』，三十架無人機就排好了，沒有撞機，不需要任何專業知識。DAUS' 2026 的這篇論文展示了這件事——但讓它成真的關鍵，不是 LLM 有多聰明，而是知道在哪裡不信任它。
2026年5月19日—
多智能體
三十架無人機衝過來，你怎麼擋？AAMAS 2026 論文解析。
三十架攻擊無人機同時來襲，強化學習跑不動、暴力搜索更別說了。澳洲阿德萊德大學和 Saab 的這篇 AAMAS 2026 論文，用「先打小仗、再組大軍」的分解邏輯，把防禦成功率從接近零拉到五成以上。
2026年5月14日—
攻城獅
攻城獅 61-83 客場負福爾摩沙夢想家
攻城獅 2026-05-12 客場對上福爾摩沙夢想家，61-83 負。數據背後的故事。
2026年5月12日—
電腦視覺
像鳥群一樣飛：不靠 GPS，無人機怎麼知道自己在哪裡？
一篇來自維吉尼亞聯邦大學的研究，讓無人機群像椋鳥群一樣，只用眼睛維持隊形；另一組無人機則互相交換地圖，在沒有 GPS 的隧道裡定位自己。兩件事合在一起，才是完整的自主飛行。
2026年5月12日—
攻城獅
攻城獅 97-94 客場勝福爾摩沙夢想家
攻城獅 2026-05-09 客場對上福爾摩沙夢想家，97-94 勝。數據背後的故事。
2026年5月9日—
電腦視覺
追蹤那顆消失的球：TrackNetV4 如何讓 AI 學會感受動作
追蹤網球和羽球的 AI 模型家族 TrackNet，每一代都在進步，卻始終有個根本缺陷：它們只會「看」，不會「感受移動」。TrackNetV4 加入了可學習的動態注意力地圖，用兩個參數就讓模型知道球在哪裡。
2026年5月7日—
電腦視覺
從一支攝影機，看見球在空間裡的位置。
一篇來自泰國 VISTEC 的研究，只用一支攝影機的 2D 追蹤序列，讓神經網路還原球的 3D 軌跡。關鍵不是模型大小，而是表示方式的選擇。
2026年5月7日—
籃球研究
「控球後衛」這個標籤，已經是個落後的分類了。
Chris Paul 和 Derrick Rose 都叫控球後衛，但打法根本是兩種球員。MIT Sloan 2020 年的研究，用機器學習把 NBA 的位置系統打掉重練，找出九個更精確的功能性角色。
2026年5月5日—
攻城獅
攻城獅 102-99 主場勝海神
攻城獅 2026-05-03 主場對上海神，102-99 勝。數據背後的故事。
2026年5月3日—
攻城獅
攻城獅 96-73 主場勝臺北台新戰神
攻城獅 2026-05-02 主場對上臺北台新戰神，96-73 勝。數據背後的故事。
2026年5月2日—
籃球研究
NBA 球員的職涯曲線，不只一種形狀。
新生代靠多變數協同爆發，黃金期靠核心技術穩定輸出，老將靠少數指標撐起天花板。研究者用 KAN 模型，把這三段曲線的形狀說清楚了。
2026年4月30日—
攻城獅
攻城獅 98-78 主場勝新北國王
攻城獅 2026-04-29 主場對上新北國王，98-78 勝。數據背後的故事。
2026年4月29日—
籃球研究
愈頂尖的籃球員，在場上的動作強度愈低。
西班牙研究團隊用穿戴式感測器，同時量化歐冠聯賽球員與四級業餘球員的尖峰體能負荷，發現菁英球員在所有時間窗口的峰值都顯著低於業餘球員。差距隨量測窗口拉長而擴大，3 分鐘窗口的效應量達 2.11，分類為「極大」。
2026年4月28日—
攻城獅
攻城獅 104-86 客場勝臺北台新戰神
攻城獅 2026-04-25 客場對上臺北台新戰神，104-86 勝。數據背後的故事。
2026年4月25日—
籃球研究
夾擊與換防：機器讀懂 NBA 防守的語言
夾擊不是隨機施壓，換防也不是隨機保護。一個結合 LSTM 和 CNN 的混合模型，從三萬多段 NBA 追蹤數據裡，讀出了防守戰術背後的時機與空間邏輯。
2026年4月23日—
軍事
解放軍在對岸排練的距離，恰好是台北到高雄。
2025 年 8 月，解放軍在中國東南沿岸進行的兩棲登陸演習，跨越了約 360 公里的演習範圍，幾乎完整對應台灣西岸從台北到高雄的縱深。這不是巧合。
2026年4月23日—
籃球研究
高中只打一種球，進 NBA 反而更容易受傷。
2025 年發表的研究追蹤 318 名 NBA 選秀前 30 順位球員，發現高中時期參與多項運動的球員，職業生涯前三季不只打了更多場比賽、跑了更長距離，因傷缺賽率也顯著更低——而且在工作量增加時比單項專精球員更不容易受傷。
2026年4月21日—
籃球研究
NBA 球員半月板手術後，重返賽場的勝算有多高。
2025 年發表於《運動科學與醫學期刊》的研究分析了 47 名 NBA 球員接受半月板手術的術後成績，復出率高達 90.7%，上場時間與效率在術後第二年全面恢復，但出賽場次比率的下降卻持續存在，可能與「負荷管理」趨勢有關。
2026年4月20日—
攻城獅
攻城獅 86-92 客場負福爾摩沙夢想家
攻城獅 2026-04-19 客場對上福爾摩沙夢想家，86-92 負。數據背後的故事。
2026年4月19日—
籃球研究
教練真的有差嗎？拆解 NBA 總教練的戰術貢獻
格雷格‧波波維奇年薪高達 1600 萬美元，但他的勝率有多少是球員的功勞、多少是他自己的本事？這篇論文用單調貝葉斯迴歸樹，在控制球員實力之後，第一次讓「戰術貢獻」可以被獨立測量。
2026年4月17日—
籃球研究
球員組合的魔法：超圖理論如何同時替陣容打分數
傳統的 Adjusted Plus-Minus 只能告訴你一個球員獨自的價值，但它沒辦法告訴你 Harden 和 Embiid 搭在一起是不是特別厲害。這篇論文用超圖理論補上這個缺口，讓雙人組、三人組、整套陣容都能同時被評分。
2026年4月16日—
籃球研究
搶籃板，真的需要「搶」嗎？
Andre Drummond 年年霸佔籃板榜，Steven Adams 卻默默無聞。但行家都說 Adams 才是真正讓球隊贏得籃板大戰的人。這篇論文用統計方法，把這個直覺說清楚了。
2026年4月15日—
籃球研究
最弱的那個人，決定了這支五人組能不能贏。
一篇 NBA 陣容預測論文的核心發現：衡量一個五人組能不能打贏，最重要的指標不是最強的人，而是最弱的那個。
2026年4月14日—
攻城獅
攻城獅 85-94 主場負福爾摩沙夢想家
攻城獅 2026-04-12 主場對上福爾摩沙夢想家，85-94 負。數據背後的故事。
2026年4月13日—
AI
Gemini 導讀了一篇不存在的論文
我請 Gemini 導讀一篇 SCI 論文，它給了我作者、期刊、核心數據、對我網站的客製化建議。那篇論文根本不存在。更可怕的是，整個過程完整到我完全沒有起疑。
2026年4月11日—
攻城獅
攻城獅 79-76 主場勝雲豹
攻城獅 2026-04-11 主場對上雲豹，79-76 勝。數據背後的故事。
2026年4月11日—
籃球研究
機器能預測NBA比賽結果嗎？
葡萄牙理工學院的研究者拿十個球季的NBA數據訓練了超過十種演算法，最好的準確率是 65%。這個數字看起來不高，但在籃球預測的世界裡，其實已經是認真的成果。
2026年4月11日—
攻城獅
攻城獅 117-100 主場勝特攻
攻城獅 2026-04-08 主場對上特攻，117-100 勝。這21分多出來的，從哪裡冒出來的？
2026年4月8日—
航空
2024年全球航空安全回顧
2024年全球民航共發生95起事故、296人罹難，是近六年來最嚴重的一年。三起重大事故佔了94%的死亡人數，亂流成為最常見的事故類型。本文整理ICAO《2025年全球航空安全報告》的重點數據與分析。
2025年4月10日—