美国空军正寻求将人工智能技术引入空中加油训练与评估环节，旨在通过自动化手段精准识别操作失误，并优化机组人员的绩效反馈机制。
根据军方发布的最新研究需求，拟议开发的系统将利用油轮飞机搭载的摄像设备采集影像数据。借助计算机视觉与机器学习算法，该软件能够深入分析常规人工评估容易遗漏的细微飞行偏差及操作错误，从而为加油演习提供更为详尽和客观的技术复盘。
AI 实时监控：从速度对齐到燃料输送精度
该项目的核心目标是开发一套软件系统，用于在复杂的燃料转移过程中，实时监测加油机（Tanker）与接收机（Receiver）之间的动态交互。
系统将通过追踪飞机的运动轨迹，判断机组人员是否维持了符合安全标准的分离距离与对齐状态。同时，软件还会对比实际加油量与飞机轨迹变化，以识别燃料输送过程中潜在的危险偏差。
具体的监测指标涵盖飞机的相对位置、接近速度、航向对齐以及整体速度等关键参数。这种量化测量方式允许教练针对特定机动动作进行精细化检查，取代以往依赖宏观观察的模式。
目前，美军对空中加油任务的评估主要依靠教练现场观察、机组人员自评以及手动回放录像。这种方式存在显著局限：不同教练对同一机动动作的解释可能存在主观差异，且在复杂操作中极易忽略短暂发生的错误。
相比之下，新系统的输出将包含图形叠加层、颜色编码的性能图表以及时间轴显示，直观标记单次加油演习中的关键事件节点。空军方面认为，自动化的测量标准不仅能提升评估的一致性，还能帮助相关人员精确定位错误发生的具体环节。
该项目隶属于小企业创新研究计划（SBIR），面向企业征集针对特定军事需求的解决方案。有意参与的开发者需在 2026 年 11 月 25 日前提交申请，详细阐述其系统如何满足军方的运营与培训要求。
KC-46 Pegasus 平台及其未来应用拓展
初期的研发工作将聚焦于 KC-46 Pegasus 加油机。该平台配备了支持远程操控燃料转移操作的摄像头系统，其远程视觉装置使杆操作员能够通过摄像头画面和 3D 显示器引导加油吊杆，而非依赖直接目视观察。
尽管军方官员预计相关技术障碍将在短期内得到解决，但开发团队还需考虑构建交互式审查环境，以便飞行员和教练能够从多角度回溯和分析机动过程。
长远来看，这项技术有望与现有的航空指导基础设施深度融合，包括飞行模拟器、虚拟现实（VR）设备及增强现实（AR）培训平台。规划者希望最终形成一个操作原型，能够至少集成一类接收飞机的现有培训安排。
此外，招标文件还指出了该技术的潜在外溢效应：除了专注于加油任务，这套自动评估系统未来也可应用于国防部管辖下的其他航空活动，实现更广泛的飞行操作数字化监管。
