在茫茫大洋里找一艘“静默”航母:遥感 + Agent Harness 的找船实践
原创
mapxiaotu
mapxiaotu
空天感知
2026年11月18日 11:50
新加坡
去阅读
今年2月份了解到有找船这个业务需求,一直没时间研究。最近半个月,借助AI的强大能力,搭了一套pipeline,可以实现对外方(A国)的船只进行位置推理,置信度还不错,分享下成果。
常规开源追踪基本是“人肉等消息”:情报账号发张照片就标个点,下条消息出来前,中间两三天、上千公里的空白全靠猜。我尝试
一、找船是个很难的事情
在我试验过程发现找船至少有以下两个难点:
1、卫星看得清,但“找不到地方看”:10 米分辨率的光学卫星看航母绰绰有余,可单景幅宽有限、重访周期长,南海和印度洋还常年多云,满海漫无目的地拉图既慢又容易把碎云误认成船。
2、开源消息真假掺半,时间线经常错位:新闻、社媒里经常把几天前拍的旧图当成当天动态,稍微不注意就会把航迹推偏几千公里。
我尝试用以下流程给出解法:
让开源情报和航道推演先把搜索范围压到局部海域,再用卫星切片做物理确认;全程使用大模型的能力参与推理,就像是一个经验丰富的参谋一样,并且要对大模型赋予Harness来确保成果的置信度。
二、找船的自动化流程
首先输入是船名或舷号,加一个时间窗口。
系统将自己翻公开报道、舰队追踪、社媒目击,抽出时间地点;用航道、水深、航速筛掉不可能的点,做多源融合;再顺着航迹找当天过境、云量能接受的卫星切片,只取局部,跑检测;最后输出位置和搜索半径。
三、三次找船实践
在严格隔离事后消息、纯靠系统自动抓数与推演的前提下,我们连续验证了“罗斯福”号从南海进入印度洋的三次关键节点
11 月 4 日 · 南海万安滩西南
系统顺着南海西南航道自动调取了当天的哨兵二号 10 米光学切片。由于 10 米图上灰色甲板和青白色尾迹经常粘在一起,我们通过主轴光谱剥离把船体和尾迹拆开测量:实测舰长 335 米(与尼米兹级 333 米高度吻合)、尾迹长 1,103.5 米、航向 279.6°,并在同一片海域抓到了两艘同向护航的 135 米级驱逐舰。
11 月 4 日,Sentinel-2 10m 光学实测检出 CVN-71 舰体与尾迹, 约 6.03°N, 108.47°E,航向约 280°
南海广域打击群切片:航母本体与伴随护航舰
11 月 6 日 · 新加坡樟宜外海
把系统时间严格截断在 11 月 6 日当天。系统自动检索到美国海军学会新闻网(USNI)发布的入港报道,随即把定位锚定在 1.32°N, 104.03°E。
对比推特卫星博主公布的 11 月 6 日 Landsat-8 实拍图(“罗斯福”号靠泊樟宜军港前 30 分钟,真值 1.2808°N, 104.1312°E),纯代码推演结果与卫星真值仅相差 12 公里。
OSINT Digest 公布的 6 日 Landsat-8 实拍
绿圈是系统推算,橙星是实拍,相距 12.06 公里
11 月 13–14 日 · 印度南端外海
11 月 8 日航母西出新加坡海峡进入印度洋后,新闻报道明显变少。系统通过定向社媒检索捕捞到离开新加坡的目击动态,顺着“马六甲 → 斯里兰卡外海 → 阿拉伯海”航道,将 11 月 14 日深夜位置推演至 8.82°N, 72.82°E。
对照 OSINT Digest 发布的 11 月 13 日印度最南端外海实拍真值(6.42°N, 77.03°E),两者刚好在同一条西北进阿拉伯海的航线上,顺航向推进约 534 公里——正好对应航母一天左右的正常航程。
OSINT Digest 公布的 13 日实拍
11 月 2–14 日推演航迹与三次卫星真值
三、技术重点:关键是Agent Harness,而不单纯是模型
这里必须要提的是,在这个严肃场景下,如果是纯Agent,让AI自己去“让它自己决定要不要搜推特、自己猜经纬度、自己决定要不要下卫星图”极易产生幻觉。
这套系统是 Agentic:主流程由确定性代码编排,但系统具备明显的“能动闭环”——比如新闻/社媒缺口时自动触发全网与 X 分片检索、航线外推远了自动去开卫星天窗、卫星真检出船体了再自动回灌修正航迹,最后由 Agent Harness(智能体约束框架)兜底核验才能输出结论。
比如以下的例子:
- 算力与几何全部留给确定性算法
相关的地理投影、航迹计算、舰船检测,全部由物理与视觉算法完成;大模型只负责读懂文本、拆解时间地点和梳理证据冲突,绝不让它直接算坐标。
2. 没有实证就老实说“不知道”
Harness 会逐条核验模型输出的依据。只要卫星图被云挡住或者没检出匹配尺度的船体,系统就必须诚实标为“未确认”,禁止靠模板或想象力补全结果。
3. 只按局部窗口采样,算清每一笔账
无论是只拉几兆的局部卫星切片,还是按账号分片检索公开推文,Harness 把每一次外部调用都锁死在预算和配额门限内,保证系统能长期稳定跑在真实业务里。
一些受限:
目前找船的信息收集还集中在A国,其他国家的也暂没有精力做,并且还集中在航母上。如果是根本没有任何开源QB的,比如针对海事缉私等要抓的暗船,那我这套方法是不起作用的。
最后
有个十分真切的感受,AI的能力已经十分强大。仅仅找船这一个小场景,Agent就能做到在处理海量数据、复杂任务时的超人类能力。
而不论是军事还是其他场景,可能就是多个Agent之间的串并联来高效解决,未来的竞争,就在于AI模型能力的比拼。
「找船」这个工具开发过程中得到了公众号“Remote Sensing
Dong”的博主大力支持,在此表示感谢~Dong是经验十分丰富的遥感专家,对于找船也有一套独到的方法。如果读者朋友们对找船或者类似方向有业务场景,也欢迎多沟通。
(联系作者:mapxiaotu)
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。











评论