想像一下，如果某天強震襲擊，地動山搖之後，災區民眾拿起手機想報平安，卻發現訊號格空空如也，當地面基地臺因震毀而癱瘓，災區成了物理意義上的「通訊孤島」。在這種極端時刻，若派出的救災無人機因為收不到遠端指令，失去定位與協調，像隻無頭蒼蠅般誤闖禁區，甚至在斷訊中墜毀，不僅救援行動受阻，更可能帶來新的風險。
&nbsp;
這場「訊號保衛戰」的核心，不在於傳輸速度能多快，而是在於那份即便在極端環境下也能「永不失聯」的技術—— 韌性（resilience）。韌性不是追求完美無缺，而是在崩潰邊緣仍能維持基本功能；不是依賴單一路徑，而是即使主幹斷裂，仍能找到替代通道。當地面網路崩潰，我們該如何從萬里高空甚至漆黑深海，拉起一條永不中斷的救命索？
&nbsp;
本文專訪國立臺北科技大學光電工程系呂海涵終身特聘教授與國立成功大學測量及空間資訊學系江凱偉教授，帶你走進 6G 衛星通訊與水下雷射的最前線。這不僅是技術的革新，更是一場關於「韌性體系」的思維革命：我們要打造的不再只是「最強的單機」，而是一套即便被打掉一半，也能自我修復、永不失聯的空天地海一體化網格。
&nbsp;
無人載具的通訊挑戰
成大江凱偉教授指出，無人載具並不需要像我們滑手機那樣「時時刻刻掛網」才能運作。然而，當關鍵決策牽涉到安全風險、法律責任，甚至需要跨單位協調時，最終仍往往需要人類的一個「點頭」指令，這正是通訊網路存在的終極意義。
&nbsp;
北科大呂海涵教授則進一步點出斷網可能帶來的真實代價：指令傳遞只要出現微小延遲，在狹窄巷弄或複雜山區中，無人機就可能因反應不及而直接撞山墜毀。因此，我們不該把「低延遲」當成數據上的競賽指標，它更是保住載具性命的關鍵。每一毫秒的延誤，都可能在高速移動的載具世界裡，被放大成不可逆的風險。在無人載具的時代，通訊品質不是附加價值，而是生存條件。
&nbsp;
但當載具踏入高空、遠洋或深海的禁區，維持通訊就成了一場與物理極限的較勁。呂海涵教授說明，高空的氣流擾動可能造成無人機飛行不穩定，一方面考驗著機身，另一方面也極易導致訊號中斷。
&nbsp;
轉向水下環境，除了水流擾動的影響之外，海水本身就是電磁波的「黑洞」，無線電波在水中迅速衰減，高頻訊號更是幾乎寸步難行。即便是雷射光，訊號一旦入水，能量也會被水分子吸收，或在混濁水域中反覆散射，最終消失於幽暗之中。即便是在陸地上，情況也未必輕鬆。一場大雨或濃霧，甚至沙塵，都可能成為看不見的訊號陷阱。當雨滴與霧粒在空中形成密集屏障，電磁波的能量會被吸收、衰減或散射，而來自指揮端的救命指令，很可能就在傳輸途中悄然消失。
&nbsp;
在各種充滿挑戰的環境中，無人載具如何維持通訊與順利導航呢？
&nbsp;
結合低軌衛星的 6G 技術，走向空天地海一體化
目前業界矚目的 6G（第六代行動通訊）技術，目標是走向「空天地海一體化」，有望成為無人載具的通訊解方。
&nbsp;
呂海涵教授強調，所謂 6G 的關鍵突破，不只是速度更快，而是引入了非地面網路（non-terrestrial network, NTN）。想像一下，過去的 5G 基地臺就像是在地上鋪地毯，哪裡有基地臺，訊號就覆蓋到哪，一旦離開城市、遠離島嶼，訊號就斷了，而6G 則是把通訊網路從平面變成立體，透過整合低軌衛星與其他非地面平臺，通訊網路從 2D 平面變成 3D 立體結構，使得訊號的覆蓋區域變大。當訊號不再從地表向上延伸，而是從高空俯瞰、向下覆蓋，即便無人載具身處荒漠、遠洋，甚至災區斷網地帶，仍有機會被這張立體網路籠罩。
&nbsp;
在這張立體通訊網路中，低軌衛星扮演了關鍵角色 。 比起位於兩萬公里高空的 GPS 衛星，低軌衛星離我們更近，訊號往返的「低延遲」讓遠端操作近乎同步。
&nbsp;
而且為了補足低軌衛星與地表的空隙，江凱偉教授指出最後一塊拼圖——平流層無人機，這種無人載具可以在平流層穩定飛行好幾天。他強調，雖然沒有一種通訊平臺可以完全避免外界干擾，但只要我們建立多層次體系的架構，彼此就能迅速補位，這就是增強通訊韌性的核心，不依賴單點，而是靠整體系統互補，才有機會永不斷線。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/03/4內文圖：460x460-1Gemini生成.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">6G通訊使用非地面網路，走向空天地海一體化，達成更高的覆蓋率與韌性。（本圖為 AI 生成示意圖）</div>
</div>
</div>
</div>
</div>
&nbsp;
利用可見光雷射達成高速水下通訊
雖然低軌衛星通訊能補足偏遠地區的連線，但物理法則有個頑固的限制：無線電波極難穿透海水。一旦潛入深海，我們就需要另一種「波」來傳遞資訊。過去水下通訊主要依賴聲波，但聲速遠低於光速，訊號傳遞慢；而且聲波的頻寬極為有限，資料速率通常僅能達到幾百kbps，就像還在用撥接上網或者發電報而已，無法傳輸高畫質影像。
&nbsp;
為了打破巨大水牆，呂海涵教授將目光鎖定在「水下無線光通訊」（underwater wireless optical communication, UWOC），他特別強調「高速」才是這項技術的靈魂。
&nbsp;
透過可見光或雷射作為載波，資料便能以接近光速的方式在水中傳遞。特別是鎖定特定波長（例如紅、綠或藍光雷射）作為光源時。這套水下無線光通訊技術具有三項優勢：
<ol>
<li>高傳輸：在短距離條件下可達數百 Mbps 甚至 Gbps 等級，大幅提升資料吞吐能力，使高解析影像與即時感測資料傳輸成為可能。</li>
<li>高隱私：雷射光具備精準的指向性，只對準目標傳送，不易向周圍擴散，相較聲波訊號更不易遭受攔截或干擾。</li>
<li>低延遲：光在水中的傳播速度遠高於聲速，使遠端控制與即時回應成為可能，大幅提升水下載具的操控穩定性。</li>
</ol>
&nbsp;
不過雷射光容易受水流擾動影響，而讓光束偏離原來軌道目標，因此必須配備追光系統（pointing, acquisition, and tracking, PAT），持續瞄準和追蹤目標，才能克服水流擾動，精準接收傳遞訊號。
&nbsp;
2016 年，呂教授團隊創下了震撼全球的紀錄。這項研究以 405 奈米藍光雷射為光源，利用鎖模注入（injection locking）的技術，將第二組、第三組雷射光注入第一顆雷射腔體，讓頻寬成功大幅躍升，最終在 8 公尺的水下通道跑出了驚人的 9.6Gbps 傳輸速率，證明了深海高速通訊不再是天方夜譚。
&nbsp;
自駕車若失去 GPS 訊號，還能導航嗎？
如果說訊號中斷是「斷網」，那失去 GPS 定位就等於讓無人載具「失明」。在長隧道、都市叢林或深海中，當最強大的衛星也指不了路時，無人載具該如何自保？長年研究此課題的江凱偉教授指出，無法使用電磁波訊號導航的時候，有兩種主要替代方案。
&nbsp;
第一種方案是慣性導航系統（inertial navigation system, INS），透過加速計與陀螺儀，持續感知載具的加速度與轉向變化，進而推算自身位置。這種方法最大的優點是完全自主，不依賴外部訊號，不怕電磁干擾，也不需要視覺特徵。例如，阿波羅太空船即是以慣性導航為核心，並利用恆星觀測做校正。不過慣性導航有個致命弱點，那就是定位誤差會隨著時間不斷累積，哪怕只有極小的感測誤差，長時間積分後都會放大成顯著偏移，產生所謂「漂移」現象。
&nbsp;
第二種方案是利用相機或光達等感測器觀察環境特徵，同時進行定位與地圖構建（simultaneous localization and mapping, SLAM）。透過辨識建築物、路標、地形等特徵，系統可以在移動過程中一邊建立地圖、一邊校正自身位置。不過 SLAM 也還是有局限，一旦來到缺乏視覺特徵的茫茫大海，或是景象高度同質化的沙漠地形就會失效。此外，若遭遇火光或煙霧也能輕易干擾視覺特徵，導致感測器看錯、看不到，甚至「看走眼」。
&nbsp;
江凱偉教授說，每項方案都各有優缺點，沒有何者是絕對最佳，他強調真正的關鍵在於感測器整合，「我們的目標是提供使用者最好的服務，在這個過程中，我們不需要去獨尊某一項技術，而是讓不同系統彼此截長補短，才能發揮最大綜效。」
&nbsp;
感測器整合的思維，反映在江凱偉教授的國科會研究計畫「開源自駕車系統軟體定位性能提升策略之研究——以 Autoware 為例」。原本 Autoware 自駕系統仰賴光達與高精地圖匹配，但在高速行駛下，電腦運算往往跟不上現實變化，地圖匹配是一大挑戰。為了破解這個難關，江教授團隊設計了一個模組，以慣性導航為核心，巧妙搭配相機影像和高精地圖數據，與 Autoware 整合在一起控制自駕車，透過這種多維度的數據互補，即便在高速行駛下，系統也能展現出極高的定位韌性，精準掌握車輛的動向。
&nbsp;
關於自駕大腦的決策邏輯，江教授也提出了一個充滿前瞻性的詰問：我們該相信嚴謹的物理公式，還是神祕的 AI 直覺？
&nbsp;
傳統的「模組化」方法，是以物理模型為核心，將感知、定位、決策與控制分層設計，逐步推導出最終動作。而近年興起的端對端（end-to-end）AI 方法，則走向另一條路。它不再明確拆分模組，而是讓神經網路直接從感測器輸入學習，最終輸出控制指令。從影像到方向盤、從雷達到油門，過程一氣呵成。端對端的 AI 做法雖然聰明，但缺點在於它像個「黑盒子」——你知道它給了指令，卻不知道它為什麼這麼做。這在追求安全的載具上，就像是把方向盤交給一個「感覺很準但說不出道理」的駕駛，令人既佩服，又隱隱不安。
&nbsp;
江凱偉教授表示，最好的方式是透過感測器整合，結合端對端與傳統模組化兩種做法，開發出「具備物理模型的 AI」。這種混血架構既保留了 AI 的靈活應變，又讓決策過程符合物理定律的可解釋性，為無人載具打造出一個既聰明又值得信賴的決策核心。
&nbsp;
為無人載具建構韌性體系
無論是數百公里高空的低軌衛星、刺穿深海的雷射光，還是失去 GPS 時的應變導航，這一切技術最終都指向同一個終極目標：為無人載具建構一套堅不可摧的「韌性體系」。
&nbsp;
呂海涵教授舉 2024 年 4 月 3 日花蓮地震為例，生動詮釋何謂「韌性」。地震後三大電信公司大部分的基地臺都倒塌，使得部分地區通訊中斷而成為孤島，當時數位發展部啟動低軌衛星備援，成功拉起災區與外界的通訊連結，這正是韌性的表現。
&nbsp;
去中心化的網狀網路（mesh network）是系統韌性的一個重要概念。呂海涵教授說明，在這種結構下，如果某顆低軌衛星與地面通訊中斷時，它不會就此癱瘓，而是會自動尋找附近的另一顆低軌衛星連接，將訊號「接力」傳回地面接收站。也就是說，這種去中心化的網狀網路具備了自我修正的能力，確保了系統即便遭受局部破壞，整體依然能運轉如常。
&nbsp;
在定位導航領域，系統的「韌性」則被嚴格量化為 PNT（resilient positioning, navigation, and timing）分級。江凱偉教授談到，若只有傳統的GPS單一感測器，只能列為最低階的 Level 0。如果將 GPS 和慣性導航結合，就能升到 Level 2。若將GPS和慣性導航結合，再進一步增加相機或光達感測器輔助，有效控制時間的誤差變化，則可提升到 Level 3。最高層級的 Level 4，需要同時具備多種感測器，達成全天候全場域的感測整合，形成全面防護。
&nbsp;
談到 Level 4 的韌性目標，江凱偉教授提出顛覆傳統的觀點概念：「二十年前我們基於運算效率，會希望感測器越少越好，但是今天為了追求強韌，感測器則是越多越好，因為我們甚至可以用四個平價感測器，達成單一昂貴設備的感測水準，甚至是更高層級的穩定性。」
&nbsp;
韌性不是追求「最強的單一技術」，而是建立一套「容錯的網狀體系」。從 6G 通訊空天地海一體化的立體通訊，加上低軌衛星之間或無人機之間，形成去中心化的網狀網路。同時，無人載具不能單純仰賴 GPS 導航，而是建立感測器整合的架構，這種從「追求單點強大」到「建構群體韌性」的思維轉變，正是未來無人科技能否走入日常生活的關鍵。
&nbsp;
（客座總編輯｜逢甲大學自動控制工程學系林昱成教授；研究顧問團隊｜國立臺北科技大學光電工程系呂海涵終身特聘教授、成功大學測量及空間資訊學系江凱偉教授；責任編輯｜王喆宣、洪孟樊）