Anthropic 推出 Drone-Bench：測試 AI 操控無人機定點追蹤

如果給大模型一臺市面上隨便能買到的四軸飛行器，只給一張照片，它能不能飛進辦公室把人找出來並一路跟著？

Anthropic 聯合 Andon Labs 做了這項名為 Project Pilot 的實驗，併發布了一個新的評測基準 Drone-Bench。他們找來包括 GPT-4o、Gemini 3.1 Pro、GPT-5.6 Sol 以及 Claude Fable 5 在內的 15 款模型，測試它們能不能像操作軟體工具那樣去操控無人機。

實驗把追蹤任務拆成了五個子環節：把辦公室影片還原成 3D 模型並切出障礙物地圖的「重建」、確認無人機當前位置的「定位」、規劃飛行路線的「導航」、認出目標人臉的「檢測」，以及保持距離跟隨的「追蹤」。

差最後一塊拼圖：Fable 5 倒在 3D 重建上

從測試結果來看，模型代際演進的趨勢很明顯，越新的模型表現越靠前。在全部 15 款模型中，Claude Fable 5 拿下了最好的成績。

在檢測和追蹤這兩個環節上，Fable 5 的發揮甚至明顯超過了人類工程師配搭 AI 助手做出的基準水平。不過一旦上真機測試，它卻沒法自己穿梭在不同房間之間。

卡住它的地方是 3D 重建。Fable 5 在建圖環節產生了誤差，而這個小誤差在接下來的定位和導航中被層層放大，最終導致無人機迷了路。在 5 個子任務裡，它成了唯一沒能邁過基準線的一關。

雖然端到端跑完全程還沒成功，但模型在解題時展現的思路挺讓人意外。測試人員發現，Fable 5 在交卷前會自己先在本地推演。

比如在一次測試裡，它分析模擬環境的影片畫面，利用辦公室地板磚的縫隙找到透視滅點，反推出無人機相機的俯仰角，誤差只有 4 度。在另一次測試中，它甚至自己先手搓了一個 2D 俯視地圖，在上面跑模擬程式碼排查低階錯誤，測完才提交最終指令。

不過，穩定性依然是硬傷。在連續 10 次模擬測試裡，Fable 5 平均只能在 3 個任務上穩定達到基準線。

為什麼重要

這項測試對業內的核心啟發在於：具身智慧的演進並不一定是非黑即白的突變，把長鏈條任務拆開來看，大模型在物理世界裡的能力邊界其實非常清晰。

在人臉識別和視覺伺服追蹤這類傳統強項上，模型已經展現出超越常規演算法的潛力；但空間幾何理解、環境建圖以及多步驟容錯，依舊是純語言與多模態大模型的軟肋。我們認為，短時間內指望大模型獨立搞定完全自主的無人機搜救或複雜巡檢還不現實，它目前更適合作為輔助外掛，而不是直接交出飛行控制權。

Anthropic 選在這個節點公開 Drone-Bench，聰明之處在於搶先設定了雙用途硬體評估的話語權。低成本四軸無人機加上現成的大模型，潛在的安全與監控風險顯而易見。既然技術離「端到端跑通」只差最後一塊拼圖，把能力基準公開出來，逼整個行業在風險徹底失控前建立防線，看起來是個及時的預防動作。