Soldater fra den amerikanske hærens 2. kavaleriregiment demonstrerte evnen til å oppdage, spore og nøytralisere flere droner ved hjelp av Ballistic Low Altitude Drone Engagement (BLADE)-systemet, integrert i et Stryker-kjøretøy, under en skarpskytingsøvelse på Bemowo Piskie treningsfelt i det nordøstlige Polen 1. august.
Aktiviteten var en del av Project Flytrap 4.0, rettet mot utvikling av nye taktikker og teknologier for bekjempelse av droner.
+ Argentina ber USA om KC-135R tankfly til F-16 jagerfly
Ifølge David Goldstein, leder for anti-UAS-systemer ved Army Combat Capabilities Development Command Armaments Center, ble noen av de luftbårne truslene lansert samtidig, noe som krevde raske reaksjoner:
«Systemet bekjempet ett mål og, i løpet av sekunder, engasjerte og nøytraliserte et annet,» påpekte han.
Teknologi for dronebekjempelse
BLADE-prosjektet ble utviklet mellom 2016 og 2019 for å møte trusler fra ubemannede luftfartøy. Det bygger på CROWS (Common Remotely Operated Weapons Station), en fjernstyrt våpenstasjon som allerede er i bruk i flere hæravdelinger.
Ved å kombinere presisjonsradar, ildledningsprogramvare mot droner og CROWS-plattformen, gjør BLADE det mulig for operatøren å identifisere, spore og beregne avskjæringspunkter i sanntid. Under øvelsen i Polen ble systemet testet med M2-maskingeværet i kaliber .50, som skjøt byger mot luftmål på avstander mellom 500 og 800 meter.
I tillegg til skarpskyting deltok BLADE også i treningsscenarioer uten ammunisjon, som simulerte oppdagelse og sporing av trusler.
Integrasjon med allierte og nye løsninger
Project Flytrap 4.0 samlet soldater fra USAs 2. kavaleriregiment og Storbritannias 1. Royal Regiment of Yorkshire i fellesøvelser som utforsket bruken av ny anti-drone-teknologi.
Programmet presenterte også CNALT-programvaren, utviklet av Armaments Center, som gir verktøy for ildledelse og taktisk visualisering for å redusere tiden i engasjementssyklusen — kjent som kill chain. Med bare 15 minutters opplæring kunne soldatene operere systemet og komme med engasjementsanbefalinger basert på sanntids sensordata.
Kilde og bilder: defense.gov. Dette innholdet ble opprettet med hjelp av KI og gjennomgått av redaksjonen.
