随着国产舰载隐身战机量产进程的又架加速，沈飞再次公开了歼-35的歼绿最新动态。在最新流出的皮机曝光视频画面中，一架身披绿色底漆（通常指底漆或早期测试涂装）的画面歼-35新机清晰亮相。视频采用了近期网络流行的细节运镜手法，且画面质感极佳，满满推测为近期拍摄。又架

从机身细节来看，歼绿该机配备了EOTS（光电瞄准系统）以及起落架弹射拉杆等关键部件，皮机曝光确认为具备弹射与滑跃起飞兼容能力的画面战斗机。这进一步印证了其作为专为航母打造的细节第五代隐身舰载机的身份。

网友在评论区热情高涨，满满纷纷调侃道：“没看够，又架麻烦美女们暂且让一让，歼绿你们挡着我看飞机了！皮机曝光”

歼-35“绿皮”机画面曝光

自开年首飞、“0001编号”战机亮相以来，歼-35的新机下线速度持续加快。国产舰载隐身战机正全速推进量产，稳步迈向实战化部署阶段。下一次，期待官方能安排全景8K高清画面，让大家一睹大国重器利剑出鞘的风采！

编辑：董亚欢
责编：周杰

延伸阅读

杀伤率100%！中国团队发布无人机“团灭”算法，彻底改变蜂群作战模式

据香港《南华早报》5月30日报道，西北工业大学航天学院副教授张栋领导的研究团队近日发布了一项突破性算法。该算法有望从根本上重塑无人机蜂群在搜寻并摧毁敌方目标时的战术逻辑。

这项名为HG-STR（异构图时空推理决策方法）的算法，使得固定翼无人机编队即便在通信信号遭受严重干扰、视线被遮蔽的极端环境下，仍能自主在广阔战场上搜寻并消灭所有敌方目标。

根据5月19日发表于中国航空领域顶级学术期刊《航空学报》的同行评议论文显示，HG-STR在任务成功率上达到96%，杀伤率达到100%。这两项核心指标均显著优于现有的对比算法。《南华早报》评论称，这是目前已知首个既能实现100%目标摧毁率，又能满足现代战争快节奏需求的算法。

报道援引了一位不愿透露姓名的中方防务专家观点指出，当前大多数无人机作战仍依赖人类飞行员远程操控。该专家强调：“这项技术预示着一个未来：成群的无人机将被派往高风险、强干扰环境，在与人类指挥彻底断联后，仅凭一道‘搜寻并全歼所有敌人’的最终指令，即可独立执行任务。”

无人机蜂群资料图

突破传统：从“同构数据”到“异构图语义”

传统算法往往将友军、敌军及地形等信息视为同质化数据，这种处理方式极易导致信息混淆。

张栋团队提出的新方法构建了一种“异构图”智能网络，赋予不同对象真实的语义标签：
* 友方无人机为一类节点；
* 搜索区域为一类节点；
* 敌方目标为另一类截然不同的节点。

通过深度学习，该算法能精准识别对象间的正确关联。当无人机发现敌方目标时，系统将其判定为高优先级威胁；当附近有友军单位时，系统则将其视为协同作战的契机。这使得无人机蜂群能瞬间判断何时支援友军、何时追杀敌人。

相比之下，基于既定规则的旧式系统如同“预设剧本”，一旦遭遇非预期情况便失效；而大多数现有优化方法（如逐一步推演的国际象棋式算法）运行速度过慢，难以适应动态战场。

极速决策：6.6毫秒 vs 5.8秒

论文指出，得益于端到端的神经网络前向推理，HG-STR的单步决策耗时仅为6.6毫秒。

作为对比，以GA+PSO+MPC方法为例，虽然其覆盖率略高于HG-STR，但计算延迟高达5.8秒。在100米/秒的飞行速度下，这意味着每步决策期间存在近600米的盲飞距离。在强电子对抗环境下，这种延迟是致命的。

不同算法性能对比（论文截图）

应对实战：记忆系统与分层大脑

真实战场充满不确定性：敌方电子干扰可能切断通信，无人机传感器视野有限，“搜索与摧毁”更是与时间和燃料的赛跑。

针对这些挑战，中国科研团队提出了两项核心解决方案：

1. 植入“记忆系统”：每架无人机内置一套基于门控循环单元（GRU）的记忆模块。一旦与友机失联，无人机可回溯并记住友机的最后位置及敌方目标最后出现的坐标，保持态势感知。
2. 分层式“大脑”决策机制：
3. 宏观层：确立任务目标（继续搜索 vs 转入打击）；
4. 中观层：选定具体攻击对象；
5. 微观层：根据实际战况决定弹药投入量。

通过将复杂决策拆解为层层递进的子任务，无人机避免了因信息过载而陷入混乱。

泛化能力与未来展望

在仿真实验中，即便在通信半径极度受限的弱连通条件下，该算法仍保持了94%的任务成功率。

实验结果表明，该算法具备极强的泛化能力：只需在小型仿真场景中完成训练，即可无缝迁移至规模更大、涉及更多无人机与目标的复杂战场，无需重新训练。

密集的四轴无人机编队

展望未来，该团队计划将算法从实验室推向真实战场应用，并进一步提升其鲁棒性（抗干扰与容错能力），以应对通信中断、传输延迟及数据受损等复杂问题。

研究报告指出：“未来工作将重点探索该算法在算力受限的嵌入式机载平台上的轻量化部署与实飞验证，并进一步将信道竞争、随机丢包与传输延迟纳入马尔可夫决策状态空间，研究非理想通信信道下的集群决策韧性。”

(责任编辑：探索)