自己打造這類保全無人機，在法規上合法嗎？

風險很高，需自行確認當地法規。多數地區要求保持視距內飛行、不得飛越人群、遵守高度與空域限制，追蹤拍攝他人也可能觸犯隱私法規。建議僅在合法可控的私人場域測試，並設定地理圍籬與停止機制。

無雲端追人！一台 Mavic 當保全 2026 家用 AI 監控實測

Q: 這套系統真的完全不需要雲端嗎？

就開發者描述而言，人員辨識與追蹤全在手機端完成（iPhone 走 Core ML、Android 走 LiteRT，執行微型 YOLO 模型），目標身上也不需要 GPS，因此影像不必上傳雲端。但 Home Assistant 若設定遠端存取，推播通知本身仍可能經過雲端通道。

Q: 我需要修改 DJI 無人機的韌體嗎？

不需要。整套方案走 DJI 官方 Mobile SDK v5 的公開 API，透過程式化的 Virtual Stick 控制飛行，前提是機型必須在 SDK 支援清單內。

無雲端追人是這篇文章討論的核心

一台 Mavic 就能當保全？2026 家用 AI 監控無人機「無雲端追人」實況全拆解

消費級空拍機正被重新定義為「本機端 AI 巡邏機」——訊號不落地雲端，判斷全在手機晶片上完成。（Photo by Sami Abdullah / Pexels）

💡 快速精華：90 秒掌握這套「平民版保全無人機」

💡 核心結論：整套系統不改韌體、不依賴雲端，靠一支備用舊手機當「機上大腦」，用官方 DJI Mobile SDK v5 與 AI 自動生成的 App 驅動飛行。真正的顛覆不是硬體，而是「軟體定義無人機」門檻被 AI 一次拉平。
📊 關鍵數據：全球無人機市場 2025 年約 838 億美元，2026 年推估 964 億美元，2033 年上看 1,824 億美元（CAGR 約 9.5%，Grand View Research）；而支撐這類「本機 AI」的邊緣 AI 市場，2026 年約 375 億美元，2030 年衝上約 1,030 億美元（CAGR 28.7%，The Business Research Company）。
🛠️ 行動指南：想複製的人，先把「DJI SDK 支援清單」對一遍 → 用 Home Assistant 串警報 → 手機端跑微型 YOLO → 卡爾曼濾波維持追蹤 ID → Virtual Stick 控飛，並事先寫死安全邊界。
⚠️ 風險預警：這是高風險自製方案：空域法規、隱私權、失控返航、電池與影像傳輸延遲，任一環節出錯都可能從「保全」變成「法律糾紛」。開發者本人也強調要設 8 米距離與物業範圍限制。

觀察開場：我盯著那支「插在遙控器上的舊手機」看了很久

說實話，第一次看到 @0xCodez 的貼文時，我以為又是那種「概念很美、實測一飛就墜機」的 demo。結果不是。他把一支備用手機直接插上 DJI Mavic 的遙控器，讓這支手機同時扮演運算主機與視覺大腦，整條管線——從偵測、鎖定、追蹤到控飛——全在本機跑完，一幀畫面都沒上雲。

最有意思的地方在於「他怎麼做出來的」。這套 App 是由 AI 工具 Claude Code（文中稱 Opus 5.5）協助生成、反覆迭代而成，開發者甚至形容整個過程是「逆向工程自己的無人機，全部在手機上跑」。沒有雲端伺服器、沒有改韌體、目標人物身上也不帶 GPS。換句話說，過去要一支工程團隊、一台邊緣伺服器才能做的事，現在被壓縮進一支消費者舊手機的晶片裡。

這不是「玩具升級」等級的新聞，而是軟體定義硬體的又一個縮影：當 AI 能自己寫出控制程式，硬體的天花板就從「你買到什麼」變成「你叫 AI 寫出什麼」。下面我把這套系統從裡到外拆開講。

不用雲端也能追人？YOLO＋卡爾曼濾波到底怎麼塞進手機裡

核心問題只有一個：手機的算力，真的夠在飛行中即時辨識並鎖定一個人嗎？答案是「夠，但關鍵在取捨」。

這套系統的「眼睛」是一顆微型 YOLO 物件偵測模型，跑在手機的 NPU 上——iPhone 走 Core ML，Android 走 LiteRT（前身 TensorFlow Lite）。把模型縮到能在裝置端跑，代價是捨棄大型模型的部分精度，換來的是零雲端延遲、零影像外流。對保全場景來說，這個取捨幾乎是穩賺的：你不需要認出全世界的東西，你只需要「看到人、鎖住人」。

真正讓追蹤「黏得住」的，是卡爾曼濾波器（Kalman filter）。它的工作是「記憶」——當目標被圍牆、樹叢遮住，追蹤狀態會從 LOCKED（鎖定）→ COASTING（滑行預測），等目標重新出現時，再由同一個 ID 重新鎖上。少了這層，鏡頭一被擋，無人機就會立刻「失憶」，開始亂找。

控制指令則透過 Virtual Stick 送出——它不是實體搖桿，而是把飛行動作抽象成 API 呼叫，讓 App 能「程式化地」控制前後左右與升降。這正是 DJI Mobile SDK v5 的價值所在：官方釋出的是控制介面，不是黑箱。

🔧 Pro Tip｜專家見解：把 YOLO（看見）與卡爾曼濾波（記住）想成「眼睛＋短期記憶」的組合。多數自製追蹤系統失敗，不是偵測不準，而是沒有記憶層。一旦遮擋導致 ID 跳號，整台機器的行為就會從「跟蹤」退化成「亂飛」。先補記憶層，再談精度，是這類專案的成本效益最佳排序。

Home Assistant 一句通知就起飛：這套自動化保全的實際流程長什麼樣？

別被「AI 無人機」這四個字嚇到，它的觸發邏輯其實非常接地氣。Home Assistant 這套開源智慧家庭平台負責「監聽」：門窗感測器、攝影機移動偵測、紅外線人體感測——任何一個觸發，HA 就會推一則通知到你的手機。你點「Launch」，無人機才會起飛。

這個「人類在迴圈裡（human-in-the-loop）」的設計很關鍵。它同時解決了兩個問題：一是誤報——樹影晃動不會讓無人機半夜飛出去；二是責任——起飛這個動作始終有用戶授權，不是完全自主。對於一個會飛出你家陽台、可能鄰居都會看到的重型玩具來說，這條設計線畫得相當清醒。

流程走完後的回傳也很克制：目標離開安全邊界後，無人機升至 30 米高空俯瞰觀察，然後返航。30 米這個高度幾乎是多數輕型無人機法規的容忍上限，也是「看得夠遠、又不至於干擾地面」的折衷。整套行為鏈可以濃縮成一張自動化腳本，而這正是 HA 擅長的事。

8 米距離、30 米觀察返航：安全邊界跟法規到底踩在哪？

這類專案最容易被忽略、卻最要命的部分，就是安全邊界（safety boundary）。開發者設定的規則看似簡單，卻藏著大量工程考量：保持約 8 米距離——太近會撞到目標或建築，太遠偵測框就會糊掉；不超出物業範圍——飛出去就涉及侵入他人土地與空域；目標離場後升 30 米觀察再返航——避免在低空與人車糾纏。

為什麼這些數字值得留意？因為它們其實就是「技術可行」與「法律可行」之間的緩衝帶。全球多數司法管轄區對無人機都要求：保持視距內（VLOS）、不得飛越人群、遵守高度上限。而這套系統把這些外部規範「寫進程式」，變成一條條 if-else。這是一個很重要的訊號：未來的合規，會逐漸從「法規文件」搬進「程式碼裡」。

隱私則是另一條紅線。這套方案強調影像不離開手機，這在隱私上反而是加分——沒有雲端，就沒有第三方儲存、外洩或調用的風險。但反過來說，一台會自動追著人跑、又剛好住在你家上方的攝影機，本身就足以構成鄰里爭議。技術中性，使用情境才決定它是保全還是監控。

🔧 Pro Tip｜專家見解：把安全邊界當成「飛行前的第一行原始碼」，而不是事後補丁。實務上建議至少設四道鎖：地理圍籬（geo-fence）、最低電量自動返航、目標距離下限、以及一個隨時能一鍵中止的 kill switch。少了任何一道，你的 demo 就只是「還沒出事」而已。

2026 之後：AI 保全無人機會吃掉多大的市場？

把鏡頭拉遠來看，這則個人專案其實是兩個兆級趨勢的交會點。第一是無人機市場的整體膨脹。依 Grand View Research 數據，全球無人機市場 2025 年約 838 億美元，2026 年推估 964 億美元，2033 年上看 1,824 億美元。光是「商用無人機」這一塊，就從 2026 年約 280 億美元往 2033 年的 521 億美元爬升。

第二是邊緣 AI 的爆發。既然整套追蹤要靠裝置端運算，那它的普及速度就跟邊緣 AI 晶片綁在一起。The Business Research Company 推估，邊緣 AI 市場 2026 年約 375 億美元，2030 年約 1,030 億美元，年複合成長率高達 28.7%；另一家機構 Fortune Business Insights 更直指 2034 年將逼近 4,457 億美元量級。這代表「本機端辨識」的單位成本會年年下探，今天還算炫技的 demo，兩年後可能就是標配。

再疊上 AI 寫程式的趨勢——Claude Code 這類工具讓「非嵌入式工程師」也能調用 SDK、生成控制邏輯——整個產業鏈的瓶頸會從「硬體能不能做」轉向「誰敢在法規與隱私框架下把它做出來並量產」。這正是 2026 年之後真正的競爭點：不是誰的無人機飛得穩，而是誰能把合規、安全與體驗一起打包。

對一般使用者的長遠影響也很實際：家用機器人與無人載具的界線正在消失。今天你叫它「保全無人機」，明天它可能就是災害巡檢、獨居長者探視、包裹短程接駁的同一套底層技術。當一台消費級 Mavic 能靠 AI 生成的控制層變成多功能平台，我們買的就不只是硬體，而是一個可以被重新定義的載具。