System sterowania oparty na sztucznej inteligencji pomaga dronom poruszać się w nieprzewidywalnym środowisku

Wyobraź sobie drona lecącego samotnie nad poszarpanymi szczytami Sierra Nevada, ze zbiornikiem wody zawieszonym poniżej, który walczy z pożarem. Dron nie tylko zmaga się z upałem i dymem - walczy o kontrolę, gdy górskie wiatry wirują wokół niego, grożąc zepchnięciem go z kursu. W przypadku dronów w takich sytuacjach jak ta, brutalna siła i moc nie wystarczą. To, co naprawdę się liczy, to elastyczność - zdolność do przygotowania się na nieoczekiwane i zareagowania w ułamku sekundy.

W tym miejscu pojawia się nowy przełom z MIT. Zespół naukowców opracował inteligentny system sterowania oparty na uczeniu maszynowym, który zmienia sposób działania dronów w nieprzewidywalnych środowiskach. Zamiast sztywno podążać za zaprogramowanymi procedurami, system ten uczy się podczas lotu. Wystarczy dostarczyć mu zaledwie 15 minut danych lotu - nawet w gęstym wietrze lub nagłych turbulencjach - a zacznie on samodzielnie dostosowywać się do sytuacji, ograniczając dzikie korekty kursu w powietrzu, które zwykle nękają drony w sytuacjach awaryjnych.

Jedną z najbardziej imponujących rzeczy w tym nowym systemie jest to, że wyrzuca on stare zasady. Inżynierowie nie muszą mapować każdego możliwego scenariusza lub zakłócenia, które może napotkać dron. Zamiast tego mózg drona - sieć neuronowa - zbiera informacje w czasie rzeczywistym. Ocenia geometrię zakłócenia, taką jak kąt i prędkość podmuchu, a następnie autonomicznie wybiera najbardziej odpowiedni algorytm optymalizacji, aby zminimalizować odchylenia. Zasadniczo, dron staje się coraz lepszy w utrzymywaniu się na torze dokładnie wtedy, gdy warunki stają się najtrudniejsze.

Ta zdolność adaptacji jest napędzana przez meta-uczenie się, technikę, która uczy system sterowania szybkiego uogólniania na podstawie ograniczonego doświadczenia. Kiedy naukowcy przetestowali swój algorytm w symulacji, zauważyli, że błędy lotu spadły o połowę w porównaniu do standardowych metod - nawet gdy system napotkał nowe, nieprzeszkolone wzorce wiatru. Dron po prostu nauczył się oczekiwać nieoczekiwanego.

Navid Azizan z MIT, jeden z liderów projektu, podkreśla, że sekret siły tego systemu tkwi w jego podejściu do jednoczesnego uczenia się. Zamiast wstępnie ustawiać jeden sposób adaptacji, kontroler decyduje w locie, czerpiąc z rodziny zaawansowanych metod optymalizacji. Nie chodzi tu tylko o gaszenie pożarów. Ta sama technologia adaptacyjna może pozwolić dronom dostawczym na bardziej efektywne przewożenie ciężkich paczek przez wietrzne miasta lub umożliwić monitorowanie z powietrza odległych krajobrazów przy zmiennej pogodzie.

Tradycyjne sterowanie dronami opiera się na starannie opracowanych modelach każdego zakłócenia. Jednak w prawdziwym życiu nie każde wyzwanie można przewidzieć. System MIT odrzuca tę kulę, polegając całkowicie na tym, co dron widzi, czuje i uczy się w ruchu. Ich podejście wykorzystuje “zejście lustrzane”, rodzinę technik optymalizacji, która otwiera większy zestaw narzędzi niż tradycyjne metody zejścia gradientowego, dostosowując się bardziej zwinnie do różnych wyzwań.

Co dalej czeka zespół MIT? Wyjmują swój system z symulatora i przenoszą go na prawdziwe drony, testując go w różnych warunkach. Mapa drogowa obejmuje sprawienie, by system radził sobie z wieloma źródłami zakłóceń - na przykład zmieniającymi się ładunkami lub nagłymi burzami - oraz poszukiwanie metod, które pozwolą dronowi z czasem stawać się coraz mądrzejszym, dzięki czemu będzie mógł stawić czoła nowym zagrożeniom bez konieczności powrotu do punktu wyjścia.

Badania te są już chwalone przez ekspertów w tej dziedzinie za połączenie meta-uczenia się i kontroli adaptacyjnej, z nadzieją, że mogą utorować drogę dla autonomicznych systemów, które wyróżniają się w rzeczywistym świecie bałaganu i złożoności. Dzięki wsparciu ze strony partnerów branżowych i laboratoriów badawczych MIT, ścieżka dla dronów, które nie tylko latają - dostosowują się, myślą i rozwijają się, bez względu na to, co dzieje się na ich drodze.

Przeczytaj całą historię na MIT News: https://news.mit.edu/2025/ai-enabled-control-system-helps-autonomous-drones-uncertain-environments-0609.