في عالم الذكاء الاصطناعي، تُعد نماذج اللغة الكبيرة (LLMs) من الأطر الواعدة التي يُستعان بها في تعزيز أنظمة الإدارة والسيطرة. ومن بين التطبيقات المثيرة للاهتمام منها، تبرز الحاجة إلى استخدام هذه النماذج في إدارة أسراب الطائرات بدون طيار (UAV Swarms).

ومع ذلك، فإن التحديات التي تواجه هذه التكنولوجيا لا تزال قائمة. فكيف يمكن التعامل مع واجهات التحكم المختلفة، ومدى اعتماد النظام على الإدراك الذاتي للأمور، إضافةً إلى الحاجة للتنفيذ المستمر للأوامر في الوقت الحقيقي؟

تسلط الدراسة الجديدة الضوء على إطار عمل جديد لتحكم أسراب الطائرات، حيث يمكن للمستخدمين التعبير عن أهداف مهماتهم بلغة طبيعية، مما يعزز القدرة على تنفيذ هذه الأهداف بشكل تلقائي وذكي. يعتمد هذا الإطار على نواة (Agent Core) مبنية على نماذج اللغة الكبيرة، بالإضافة إلى بروتوكول سياق النموذج (Model Context Protocol) الذي يعتمد على معايير ويب الأشياء (Web of Things - WoT).

من خلال توفير إمكانية التحكم من خلال معايير موحدة، تمتاز هذه البنية بإمكانية التفاعل المبني على الأدوات، مما يسهل عمليات المراقبة السلسة للحالة والقيام بالتحركات الآمنة دون الحاجة إلى توليد الكود.

ومع اختبار هذا الإطار عبر استخدام محاكي ArduPilot، تم تجربة أربعة مهام أسراب مختلفة وبمساعدة ستة من أحدث نماذج اللغة الكبيرة. وقد كشفت النتائج أن النماذج الحالية، رغم قدرتها العالية على التفكير، تعاني من صعوبة في تحقيق التنفيذ الموثوق حتى بالنسبة للمهام البسيطة عندما تعمل بدون دعم مباشر للإدراك والتنفيذ.

وقد أظهرت الأدوات الخاصة بالتخطيط والدروع المرافقة أنها تعزز بشكل كبير من موثوقية الأداء، بالرغم من أن استهلاك الرمز وحده لا يعكس جودة التنفيذ أو موثوقيته.

في النهاية، تشير هذه الدراسة إلى إمكانية شاملة لتعزيز إدارة أسراب الطائرات بدون طيار عبر تكنولوجيا نماذج اللغة الكبيرة، ولكن مع الحاجة إلى تطويرٍ مستمر لتحقيق نتائج أذكى وأكثر تحدياً.