في عالم التطورات التقنية المتسارعة، قدم الباحثون نموذجاً جديداً يُعتبر ثورة في مجال الطائرات بدون طيار (UAV) المستخدمة في عمليات البحث والإنقاذ. هذا النموذج، الذي تم تقديمه سوياً على منصات الأبحاث مثل arXiv، يعتمد على هندسة تعلم ثلاثية المستويات تهدف إلى تحسين كفاءة هذه الأنظمة.

على عكس الطرق التقليدية التي تدمج طريقة تعلم واحدة فقط، يقوم هذا النظام بدمج ثلاثة آليات تعلم مختلفة تعكس التسلسل الهرمي البيولوجي للعملية الإدراكية. تشمل هذه الآليات:
-
**1. التعلم العصبي هيب‬ي (Hebbian neuroplasticity)**: يعمل على تطيف عميل كل طائرة بشكل فردي.
- **2. التعلم التعزيزي متعدد الوكلاء (Multi-agent reinforcement learning - MARL)**: يعزز التنسيق التكتيكي بين طائرات السرب.
- **3. التعلم القائم على النماذج مع مفاهيم BDI (Belief, Desire, Intention)**: يساعد في اتخاذ قرارات استراتيجية باستخدام توأم رقمي (Digital Twin).

تتكون الهندسة من اثنين وعشرين عقدة معمارية موزعة عبر ست مكونات حيوية مثل تقنيات BDI، الأشجار السلوكية (Behavior Trees)، والشبكات العصبية الرسومية (Graph Neural Networks) وغيرها، مما يوفر ضمانات متعددة مثل الأمان والكفاءة.

تمتاز هذه الهندسة أيضًا بتقديم خاصية **وعي السرب الذاتي (Swarm Meta Cognition)**، التي تتيح للسرب مراقبة حالته الإدراكية والتبديل بين استراتيجيات التفكير.

تُمثل هذه النتائج خطوة مهمة نحو تحسين الأداء في بيئات البحث والتعامل مع السيناريوهات العملياتية الحقيقية. هل سيكون لدينا يوماً سرب من الطائرات بدون طيار يستطيع التفاعل والتكيف مثل الكائنات الحية؟