تعتبر الطائرات الرباعية (Quadcopters) من أهم التقنيات المستخدمة في مجالات متعددة مثل التصوير الجوي والتطبيقات العسكرية. ومع تزايد الحاجة إلى التحكم الجماعي لهذه الطائرات، يظهر البحث الجديد الخاص بإطار عمل التعلم المعزز متعدد الوكلاء الموزع (Network Distributed Multi-Agent Reinforcement Learning - ND-MARL) كمبتكر قادر على تحسين هذه العمليات بشكل كبير.

في الأساليب التقليدية، يعتمد التحكم على تخطيط مركزي أو تنفيذ لا مركزي بالكامل، مما قد يحد من كفاءة الاتصال بين الوكلاء. ولكن مع اعتماد ND-MARL، تم تضمين رسم بياني للاتصالات ضمن قرار الوكلاء، مما يسمح لكل وكيل بمراقبة معلومات جيرانه فقط.

تحت طوبولوجيا الاتصال المكونة من وكيلين، يتم تدريب مخطط توافق موزع باستخدام نموذج (Multi-Agent Soft Actor-Critic - MASAC) ليولد مواقع مستهدفة تتبعها وحدات التحكم الخاصة بالطائرات الرباعية. وقد أظهرت النتائج أن العمليات المنسقة لهذه الوكلاء تؤدي إلى تغييرات سلسة ودمج فعّال للخطة مع التتبع.

ما يميز هذا الإطار هو القابلية للتوسع دون الحاجة إلى إعادة تدريب، حيث يمكن تطبيق السياسات التي تم تدريبها على نظام يتكون من ثلاثة وكلاء على أسراب تصل إلى 250 وكيلًا بنفس طوبولوجيا الاتصال، مما يحقق توازنًا مستمرًا مع زيادة حجم الفريق.

تسلط هذه النتائج الضوء على ND-MARL كإطار عمل مستقر ومُدرك للتواصل، مما يمهد الطريق لمزيد من الابتكارات في مجال التحكم في الطائرات الرباعية. فهل أنتم مستعدون لاستكشاف هذه التقنية الرائدة؟