في عالم تتزايد فيه استخدامات الطائرات بدون طيار (Unmanned Aircraft Systems - sUAS)، تبرز الحاجة إلى أنظمة قادرة على ضمان السلامة حتى في الظروف الصعبة. في هذا السياق، توصلت الأبحاث الحديثة إلى حلول مبتكرة باستخدام التعلم المعزز المتعدد الوكلاء (Multi-Agent Reinforcement Learning - MARL) للتغلب على التحديات الناتجة عن تدهور إشارة GPS والخداع.

تعتمد هذه الاستراتيجية على الفرضية القائلة بأن كل طائرة تقوم بإرسال موقعها القائم على إشارة GPS. لكن مع تدهور هذه الإشارة، يصبح من الصعب الاعتماد على هذه البيانات، مما يؤدي إلى حالة من عدم اليقين في مراقبة حركة الطائرات. وقد تم إعادة صياغة هذه الحالة كعملية تنافسية بين الوكلاء (agents) وعدو يشوش على الحالة الملاحية.

الباحثون قدموا تعبيرًا مغلقًا عن هذا الارتباك الناتج عن التهديدات، مما يقضي على الحاجة إلى عمليات تحسين داخلية متكررة، مما يسهل تقييم الأداء في أبعاد الحالة بالزمن الخطي. توضح الدراسات أن هذه التعبيرات تقارب القيمة المقللة المثلى للوظيفة مقابل مجموعة من الشكوك، مما يعزز الأداء العام.

عند إجراء محاكاة مكثفة، أظهرت النتائج أن مستويات الاصطدام بين الطائرات كانت شبه معدومة، حتى عند وجود تدهور يصل إلى 35%. وهذا يعد إنجازًا بارزًا مقارنة بالسياسات المختلفة المدربة دون استخدام أساليب التهديد المضاد. هذا البحث يفتح آفاقًا جديدة لتعزيز الابتكارات في مجال الطائرات بدون طيار ويعزز السلامة في أوقات تزايد استخدام هذه التقنية في مجالات متعددة.

ما هي أفكاركم حول هذه التكنولوجيا المتطورة؟ هل تعتقدون أن استخدام الذكاء الاصطناعي سيغير مستقبل الطيران؟ شاركونا في التعليقات!