قدمت هذه الدراسة خوارزمية مبتكرة تُعرف باسم Shared Backbone Proximal Policy Optimization (Shared Backbone PPO)، والتي تعزز من كفاءة التدريب وأداء أنظمة الطائرات بدون طيار (UAVs). تعتمد الخوارزمية على مشاركة الوحدة الأساسية بين شبكتي الممثل (Actor) والناقد (Critic)، مما يساعد على تسريع عملية التدريب ويؤدي إلى تحسين النتائج.

تم تنفيذ الخوارزمية في مهام تغطية الاتصال عبر swarms من الطائرات بدون طيار، مع تقنيات جديدة تضمن الحفاظ على الاستمرارية في الاتصال، مقارنتها بأسلوب Proximal Policy Optimization القياسي. أظهرت النتائج التجريبية تفوق الخوارزمية الجديدة في أدائها، حيث تمكنت من تحقيق نتائج أفضل في زيادة فعالية التعاون بين الطائرات.

علاوة على ذلك، تم دمج وحدة تجميع المعلومات الرسومية في هيكل النموذج لتلبية ظروف الاتصال بين الوكلاء، مما يعزز من من مستوى التعاون بين swarm الطائرات. يمكن القول إن الابتكارات في هذه الخوارزمية تمثل خطوة مهمة نحو تحسين أداء أنظمة الطائرات بدون طيار في بيئات متعددة.

هل تعتقد أن هذه الخوارزمية يمكن أن تقودنا إلى مستقبل أكثر تقدماً في تكنولوجيا الطائرات بدون طيار؟ شاركنا أفكارك في التعليقات!