تتزايد استخدامات الطائرات بدون طيار (UAV) في التنقل الذاتي داخل البيئات الخارجية المعقدة، حيث تعتمد هذه الأنظمة على القدرة على اتخاذ قرارات ذكية وتفاعلية تتناسب مع ظروف المهمة. ومع ذلك، تظل الأساليب التقليدية في التعلم الآلي (Machine Learning) وتعلم التعزيز (Reinforcement Learning) محدودة بسبب اعتمادها على نماذج مسبقة التدريب.

في أحدث الأبحاث، تم تقديم خوارزمية جديدة تُعرف بخوارزمية لابف (LAPF)، التي تدمج نماذج اللغة الكبيرة (LLM) مع وحدات الإدراك والذاكرة والتخطيط ورد الفعل. تعمل هذه الخوارزمية بطريقة متميزة من خلال استخدام تجارب سابقة في التنقل لتحسين اختيارات المسار والتعامل مع الأخطار المحتملة بطريقة ذكية.

لقد أثبتت النتائج العملياتية أن خوارزمية لابف تحقق تقليصاً ملحوظاً في طول المسار بمعدل 17.2% في البيئات المفتوحة، مقارنةً بالأساليب التقليدية. وهذا يؤكد قدرة الخوارزمية على تحسين الكفاءة وتقليل المخاطر بفضل نظامها الحكيم والمتكامل الذي يضمن الاستقرار في النهاية.

هل ترغب في معرفة المزيد عن كيفية عمل خوارزمية لابف وكيف يمكن أن تؤثر في مستقبل الطيران الذاتي؟ تابعونا لمعرفة المزيد!