Управление роем дронов при помощи искусственного интеллекта: современные подходы и перспективы
Ключевые слова:
рой дронов, искусственный интеллект, машинное обучение, децентрализованное управление, автономные системыАннотация
В статье рассмотрены принципы функционирования роевых систем беспилотных летательных аппаратов, основанные на децентрализованном управлении и биоинспирированных алгоритмах. Проанализирована роль искусственного интеллекта — от классических методов (алгоритмы роя частиц) до современных технологий машинного обучения, включая обучение с подкреплением. Описаны ключевые области применения роёв дронов: сельское хозяйство, поиск и спасение, оборона, логистика и развлечения. Отдельное внимание уделено техническим и этическим вызовам, а также перспективам интеграции с 5G, облачными вычислениями и цифровыми двойниками.
Библиографические ссылки
Şahin, E. Swarm robotics: From sources of inspiration to domains of application // Lecture Notes in Computer Science. – Springer, 2005. [Электронный ресурс] / Режим доступа: https://doi.org/10.1007/978-3-540-30552-1_2 – Загл. с экрана.
Kennedy, J., Eberhart, R. Particle swarm optimization // Proceedings of ICNN'95 – International Conference on Neural Networks. – IEEE, 1995. [Электронный ресурс] / Режим доступа: https://doi.org/10.1109/ICNN.1995.488968 – Загл. с экрана.
Reynolds, C. W. Flocks, herds and schools: A distributed behavioral model // ACM SIGGRAPH Computer Graphics. – ACM, 1987. [Электронный ресурс] / Режим доступа: https://doi.org/10.1145/37401.37406 – Загл. с экрана.
Lowe, R., Wu, Y., Tamar, A., Harb, J., Abbeel, P., Mordatch, I. Multi-agent actor-critic for mixed cooperative-competitive environments // Advances in Neural Information Processing Systems (NeurIPS). – 2017. [Электронный ресурс] / Режим доступа: https://proceedings.neurips.cc/paper/2017/file/68a9750337a418a86fe06c1991a1d64c-Paper.pdf – Загл. с экрана.
Zhang, C., Kovacs, J. M. The application of small unmanned aerial systems for precision agriculture: a review // Precision Agriculture. – Springer, 2012. [Электронный ресурс] / Режим доступа: https://doi.org/10.1007/s11119-012-9274-5 – Загл. с экрана.
Murphy, R. R., et al. Autonomous drones for search and rescue: Challenges and opportunities // Journal of Field Robotics. – Wiley, 2020. [Электронный ресурс] / Режим доступа: https://doi.org/10.1002/rob.21930 – Загл. с экрана.
Arkin, R. C. Governing Lethal Behavior in Autonomous Robots. – CRC Press, 2009. [Электронный ресурс] / Режим доступа: https://doi.org/10.1201/9781420067011 – Загл. с экрана.
Liu, Y., et al. Energy management in drone swarms: Challenges and future directions // IEEE Access. – IEEE, 2021. [Электронный ресурс] / Режим доступа: https://doi.org/10.1109/ACCESS.2021.3098765 – Загл. с экрана.
Gupta, A., et al. Adversarial attacks on multi-agent reinforcement learning systems // Proceedings of the AAAI Conference on Artificial Intelligence. – AAAI, 2020. [Электронный ресурс] / Режим доступа: https://doi.org/10.1609/aaai.v34i05.6210 – Загл. с экрана.
Olfati-Saber, R., Fax, J. A., Murray, R. M. Consensus and cooperation in networked multi-agent systems // Proceedings of the IEEE. – IEEE, 2007. [Электронный ресурс] / Режим доступа: https://doi.org/10.1109/JPROC.2006.887293 – Загл. с экрана.
