مسیریابی و هدایت دسته‌جمعی مجموعه‌ای از پهپاد‌ها در محیط‌های ناشناخته به‌منظور هدف‌یابی با هوش تجمعی خودمختار

عملکرد بهتر پهپادها در حداکثر زاویه چرخش، انعطاف‌پذیری در حرکت مانوری، مقیاس‌پذیری بالا، کنترل پذیری و قابلیت حمل، باعث رشد بی‌سابقه آنها در کاربردهای نظامی و غیرنظامی دو دهه اخیر شده است. استفاده از سیستم‌های مشارکتی چند رباتی از طریق موازی‌سازی و افزونگی باعث تسهیل و بالابردن ظرفیت انجام وظایفی در پهپادهاست که نیاز به پرواز بر فراز مناطق وسیع و ناشناخته را دارند. توانایی کامل در انجام ماموریت‌ها با حداقل تعامل انسانی، هدف نهایی وسایل نقلیه هوایی بدون سرنشین است و بسته به پیچیدگی وظایف و اینکه آیا یک‌راه حل کاملاً مستقل برای آن کاربرد خاص وجود دارد یا خیر، می‌توان به سطوح مختلفی از خودمختاری در راستای این هدف دست‌یافت. یکی از چالش‌های اساسی این سیستم‌ها، هماهنگ کردن گروه‌های پهپادها برای دستیابی به یک هدف یا رفتار گروهی و مهم‌تر از آن، انجام آن به‌طور مستقل است. با استفاده از استراتژی مبتنی بر رفتار گروهی مدل‌های زیستی طبیعی مانند پرندگان یا مورچه‌ها و هوش ازدحامی در پژوهش حاضر، روشی نوین برای ناوبری و مسیریابی مجموعه‌ای از پهپاد‌ها در آسمان به‌صورت خودمختار و خودگردان با استفاده از یادگیری تقویتی عمیق ارائه شده است تا در عین حرکت به‌صورت دسته‌جمعی، با حداقل تعامل انسان توانایی مسیریابی را اخذ و وظیفه‌ی اختصاص‌یافته را انجام دهد. در مدل ارائه شده پهپاد‌ها باید در محیط ناشناخته، با کمترین اطلاعات از نقشه راه و اطلاعات قبلی بر اساس ورودی‌ها و دریافتی‌های محیط برنامه‌ریزی محلی را انجام دهند. نتیجه حاصل از این تحقیق، ارائه روشی نوین برای ایجاد ازدحام‌های مصنوعی از پهپاد‌ها به‌منظور جهت‌یابی در محیط‌های ناشناخته و ردیابی اهداف است. روش ارائه شده مسیریابی مبتنی بر یادگیری تقویتی نه‌ تنها توانایی برقراری تعادل مابین زمان برنامه‌ریزی و کیفیت مسیر را دارند، بلکه دارای ثبات و سازگاری مناسب با محیط پویا است.