إن الطيران بطائرة بدون طيار (درون) عبر غابة كثيفة بسرعة عالية يمثل مسألة تتعلق بالتوقيت في أجزاء من الثانية. يجب على الآلة أن ترى عائقاً، وتتخذ قراراً بشأن كيفية الحركة، وترسل أمراً إلى محركاتها قبل أن تصطدم بشجرة. لعقود من الزمن، حل المهندسون هذه المشكلة عن طريق بناء خريطة للعالم في حاسوب الدرون، ورسم مسار، ثم اتباعه. لكن بناء الخريطة يستغرق وقتاً وقوة حوسبة، وإذا كانت الخريطة خاطئة، فإن الدرون سيتحطم. يحاول نهج أحدث تعليم الدرونات الطيران من خلال مراقبة الخبراء، مما يسمح للآلة بتعلم رابط مباشر بين ما تراه وكيفية حركتها، تماماً مثل طفل يتعلم ركوب الدراجة من خلال الشعور بالتوازن بدلاً من حساب فيزياء العجلات. هذا الأسلوب، المعروف باسم "التعلم بالتقليد"، أظهر نتائج واعدة، لكنه غالباً ما يفشل عندما تواجه الدرون موقفاً لم تره من قبل، أو عندما تكون سرعة الحاسوب بطيئة جداً بحيث لا تتماشى مع سرعة الطيران.

يصبح التحدي أصعب بالنسبة للدرونات الصغيرة التي تطير عند أقصى حدود قدرتها الحوسبية. إن نماذج الذكاء الاصطناعي الحديثة التي يمكنها فهم اللغة والصور ثقيلة للغاية، وتتطلب كميات هائلة من الذاكرة للتشغيل. لاتخاذ قرار، غالباً ما يتعين على هذه النماذج معالجة المعلومات خطوة بخطوة، مثل قراءة كتاب كلمة بكلمة. بالنسبة لدرون تتحرك بسرعة خمسة أمتار في الثانية، فإن انتظار حاسوب بطيء لإنهاء قراءة جملة طويلة يعني أن الدرون قد تقطع ثمانية وعشرين متراً دون تحريك أدوات التحكم، وهي مسافة تضمن الاصطدام في غابة مزدحمة. احتاج الباحثون إلى طريقة لجعل هذه النماذج الذكية خفيفة بما يكفي لتعمل على حاسوب صغير يعمل بالبطارية، مع القدرة في الوقت نفسه على اتخاذ القرارات بسرعة كافية للطيران بأمان.

قام باحث بتطوير نظام جديد يسمى "Aero-VPA" يعالج هذه المشكلة عن طريق تغيير طريقة تفكير الدرون. فبدلاً من استخدام طريقة معالجة ثقيلة تعتمد على الكلمة تلو الأخرى، بنى بنية انسيابية تتنبأ بالحالة المستقبلية للعالم في نظرة واحدة سريعة. يستخدم النظام "دماغاً بصرياً" مدمجاً ينظر إلى بث الكاميرا ومجموعة صغيرة من القواعد للتنبؤ بما سيحدث بعد ذلك، متجاوزاً الحاجة إلى إعادة بناء كل بكسل في الصورة. يتيح ذلك للدرون توليد تسلسل كامل من أوامر الحركة في خمس خطوات سريعة فقط، وهو سرعة تتناسب مع الحدود الزمنية الضيقة لحاسوب درون صغير. اختبر الباحث هذا النظام في محاكاة حاسوبية واقعية للغاية لطائرة "كوادروتور" (رباعية المراوح) تتنقل عبر غابات يتم إنشاؤها إجرائياً، حيث وُضعت الأشجار بشكل عشوائي لخلق مجموعة متنوعة من التحديات.

كانت النتائج الأولية مفاجئة وكشفت عن خلل خفي في كيفية تعلم هذه الآلات. فعندما قام الباحث بتدريب الدرون ببساطة عن طريق نسخ أفعال طيار خبير، تعلمت الدرون "طريقاً مختصراً" خطيراً؛ إذ توقفت عن النظر إلى الأشجار أو المسار أمامها، وبدلاً من ذلك قامت فقط بتكرار آخر أمر أرسلته إلى محركاتها. في محاكاة حيث كانت الدرون تطير بشكل مثالي، كان هذا السلوك يعمل بشكل جيد لأن آخر أمر كان عادةً صحيحاً. ولكن في اللحظة التي انحرفت فيها الدرون عن مسارها، استمرت في تكرار الأمر الخاطئ، لتطير بشكل أعمى نحو العوائق. هذا السلوك، الذي يسميه الباحث "مشكلة التقليد الأعمى"، يعني أنه رغم ظهور الدرون بمظهر مثالي على الورق، إلا أنها فشلت في إتمام مهمة واحدة من أصل ستين مهمة عند الطيران بمفردها.

ولإصلاح ذلك، قدم الباحث طريقة تدريب حيث يُسمح للدرون بالطيران، وكلما ارتكبت خطأً، يتدخل "مشرف سلامة" لتصحيح الخطأ وتعليم الدرون الحركة الصحيحة لهذا الموقف المحدد. أدى هذا إلى تحسين معدل نجاح الدرون، لكنه ظل يصطدم بسقف معين؛ حيث كانت الدرون تطير لفترة، ثم تتحطم، أو تعلق في حلقة من التردد. ظل معدل النجاح يحوم حول عشرين بالمائة، مما يعني أن الدرون تتحطم أو تفشل في أربع من أصل خمس محاولات. أدرك الباحث أن رؤية الدرون كانت ضيقة للغاية؛ إذ لم تكن تستطيع رؤية سوى ما هو موجود مباشرة أمامها، وبمجرد أن يتحرك العائق خارج مجال الرؤية، تنسى الدرون وجوده.

جاء الاختراق ليس من خلال تعليم الدرون أن تكون أكثر ذكاءً، بل من خلال منحها "شبكة أمان" لا تعتمد على التعلم. أضاف الباحث طبقة سلامة حتمية بسيطة عملت كدرع. احتفظ هذا الدرع بذاكرة لكل ما رأته الدرون في الخمس عشرة ثانية الماضية، مما خلق خريطة ذهنية للمساحة المحيطة بها، بما في ذلك العوائق التي تحركت خلف الدرون أو إلى جانبها. إذا حاولت الدرون الطيران نحو عائق تم تذكره، فإن الدرك سيدفعها بلطف بعيداً أو يبطئ سرعتها. كما تضمن النظام قواعد لما يجب فعله إذا علقت الدرون أو فقدت طريقها، مثل الرجوع إلى الوراء على طول المسار الذي سلكته للتو أو دفع نفسها نحو الهدف التالي.

عندما أُضيفت طبقة الأمان هذه إلى الدرونات المدربة، تغيرت النتائج بشكل كبير. قفز معدل نجاح أفضل درون في الأداء من واحد وعشرين بالمائة إلى اثنان وخمسين بالمائة. وانخفض عدد حوادث الاصطدام من اثنين وسبعين بالمائة إلى اثنين وعشرين بالمائة فقط. وكان المقابل هو أن الدرون أصبحت أكثر حذراً؛ إذ كانت تبطئ أكثر وتستغرق وقتاً أطول لإنهاء مهامها، مع ارتفاع عدد الرحلات التي انتهت بمجرد انتهاء الوقت إلى ثلاثة وعشرين بالمائة. ومع ذلك، لم تعد الدرون تصطدم بالأشجار. لقد عمل الدرع بشكل جيد لدرجة أنه حسن أداء كل نسخة من النسخ التي تم اختبارها، بغض النظر عن كيفية تدريب الدرون.

وجد الباحث أن درع السلامة كان فعالاً بشكل خاص في الغابات الأكثر كثافة، حيث تكون الأشجار أقرب إلى بعضها البعض. في هذه المساحات الضيقة، ارتفع معدل نجاح الدرون مع وجود الدرع من سبعة بالمائة فقط إلى ما يقرب من سبعة وأربعين بالمائة. بدون الدرع، كانت الدرون ستتحطم دائماً في هذه الظروف. نجح الدرع في تحقيق ذلك من خلال تذكر العوائق التي لم تعد في مجال رؤية الكاميرا، مما منع الدرون من الطيران بشكل أعمى نحو شجرة مرت بها للتو. كما تعلم النظام التعامل مع التأخير بين رؤية العائق والاستجابة له، وهي مشكلة شائعة في الروبوتات حيث يكون عقل الآلة أبطأ قليلاً من عينيها.

رغم هذه النجاحات، يحرص الباحث على الإشارة إلى أن هذا العمل لا يزال في مرحلة المحاكاة. لم تطر الدرون بعد في العالم الحقيقي، والحاسوب الذي استُخدم لإجراء الاختبارات كان خادماً سحابياً قوياً، وليس الشريحة الصغيرة منخفضة الطاقة التي صُمم النظام ليعمل عليها. النسخة الحالية من الدرون تطير بمتوسط سرعة متر واحد في الثانية، وهو أبطأ بكمت من السرعات التي كان يطير بها الخبراء (من ثلاثة إلى سبعة أمتار في الثانية). حدد الباحث عدة عقبات متبقية، مثل كيفية تعامل الدرون مع الرياح، وكيف ترى الكاميرا في ضوء الشمس الساطع، وكيف سيعمل النظام على الحاسوب الصغير الفعلي المخصص له.

كما سلطت الدراسة الضوء على درس جوهري حول تعليم الآلات الطيران. فمجرد نسخ حركة خبير ليس كافياً إذا وجدت الآلة طريقاً مختصراً يعمل أثناء التدريب ولكنه يفشل في العالم الحقيقي. إن ميل الدرون لتكرار آخر أمر أرسلته كان خدعة ذكية تعلمتها لتقليل الخطأ أثناء التدريب، لكنها كانت عيباً قاتلاً في بيئة ديناميكية. لم يقم درع السلامة بإصلاح تعلم الدرون، بل قام فقط بتقييد أفعالها لإبقائها آمنة بينما تحاول فهم الباقي. وجد الباحث أن قدرة الدرون على التعلم كانت لا تزال محدودة، وأن طبقة السلامة هي التي كانت تقوم بالعمل الثقيل لمنع الكوارث.

يمثل هذا العمل خطوة مهمة نحو جعل الدرونات الصغيرة قادرة على الطيران المستقل في بيئات معقدة وغير منظمة دون الحاجة إلى حاسوب ضخم أو خريطة معدة مسبقاً. ومن خلال الجمع بين دماغ خفيف وسريع التفكير ودرع سلامة بسيط يعتمد على الذاكرة، أظهر الباحث مساراً للمضي قدماً نحو الطيران الرشيق على الأجهزة الطرفية (Edge Hardware). النظام ليس مثالياً، ولم يصبح جاهزاً بعد للعالم الحقيقي، لكنه يثبت أنه مع الجمع بين السرعة والذاكرة والحذر، يمكن لدرون صغيرة أن تتعلم التنقل في غابة دون أن تتحطم. ستتضمن الخطوات التالية اختبار النظام على أجهزة فعلية وفي ظروف خارجية حقيقية لمعرفة ما إذا كانت الدروس المستفادة في المحاكاة ستصمد عندما تهب الرياح وتتحرك الأشجار.