Certified-Robust Multi-Objective UAV Routing for Military Resupply under Nonlinear Energy Dynamics: An Adaptive Physics-Informed Approach
تقترح هذه الورقة البحثية "Adaptive PINN"، وهي إطار عمل للشبكات العصبية المستوحاة من الفيزياء مع طبقة إصلاح معتمدة، لحل مشكلة توجيه الطائرات بدون طيار العسكرية القوية ذات الأهداف الثلاثة، والتي تأخذ في الاعتبار استنزاف البطارية غير الخطي عبر قانون "بوكيرت" ومصادر متعددة لعدم اليقين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم اللوجستيات العسكرية عالي المخاطر، يمثل إيصال الإمدادات إلى المواقع النائية سباقاً مستمراً ضد الوقت والطقس والخطر. ولعقود من الزمن، اعتمد المخططون على الطائرات بدون طيار، أو "الدرونز"، لسد هذه الفجوات، حيث تنقل الأدوية والوقود والمعدات إلى الجنود في الميدان. ومع ذلك، فإن برمجة هذه الآلات للطيران بأمان وكفاءة هي عملية أكثر تعقيداً من مجرد رسم خط على خريطة. فالهواء نفسه لا يمكن التنبؤ به؛ إذ يمكن للرياح والاضطرابات الجوية أن تمدد وقت رحلة كان من المفترض أن تستغرق عشرين دقيقة لتصبح ثلاثين، مما يترك الطائرة بدون طيار عالقة. والأرض في الأسفل غادرة بالقدر ذاته، مع ارتفاع خطر الكشف من قبل العدو كلما طالت مدة بقاء الطائرة في منطقة متنازع عليها. ولعل الأمر الأكثر حرجاً هو أن مصدر طاقة الطائرة نفسها يتصرف بطرق تتحدى المنطق البسيط. فخلافاً للسيارة التي تحرق الوقود بمعدل ثابت، فإن قدرة البطارية على تقديم الطاقة تتغير اعتماداً على مدى قوة عملها. فإذا طارت الطائرة بسرعة أكبر أو حملت حمولة أثقل، فإن بطاريتها تُستنزف بسرعة أكبر بشكل غير متناسب، وهي حقيقة فيزيائية غالباً ما تتجاهلها أو تبسطها النماذج الحاسوبية القياسية.
لقد تصدى فريق من الباحثين لهذه الشبكة المعقدة من المشكلات عبر ابتكار طريقة جديدة لتخطيط مهام الطائرات بدون طيار تحترم هذه الحدود الفيزيائية مع مراعاة عدم اليقين. فقد طوروا نظاماً يعامل بطارية الطائرة ليس كخزان وقود بسيط، بل كمكون حي يخضع للقوانين الفيزيائية. ومن خلال الجمع بين الرياضيات المتقدمة ونوع من الذكاء الاصطناعي الذي "يعرف" هذه القوانين الفيزيائية، أنشأوا أداة يمكنها توليد خطط طيران تراعي استهلاك الطاقة، وإن لم تكن آمنة بشكل مضمون فوراً. ووجد الباحثون أنه من خلال دمج القواعد الفعلية لكيمياء البطارية مباشرة في برنامج التخطيط، استطاعوا إنتاج مسارات تهدف إلى تجنب السيناريو الخطير المتمثل في نفاد طاقة الطائرة أثناء الطيران، حتى عندما يسوء الطقس أو تستغرق المهمة وقتاً أطول مما هو متوقع. ومع ذلك، فإن المخرجات الأولية للذكاء الاصطناعي ليست دائماً قابلة للتنفيذ؛ فهي تتطلب خطوة تحقق نهائية لضمان السلامة.
جوهر هذا العمل هو نموذج جديد لتوجيه الطائرات بدون طيار يوازن بين ثلاثة أهداف متضاربة: إنهاء المهمة بسرعة، وتقليل الوقت المستغرق في المناطق الخطرة، وضمان امتلاك الطائرة طاقة كافية للهبوط بسلام. فالطرق التقليدية تعامل الطاقة كتكلفة ثابتة، مثل رسوم المرور، لكن الباحثين أظهروا أن هذا النهج يفشل عندما تؤخذ كيمياء بطارية الطائرة في الاعดับ. فالبطاريات الحقيقية تفقد سعتها بشكل أسرع عندما تعمل الطائرة بجهد أكبر، وهي ظاهرة تُعرف باسم "تأثير بوكيرت" (Peukert effect). ولحل هذه المشكلة، بنى الفريق برنامجاً حاسوبياً يتعلم التنبؤ بمسار الطائرة بينما يتحقق في الوقت نفسه من مستويات طاقتها مقابل القوانين الفعلية للفيزياء. ويطلقون على هذا "شبكة عصبية مستنيرة بالفيزياء" (physics-informed neural network). فبدلاً من مجرد تخمين مسار وتمني أن تنجح الرياضيات، يتم تدريب النظام على فهم أنه إذا طارت الطائرة بسرعة أكبر، فإنها تستهلك طاقة أكثر، ويقوم بتعديل خطته بناءً على ذلك.
ما يجعل هذا النهج قوياً بشكل خاص هو كيفية تعامله مع المجهول. ففي مهمة حقيقية، قد تواجه الطائرة رياحاً أقوى أو بيئة أكثر عدائية مما هو متوقع. يستخدم النظام الجديد طريقة تسمى "عدم اليقين الميزاني" (budgeted uncertainty)، والتي تفترض أن الأمور ستسير بشكل خاطئ، ولكن ضمن حد معين فقط. فهو يخطط لأسوأ سيناريو ضمن ذلك الحد، مما يضمن نجاح المهمة حتى لو كانت الرياح قوية أو كان التهديد مرتفعاً. وقد أثبت البون أن طريقتهم يمكنها توليد مجموعة متنوعة من الخطط المثلى، موضحة المقايضات بين السرعة والسلامة والطاقة. فعلى سبيل المثال، يمكن للقائد اختيار مسار أطول قليلاً ولكنه أكثر أماناً، أو مسار أسرع ولكنه يحمل مخاطر أعلى، وسيقدم النظام الأرقام الدقيقة لدعم ذلك القرار.
ولضمان أن تكون اقتراحات الكمبيوتر ليست مجرد نظريات بل قابلة للتطبيق فعلياً، أضاف الباحثون خطوة "إصلاح". فحتى أذكى حاسوب قد يرتكب خطأً، باقتراح مسار يتجاوز القدرة الاستيعابية للطائرة أو يتركها بطاقة بطارية ضئيلة جداً. يتضمن النظام الجديد فحصاً رياضياً سريعاً يتحقق فوراً مما إذا كان المسار المقترح آمناً. وإذا كان المسار غير آمن، يحاول النظام تعديله تلقائياً، عبر نقل الإمدادات من طائرة إلى أخرى أو تغيير ترتيب التوقفات، حتى يتم استيفاء كل قيد. ومع ذلك، فإن هذه العملية ليست معصومة من الخطأ؛ فإذا لم يتمكن النظام من إيجاد إعادة تخصيص قابلة للتنفيذ بين الخيارات المتاحة، فإنه يشير إلى عدم الإمكانية، ويتم وضع علامة على النقاط المخصصة للطائرة المخالفة لإعادة التخطيط يدوياً من قبل المشغلين البشريين. هذا الفحص فعال للغاية لدرجة أنه يمكن إجراؤه في جزء من الثانية، مما يضمن أن الخطة النهائية ممكنة فيزيائياً قبل إرسالها إلى الطائرة، شريطة وجود حل ضمن نطاق إعادة التخصيص.
اختبر الباحثون نظامهم باستخدام مهام محاكية لمجموعات صغيرة من الطائرات بدون طيار ونقاط الإمداد. وقارنوا نتائجهم بأفضل الحلول الممكنة التي تجدها عمليات البحث الحاسوبي الشاملة، والتي تستغرق وقتاً طويلاً جداً للتشغيل. وفي هذه الحالات الاختبارية الصغيرة، استعاد نظامهم ما يقرب من 86 بالمائة من أفضل النتائج الممكنة، مستخلصاً أهم المقايضات بين الأهداف المختلفة. كما تحققوا من أن اختصارهم الرياضي لحساب استنزاف البطارية كان دقيقاً بمستوى دقة الكمبيوتر القياسي، مما أثبت أنهم ليسوا بحاجة إلى تشغيل عمليات محاكاة معقدة وبطيئة لمعرفة ما إذا كانت البطارية ستصمد أم لا. وبينما لم يتم اختبار النظام بعد على طائرات حقيقية في الميدان، فإن النتائج تشير إلى أنه يمكن أن يحدث ثورة في كيفية تخطيط اللوجستيات العسكرية، بالانتقال من الافتراضات الخطية الجامدة إلى نهج أكثر مرونة ومراعاة للفيزياء يحافظ على سلامة كل من الآلات والبشر الذين تخدمهم.
كما تسلط الدراسة الضوء على ما يتبقى للقيام به. فالتجارب الحالية استخدمت سرعات ثابتة للطائرات، مما يعني أن النظام لم يقم بعد بتحسين السرعة التي يجب أن تطير بها الطائرة في كل مرحلة من مراحل رحلتها. وفي المستقبل، يخطط الباحثون لجعل النظام يحدد السرعة أيضاً، مما سيسمح بتوازن أدق بين السرعة والطاقة. كما يعتزمون اختبار النظام ضد طرق تخطيط متقدمة أخرى، والتحقق من صحته في نهاية المطاف باستخدام بيانات طيران من العالم الحقيقي. وفي الوقت الحالي، يمثل هذا العمل خطوة كبيرة للأمام، حيث يثبت أنه من خلال تعليم الذكاء الاصطناعي احترام القوانين الفيزيائية للعالم الذي يعمل فيه، يمكننا إنشاء أنظمة ليست فقط أذكى، بل أيضاً أكثر موثوقية في مواجهة عدم اليقين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.