Інтелектуальні методи уникнення зіткнень у групових польотах БПЛА на основі РЛС: гібридний підхід з використанням прогнозування траєктоій та федеративної адаптації

Анотація

У статті розглянуто одну з ключових проблем сучасних багатоагентних роботи-зованих систем - забезпечення гарантованої безпеки групового польоту безпілотних лі-тальних апаратів (БПЛА) в умовах високої щільності рою, наявності динамічних перешкод і часткової спостережуваності середовища. Обґрунтовано недоліки традиційних підходів: штучні потенційні поля (APF) є суто реактивними й схильними до локальних мінімумів, а геометричні методи (ORCA) засновані на припущенні про сталість швидкостей, що призводить до надмірного консерватизму та тупикових станів. Запропоновано нову гібридну децентралізовану систему уникнення зіткнень AI-RDR.
Методологія дослідження базується на поетапній інтеграції чотирьох технологічних рівнів: (1) бортового сенсорного сприйняття на основі FMCW радара, робастного до погодних умов; (2) прогнозування нелінійних траєкторій сусідніх агентів за допомогою рекурентної мережі Attention-Bi-GRU; (3) децентралізованого планування безпечного шляху в неперервному 3D-просторі за допомогою модифікованого алгоритму мурашиних колоній (ACO), який використовує ймовірнісний прогноз як евристику ризику; (4) колективної адаптації моделей у рої на основі алгоритму федеративного навчання FedProx, що забезпечує стабільну збіжність на неоднорідних (не-IID) даних без централізації сирих вимірювань.
Експериментальна перевірка виконана в середовищі високоточного моделювання Gazebo 11 з інтеграцією автопілота PX4 у режимі SITL і модулів ROS 2. Результати порівняльного аналізу довели, що запропонований метод досягає коефіцієнта успішності (SR) понад 99,8% у складних динамічних сценаріях, суттєво перевершуючи APF та ORCA. Система демонструє більший запас безпечної відстані (AMD = 4,8 м) і високу ефективність шляху (PE = 0,92) за затримки циклу прийняття рішень у межах 45 мс, що підтверджує придатність для роботи в реальному часі. Наукова новизна полягає у формуванні синергетичної архітектури, де прогнозування безпосередньо впливає на ризик-орієнтоване планування, та в застосуванні FedProx для адаптації прогностич-них моделей у роях БПЛА.

Ключові слова: рій БПЛА, уникнення зіткнень, FMCW радар, штучний інтелект, прогнозування траєкторій, Attention-Bi-GRU, алгоритм мурашиних колоній, федеративне навчання, FedProx, проактивна навігація, ROS 2, Gazebo/PX4.