İnsansız Hava Araçları (İHA) sürülerinde meydana gelen büyük çaplı arızalar, sistemin bağlantısız alt ağlara bölünmesine neden olarak koordinasyonu zorlaştırıyor. Merkezi kontrol sistemleri bu durumda küresel ağ bilgisine ihtiyaç duyduğu için haberleşme yükü artıyor ve sistem verimsizleşiyor.
Araştırmacılar bu soruna çözüm olarak PhyGAIL (Physics-informed Graph Adversarial Imitation Learning) algoritmasını geliştirdi. Sistem, 'merkezi eğitim, dağıtık uygulama' prensibini benimsiyor ve İHA'ların bireysel gözlemlerinden hareketle yerel etkileşim grafları oluşturuyor.
Algoritmanın en önemli özelliği, fizik kurallarını graf sinir ağlarına entegre etmesi. Sistem, İHA'lar arasındaki çekim ve itme kuvvetlerini modelleyerek doğal koordinasyon sağlıyor. Bu yaklaşım, geleneksel sezgisel yöntemler ve çok-ajan pekiştirmeli öğrenme tekniklerinin aksine sürü büyüklüğü değişse bile tutarlı performans gösteriyor.
PhyGAIL'in dağıtık yapısı, her İHA'nın sadece yakın çevresindeki diğer araçlarla iletişim kurmasını gerektiriyor. Bu durum, sistem genelinde haberleşme yükünü azaltırken arıza sonrası toparlanma sürecini hızlandırıyor.
Bu teknoloji, arama kurtarma operasyonları, çevre izleme, askeri gözetleme ve kargo taşımacılığı gibi alanlarda devrim yaratma potansiyeli taşıyor.