This post is also available in:
English (אנגלית)
תיאום בין קבוצות גדולות של מערכות אוטונומיות, בין אם זה רחפנים, כלי רכב או סוכנים תוכנתיים, נותר אתגר מורכב. בתנאי עולם אמיתי, האותות המתקבלים הם לעיתים רועשים, חלקיים ואף סותרים. שיטות שליטה קונבנציונליות נשענות לרוב על מיצוע מידע ממספר מקורות או על הקצאת מוביל קבוע, אך שתי הגישות מתקשות כאשר רמת אי-הוודאות עולה, מה שעלול להוביל להתנהגות לא יציבה או לא יעילה של הקבוצה.
מחקר חדש מציע גישה חלופית בהשראת מקור בלתי צפוי: כלבי רועים. החוקרים ניתחו כיצד כלבים מאומנים מכוונים עדרים קטנים ולא צפויים במהלך רעייה, כאשר בעלי החיים נעים בין נטייה לעקוב אחר הקבוצה לבין תגובה לאיומים נתפסים. דינמיקה זו יוצרת חוסר יציבות, במיוחד בקבוצות קטנות, ומקשה על שליטה מדויקת.
על פי דיווח של TechXplore, התובנה המרכזית נעוצה באופן שבו הכלבים מתמודדים עם חוסר הוודאות. במקום לכפות תנועה מיידית, הם משפיעים תחילה על כיוון העדר, ומיישרים בעדינות את בעלי החיים לכיוון הרצוי. רק לאחר שהושגה התאמה בכיוון, הם מפעילים לחץ שמניע את התנועה. התזמון כאן קריטי, שכן ההתיישרות יכולה להתפרק במהירות.
בהתבסס על תצפיות אלו, החוקרים פיתחו מודל חישובי והחילו אותו על נחילי רובוטים. במקום שכל יחידה תבצע מיצוע מתמשך של מידע מכל שכנותיה, השיטה המוצעת מאפשרת לכל סוכן לפעול לפי השפעה אחת בכל רגע נתון, יחידה אחרת או אות מנחה, ולבצע מעבר דינמי בין מקורות ההשפעה לאורך זמן.
גישה זו, המכונה "Indecisive Swarm Algorithm", הוכיחה יעילות גבוהה יותר בסימולציות שבהן המידע היה רועש או לא ודאי. באמצעות הימנעות מדילול של אותות שימושיים, אשר מהווה בעיה נפוצה במערכות מבוססות מיצוע, הנחיל הצליח לשמור על כיוון תוך השקעת מאמץ שליטה נמוך יותר.
הקונספט משקף גם עיקרון לא אינטואיטיבי: רמה מסוימת של אקראיות או "רעש" במערכת יכולה דווקא לשפר את התיאום, ולא לפגוע בו.
מנקודת מבט ביטחונית והגנת המולדת, המשמעויות ברורות. מערכות נחיל משמשות יותר ויותר למשימות סיור, מעקב ופעילות מבוזרת, לעיתים בסביבות שבהן התקשורת מוגבלת או משובשת. גישה שמאפשרת שמירה על תיאום בתנאים כאלה עשויה לשפר את אמינות המשימות ולהפחית את התלות בשליטה מרכזית.
ככל שמערכות אוטונומיות הופכות נפוצות יותר, שיטות המאזנות בין גמישות לשליטה יהיו חיוניות. שאיבת השראה מהתנהגות טבעית מציעה דרך מעשית להתמודד עם המורכבות של מערכות מבוזרות הולכות וגדלות.
המחקר פורסם כאן.
