Стратегія застосування цифрового двійника за умов децентралізованого керування роєм безпілотних літальних апаратів
DOI:
https://doi.org/10.15407/dopovidi2025.06.023Ключові слова:
цифровий двійник, ройовий інтелект, автономна навігація, безпілотні літальні апарати (БПЛА), децентралізоване керуванняАнотація
Запропоновано стратегію застосування цифрового двійника (ЦД) в задачах автономної навігації рою безпілотних літальних апаратів (БПЛА), керованих штучним інтелектом. В умовах відсутності стабільного зв’язку з наземним центром ефективне функціонування рою дронів можливе завдяки розподілу функцій ЦД наземної станції і АІ-агентами бортового БПЛА. У структурі AI-платформи для автономного рою БПЛА модуль ЦД виконує асинхронну, але стратегічно важливу функцію. Його головна роль полягає в підготовці, аналізі й оновленні поведінкових стратегій у позамісійний час поза виконанням бойових завдань. Після завершення місії або в контрольних точках евакуації інформація передається до наземного ЦД. Це дає змогу провести глибинний аналіз, донавчання моделей та оновлення знань, що використовуються в подальших місіях. У польоті дрони функціонують повністю автономно, використовуючи лише локальні сенсори, когнітивне ядро та адаптивні алгоритми, а за наявності можливості обмінюються даними із наземною станцією. Інтерфейсний модуль БПЛА відповідає за буферизацію даних, доступ до останніх стратегій, часткове моделювання сценаріїв і асинхронне оновлення, коли це дозволяють умови. Його присутність у структурі забезпечує автономну взаємодію з наземним двійником та локальну підтримку без порушення децентралізованого принципу керування роєм. Метою даної роботи є розробка стратегії застосування ЦД за умов децентралізованого керування роєм БПЛА, де наземна інфраструктура виконує функції моделювання, навчання та аналізу, а бортові АІ-агенти забезпечують локальну адаптацію, діагностику, вивчення середовища та когнітивне керування поведінкою дронів. Наведено практичний сценарій застосування ЦД у ройових системах БПЛА, що демонструє його роль як стратегічного ядра системи управління.
Завантаження
Посилання
Grieves, M. W. (2005). Product lifecycle management: the new paradigm for enterprises. Int. J. Prod. Dev., 2, No. 1-2, pp. 71-84. https://doi.org/10.1504/IJPD.2005.006669
Pankratova, N. D., Grishyn, K. D. & Barilko. V. E. (2023). Digital twins: stages of concept development, areas of use, prospects. System research and information technologies, No. 2, pp. 7-21. https://doi.org/10.20535/ SRIT.2308-8893.2023.2.01
Glaessgen, E. H. & Stargel, D. S. (2012, April). The digital twin paradigm for future NASA and U.S. Air Force Vehicles. In: 53rd AIAA/ASME/ASCE/AHS/ASC. Structures, Structural Dynamics, and Materials Conference: Special Session on the Digital Twin, Honolulu, Hawaii. https://doi.org/10.2514/6.2012-1818
Semeraro, C., Lezoche, M., Panetto, H. & Dassisti, M. (2021). Digital twin paradigm: A systematic literature review. Comput. Ind., 130, 103469. https://doi.org/10.1016/j.compind.2021.103469
The Industrial Internet Reference Architecture (2022). Version 1.10. An Industry IoT Consortium Foundational Document. Retrieved from https://www.iiconsortium.org/wp-content/uploads/sites/2/2022/11/IIRA-v1.10.pdf
Iqbal, M. M., Ali, Z. A., Khan, R. & Shafiq, M. (2022). Motion planning of UAV swarm: recent challenges and approaches. In: Aeronautics: new advances (pp. 47-80). London: IntechOpen. https://doi.org/10.5772/ intechopen.106270
Zgurovsky, M. Z., Pankratova, N. D., Golinko, I. M. & Grishyn, K. D. (2025). Digital twins in AI-controlled navigation tasks for autonomous UAV swarm. System research and information technologies, No. 3, pp. 19-32.
Zhou, S. K., Greenspan, H. & Shen, D. (Eds.). (2024). Deep learning for medical image analysis. London: Elsevier.
LeCun, Y., Bengio, Y. & Hinton, G. (2015). Deep learning. Nature, 521, pp. 436-444. https://doi.org/10.1038/ nature14539
Tao, F., Zhang, H., Liu, A. & Nee, A. Y. (2019). Digital twin in industry: State-of-the-art. IEEE Trans. Ind. Inform., 15, No. 4, pp. 2405-2415. https://doi.org/10.1109/TII.2018.2873186
Dai, L. (2024, December). Intelligent manufacturing digital twin creation based on BIM and reinforcement learning. In: Third International Conference on Advanced Materials and Equipment Manufacturing (AMEM 2024), 1369134. Kunming, China. https://doi.org/10.1117/12.3070521
Kritzinger, W., Karner, M., Traar, G. Henjes, J. & Sihn, W. (2018). Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnline, 51, No. 11, pp. 1016-1022. https://doi.org/10.1016/j. ifacol.2018.08.474
Vovk, S. M., Gnatushenko, V. V. & Bondarenko, M. V. (2016). Image processing methods and computer vision. Dnipropetrovsk: Lira (in Ukrainian).
Nevlyudov, I., Novoselov, S. & Sukhachov, K. (2023). Method of simultaneous localization and mapping for construction of 2.5D maps of the environment using ROS. Innovative Technologies and Scientific Solutions for Industries, No. 2 (24), pр. 145-160 (in Ukrainian). https://doi.org/10.30837/ITSSI.2023.24.145
Yarovoi, A. & Cho, Y. K. (2024). Review of simultaneous localization and mapping (SLAM) for construction robotics applications. Automat. Constr., 162, 105344. https://doi.org/10.1016/j.autcon.2024.105344
Norbelt, M., Luo, X., Sun, J. & Claude, U. (2025). UAV localization in urban area mobility environment based on monocular VSLAM with deep learning. Drones, 9, No. 3, 171. https://doi.org/10.3390/drones9030171
Bengio, Y., Courville, A. & Vincent, P. (2013). Representation learning: A review and new perspectives. IEEE Trans. Pattern Anal. Mach. Intell., 35, No. 8, pp. 1798-1828. https://doi.org/10.1109/TPAMI.2013.50
Yue, W., Guan, X. & Wang, L. (2019). A novel searching method using reinforcement learning scheme for multi-UAVs in unknown environments. Appl. Sci., 9, No. 22, 4964. https://doi.org/10.3390/app9224964
Posvistak, V. & Miroshnychenko, D. (2024). Architecture of autonomous control system for FPV-drones. Herald of Khmelnytskyi National University. Technical Sciences, 337, No. 3, pp. 223-230. https://doi. org/10.31891/2307-5732-2024-337-3-33
Jablonski, M., Mezzacappa, E., McBride, M. & Arnold, R. (2024, May). Simulation experimentation of swarms. In: Proceedings of the MODSIM World 2024 Conference, Norfolk, VA. https://modsimworld.org/papers/2024/MODSIM_2024_paper_23.pdf
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Reports of the National Academy of Sciences of Ukraine
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
