Дрон-имитатор обходит чёрные дыры неопределённости экспресс
Когда дрон учится у опытного пилота, он запоминает не просто манёвры, а целые безопасные коридоры. Но в реальном полёте всегда есть факторы, которых не было в тренировке: неожиданный ветер, дрожание камеры, даже собственное движение дрона может дестабилизировать воздух. Обычное имитационное обучение — подражание человеку-наставнику — тут пасует: при изменившихся условиях копирование ведёт к аварии. Так проявляется сдвиг распределения данных: то, чему дрон научился в симуляторе, в реальности может оказаться неверным.
Новый алгоритм решает эту проблему, очерчивая вокруг всех нежелательных зон невидимые «чёрные дыры». Математически они описываются так, что чем ближе дрон подлетает к опасности, тем сильнее система отталкивает его — словно гравитация, работающая наоборот. Благодаря этому дрон плавно огибает запретные области, даже если датчики «врут» или рвётся связь.
Испытания показали: аппарат ни разу не нарушил границу безопасности, справляясь с сильным боковым ветром и внезапными отказами. Такая осторожность открывает путь к городской доставке в любую погоду или к спасательным миссиям, где ошибка стоит жизни.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2607.13436
Imitation learning (IL) has achieved remarkable success in complex decision-making tasks. However, its performance is highly sensitive to distribution shifts, which can pose significant safety risks. We propose a distributionally robust and safe IL framework that explicitly addresses both policy-induced and uncertainty-induced distribution shifts. Our approach develops a unified framework leveraging Taylor Series Imitation Learning (TaSIL) to mitigate policy-induced shifts and distributionally robust adaptive control to handle uncertainty-induced shifts. This architecture enables the formulation of an IL problem that optimizes performance under distributional uncertainty while systematically accounting for safety constraints. We demonstrate the effectiveness of the proposed approach on an unmanned aerial vehicle (UAV) case study where the UAV performs a task in an uncertain environment while avoiding unsafe regions.
Ряды Тейлора в алгоритме работают как навигатор: сложную траекторию заменяют последовательностью маленьких прямых отрезков.
В фильме «Интерстеллар» герои маневрировали вокруг чёрной дыры Гаргантюа, полагаясь на расчёты и адаптацию к искажённому пространству — примерно так действует и этот дрон, только в миниатюре.