Навигация дрона в каменных джунглях: мультисенсорный подход и обучение через энтропию ✎ экспресс

Оригинал: "M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing"
arXiv:2607.13678 · 2026-07-15 · arXiv non-exclusive · собственный разбор · 1 мин
Модель ИИ учит дрона ориентироваться, как летучая мышь, смешивая зрение, трёхмерные карты и радиоэхо — полёт не прервётся, даже если камеры ослепли.

Городская среда — настоящие каменные джунгли — превращает навигацию дронов в задачу, сравнимую с полётом ослепшей летучей мыши. Оптические камеры теряют эффективность за каждым поворотом, сигналы GPS рассеиваются среди высотных зданий, а радиоволны порождают сотни эхо-отражений. Модель M3F-UAV решает эту проблему, объединяя все доступные сенсорные модальности: обычные камеры, трёхмерные карты от лидара (лазерного дальномера) и радиосигналы, электромагнитную природу которых впервые описал Максвелл. Ключевая особенность — искусственный интеллект, обученный на принципе энтропии, то есть на неизбежном беспорядке во входящих данных. Аналогия с летучей мышью здесь не случайна: подобно тому, как рукокрылые учатся вычленять добычу из акустического хаоса, алгоритм принудительно восстанавливал полную картину окружающего мира по намеренно повреждённым сенсорным потокам. При отказе любого компонента — например, если камера ослеплена прямыми солнечными лучами — система не прекращает работу. Она достраивает реальность, опираясь на сохранённые паттерны и косвенные намёки, подобно тому как спектроскопия извлекает информацию о химическом составе звезды из её радужного спектра.

Городские тесты на наборе данных LAMBDA подтвердили: мультисенсорный подход обеспечивает более высокую точность, чем опора исключительно на видеоданные.

Наиболее показательный эксперимент: дрон с полностью отключёнными камерами и спутниковой навигацией успешно преодолел полкилометровый макет города, ориентируясь только по радиоэху от построек — чистая эхолокация, аналогичная той, что используют пещерные рукокрылые. В перспективе такие рои дронов смогут искать людей под завалами, работать в условиях густого тумана и пылевых бурь, доставляя грузы без риска потерять ориентацию.

Первые автопилоты для дронов-торпед появились в 1917 году: они держали курс по гироскопу.

В «Терминаторе 2» дрон-охотник HK-Aerial совмещал инфракрасное зрение и радар — предвидя нынешний мультисенсорный подход.

Учёные
Christian DopplerD. B. McLaughlinDidier QuelozMichel MayorR. A. RossiterAlbert Einstein
Понятия
дрон слабое обучение