Гибридный подход вместо крайностей
Команда Рохана Гуге из бизнес-школы Маккомбс изучила классическую дилемму автономных полётов: полностью адаптивная система перепланирует маршрут при каждом новом данных — точно, но дорого по ресурсам; неадаптивная игнорирует новые сведения — быстро, но неэффективно. Предложенное гибридное решение делит миссию на «раунды»: дрон летит по заданному курсу, собирает данные, затем один раз пересчитывает траекторию на следующем участке.
Две корректировки дают 88% эффекта
В компьютерных симуляциях двухраундовая схема решила задачу планирования в 15 раз быстрее полностью адаптивной, при этом стоимость маршрута (проблема коммивояжёра с вероятностными наградой) выросла всего на 12%. Третий раунд улучшил результат незначительно, а дальнейшие корректировки не давали прироста точности.
Практическая ценность для агро-дронов
Вывод критичен для сельскохозяйственных БПЛА: ограниченные батареи, бортовой компьютер и канал связи не позволяют бесконечные перерасчёты. «Не нужно все данные, чтобы принимать хорошие решения», — подчёркивает Гуге. Для задач мониторинга посевов, поиска засушливых зон или инвентаризации растений достаточно 2–3 вовремя сделанных поправок, чтобы покрыть поле почти так же эффективно, как при непрерывном перепланировании.
От симуляций к полю
Авторы подчёркивают: 15-кратное ускорение относится к скорости решения алгоритмической задачи, а не к физической скорости полёта. Но именно алгоритмическая лёгкость позволяет запускать планирование на слабом бортовом железе или в условиях нестабильной связи — типичных для сельхозполей. Принцип «мало, но вовремя» работает там, где дрон сканирует большую площадь и накапливает информацию постепенно: учёт влажности почвы, выявление очагов болезней, контроль орошения.
