Suivant les dernières recherches, l'équipe du MIT a développé un contrôle adaptatif avancé piloté par IA qui permet aux drones de rester automatiquement sur la trajectoire planifiée, même lorsqu'ils rencontrent des perturbations imprévisibles telles que de fortes rafales de vent. Le système apprend de manière autonome à partir des données collectées pendant seulement 15 minutes de vol et sélectionne l'algorithme d'adaptation optimal, ce qui se traduit par une amélioration jusqu'à 50 % de la précision de suivi par rapport aux méthodes standard.

Comment fonctionne le nouveau système piloté par IA

Les systèmes de contrôle traditionnels reposent sur un modèle prédéfini du drone et un modèle attendu des perturbations environnementales. Cependant, dans des conditions réelles telles que les zones montagneuses ou les couloirs urbains, modéliser manuellement chaque influence possible n'est souvent pas réalisable. La nouvelle solution du MIT remplace la notion de structure de perturbation par des fonctionnalités inconnues, les substituant par un réseau neuronal qui, avec un minimum de données, construit une compréhension des forces inattendues.

Sélection automatique de l'algorithme : mirror descent

Au lieu d'une approche limitée basée sur la descente de gradient, les chercheurs du MIT ont introduit le mirror descent, une famille d'algorithmes d'optimisation mieux adaptés à la géométrie des perturbations possibles. Le système évalue en temps réel quelle fonction de la famille correspond le mieux à la perturbation actuelle et l'applique – sans besoin de configuration manuelle des paramètres.

Apprentissage méta au centre

En appliquant l'apprentissage méta, le système entraîne simultanément un réseau neuronal pour reconnaître les perturbations ainsi que le mirror descent optimal qui sera utilisé durant l'adaptation. Pendant l'entraînement, le système traverse différentes variantes de vent et apprend à générer des représentations partagées, ce qui lui permet une adaptation rapide à de nouvelles conditions inédites.

Résultats – 50 % d'erreur en moins

Lors des simulations et expériences, le système a atteint jusqu'à 50 % d'erreur en moins lors du suivi de trajectoire par rapport aux méthodes d'adaptation conventionnelles. De plus, l'écart de performance s'est accru avec l'intensité du vent, démontrant la capacité du système à gérer efficacement des conditions plus extrêmes.

Applications dans le monde réel

• Livraison de charges lourdes dans des conditions de vents forts – par exemple dans des zones montagneuses ou lors d'opérations de lutte contre les incendies.


• Contrôle des drones au-dessus des zones sujettes aux incendies telles que les parcs nationaux ou les réserves forestières.

Prochaines étapes – du simulateur au ciel

Les chercheurs du MIT prévoient des tests expérimentaux sur des drones réels dans diverses conditions de vent. Ils développent également des modulations supplémentaires, incluant la combinaison de perturbations provenant de multiples sources simultanément – par exemple, des fluctuations de poids lorsque le drone transporte de l'eau ou des charges liquides.

Objectifs d'expansion

1. Apprentissage continu : Le système mettra à jour le modèle des nouvelles perturbations durant l'exploitation sans nécessiter une nouvelle formation sur l'ensemble des données.
2. Perturbations multitypes : Reconnaissance et adaptation aux effets combinés – par exemple vent + poids dynamique.

Évaluation d'experts et partenariats

Le professeur Babak Hassibi de Caltech souligne : « La clé de leur méthode est l'intégration de l'apprentissage méta avec les contrôles adaptatifs basés sur le mirror descent, permettant l'exploitation automatique de la géométrie du problème – c'est vraiment révolutionnaire pour les systèmes autonomes. »

La recherche a été réalisée avec le soutien de partenaires importants tels que MathWorks, MIT-IBM Watson AI Lab, MIT-Amazon Science Hub et le programme MIT-Google pour les innovations en informatique.

Ce qui nous attend

Le travail sera bientôt étendu à plusieurs modèles de drones, diverses classes de vents turbulents et charges. L'intégration matérielle est également prévue – transition des laboratoires et simulations vers des missions réelles, telles que la lutte contre les incendies ou la livraison médicale.

Toujours au centre de l'attention

La technologie promet de révolutionner la façon dont les drones fonctionnent dans des conditions imprévisibles – en particulier dans les situations où la stabilité du vol est cruciale pour la sécurité, l'efficacité et la fiabilité opérationnelle.

Source : Massachusetts Institute of Technology