Поворотный момент: военная диссертация и «утопление» корабля

Ситуация изменилась, когда один аспирант-лейтенант Академии военно‑морского флота взялся за написание диссертации. Ему поручили проверить модель обороны американских кораблей от атак камикадзе. Модель была создана по образцу Второй мировой войны. Аспирант попался деятельный, честный, трудолюбивый и, самое главное, абсолютно политически неподкованный.

В своей работе в качестве модели угроз исследователь взял 54 израильских беспилотника «Гарпия», которые, согласно сценарию, были размещены на китайских рыбацких лодках. Результат оказался неожиданным: вместо подтверждения эффективности системы корабельной обороны (Aegis) аспирант «утопил» эсминец.

Этот результат привлёк внимание Тимоти Чана, который хотел сделать профессорскую карьеру, доставал свое руководство и был благополучно отправлен из Академии военно‑морского флота в DARPA — американское агентство передовых оборонных исследовательских проектов.

DARPA и воздушный бой беспилотников

В DARPA в 2013 году под руководством Тимоти Чана решили устроить масштабное испытание — воздушный бой 50 на 50 беспилотников. Но к  2015 году удалось поднять в воздух только 50 аппаратов ( одну группу) одновременно, еще без воздушного боя

Ключевые особенности испытаний:

• Безопасная катапульта с цепью‑стартером. В отличие от традиционных катапульт, она разбиралась при запуске, а каретка улетала со скоростью около 300 км/ч. Новая система работала от автомобильного аккумулятора и стартера, что обеспечивало мгновенную перезарядку.
• Гражданский Wi‑Fi. Сеть Wi‑Fi тех лет могла поддерживать связь с 50 беспилотниками одновременно — это и определило масштаб испытаний.
• Пенопластовые самолётики. Лёгкие и дешёвые модели позволили сосредоточиться на тестировании алгоритмов, а не на прочности конструкции.

Беспилотники в этих испытаниях использовали автопилот Pixhawk. Его создатель – Лоренс Майер, аспирант высшей технической школы Цюриха, разработавший собственный автопилот, потому что армейские аналоги:

• стоили 5–10 тысяч долларов;
• были слишком громоздкими для гражданских квадрокоптеров;
• оказались непригодны для работы в гражданских проектах.

Кстати, сейчас автопилот Майера выпускается под брендом Skynote компанией Aureal и пользуется спросом у военных структур.

К 2017 году были уже проведены непосредственно соревнования с двумя командами

Результаты соревнований оказались неожиданными. Традиционно считалось, что риск потери более 5–10 % техники делает воздушную операцию провальной. Однако испытания показали:

• расход 90 % беспилотников на прорыв — не ошибка, а осознанная тактика;
• побеждает тот, чей последний беспилотник достигает цели;
• победа определялась не выживанием, а количеством успешных прорывов (например, одна команда пробилась 26 раз, а другая – 25, и проиграла). Но по факту, в общем, не выжил никто.

При этом всё оружие в испытаниях имитировалось программно: реальные самолёты летали, а их «стрельба» моделировалась компьютером. В этом же 2017 году, пока народ развлекался воздушными боями, появилась программа Offset (OFFensive Swarm-Enabled Tactics), что для нашей темы очень важно.

DeepMind и уроки компьютерных игр

Приближаемся к нашим дням. В 2019 году произошло два важных события.
Во-первых, компания DeepMind обыграла компьютерного игрока в стратегии со счётом 3:1. Искусственный интеллект победил за счёт скорости реакции, а не сложной тактики. То есть человек-то умный, а искусственный интеллект не очень, зато он быстрый. Так вот, оказалось, что быстрый и тупой выигрывает у медленного и умного очень сильно. Этот пример показал:

• быстрая и простая стратегия может быть эффективнее медленной и продуманной;
• принципы из компьютерных игр применимы к управлению беспилотниками.

Запущенная в 2016 году программа Offset ставила задачу отработать тактику группового применения беспилотников. В испытаниях использовались упрощения:

• гражданский Wi‑Fi для связи;
• QR‑коды вместо реальных целей (беспилотникам нужно было «прочитать» код, а не распознавать объект).

К 2020 году программа показала, что материальный мир даёт множество подсказок, упрощающих решение задач. Даже простой оптимизатор мог находить эффективные тактики.
Во время карантина проводились испытания по штурму городской агломерации с помощью воздушных и наземных беспилотников. Оказалось, что на практике всё работает проще, чем предполагалось теоретически.

К 2021 году был проведен 6ой тест по программе OFFSET и на этом доступные публикации завершились

Проблема: Существующие человеческие языки слишком сложны и неоднозначны для эффективного взаимодействия между человеком и роем ИИ-агентов. Это создает проблемы для совместной работы (Human-AI Teaming), особенно в таких задачах, как управление роем (swarm guidance).

Решение: Предложен новый язык JSwarm, вдохновленный структурой австралийского языка аборигенов Джингулу (Jingulu). Ключевая особенность — использование всего трех основных "легких" глаголов (COME, GO, DO) для описания всех действий в пространстве (приближение, удаление, бездействие).

Структура языка: JSwarm имеет простую и однозначную грамматику. Предложения строятся по шаблону, который включает субъект, основной глагол, вспомогательный глагол (уточняющий смысл), объект, а также параметры пространства и времени. Это позволяет напрямую отображать внутреннюю логику роя (силы притяжения и отталкивания) в понятные человеку команды и объяснения.

Преимущества: JSwarm обеспечивает вычислительную эффективность, контекстуальную релевантность, семантическую эквивалентность и прямые синтаксические преобразования. Это делает взаимодействие прозрачным, интерпретируемым и объяснимым, что критически важно для доверия и эффективности в команде "человек-ИИ".

Демонстрация: Работа языка проиллюстрирована на задаче "пастушества" (shepherding), где один агент-пастух (собака) управляет роем других агентов (овец). Показано, как в реальном времени агент может сообщать о своих намерениях, действиях и состоянии на языке JSwarm, например, "Собака.Иди(координаты).Собирать.Овца5".

Значимость: JSwarm — это шаг к созданию стандартизированного, эффективного и проверяемого языка для двусторонней коммуникации в человеко-машинных коллективах, который может быть применен в самых разных областях: от медицины (нанороботы) до экологии и разведки

К 2022 году уже появился «язык роя» — простой глагольный язык для координации беспилотников. Его ключевые особенности:

• беспилотники не только общаются между собой, но и передают информацию оператору на понятном языке (например: «У меня садится аккумулятор, иду на зарядку»);
• решения принимаются на основе нечёткой логики — это позволяет учитывать факторы, которые сложно формализовать;
• система управления заданиями стала центральным элементом роевых технологий, заменив сервисную функцию на ключевую.

А что сегодня?

Мы всегда считали, что развитие роевых технологий базируется на пяти элементах:

• Взаимное позиционирование — беспилотники должны знать местоположение друг друга.
• Трёхмерные манёвры — возможность двигаться в пространстве без столкновений.
• Групповое управление — координация действий всей группы.
• Автономный дронопорт — способность выполнять задачи без постоянного участия человека между полётами.

Система управления заданиями (язык роя) — главный элемент, обеспечивающий гибкость и адаптивность группы.

Только мы считали, что система управления заданиями – это, общем, сервисный элемент, а самое главное – это дронопорт. Оказалось, что нет. Оказалось, главный элемент, обеспечивающий гибкость и адаптивность группы – именно «язык роя».

За 10 лет (с 2015 по 2025 год) роевые технологии прошли путь от первых успешных испытаний до понимания важности языка общения беспилотников. Если эти разработки получат дальнейшее развитие, мы войдём в эпоху, которую раньше видели только в компьютерных играх — с массовыми роями беспилотников, выполняющих сложные задачи в реальном мире.

Хотите знать больше про беспилотники? Подписывайтесь на наш Телеграм-канал!