logo
بنر بنر

جزئیات وبلاگ

Created with Pixso. خونه Created with Pixso. وبلاگ Created with Pixso.

هوش مصنوعی مولد انقلابی در هوش پهپادها ایجاد می‌کند: از ادغام بصری تا تصمیم‌گیری خودکار

هوش مصنوعی مولد انقلابی در هوش پهپادها ایجاد می‌کند: از ادغام بصری تا تصمیم‌گیری خودکار

2026-02-23

هوش مصنوعی مولد، قابلیت‌های پهپادها را متحول می‌کند: از ادغام بصری تا تصمیم‌گیری خودکار

۲۳ فوریه ۲۰۲۶ — موجی از نوآوری‌های فناورانه در حال بازتعریف قابلیت‌های سیستم‌های بصری پهپادها است و مدل‌های زبان بزرگ (LLMs) به عنوان یک عامل کلیدی در انتقال از هوش وظیفه‌محور به هوش عمومی ظهور کرده‌اند. تحقیقات صنعتی نشان می‌دهد که این گذار به محدودیت‌های حیاتی فناوری‌های سنتی پهپادها پرداخته و راه را برای عملیات هوایی همه‌کاره‌تر و هوشمندتر هموار می‌کند.
سیستم‌های بصری سنتی پهپادها به الگوریتم‌های وظیفه‌محور متکی هستند که توسعه آن‌ها پرهزینه و انطباق آن‌ها انعطاف‌ناپذیر است. به عنوان مثال، یک پهپاد مجهز به الگوریتمی که برای نظارت بر محصولات کشاورزی طراحی شده است، بدون برنامه‌ریزی مجدد گسترده، در تغییر وظیفه به بازرسی زیرساخت‌ها با مشکل مواجه خواهد شد - محدودیتی که کارایی و مقیاس‌پذیری را در کاربردهای دنیای واقعی مختل می‌کند. مدل‌های زبان بزرگ با ارائه یک پلتفرم واحد که می‌تواند وظایف بصری متنوعی را پردازش کرده و با سناریوهای جدید سازگار شود، این وضعیت را تغییر می‌دهند.
پیشرفت‌های کلیدی با ادغام مدل‌های زبان بزرگ با داده‌های چندوجهی هدایت می‌شوند که اطلاعات بصری، فضایی و محیطی را برای افزایش آگاهی موقعیتی ترکیب می‌کنند. تحقیقاتی مانند چارچوب پهپادهای گروهی مبتنی بر مدل‌های زبان بزرگ چندوجهی نشان می‌دهد که این ادغام، سیلوهای داده بین حسگرها را از بین می‌برد و به پهپادها امکان می‌دهد اطلاعات را از منابع متعدد ترکیب کرده و وظایف پیچیده‌ای مانند ارزیابی بلایای طبیعی در زمان واقعی یا نظارت بر محیط زیست در مقیاس بزرگ را انجام دهند.
در کاربردهای عملی، این فناوری در حال حاضر تأثیرگذار است. به عنوان مثال، در بازرسی زیرساخت‌ها، پهپادهای مجهز به مدل‌های زبان بزرگ می‌توانند به طور خودکار عیوب ساختاری را تشخیص دهند، داده‌ها را در زمان واقعی تجزیه و تحلیل کنند و مسیرهای پرواز را برای تمرکز بر مناطق پرخطر تنظیم کنند - که باعث کاهش تلاش انسانی و بهبود دقت می‌شود. در محیط‌های داخلی، چارچوب‌هایی مانند VLN-Pilot از مدل‌های زبان بزرگ برای فعال کردن ناوبری پهپادها بدون سیگنال GPS استفاده می‌کنند و دستورالعمل‌های زبان طبیعی را برای تکمیل وظایف بازرسی در فضاهای محدود تفسیر می‌کنند.
نقش مدل‌های زبان بزرگ در برنامه‌ریزی ماموریت پهپادها و تصمیم‌گیری خودکار به ویژه قابل توجه است. مطالعات، از جمله چارچوب UAV-CodeAgents، نشان می‌دهند که مدل‌های زبان بزرگ می‌توانند برنامه‌های ماموریت مقیاس‌پذیر تولید کنند، عملیات چند پهپادی را هماهنگ کنند و تنظیمات بی‌درنگ را بر اساس تغییرات محیطی انجام دهند - قابلیت‌هایی که قبلاً با سیستم‌های سنتی قابل دستیابی نبودند. این امر پهپادها را در ماموریت‌های حیاتی ایمنی، مانند عملیات جستجو و نجات یا واکنش اضطراری، قابل اعتمادتر می‌کند.
"مدل‌های زبان بزرگ فقط قابلیت‌های بصری پهپادها را بهبود نمی‌بخشند - بلکه آنچه را که پهپادها می‌توانند انجام دهند بازتعریف می‌کنند"، گفت یکی از محققان برجسته در این زمینه. "با فعال کردن تعمیم و تصمیم‌گیری خودکار، ما در حال آزادسازی پتانسیل کامل پهپادها در سراسر صنایع، از کشاورزی و زیرساخت گرفته تا خدمات اضطراری و حفاظت از محیط زیست هستیم."