人工智能(AI)的快速发展为无人机(uav)的空前应用打开了大门。现在，多组无人机可以在网络中协同工作，用于交通控制、智能农业、监控和安全系统、执法、公共安全等等。然而，北亚利桑那大学信息计算和网络系统(SICCS)学院的助理教授Abolfazl Razi说，目前的无人机系统缺少一些关键的考虑，比如识别、和对环境与行为因素做出正确反应的能力。

这就是Razi致力于让无人机更智能、更自主的原因。Razi是NAU无线网络和智能健康(WiNeSH)实验室的主任，他的 “用于无人机间预测通信的网络拓扑的主动逆学习”项目，获得了美国国家科学基金会48万美元的资助。他认为，通过计算机编程，无人机可以感知态势，识别故障、识别可疑或入侵的无人机，并在飞行中做出调整。

Razi说，“当我们有数百架通信范围有限的无人机一起飞行时，我们需要保持连接和信息流不受干扰。这个项目的重点是，考虑到不同的情况，使无人机能够监测自己和彼此。”

该项目的一个重要组成部分是处理异常。加入任务的无人机可能出现异常，违反任务规定。例如，它可能会危险地接近其他无人机，而不是遵循预先计划的运动轨迹。我们希望其他无人机能够分析轨迹，识别不当行为或不当行为，甚至外部无人机的干扰，并诊断网络内的问题。

Razi说，关键任务可能包括森林火灾、交通事故、搜索和救援或军事行动。“如果有人试图派遣自己的无人机进入你的任务范围，故意或无意地制造麻烦，我们希望无人机能够发现入侵并应对情况。”

这项研究的目的是使无人机更加独立于人类的控制和观察，通过与区域内的其他无人机协调来像队友一样行动，并能够识别入侵或敌人的无人机。

Razi将在他的WiNeSH实验室和亚利桑那州北部的户外与无人机团队进行实验。每架无人机都将配备能够做出环境决策的软件。同时，双方都将关注其他无人机，观察其邻近的无人机是否异常。

该研究将包括通过将软件应用在各种条件下，从有限的经验中主动学习的受人启发的方法，并涉及无人机决策支持系统(DSS)的逆向工程。

Razi说:“这种方法通过将预测的响应合并到系统协议中，为AI启用的网络服务。”

这个为期三年的项目预计将惠及美国政府机构、组织和研究人员，最终目标是开发更好的自主无人机系统。