محقان امیدوارند این الگوریتم بتواند به افزایش سرعت و کارآیی پهپادها کمک کند و بهره‌وری آنها را در شرایطی مانند عملیات‌های جستجو و نجات بهبود بخشد.
می‌توان کلیپ‌هایی از خلبانان انسانی که در حال هدایت پهپادهای خود هستند و آنها را با مهارت خاصی از موانع عبور می‌دهند و در هوا می‌رقصانند، دید. این کار نه تنها نیاز به سطح خاصی از مهارت دارد، بلکه نیاز به سخت افزار و نرم افزار کاملاً تنظیم شده نیز دارد.
کنار زدن محدودیت‌های پهپادهای خودران به این روش نشان از کارهایی دارد که آنها از نظر چابکی و سرعت می‌توانند انجام دهند و می‌تواند به توسعه دهندگان کمک کند تا بدانند که چگونه می‌توان از لحاظ عمر باتری و مسافت‌هایی که پهپادها می‌توانند طی کنند، آنها را بهینه کنند.
تیم دانشگاه زوریخ به دنبال به کارگیری این تفکر در یک سیستم کنترل مستقل بود و یک شبکه عصبی مصنوعی ایجاد کرد که از طریق نرم افزار شبیه سازی پرواز می‌تواند مانورهای آکروباتیک را توسط پهپادها عملی کند. این رویکرد محققان را قادر ساخت تا به راحتی مسیرهای پروازی مختلف و نمایش‌های آکروباتیک را بدون آسیب به پهپادها اجرا کنند.
تنها با چند ساعت آموزش توسط شبیه ساز، یک کوادکوپتر مجهز به این الگوریتم ناوبری می‌تواند از دوربین و حسگر پردازنده خود استفاده کند تا دستورات کنترلی خاص خود را برای طیف وسیعی از حرکات آکروباتیک به وجود آورد. این مانورها شامل حرکاتی است که نیازمند نیروی زیاد و شتاب زاویه‌ای توسط پهپاد هستند.
"داویده اسکاراموزا" استاد رباتیک در دانشگاه زوریخ می‌گوید: الگوریتم ما به پهپادها می‌آموزد که چگونه مانورهای آکروباتیک را انجام دهند که حتی برای بهترین خلبانان انسانی نیز چالش برانگیز باشد.
محققان امیدوارند که این الگوریتم چیزی بیش از یک نوع جدید ناوبری خودران ارائه دهد. آنها می‌گویند پهپادها با این الگوریتم می‌توانند کارایی بیشتری داشته باشند.
"اسکاراموزا" افزود: اگر این الگوریتم با ظرفیت بیشتر باتری همراه شود، می‌تواند مسافت‌های بیشتری را تحت پوشش قرار دهد و این به معنای فواید واقعی برای برنامه‌هایی مانند عملیات‌های جستجو و نجات و خدمات حمل و نقل پهپادی است.
این مطالعه در مجله Robotics: Science and Systems منتشر خواهد شد.
