Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА
This paper presents a comparative analysis of nine swarm intelligence (SI) methods in terms of their suitability for onboard AI platforms in autonomous unmanned aerial vehicle (UAV) swarms. A set of key criteria is defined, including computational complexity, scalability, latency, robustness to agen...
Збережено в:
| Дата: | 2025 |
|---|---|
| Автори: | , , , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2025
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/343081 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-343081 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-3430812025-11-09T00:01:30Z Methods of swarm artificial intelligence in autonomous navigation tasks of UAVs Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА Zgurovsky, Michael Zaychenko, Yuriy Tytarenko, Andrii Kuzmenko, Oleksii swarm intelligence unmanned aerial vehicles (UAVs) Autonomous Navigation behavior trees (BT) GBestPSO ROS 2 DDS cognitive architecture ройовий інтелект БПЛА автономна навігація дерева поведінки GBestPSO ROS 2 DDS когнітивна архітектура This paper presents a comparative analysis of nine swarm intelligence (SI) methods in terms of their suitability for onboard AI platforms in autonomous unmanned aerial vehicle (UAV) swarms. A set of key criteria is defined, including computational complexity, scalability, latency, robustness to agent loss, and adaptability. Decentralized Behavior Trees (BTs) are identified as the most balanced approach for the reactive behavior layer, while the global swarm optimization method GBestPSO proves effective for high-level planning. A hybrid two-layer cognitive architecture is proposed that integrates BTs and GBestPSO, with functional separation between layers and communication based on DDS/RTPS protocols. The architecture exhibits high autonomy, fault tolerance, modularity, and suitability for real-time embedded systems operating in dynamic or adversarial environments. The results were partially supported by the National Research Foundation of Ukraine, grant No. 2025.06/0022 “AI platform with cognitive services for coordinated autonomous navigation of distributed systems consisting of a large number of objects”. Подано порівняльний аналіз дев’яти методів ройового інтелекту (РІ) з точки зору їхньої придатності для бортових платформ ШІ в автономних роях безпілотних літальних апаратів (БПЛА). Визначено набір ключових критеріїв, включаючи обчислювальну складність, масштабованість, затримку, стійкість до втрати агентів та адаптивність. Децентралізовані дерева поведінки (ДП) визначені як найбільш збалансований підхід для реактивного рівня поведінки, тоді як глобальний метод оптимізації рою GBestPSO виявляється ефективним для високорівневого планування. Запропоновано гібридну двошарову когнітивну архітектуру, яка інтегрує ДП та GBestPSO, із функціональним розділенням між шарами та зв’язком на основі протоколів DDS/RTPS. Архітектура демонструє високу автономність, відмовостійкість, модульність та придатність для вбудованих систем реального часу, що працюють у динамічних або змагальних середовищах. Результати частково підтримано Національним фондом досліджень України, грант № 2025.06/0022 "Платформа штучного інтелекту з когнітивними сервісами для скоординованої автономної навігації розподілених систем, що складаються з великої кількості об’єктів". The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2025-09-29 Article Article Peer-reviewed Article application/pdf http://journal.iasa.kpi.ua/article/view/343081 10.20535/SRIT.2308-8893.2025.3.11 System research and information technologies; No. 3 (2025); 137-150 Системные исследования и информационные технологии; № 3 (2025); 137-150 Системні дослідження та інформаційні технології; № 3 (2025); 137-150 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/343081/331018 |
| institution |
System research and information technologies |
| baseUrl_str |
|
| datestamp_date |
2025-11-09T00:01:30Z |
| collection |
OJS |
| language |
English |
| topic |
ройовий інтелект БПЛА автономна навігація дерева поведінки GBestPSO ROS 2 DDS когнітивна архітектура |
| spellingShingle |
ройовий інтелект БПЛА автономна навігація дерева поведінки GBestPSO ROS 2 DDS когнітивна архітектура Zgurovsky, Michael Zaychenko, Yuriy Tytarenko, Andrii Kuzmenko, Oleksii Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА |
| topic_facet |
swarm intelligence unmanned aerial vehicles (UAVs) Autonomous Navigation behavior trees (BT) GBestPSO ROS 2 DDS cognitive architecture ройовий інтелект БПЛА автономна навігація дерева поведінки GBestPSO ROS 2 DDS когнітивна архітектура |
| format |
Article |
| author |
Zgurovsky, Michael Zaychenko, Yuriy Tytarenko, Andrii Kuzmenko, Oleksii |
| author_facet |
Zgurovsky, Michael Zaychenko, Yuriy Tytarenko, Andrii Kuzmenko, Oleksii |
| author_sort |
Zgurovsky, Michael |
| title |
Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА |
| title_short |
Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА |
| title_full |
Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА |
| title_fullStr |
Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА |
| title_full_unstemmed |
Методи роєвого штучного інтелекту в завданнях автономної навігації БПЛА |
| title_sort |
методи роєвого штучного інтелекту в завданнях автономної навігації бпла |
| title_alt |
Methods of swarm artificial intelligence in autonomous navigation tasks of UAVs |
| description |
This paper presents a comparative analysis of nine swarm intelligence (SI) methods in terms of their suitability for onboard AI platforms in autonomous unmanned aerial vehicle (UAV) swarms. A set of key criteria is defined, including computational complexity, scalability, latency, robustness to agent loss, and adaptability. Decentralized Behavior Trees (BTs) are identified as the most balanced approach for the reactive behavior layer, while the global swarm optimization method GBestPSO proves effective for high-level planning. A hybrid two-layer cognitive architecture is proposed that integrates BTs and GBestPSO, with functional separation between layers and communication based on DDS/RTPS protocols. The architecture exhibits high autonomy, fault tolerance, modularity, and suitability for real-time embedded systems operating in dynamic or adversarial environments. The results were partially supported by the National Research Foundation of Ukraine, grant No. 2025.06/0022 “AI platform with cognitive services for coordinated autonomous navigation of distributed systems consisting of a large number of objects”. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2025 |
| url |
http://journal.iasa.kpi.ua/article/view/343081 |
| work_keys_str_mv |
AT zgurovskymichael methodsofswarmartificialintelligenceinautonomousnavigationtasksofuavs AT zaychenkoyuriy methodsofswarmartificialintelligenceinautonomousnavigationtasksofuavs AT tytarenkoandrii methodsofswarmartificialintelligenceinautonomousnavigationtasksofuavs AT kuzmenkooleksii methodsofswarmartificialintelligenceinautonomousnavigationtasksofuavs AT zgurovskymichael metodiroêvogoštučnogoíntelektuvzavdannâhavtonomnoínavígacííbpla AT zaychenkoyuriy metodiroêvogoštučnogoíntelektuvzavdannâhavtonomnoínavígacííbpla AT tytarenkoandrii metodiroêvogoštučnogoíntelektuvzavdannâhavtonomnoínavígacííbpla AT kuzmenkooleksii metodiroêvogoštučnogoíntelektuvzavdannâhavtonomnoínavígacííbpla |
| first_indexed |
2025-11-09T02:11:03Z |
| last_indexed |
2025-11-09T02:11:03Z |
| _version_ |
1851774438124552192 |