КПІ ім. Ігоря Сікорського · магістратура · 2026/2027

Машинне навчання у ройових системах БПЛА

Десять модулів — від означення рою й математики його опису до навчених багатоагентних політик, їхніх меж і чесного вимірювання результату. Кожна тема проходить один і той самий шлях: задача рою → дані апарата → комунікація → алгоритм або навчена політика → код і симуляція → колективна поведінка → метрики й обмеження.

Kirill Riazanovskiy, PhD

БЛОК A

Рій як система

Архітектура роєвої системи цілком, математика опису апарата й графа рою, класичні закони керування строєм і їхні межі.

БЛОК B

Навчання з підкріпленням

Постановка задачі навчання: одноагентна, багатоагентна, глибока. Що ламається при переході від таблиці до нейромережі.

БЛОК C

Рій, що навчається

Інваріантність до перестановки й розміру рою, централізоване навчання з децентралізованим виконанням, прикладні місії.

БЛОК D

Надійність і реалізація

Що робити, коли відмовляє привод, зникає канал або дрейфує барометр. Як це реалізувати й чесно виміряти.

12модулів

18пар

5лабораторних

4кредити ЄКТС

Головна теза курсу, яку варто тримати в голові від першої лекції до останньої: жодна властивість рою не з'являється автоматично — ані масштабованість, ані відмовостійкість, ані безпека. Кожну треба спроєктувати, реалізувати й виміряти.

Лабораторні роботи · Робоча програма дисципліни, PDF

Першоджерела

Основні твердження курсу спираються на ці роботи. Під кожним запозиченим рисунком у лекціях стоїть рядок «Джерело: …».

Quan QuanIntroduction to Multicopter Design and ControlSpringer, 2017Системи координат, стійкість, запас керування, оцінювання стану, оцінювання справності та failsafe.
Albrecht, Christianos, SchäferMulti-Agent Reinforcement Learning: Foundations and Modern ApproachesMIT Press, 2024Моделі ігор, концепції розв'язку, централізоване навчання з децентралізованим виконанням, декомпозиція цінності.
Dorigo, Theraulaz, TrianniSwarm Robotics: Past, Present, and FutureProceedings of the IEEE, 2021Означення рою, властивості роєвої поведінки, історія напряму, платформи.
Azar та ін.Drone Deep Reinforcement Learning: A ReviewElectronics, 2021Таксономія методів, порівняння алгоритмів у польотних задачах.
Batra та ін.Decentralized Control of Quadrotor Swarms with End-to-end Deep Reinforcement LearningCoRL, 2021Якірна робота модуля 07: вектор спостереження, масштабування, реальні польоти.