Dron wlatuje do pomieszczenia, którego nigdy nie widział. Nie ma mapy. W środku poruszają się przeszkody i nikt nie powiedział maszynie, dokąd pojadą. Zwykły program do planowania lotu zgaduje wtedy, co będzie dalej, i zwykle zgaduje dobrze. Zwykle. Zespół z MIT zbudował planer, który nie zgaduje. Autorzy twierdzą, że ich trasa unika zderzeń, i dołączyli do tego dowód matematyczny. Dowód ma jednak jeden warunek, który robi całą różnicę. O tym za chwilę.
Pracę „SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments” opublikowano w „IEEE Transactions on Robotics”. Napisali ją Kota Kondo, Jesús Tordesillas, Juan Rached, Lili Sun, Yixuan Jia i Jonathan P. How. Kondo obronił niedawno doktorat na MIT i jest pierwszym autorem. Tordesillas wykłada dziś na Uniwersytecie Papieskim Comillas w Madrycie. How jest profesorem aeronautyki i astronautyki na MIT i autorem seniorem pracy. Wersję roboczą wcześniej umieszczono w serwisie arXiv. MIT opisał wynik 7 października 2026 roku.
Paradoks pewności bez wiedzy
Zacznijmy od problemu. Planer lotu to program, który z danych kamer i czujników układa trasę do celu. W znanym, nieruchomym otoczeniu da się to zrobić ze ścisłą gwarancją. W otoczeniu nieznanym i ruchomym zwykle nie.
MIT opisuje to tak: większość popularnych systemów daje formalną gwarancję bezpieczeństwa tylko wtedy, gdy świat stoi w miejscu albo gdy z góry znamy wszystkie przeszkody. Pozostałe planery omijają ruchome przeszkody „luźno”. Są szybkie i na ogół skuteczne, ale nikt nie udowodnił, że nie uderzą. Autorzy pracy opisują ten wybór jako kompromis. Planery z miękkimi ograniczeniami liczą szybko, ale nie gwarantują trasy bez kolizji. Planery z twardymi ograniczeniami gwarantują więcej, ale liczą dłużej.
Kondo mówi to wprost: w nieznanym, dynamicznym otoczeniu badacze nie mieli dotąd jak matematycznie zagwarantować, że trasa jest bezpieczna. Jego zespół twierdzi, że ma na to sposób. Jedyne, czego planer potrzebuje, to największa prędkość, jaką mogą osiągnąć przeszkody.
To jest ten warunek. Dron nie musi wiedzieć, dokąd przeszkoda pojedzie. Musi wiedzieć, jak szybko najwyżej może jechać. Na tym opiera się cała konstrukcja.
Korytarz, który rośnie w czasie
Sposób działania da się opowiedzieć bez wzorów. Dron najpierw wyznacza korytarz bezpieczny, czyli ciąg połączonych kawałków przestrzeni, w których na pewno nie ma przeszkód. W starszych metodach taki korytarz jest zdjęciem chwili. Przeszkoda się rusza, więc po sekundzie zdjęcie jest nieaktualne.
SANDO robi korytarz zależny od czasu. Specjalny moduł wykrywa przeszkody, grupuje punkty, które do siebie należą, i śledzi je. Planer nie wie, gdzie przeszkoda będzie za pół sekundy. Wie za to, jak daleko mogłaby dojechać, bo zna jej maksymalną prędkość. Wokół przeszkody MIT rysuje więc kulę zasięgu, która obejmuje każde miejsce, do jakiego ta przeszkoda zdąży się dostać. Autorzy pracy mówią o „najgorszym możliwym zasięgu” w każdej warstwie czasu. Korytarz powstaje wokół tych stref. Dopóki dron mieści się w korytarzu, a przeszkoda mieści się w swojej strefie, spotkać się nie mogą.
Kondo ujmuje to tak: w prawdziwym świecie przeszkody się ruszają, więc korytarz wyznaczony w jednej chwili przestaje być przydatny, gdy coś w niego wjedzie. Dodanie czasu pozwala ręczyć za bezpieczeństwo także w przyszłości.
Są jeszcze dwa elementy. Pierwszy to „mapa ciepła”. Planer oznacza rejony pełne przeszkód jako gorące i prowadzi drona z dala od nich, co skraca drogę wokół stref ryzyka. Drugi to optymalizacja. Gdy korytarz jest gotowy, program szuka w nim najszybszej trasy do celu. W czasie lotu na bieżąco przelicza zarówno korytarz, jak i trasę.
Matematyka, która nie pozwala oszukać
Liczenie trasy z twardymi ograniczeniami jest trudne, bo trzeba przypisać kolejne odcinki trasy do kolejnych kawałków korytarza. Autorzy zapisali to jako zadanie optymalizacji z liczbami całkowitymi i dołożyli sztuczkę, która ogranicza liczbę niewiadomych. Według pracy ta eliminacja zmiennych przyspiesza obliczenia nawet 7,4 raza.
Dzięki temu dron przelicza trasę na własnym komputerze pokładowym. W eksperymentach z prawdziwym sprzętem całe przeliczenie trwało typowo od 18 do 36 milisekund, co daje około 28–56 aktualizacji na sekundę. To szybkość, z którą dron może reagować na nagłą zmianę.
Kondo przyznaje, że najtrudniejsza była matematyka. Gdy obiecuje się bezpieczeństwo, teoria musi objąć każdy przypadek, także graniczny. Kiedy gwarancja była gotowa, jak mówi, latanie dronami było już łatwe.
Co sprawdzono w symulacji i w locie
Najpierw symulacje. Autorzy porównali SANDO z kilkoma nowoczesnymi planerami. W teście bez ruchomych przeszkód konkurentami były FASTER i SUPER, projektowane dla otoczenia nieruchomego. W symulowanych testach w lesie i wśród ruchomych przeszkód SANDO osiągnął stuprocentową skuteczność na wszystkich poziomach trudności i nie złamał żadnego ograniczenia. W podsumowaniu autorzy zaznaczają, że był jedynym planerem, który tego dokonał. Symulacje liczył komputer z 16-rdzeniowym procesorem Intel Core i9.
Potem sprzęt. Platformą był dron Holybro X500 z kontrolerem lotu Pixhawk i oprogramowaniem PX4. Na górze zamontowano lidar Livox Mid-360. Dzięki niemu dron ustalał położenie przeszkód i własne. Planer działał na komputerze Intel NUC z procesorem i7. Wszystko liczyło się na pokładzie.
Przeszkodami były kawałki pianki, każdy na małej platformie na kółkach. Najpierw jedna przeszkoda jeździła po prostej, po okręgu i po ósemce. W czwartym z tych lotów zamiast wózka szedł człowiek, w sposób losowy. Potem pojawiło się pięć wózków naraz, a w końcu pięć wózków wśród dodatkowych, nieruchomych przeszkód. W pierwszych czterech doświadczeniach system kamer śledzących ruch służył tylko do późniejszej oceny, jak blisko dron faktycznie przeleciał. Planer o nim nie wiedział.
Wynik: dron przeleciał wszystkie dwanaście lotów wśród ruchomych przeszkód bez kolizji. Do tego doszło sześć lotów w pomieszczeniu z przeszkodami nieruchomymi, przy limitach prędkości od 1 do 6 metrów na sekundę.
Czego ta praca nie obiecuje
Teraz wracamy do warunku. Gwarancja z twierdzenia obowiązuje przy założeniach: prędkość przeszkód ma znaną górną granicę, a błąd, z jakim dron ocenia ich położenie, też jest ograniczony. Autorzy piszą wprost, że pomiary z lotów pokazują coś niewygodnego. Na prawdziwym sprzęcie te założenia nie są spełnione dokładnie. Czujnik się myli, a dron nie leci dokładnie po zadanej trasie. Matematyka obowiązuje w modelu. Model jest bliski rzeczywistości, ale nią nie jest.
Praca wymienia trzy ograniczenia. Po pierwsze planer nie gwarantuje, że w każdym kolejnym kroku znajdzie dopuszczalną trasę. Po drugie strefy „najgorszego zasięgu” w tłoku stają się zbyt ostrożne i zostawiają dronowi mniej miejsca, niż naprawdę potrzebuje. Widać to w symulacji, w której przeszkody wykrywał sam czujnik, bez wiedzy o ich prawdziwym położeniu. Po trzecie założenia twierdzenia są mocne: ograniczona prędkość przeszkód i ograniczony błąd pomiaru.
Jest też jeden szczegół z doświadczeń. W jednym z lotów z pięcioma przeszkodami czujnik zgłosił nadjeżdżającą przeszkodę dopiero tuż przed najbliższym zbliżeniem. Autorzy wymieniają takie opóźnione wykrycie wśród znanych sposobów, w jakie system może zawieść. Dron w tych lotach z niczym się nie zderzył, ale ten przypadek pokazuje, skąd mogłaby przyjść awaria.
Doświadczenia były krótkie, na niewielkiej skali i w kontrolowanych warunkach. Autorzy zapowiadają dalsze prace: zmniejszenie ostrożności przez przewidywanie ruchu metodami uczenia maszynowego, uwzględnienie błędów pomiaru w samej konstrukcji korytarza, zwiększenie liczby dronów i próby na zewnątrz, w większych i bardziej skomplikowanych środowiskach.
Gdzie to mogłoby się przydać
MIT wskazuje kilka zastosowań. Dron wlatujący w serce pożaru lasu, który musi omijać nagłe wybuchy ognia i spadające gałęzie. Zwiad w zawalonym budynku. Eksploracja kopalni w sieci ukrytych korytarzy. Dostawa paczek przez zatłoczoną dzielnicę. Wszystkie te sytuacje łączy to, że maszyna nie zna miejsca i nie może sobie pozwolić na pomyłkę.
W Polsce najbliższe są ratownictwo i górnictwo, i to jest już moje skojarzenie, nie wniosek autorów. Nic w pracy nie wskazuje, by ktoś w Polsce sprawdzał to rozwiązanie. Warto za to wiedzieć, że kod planera udostępniono. Zespoły z innych uczelni, także europejskich, mogą więc sprawdzić go na własnych dronach. To najkrótsza droga od pracy do praktyki: nie sprzedaż, tylko powtórzenie wyniku.
Fei Gao z Uniwersytetu Zhejiang, który nie brał udziału w badaniu, ocenia, że połączenie planowania w czasie i przestrzeni, formalnej analizy bezpieczeństwa i testów na sprzęcie daje praktyczne podejście do autonomicznego lotu w złożonych, zmiennych środowiskach. To opinia niezależnego badacza, zamieszczona w materiale prasowym MIT.
Badania sfinansowała częściowo singapurska Agencja Nauki i Technologii Obronnych (DSTA). O firmie albo spin-offie, który miałby planer wdrażać, w dostępnych źródłach nic nie ma.
Dojrzałość: TRL 4
Na skali dojrzałości technologii to TRL 4. Działa prototyp w kontrolowanym środowisku laboratoryjnym: dron z pełną aparaturą pokładową, dwanaście lotów wśród ruchomych przeszkód, dowód matematyczny i kod do powtórzenia. Do TRL 5 i 6 brakuje prób poza kontrolowanym laboratorium, w dymie, przy wietrze i z przeszkodami, które poruszają się szybciej od założonych. Brakuje też odpowiedzi na pytanie, co się dzieje, gdy czujnik pokaże przeszkodę zbyt późno albo wcale.
Najważniejsza lekcja jest skromniejsza, niż sugeruje hasło „trasa bez kolizji”. Pokazano, że da się zrobić planer, który gwarantuje bezpieczeństwo przy jawnie podanych założeniach, i że taki planer liczy w czasie rzeczywistym na pokładzie. To nie jest dron, który nigdy się nie rozbije. To dron, który mówi, w jakich warunkach się nie rozbije. W inżynierii bezpieczeństwa taka jawność ma dużą wartość.
Bibliografia
- Kondo K., Tordesillas J., Rached J., Sun L., Jia Y., How J. P. SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments. IEEE Transactions on Robotics (2026). DOI: 10.1109/TRO.2026.3738474
- Kondo K., Tordesillas J., Rached J., Sun L., Jia Y., How J. P. SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments (wersja robocza). arXiv (2026). DOI: 10.48550/arXiv.2604.07599
- Zewe A. Planning system ensures a robot's flight path will remain collision-free. MIT News, 7 października 2026. news.mit.edu
Komentarze· 0
Brak komentarzy. Dodaj pierwszy.