مجموعة بيانات مرجعية مفتوحة لتعلّم الآلة وتحسين المسارات الذكي في أنظمة الطائرات دون طيار ذات الجناح الثابت

لماذا تهم رحلات الطائرات دون طيار الأذكى

من مسوحات المحاصيل إلى البحث والإنقاذ، تؤدي الطائرات دون طيار ذات الجناح الثابت عدداً متزايداً من المهام بصمت فوق رؤوسنا. قد يؤدي جعل هذه الطائرات أكثر موثوقية واستقلالية عن الطيارين البشريين إلى فتح إمكانيات لتسليمات أكثر أماناً، ورصد بيئي أكثر دقة، وعمليات أكثر مرونة في حالات الطوارئ أو مناطق النزاع. لكن التقدّم بات يقف عائقاً ليس بسبب نقص الأفكار الذكية، بل بسبب نقص البيانات الواقعية. يقدم هذا المقال مجموعة بيانات مفتوحة جديدة تضم مئات الرحلات الذاتية للطائرات دون طيار، مصممة لكي يتمكن المهندسون والطلاب في أي مكان من تطوير واختبار خوارزميات طيران أذكى على أساس مشترك غني ومشترك.

مختبر طائر للبعثات الواقعية

بنى المؤلفون مجموعتهم باستخدام طائرة قوية من طراز شبيه بزلاجات المحرك تسمى Volantex Ranger 2400. بجناح يبلغ عرضه مترين ونصف وبشكل جناح فعال وهياكل جسم واسعة، تستطيع الطائرة حمل إلكترونيات حديثة مع البقاء في الجو لبعثات طويلة ومستقرة. تعمل بمحرك كهربائي مثبت في المؤخرة وحزمة بطاريات ليثيوم-أيون مخصصة تم ضبطها من أجل التحمل بدلاً من دفعات قصيرة من الطاقة. قام الفريق بتحليق هذه المنصة في وضعية طيران ذاتية بالكامل، مستخدماً مسارات مخططة مسبقاً غطت مراحل رئيسية من الطيران: الإقلاع، أجزاء الطيران المستقيمة، المنعطفات الضيقة، المناورات الديناميكية والهبوط التلقائي. هذا الإعداد المسيطر عليه ولكنه واقعي يحول Ranger إلى مختبر طائر يتصرف مثل الطائرات التشغيلية الصغيرة المستخدمة في السياقات المدنية والدفاعية.

مخّتان، طائرة واحدة

لالتقاط مجموعة واسعة من حالات الاستخدام، جهز الباحثون نفس هيكل الطائرة بـ"مخّتين" مختلفتين جداً. تستخدم إحدى التهيئات وحدة تحكم طيران صغيرة ورخيصة SpeedyBee F405، تشبه في روحها الإلكترونيات التي قد يركبها الهواة على طائرة مبنية منزلياً. أما الأخرى فتجمع بين طيار آلي محترف Pixhawk 6X وكمبيوتر قوي Jetson Orin NX، القادر على تشغيل برمجيات الذكاء الاصطناعي المتطلبة على متن الطائرة. يسجل كلا النظامين بيانات قياسات تفصيلية، بما في ذلك الحركة من مستشعرات القصور الذاتي، موقع GPS والسرعة، الارتفاع، سرعة الهواء، أوامر أسطح التحكم، حالة البطارية ووضعية الطيران، بمعدلات تكفي لإعادة بناء حركة الطائرة بتفصيل دقيق. من خلال إبقاء هيكل الطائرة ثابتاً مع تبديل الإلكترونيات، تتيح مجموعة البيانات للباحثين دراسة كيف تؤثر مستويات مختلفة من الحوسبة والحسّ onboard على سلوك الطيران.

ماذا تحتوي مجموعة البيانات

تتكون مجموعة IDF‑DS الناتجة من 240 رحلة ذاتية، نحو 32 ساعة من زمن الطيران وعشرات الملايين من العينات المسجّلة. يخزن كل اختبار ببنية مجلدات متسقة حتى يتمكن المستخدمون بسرعة من العثور على السجل الرئيسي، خطة المهمة، إعدادات المتحكم ومسار GPS جاهز للعرض. تتابع عائلة من المهام نمطاً متعرجاً فوق حقل مستطيل، مثالي للمقارنات المتكررة أو لتدريب نماذج التنبؤ. تتبع عائلة أخرى حلقة تشبه حلبة سباق مستوحاة من مسار MotoGP شهير، مقدمة منعطفات حادة، انحناءات واسعة ومقاطع مستقيمة تتحدى الطيار الآلي. لكل تهيئة ومهمة، تلتقط السجلات كيف طارت الطائرة فعلياً، ليس فقط كيف كان من المفترض أن تطير.

تحويل الرحلات الخام إلى رؤى

لإظهار ما يمكن فعله بهذه الكنز، يستعرض المؤلفون عدة تحليلات نموذجية. يتحققون من جودة مستشعرات الحركة onboard بمقارنتها بالتسارعات والدورانات المستنتَجة من المسار القائم على GPS، مؤكّدين أن القياسات موثوقة بما يكفي لتكون "حقيقة مرجعية" لتدريب النماذج. يدرسون مدى دقة تقدير الطيار الآلي للسرعة في ثلاثة اتجاهات، ومدى تتبع الطائرة للمسار المخطط، ومقدار الطاقة الكهربائية المستهلكة أثناء الصعود، والمنعطفات، والطيران المستقر. من خلال دمج سرعة الهواء، سرعة الأرض والهيمنة المكانية، يعيدون حتى بناء الرياح التي واجهتها الطائرة على طول مسارها، يرسمون صورة للعواصف والرياح الجانبية اعتماداً فقط على قراءات onboard. يوضّح مثال استخدام آخر كيف يمكن أن تدرب تدفقات البيانات نفسها نموذج ذكاء اصطناعي لتقدير الموقع عندما يكون نظام الملاحة الفضائية غير متاح.

كيف تساعد هذه المورد الرحلات المستقبلية

بمعنى عملي، يتعلق هذا العمل بمنح المجتمع "صندوق أسود" مشترك من مئات الرحلات يمكن لأي شخص فتحه. بدلاً من أن يضطر كل فريق إلى جمع بيانات اختبار مكلفة لنفسه—والاحتفاظ بها خاصة—يمكن للباحثين والطلاب تنزيل مجموعة البيانات المفتوحة هذه والبدء فوراً في استكشاف طرق جديدة للحفاظ على مسار الطائرات عند فشل GPS، واكتشاف الأعطال قبل أن تصبح خطيرة، أو إطالة عمر البطارية باختيار مسارات أكثر كفاءة. لا تبني الورقة نفسها هذه الأنظمة الذكية؛ بل تبني الأساس الذي تحتاجه. الخلاصة للقراء هي أن التقدم في الاستقلالية الجوية يعتمد الآن بقدر ما على سجلات طيران مفتوحة وموثقة بعناية كما يعتمد على الخوارزميات الذكية— وهذه المجموعة من البيانات تمثل خطوة مهمة نحو ذلك المستقبل.

الاستشهاد: García-Gascón, C., Bas-Bolufer, J., Castelló-Pedrero, P. et al. An open benchmark dataset for machine learning and intelligent trajectory optimization in fixed-wing unmanned aerial systems. Sci Data 13, 364 (2026). https://doi.org/10.1038/s41597-026-06716-3

الكلمات المفتاحية: طائرات دون طيار ذات جناح ثابت, قياسات الطيران, الملاحة الذاتية, مجموعة بيانات لتعلّم الآلة, تحسين المسارات