מערכת נתונים ביקורתית פתוחה ללמידת מכונה ואופטימיזציית מסלולים חכמה במערכות תעופה בלתי מאוישות כנף‑קבועה

מדוע חשוב ששירותי טיסה של רחפנים יהיו חכמים יותר

מסקרי יבולים ועד פעולות חיפוש והצלה — רחפנים כנף‑קבועה מבצעים בשקט כמות הולכת וגדלה של משימות באוויר מעלינו. הפיכת כלי‑טיס אלה לאמינים יותר ולפחות תלויים במפעילים אנושיים עשויה לפתוח את הדרך למשלוחים בטוחים יותר, ניטור סביבתי מדויק יותר ותפעול חסין יותר במצבי חירום או אזורים בסכסוך. אך ההתקדמות מוגבלת פחות ברעיונות חכמים ויותר במחסור בנתונים מהעולם האמיתי. מאמר זה מציג מערכת נתונים פתוחה חדשה הכוללת מאות טיסות אוטונומיות של רחפן, שנועדה לאפשר למהנדסים ולסטודנטים בכל מקום לפתח ולבחון אלגוריתמי טיסה חכמים על בסיס משותף ועשיר.

מעבדה מעופפת למשימות מהעולם האמיתי

המחבר/ים בנו את מאגר הנתונים באמצעות מטוס בסגנון גלשן‑מנוע (motor‑glider) אמין בשם Volantex Ranger 2400. עם מוטת כנף של שעתיים וחצי מטר, פרופיל כנף יעיל ותא מטען מרווח, המטוס יכול לשאת אלקטרוניקה מודרנית ולהישאר באוויר למשימות ארוכות ויציבות. הוא מופעל על‑ידי מנוע חשמלי ממוקם מאחור וחבילת סוללות ליתיום‑יון מותאמת לטווח ארוך במקום לפרצי כוח קצרים. צוות המחקר שילח פלטפורמה זו במצב אוטונומי מלא, באמצעות מסלולים מתוכננים מראש שכיסו שלבים מרכזיים של הטיסה: המראה, קטעי שייט ישרים, פניות חדות, מאנёвראות דינמיות ונחיתות אוטומטיות. הסדר מבוקר אך מציאותי זה הופך את ה‑Ranger למעבדה מעופפת המתנהג בדומה לרחפנים קטנים תפעוליים המשמשים בהקשרים אזרחיים וביטחוניים.

שני מוחות, מטוס אחד

כדי ללכוד טווח רחב של מקרים שימושיים, החוקרים ציידו את אותו שלד אווירי בשני "מוחות" שונים מאד. תצורה אחת משתמשת בבקר טיסה קומפקטי וזול מסוג SpeedyBee F405, בדומה לאלקטרוניקה שאניני־תחביב עשויים להרכיב על רחפן ביתי. השנייה משלבת טייס אוטומטי מקצועי Pixhawk 6X עם מחשב חזק Jetson Orin NX, המסוגל להריץ תוכנות בינה מלאכותית תובעניות על‑גבי המטוס. שתי המערכות רושמות טלמטריה מפורטת, כולל תנועות מחיישנים אינרציאליים, מיקום ומהירות GPS, גובה, מהירות אוויר, פקודות משטחים פיקודיים, מצב הסוללה ומצב הטיסה, בקצבים גבוהים מספיק לשחזור תנועת המטוס בפרטי פרטים. על‑ידי שמירה על השלד האווירי קבוע והחלפת האלקטרוניקה, מאגר הנתונים מאפשר לחוקרים לחקור כיצד רמות שונות של חישוב וחישה על‑הכַּרוּב משפיעות על התנהגות הטיסה.

מה נמצא בתוך מאגר הנתונים

אוסף IDF‑DS שנוצר מונה 240 טיסות אוטונומיות, כ‑32 שעות זמן אוויר ועשרות מיליוני דגימות מוקלטות. כל טיסה מאורגנת בתיקיית מבנה עקבית כך שמשתמשים יוכלו למצוא במהירות את הלוג הראשי, תוכנית המשימה, הגדרות הבקר ופס מסלול GPS מוכן לצפייה. משפחת משימות אחת עוקבת אחר תבנית זיגזג מעל שדה מלבני, אידיאלית להשוואות חזרתיות או לאימון מודלים חיזויים. משפחה אחרת מתווה לולאה דמוית מסלול מרוץ בהשראת מסלול MotoGP מפורסם, המכניסה פניות חדות, עקומות מתמשכות וקטעים ישרים שמאתגרים את הטייס האוטומטי. עבור כל תצורה ומשימה, הלוגים מתעדים כיצד המטוס אכן טס, לא רק כיצד היה אמור לטוס.

הפיכת טיסות גולמיות לתובנות

כדי להמחיש מה ניתן לעשות עם האוצר הזה, המחברים מציגים סדרת ניתוחים לדוגמה. הם בודקים את איכות חיישני התנועה על‑גבי המטוס בהשוואה לתאוצות וסיבובים שנגזרו ממסלול מבוסס‑GPS, ומאשרים שהמדידות אמינות דיה כדי לשמש כ"אמת קרקע" לאימון מודלים. הם חוקרים עד כמה הטייס האוטומטי מעריך מהירויות בשלוש כיוונים, עד כמה המטוס עוקב אחר המסלול המתוכנן וכמה כוח חשמלי הוא צורך במהלך עליות, פניות ושייט יציב. על‑ידי שילוב מהירות אוויר, מהירות קרקע ועמדה (attitude), הם אף משחזרים את הרוח שהמטוס חווה לאורך נתיבו, ובונים תמונה של משבי רוח וצידי רוח מתוך קריאות מקומיות בלבד. מקרה שימוש נוסף מציג כיצד אותם זרמי נתונים יכולים לאמן מודל בינה מלאכותית לאמדן מיקום כאשר ניווט לווייני אינו זמין.

כיצד משאב זה מסייע לטיסות עתידיות

במונחים יומיומיים, עבודה זו עוסקת במתן "קופסת שחורה" משותפת מהקהילה שמכסה מאות טיסות שכל אחד יכול לפתוח. במקום שכל צוות יצטרך לאסוף נתוני ניסוי משלו ויקרים — ולשמור אותם פרטיים — חוקרים וסטודנטים יכולים להוריד את מאגר הנתונים הפתוח ולהתחיל מיד לחקור דרכים חדשות לשמור על מסלול הרחפנים כאשר ה‑GPS נכשל, לזהות תקלות לפני שהן מסוכנות, או להאריך חיי סוללה על‑ידי בחירת מסלולים יעילים יותר. המאמר עצמו אינו בונה את המערכות החכמות הללו; הוא בונה את הבסיס שהן דורשות. עבור הקוראים, המסקנה היא שההתקדמות באוטונומיה אווירית תלויה כיום לא פחות ברשומות טיסה פתוחות ומתועדות בקפידה מאשר באלגוריתמים חכמים — ומאגר נתונים זה מהווה צעד משמעותי לעבר העתיד הזה.

ציטוט: 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

מילות מפתח: רחפנים כנף‑קבועה, טלמטריה טיסה, ניווט אוטונומי, מערכת נתונים ללמידת מכונה, אופטימיזציית מסלול