Door AI gegenereerd commando- en controlesysteem voor drones gehost in de lucht

Waarom dit ertoe doet voor dagelijks vliegen

Stel je voor dat je een drone bestuurt vanaf je telefoon of laptop, zelfs als de drone duizenden kilometers ver weg is — en dat het volledige controlesysteem dat die drone aanstuurt niet door een menselijke programmeur maar door kunstmatige intelligentie is geschreven. Dit artikel beschrijft precies dat: een experiment waarin een AI-systeem alle software voor een drone‑commandostation schreef, inclusief een versie die daadwerkelijk op de drone in de lucht draait als een "website in de lucht." Het werk biedt een voorproefje van hoe toekomstige robots grotendeels door andere machines ontworpen en geprogrammeerd zouden kunnen worden.

Van met de hand geschreven code naar door machines geschreven besturing

Tot nu toe is de software die drones in de lucht houdt en laat reageren op piloten zorgvuldig opgebouwd door teams van ingenieurs. Lage‑niveaubegrenzers, de zogenaamde "flight controllers", bevatten honderden duizenden tot miljoenen regels code, en hogere‑niveautools die kaarten en knoppen op een scherm tonen — de zogenaamde ground control stations — zijn ook omvangrijke softwareprojecten. De onderzoeksgroep van de auteur had eerder jaren besteed aan het met de hand bouwen van een webgebaseerd controlesysteem waarmee drones via internet konden worden gevlogen en dat zelfs een Guinness World Record voor langeafstand‑remote‑piloting hielp vestigen. In deze nieuwe studie wilde het team onderzoeken hoever moderne AI‑codeertools konden komen in het recreëren van dat soort systeem met zo min mogelijk menselijke programmering.

Een AI leren een pilootdashboard te bouwen

Het eerste belangrijke resultaat is het "proces" om AI drone‑software te laten schrijven. De onderzoeker doorliep verschillende fasen, beginnend met eenvoudige chatvensters die korte Python‑scripts produceerden om op te stijgen, te landen en de drone op een kaart te plotten. Naarmate het project groeide, botste het op de geheugenlimieten van vroege AI‑modellen, die niet alle noodzakelijke bestanden en instructies tegelijk konden onthouden. Later verhuisde het werk naar gespecialiseerde programmeeromgevingen die rechtstreeks met de AI verbonden waren, zodat die veel bestanden kon bewerken, op foutmeldingen kon reageren en stelselmatig het systeem kon verfijnen. Over vier ontwikkelingssprints werden verschillende grote taalmodellen gevraagd bugs te verhelpen, functies toe te voegen en de code te reorganiseren. Mensen leverden doelen, testten wat eruit kwam en beschreven mislukkingen — maar schreven geen van de productieve code zelf.

Een website bouwen die met de drone meevliegt

Het tweede hoofdresultaat is de voltooide softwarearchitectuur, WebGCS genoemd. Het gedraagt zich als een vertrouwde webapp: een kaart en bedieningsknoppen in een browser die in realtime met een server praten, die op zijn beurt met de drone communiceert. Cruciaal is dat de AI dit drie‑laagse ontwerp uit zichzelf koos en standaard webtools samenvoegde tot een werkend geheel. Nog opvallender is dat hetzelfde commandostation rechtstreeks op een kleine computer gemonteerd op de drone kan draaien. In die modus creëert de drone zelf een WiFi‑hotspot en "host" het zijn eigen bedieningswebsite in de lucht. Elke piloot met een browser, of die nu dichtbij is of via internet verbonden, kan inloggen en de drone commanderen zonder speciale software te installeren.

De door machine geschreven 'hersenen' op de proef gesteld

Het team testte het door AI gegenereerde systeem eerst in simulaties en vervolgens op een lichtgewicht quadcopter met een kleine Raspberry Pi‑computer. Alleen via de browserinterface zetten ze de drone schietklaar, gaven opdracht tot opstijgen, lieten hem naar gekozen punten op de kaart vliegen en terugkeren naar huis. Vroege vluchten brachten problemen aan het licht, zoals onjuiste positiewijzigingen of mislukte-opstijgopdrachten; deze werden teruggerapporteerd aan de AI, die de code aanpaste totdat de problemen verdwenen. De eindversie, ongeveer 10.000 regels lang, presteerde betrouwbaar in meerdere vluchten. Wanneer de onderzoeker deze inspanning vergeleek met het eerdere, hand‑gecodeerde CloudStation‑project, had de AI‑ondersteunde aanpak ongeveer twintig keer minder menselijke uren nodig om vergelijkbare functionaliteit te bereiken.

Vandaag grenzen, morgen mogelijkheden

Ondanks het succes onthult de studie ook huidige beperkingen. De AI‑modellen van vandaag worstelen ermee veel meer dan circa tienduizend regels nauw verbonden code te beheren voordat ze het overzicht verliezen van hoe verschillende onderdelen samenhangen. Dat beperkt hoe complex een door AI geschreven robot"brein" kan zijn zonder aanvullende technieken, zoals teams van samenwerkende AI‑agenten. Toch toont dit experiment aan dat een AI al in staat is een echt drone‑controlestation te ontwerpen, implementeren en helpen debuggen, inclusief een versie die op de drone zelf draait. In eenvoudige termen demonstreert het werk dat een machine een cruciaal deel van de geest van een andere machine kan creëren — en suggereert het dat toekomstige robots in toenemende mate zullen steunen op software die niet door menselijke handen, maar door andere intelligente systemen is geschreven.

Bronvermelding: Burke, P.J. AI generated drone command and control station hosted in the sky. npj Artif. Intell. 2, 43 (2026). https://doi.org/10.1038/s44387-026-00101-6

Trefwoorden: dronebesturing, door AI gegenereerde code, webgebaseerde robotica, autonome systemen, robotprogrammering