MIT Kembangkan Algoritma AI untuk Drone Otonom Melawan Angin Kencang
Teknologi
Kecerdasan Buatan
10 Jun 2025
137 dibaca
2 menit

Rangkuman 15 Detik
Algoritma baru dapat membantu drone beradaptasi dengan kondisi cuaca yang tidak terduga.
Sistem ini menunjukkan pengurangan signifikan dalam kesalahan pelacakan trajektori.
Penelitian lebih lanjut akan fokus pada kemampuan untuk menangani gangguan tambahan dan pembelajaran berkelanjutan.
Drones kini banyak dipakai dalam situasi penting seperti penanggulangan darurat dan pengiriman barang penting. Namun, bentuknya yang kecil membuat mereka lebih mudah terganggu oleh angin kencang, yang bisa membuatnya keluar dari jalur penerbangan yang tepat. Untuk itu, para peneliti dari MIT menciptakan algoritma kontrol baru berbasis kecerdasan buatan yang dapat membantu drone beradaptasi dengan cepat pada kondisi cuaca yang berubah-ubah.
Algoritma baru ini menggunakan teknik meta-learning yang memungkinkan drone belajar dari data penerbangan yang hanya dikumpulkan selama 15 menit. Dengan belajar dari data tersebut, drone bisa menentukan algoritma optimisasi terbaik yang akan digunakan untuk melawan efek angin kencang dan menjaga jalur penerbangannya tetap stabil.
Hasil simulasi dan uji coba nyata menunjukkan bahwa sistem ini memiliki kesalahan pelacakan jalur penerbangan 50% lebih sedikit dibanding metode kontrol standar. Ini berarti drone bisa terbang lebih presisi dan efektif meskipun menghadapi gangguan angin yang sebelumnya belum pernah ditemui saat pelatihan.
Selain menunjukkan kinerja yang lebih baik dalam melawan angin, algoritma ini juga secara otomatis memilih strategi optimisasi yang paling sesuai untuk setiap kondisi. Ini menjadi keunggulan utama dibandingkan algoritma kontrol konvensional yang kaku dan tidak bisa beradaptasi secara real-time.
Peneliti MIT berencana meningkatkan kemampuan algoritma ini agar bisa mengatasi gangguan dari berbagai sumber, termasuk pergerakan barang bawaan yang bisa memengaruhi kestabilan drone. Mereka juga mengembangkan fitur continual learning agar drone bisa terus belajar dan menyesuaikan diri tanpa perlu pelatihan ulang.



